Alan Bilgisinin Segmentasyon ve Bellek Üzerindeki Etkileri

İletişim:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

Kimberly M. Newberry1 ve Daniel P. Feller2 ve Heather R. Bailey3

Kabul Tarihi: 12 Kasım 2020 / Online Yayın Tarihi: 7 Ocak 2021

# Psikonomik Toplum, Inc. 2021

sinomoriumhafızayı geliştirmek için

Soyut

Birçok araştırma, uzmanların uzmanlık alanlarında üstün belleğe sahip olduklarını göstermiştir. Bu bellek faydasının, yığınlama ve farklılaşma gibi çeşitli kodlama mekanizmalarının sonucu olduğu öne sürülmüştür. Bellekle ilişkili diğer bir potansiyel kodlama mekanizması, insanların sürekli bilgiyi anlamlı, ayrık birimlere ayrıştırma süreci olan olay bölümlemedir. Önceki araştırmalar, segmentasyonun bir dereceye kadar yukarıdan aşağıya işlemeden etkilendiğine dair kanıtlar bulmuştur. Bugüne kadar, az sayıda çalışma, uzmanlığın segmentasyon üzerindeki etkisini araştırdı ve uzmanlık, segmentasyon yeteneği ve bunların bellek üzerindeki etkisi ile ilgili sorular kaldı. Mevcut çalışmanın amacı, iki farklı alan için uzmanlığın segmentasyon ve hafıza yeteneği üzerindeki etkisini araştırmaktı: basketbol ve Overwatch. Basketbol bilgisi yüksek ve düşük, Overwatch bilgisi düşük olan katılımcılar videoları kaba ve ince tanelerde izleyip bölümlere ayırdıktan sonra hafıza testlerini tamamladılar. Uzmanlar ve kontrol acemileri arasında, özellikle basketbol videoları için, segmentasyon yeteneği ve hafızada farklılıklar mevcuttu; bununla birlikte, uzmanların segmentasyonu yalnızca bilgi eksikliği olan faaliyetler için hafızayı öngördü. Genel olarak, bu araştırma, uzmanların üstün hafızasının, segmentasyon yeteneklerinden kaynaklanmadığını ve segmentasyon üzerindeki kavramsal etkileri destekleyen kanıtları gösteren, giderek artan bir literatüre katkıda bulunduğunu ileri sürmektedir.

Anahtar Kelimeler: Alan bilgisi. Olay segmentasyonu. Hafıza. Uzmanlık

Alan bilgisi (belirli bir alan için anlamsal bilgi) üzerinde onlarca yıllık çalışma, uzmanların üstün yeteneklere sahip olduklarını göstermiştir.hafızakendi uzmanlık alanlarında bilgi için. Buhafızafayda, yığınlama (Chase ve Simon, 1973), farklılaşma ve birimleştirme (Herzmann ve Curran, 2011) dahil olmak üzere çeşitli kodlama mekanizmalarıyla açıklanmıştır. Son zamanlarda, başka bir kodlama mekanizmasının etkilediği gösterilmiştir.hafızaolay bilgisi için: olay segmentasyonu (Bailey ve diğerleri, 2013; Flores, Bailey, Eisenberg ve Zacks, 2017; Newberry &

Bailey, 2019; Sargent ve diğerleri, 2013; Zacks, Speer, Vettel ve Jacoby, 2006).

Olay segmentasyonu, insanların sürekli olay bilgilerini anlamlı, ayrı birimlere ayrıştırdığı bir kodlama mekanizmasıdır (örneğin, Zacks, Speer, Swallow, Braver ve Reynolds, 2007). İnsanların bir olayı nasıl bölümlere ayırdıkları, olayları nasıl algıladıklarını, kavradıklarını ve hatırladıklarını etkiler (inceleme için bkz. Radvansky & Zacks, 2014). Bu süreç, hem algısal hem de kavramsal faktörlerden etkilenebilir, bu da önceki bilgilerin birinin bir olayı nasıl algıladığını ve bölümlere ayırmasını etkileyebileceğini ve bu durumun da olayı etkileyebileceğini düşündürür.hafıza. Bazı araştırmalar alan bilgisinin

Bu yazıda sunulan veriler daha önce hem Psikonomik Derneği'nin Kasım 2018'deki 59. yıllık toplantısında hem de Midwestern Psychological Association'ın Nisan 2019'daki 91. yıllık toplantısında sunuldu.

* Kimberly M. Newberry knewberr@su.edu

1 Psikoloji Bölümü, Shenandoah Üniversitesi, 600 Millwood Ave., Halpin Harrison Hall 117, Winchester, VA 22601, ABD

2 Öğrenme Bilimleri Bölümü, Georgia Eyalet Üniversitesi, Atlanta, GA, ABD

3 Psikolojik Bilimler Bölümü, Kansas Eyalet Üniversitesi, Manhattan, KS, ABD

segmentasyonu etkiler (örneğin, uzmanlar daha az sınır belirler: Bläsing, 2015; uzmanlar kaba sınırlar üzerinde daha fazla hemfikirdir: Levine, Hirsh-Pasek, Pace ve Michnick Golinkoff, 2017; Zacks & Tversky, 2003), birkaç soru daha var: İnsanlar, faaliyetlerin kendi bilgi alanlarının içinde ve dışında nasıl bölümlere ayrıldığı konusunda hemfikir mi? Yüksek alan bilgisine sahip bireyler, düşük alan bilgisine sahip bireylerden farklı şekilde kodlamada etkinlikler düzenliyor mu? Eğer öyleyse, bu gözlemlenen durumu açıklıyor mu?hafızafayda?

Bu nedenle, mevcut çalışma, alan bilgisinin segmentasyon üzerindeki etkisini araştırdı vehafızabasketbol ve Overwatch oyunları. Bu etkinlikler popülerliklerinin yanı sıra genellenebilirliğini test etmek için seçilmiştir.

Bilginin farklı faaliyetler arasındaki segmentasyon üzerindeki etkileri. Başlamak için, olay bilişi teorileri, olay bölümlendirme teorisi ve olay ufku modeli tartışılır, ardından bölümlendirme ve bilgi arasındaki ilişki takip edilir. Daha sonra, uzmanlık literatürü açıklanmış ve olay segmentasyonu ile bütünleştirilmiş ve mevcut çalışma hakkında genel tahminler sunulmuştur.

Olay bölümleme teorisi

Olay bölümleme teorisine göre (EST; Kurby ve Zacks, 2008; Zacks ve diğerleri, 2007), olaylar sürekli olarak yaşanır, ancak bu olayların algılanması değildir. Bunun yerine, insanlar algısal (örn. hareket, vücut pozisyonu; Newtson, Enquist ve Bois, 1977; Zacks, 2004) ve kavramsal (örn. bilgi, hedefler; Levine ve diğerleri, 2017; Radvansky ve Zacks, 2014; Zacks, 2004) devam eden aktivitenin zihinsel temsillerini oluşturmaya yönelik bilgiler, öyle ki mevcut olay temsili çalışma sırasında tutulurhafızabir değişiklik algılanıncaya kadar, bu noktada yeni olayı yansıtmak için yeni bir temsil oluşturulur (örneğin, Zacks ve diğerleri, 2007). Bu güncelleme sürecinin, tahmin başarısızlıklarından (Zacks ve diğerleri, 2007), tutarlılık eksikliğinden (Gernsbacher, 1991) veya değişikliklerden kaynaklanan beklenti ve gerçeklik arasında bir uyumsuzluk olduğunda (Rescorla & Wagner, 1972) meydana geldiği düşünülmektedir. bağlamda (Clewett ve Davachi, 2017).

EST, insanların yaklaşan müzayedeler için tahminler ürettiğini ve bu tahminlerin doğruluğunun izlendiğini varsayıyor. Örneğin, bir basketbol oyuncusu bir şut yaptıktan sonra, karşı takımdan bir oyuncunun topu içeri sokması ve sahanın diğer ucuna sürmesi muhtemeldir. Ancak, topa sahip olan oyuncu sahanın diğer ucuna ulaştığında, olay daha az tahmin edilebilir hale gelir. Oyuncu pas mı verecek yoksa şut mu kullanacak? Tahminlerin başarısız olduğu veya insanların bir değişikliği algılayıp olay temsillerini güncelledikleri zamandaki noktalara olay sınırları denir. Araştırmalar, bir olay içinde öngörülebilirliğin yüksek olduğunu, ancak olay sınırları ötesinde öngörülebilirliğin düşük olduğunu göstermektedir (örneğin, Reynolds, Zacks ve Braver, 2007; Zacks, Kurby, Eisenberg ve Haroutunian, 2011). İlginç bir şekilde, insanlar olayları tutarlı sınırlarda güvenilir bir şekilde ayrıştırırlar (örneğin, Bower, Black ve Turner, 1979; Hard, Tversky ve Lang, 2006b; Newtson, 1973; Speer, Swallow ve Zacks, 2003; Zacks, Tversky ve Iyer, 2001a), hatta 1 yıl sonraya kadar (test-tekrar test; Speer ve diğerleri, 2003).

İnsanların olayları gözler önüne sererken sınırları gösterdiği bir birimleştirme paradigmasını kullanan araştırma, olayların hiyerarşik olarak yapılandırıldığını (örn., Newtson, 1973; Sargent ve diğerleri, 2013; Zacks, Tversky ve diğerleri, 2001a) ileri sürer. iri taneli olaylar daha küçük, ince taneli olaylardan oluşur (Tversky, Zacks ve Martin, 2008; Zacks ve Swallow, 2007; Zacks, Tversky ve diğerleri, 2001a). Örneğin, bir kolej basketbol maçı ilk yarı ve ikinci yarıdan oluşabilir.

yarım. Bununla birlikte, ilk yarı, her bir takım tarafından yürütülen bir dizi oyun gibi daha küçük alt olaylara bölünebilir. Önceki çalışmalar, insanların ince ve kaba olaylar arasındaki uyumu algılama derecesinde bireysel farklılıklar bulmuştur (örneğin, Hard, Lozano ve Tversky, 2006a; Kurby ve Zacks, 2011; Sargent ve diğerleri, 2013; Zacks ve diğerleri. , 2001b) ve kanıtlar, hiyerarşik kodlamanın aşağıdakiler için önemli olabileceğini göstermektedir.hafıza(Kurby ve Zacks, 2011).

Önemli olarak, olay bölümleme teorisini (örneğin, Radvansky & Zacks, 2014, 2017) kapsayan olay ufku modeli (Radvansky, 2012), olay sınırlarının bilgiyi ayrı olay modellerine ayırarak geriye dönük müdahaleyi azalttığını ve bu da daha iyi genel sonuçlara yol açtığını açıklar.hafızaetkinlik için. Gerçekten de kanıtlar, insanların ne ölçüde normatif segmentasyon sergilediklerinin (yani, olay sınırlarının konumları üzerinde ne ölçüde anlaştıkları ve daha iyi hiyerarşik hizaya sahip oldukları), aktiviteyi daha sonra ne kadar iyi hatırladıklarını tahmin ettiğini göstermektedir (Bailey ve diğerleri, 2013). ; Flores ve diğerleri, 2017; Kurby ve Zacks, 2011; McGatlin, Newberry ve Bailey, 2018; Newberry ve Bailey, 2019; Sargent ve diğerleri, 2013; Zacks ve diğerleri, 2006).

cistanche kayıp imparatorluk otlar

Segmentasyon davranışını neler etkiler?

Muhtemelen iki tür faktör bölümlemeyi etkiler: algısal ve kavramsal (örneğin, Zacks, 2004; Zacks ve diğerleri, 2007). Segmentasyon üzerine yapılan araştırmaların çoğu, algısal ipuçlarının etkisine odaklanmıştır. Örneğin, algılanan olay sınırları, vücut pozisyonundaki (Newtson ve diğerleri, 1977), uzamsal konumdaki (Magliano, Miller ve Zwaan, 2001), nesne hareketindeki (Zacks ve diğerleri, 2001b) ve algısal değişimdeki değişikliklerle uyumlu olma eğilimindedir. (Hard ve diğerleri, 2006b). Örneğin basketboldaki algısal değişim, topun etrafında meydana gelen değişiklikleri içerebilir (örneğin paslar, şutlar; Huff ve diğerleri, 2017). Ayrıca, beynin duyguları işleyen bölgeleri (örneğin, ekstrastriate hareket kompleksi) olay sınırlarında artan aktivite gösterir (Speer ve diğerleri, 2003; Zacks ve diğerleri. 2001b), bu da hareketin olay sınırı algısının güçlü bir yordayıcısı olduğunu düşündürür.

Buna karşılık, kavramsal faktörlerin bölümleme üzerindeki etkilerini araştıran araştırmalar karışıktır: Bazı araştırmalar, kavramsal faktörlerin bölümleme üzerinde hiçbir etkisi olmadığını öne sürmektedir (örn., Hard ve diğerleri, 2006b; Huff ve diğerleri, 2017; Zacks, Kumar, Abrams, & Metha, 2009), diğerleri öyle olduğunu öne sürerken (bağlam: Loschky, Larson, Magliano ve Smith, 2015; Newberry & Bailey, 2019; aşinalık: McGatlin ve diğerleri, 2018; Smith, Newberry & Bailey, 2020; Zacks & Tversky, 2003; perspektif: Newberry & Bailey, 2019; şema ve senaryolar: Bartlett, 1932; McGatlin ve diğerleri, 2018; Schank & Abelson, 1977; hedefler: Baldwin, Baird, Saylor & Clark; 2001; Wilder, 1978a, 1978b ; Zacks, 2004). Örneğin, Wilder (1978a, 1978b), bir aktörün hedefleri net olmadığında, etkinliğin hedefe yönelik ve tahmin edilebilir olduğu zamana kıyasla katılımcıların daha sık bölümlere ayrıldığını gösterdi, bu da hedeflerin insanların bir etkinliği nasıl algıladığını etkilediğini gösterdi. Benzer şekilde, Zacks (2004) olaylar rastgele değil amaca yönelik olduğunda hareketin segmentasyonu daha az öngördüğünü bulmuştur. Her ne kadar bu sonuçlar, hedefle ilgili bilgi mevcut olduğunda, insanların bir olayı algılarken algısal ipuçlarına daha az güvendiğini ortaya koysa da, etkileri orta ila küçük olmuştur.

Daha güçlü bir manipülasyon: Uzmanlık Bilgi ve segmentasyon üzerine son araştırmalar, önceki bilginin daha güçlü bir manipülasyonunu kullanmaya doğru ilerledi: uzmanlık (örn., Bläsing, 2015; Levine ve diğerleri, 2017). Bilginin segmentasyon üzerindeki etkilerini değerlendirmek için uzmanlığın kullanılması, EST ve olay ufku modeli ile iyi uyum sağlar, çünkü bol miktarda kanıt, bir aktivite hakkında önceden bilgiye sahip olmanın, benzer aktiviteleri görüntülerken tahmini geliştirdiğini göstermektedir (örn., Ambrosini ve diğerleri, 2013; Kanakogi & Itakura, 2011; Möller, Zimmer, & Aschersleben, 2015; Sommerville, Woodward ve Needham, 2005) ve yeniden araştırma, aktivite için önceden bilgi veya deneyime sahip kişilerin de daha iyi olduğunu göstermiştir.hafızabu aktivite için (örneğin, basketbol: Allard, Graham ve Parsalu, 1980; dans: Allard & Starkes, 1991; satranç: Chase & Simon, 1973; beyzbol: Chiesi, Spilich ve Voss, 1979; briç: Engle & Bukstel, 1978; haritalar: Gilhooly, Wood, Kinnear, & Green, 1988; müzik: Meinz & Salthouse, 1998). Tahminin, segmentasyonun üzerinde çalıştığı mekanizma olduğu varsayıldığında (örneğin, Zacks, Braver ve diğerleri, 2001b; Zacks, Kurby ve diğerleri, 2011) ve olay sınırı tanımlaması için önemlidir.hafıza(örneğin, Radvansky & Zacks, 2014), bu, segmentasyon davranışının vehafızakişinin önceden bilgi sahibi olması veya faaliyetle ilgili deneyime sahip olması, hiçbir bilgi veya deneyime sahip olmamasıyla karşılaştırıldığında farklılık gösterebilir.

Böyle bir varsayım, uzmanlık literatüründe, algısal öğrenmeyle ilgili diğer mekanizmalara odaklanan (Goldstone, 1998) desteklenmiştir: farklılaşma (başlangıçta kaynaşmış kategorileri ayırma yeteneği) ve birimleştirme (bireysel parçaları işlevsel bütünlere entegre etme yeteneği). Kanıtlar, uzmanların her bir sürece ne zaman dahil edileceğine daha iyi karar verdiğini göstermektedir (Herzmann & Curran, 2011). Dinamik aktiviteyi kodlarken, uzmanlar kavramsal bilgi birimlerini tanımlamada ve kendi alanlarındaki olaylar için ince ayrıntıları ayırt etmede daha iyi olabilirler (örneğin, Piras, Lobietti, & Squatrito, 2010). Örneğin, bir basketbol uzmanı bir pick and roll'un içerdiği adımları belirleyebilir (yani daha iyi farklılaşma), oysa bir acemi bu adımları tek bir hareket olarak algılayabilir veya hiç algılamayabilir veya basketbol uzmanı aynı seçim ve atlamayı algılayabilir. daha büyük bir oyunun parçası olarak yuvarlanırken, acemi bunu kendi olayı olarak algılayabilir (yani daha iyi birleştirme). Uzmanlar, tahmin doğruluğunu artıran paylaşılan bir bilgi tabanına dayalı anlamlı olay sınırlarını belirlerse, uzmanların daha normatif segmentasyon göstermesi beklenebilir.

yetenek, olay sınır konumları üzerinde daha yüksek anlaşma ve/veya kaba ve ince sınırların daha iyi hizalanması açısından.1 Uzmanlığın segmentasyon davranışı üzerindeki etkilerini araştıran iki çalışma. Dans alanında, Bläsing (2015) uzmanlık ve harekete özgü aşinalığın bir dans ifadesinin segmentasyonu üzerindeki etkilerini araştırdı. Dansçılar ve dansçı olmayanlar, koreografisi yapılmış bir cümleyi tamamlayan bir dansçının videolarını izledi ve bölümlere ayırdı. Bläsing (2015), dansçıların dansçı olmayanlara kıyasla daha az sıklıkla bölümlere ayrıldığını bulmuştur, bu da uzmanlığın kişinin uzmanlık alanındaki olaylar için algılanan sınırların sayısını azalttığını öne sürmektedir. Başka bir deneyde, Bläsing, ara dansçıların bir dans cümlesini segmentlere ayırmasını, ardından motor hareketleri öğrenmesini ve uygulamasını ve cümleyi tekrar segmente etmesini sağlayarak segmentasyon üzerindeki bilginin nedensel rolünü değerlendirdi. İlk deneyde olduğu gibi, dans cümlesine artan aşinalık ve motor deneyim, dansçıların daha az segmente olmasına neden oldu. Benzer şekilde, Levine ve ark. (2017), artistik patinaj uzmanlarının, bir Olimpik artistik patinaj rutinini bölümlere ayırırken acemilere kıyasla daha benzer kaba taneli olayları tanımladığını buldu. Bu çalışmalar, uzmanlığın segmentasyon davranışını etkilediğine dair ilk kanıtları sağlamıştır; ancak, bazı sınırlamalar devam etmektedir. Bir sınırlama, bu çalışmaların yalnızca bir tane boyutunda segmentasyonu değerlendirmesidir. Ya belirli bir tane boyutu talimatı vermediler (Bläsing, 2015) ya da katılımcılara yalnızca kaba tane seviyesinde segmentlere ayırma talimatı verdiler (Levine ve diğerleri, 2017). Hem kaba hem de ince taneli segmentasyonu bir çalışmaya dahil ederek, küçük olayların daha büyük olaylara hiyerarşik hizalanmasını ve alan bilgisinin bu hizalamayı artırıp artırmadığını değerlendirebiliriz. Kritik olarak, hiçbir çalışma, uzmanların uzmanlıklarının dışındaki bir alanda segmentasyon yeteneklerini araştırmadı. Ayrıca, hiçbir çalışmada ölçülenhafıza, dolayısıyla alan bilgisi ve segmentasyonun etkilerihafızahenüz değerlendirilmemiştir.

Normatif segmentasyonun daha iyi ile ilişkili olduğu göz önüne alındığındahafızaolaylar için (Bailey ve diğerleri, 2013; Flores ve diğerleri, 2017; Zacks ve diğerleri, 2006), uzmanların üstün hafızasının, faaliyetin kendi bilgi alanı dahilinde daha normatif bölümlenmesinden kaynaklanmış olması mümkündür. Bölütleme, ön bilgi ve deneyim birikimiyle geliştirilmiş bir süreçse,hafızayalnızca daha bilgili etkinlik için hazır bulunmanın yararınadır. Bununla birlikte, önceki çalışmalar, insanların geri çağırmadaki boşlukları doldurmak için ön bilgileri kullandıklarını göstermiştir (örn. Hasher & Griffin, 1978). Böylece bilgi, bölümlemenin bellek üzerindeki etkilerini geçersiz kılabilir ve bazı kanıtlar, bölümleme ve bilgininhafızabağımsız olarak (Sargent ve diğerleri, 2013). Bu doğruysa, acemiler bilgiye sahip olmayacağından, segmentasyonun yalnızca acemi aktivite için belleği tahmin etmesi beklenebilir. 1 Bölütleme sıklığı ve uyuşma farklıdır. Birisi daha az sıklıkla segmentlere ayrılabilir, ancak yine de grup tarafından tanımlanan birkaç sınır tanımlayabilir ve bu nedenle yüksek bir anlaşmaya sahiptir.

Aktiviteyi ilk kez kodlarken oluşturdukları olay temsilleri dışında, geri çağırmada güvenmek.

Bu nedenle, mevcut çalışma Bläsing (2015) ve Levine ve ark. (2017) segmentasyon davranışını ve bununla ilişkisini araştırarakhafızabasketbol (spor) ve Overwatch (video oyunu) olmak üzere iki farklı alanda yüksek ve düşük bilgiye sahip kişilerde performans (basitlik için şimdiye kadar sırasıyla "uzmanlar" ve "kontrol acemileri" olarak adlandırıyoruz). Basketbol, ​​oyuncuların ortak bir hedefe ulaşmak için birlikte çalışmasını içeren sınırlı temaslı bir takım sporudur (yani, puan kazanmak için topu çemberden geçirerek). Overwatch, aynı zamanda takım tabanlı olmasına rağmen, Blizzard Entertainment, Inc.© tarafından geliştirilen çok oyunculu bir birinci şahıs nişancı video oyunudur. Basketbol ve Overwatch bu çalışmada iki nedenden dolayı aktiviteler olarak seçilmiştir. İlk olarak, iki faaliyetin dahil edilmesi, uzmanların kendi uzmanlık alanları içinde ve dışındaki faaliyetler üzerinde test edilmiş olmaları bakımından mevcut çalışmayı benzersiz kılmaktadır. İkincisi, basketbol ve Overwatch dans ve artistik patinajdan farklıdır (örneğin, Ericsson & Smith, 1991), bu da araştırma sorularının tek oyunculu aktivitelerden takım bazlı aktivitelere genişletilmesine izin verir.

hipotezler

Uzmanlık, segmentasyon davranışını etkiliyorsa, o zaman uzmanlar, iri taneli (segmentasyon frekansı; Bläsing 2015) daha az sıklıkla segmentlere ayırmalı ve kendi uzmanlık alanlarındaki faaliyetler için sınır konumları (segmentasyon anlaşması; Levine ve diğerleri, 2017) üzerinde daha fazla anlaşmalıdır. Alternatif olarak, uzmanlar, daha ince alt olayları daha iyi ayırt etmek için farklılaşma gibi algısal süreçlere girerlerse, özellikle ince tanecikte daha sık segmentlere ayrılabilirler (Piras ve diğerleri, 2010). Ayrıca uzmanların kendi uzmanlık alanlarındaki faaliyetler için kaba ve ince sınırların daha büyük hizalanmasını göstereceklerini varsaydık (hiyerarşik hizalama). Bununla birlikte, eğer algısal ipuçları bölümlendirme üzerinde kavramsal faktörlerden daha güçlü bir etkiye sahipse (Hard ve diğerleri, 2006b; Huff ve diğerleri, 2017; Zacks, Speer ve Reynolds, 2009), o zaman uzmanlar ve kontrol acemileri benzer bölümleme davranışı gösterebilirler. çünkü algısal ipuçları (hareket) her iki grup için de hazırdır. Ayrıca, uzmanların daha iyi göstereceğini varsaydık.hafızaönemli bir uzmanlık araştırmasına dayalı olarak kendi uzmanlık alanlarındaki faaliyetler için performans (inceleme için bkz. Ericsson & Smith, 1991; Furley & Wood, 2016).

Önceki çalışma, normatif segmentasyonun daha iyi ile ilişkili olduğunu göstermektedir.hafızaolaylar için (örn., Bailey ve diğerleri, 2013). Böylece, segmentasyon yeteneğinin tahmin edeceğini varsaydık.hafızadaha iyi segmentasyon anlaşması ve/veya hiyerarşik hizalamaya sahip olanlar daha iyi bir belleğe sahip olacak şekilde, etkinlik veya alan bilgisinden bağımsız olarak performans. Bununla birlikte, segmentasyon ile arasındaki ilişkinin de olduğunu tahmin ettik.hafızaalan bilgisi gelişirse uzman faaliyetinde daha güçlü olurhafızaSegmentasyonu güçlendirerek. Alternatif olarak, bazı çalışmalar genel bilginin hafızayı segmentasyondan bağımsız olarak etkileyebileceğini (Sargent ve diğerleri, 2013), öyle ki insanların mevcut olduğunda bilgiyi hatırlamalarına yardımcı olmak için bilgiye (örneğin şemalar, senaryolar, beklentiler) güvenebileceğini ileri sürmektedir. aktivite, o aktivitenin o belirli örneğini nasıl kodladıklarının (bölümlere ayırdıklarının) aksine. Bu durumda bilgi, segmentasyon ve segmentasyon arasındaki ilişkiyi geçersiz kılabilir.hafıza, öyle ki, iyi bölümlere ayıran uzmanlar ve kötü bölümlere ayıranlar benzer miktarda bilgiyi hatırlar.

Mevcut çalışma

Bu deneyin amacı, alan bilgisi, segmentasyon yeteneği vehafızakişinin bilgi alanı içindeki ve dışındaki olaylar için. Önceki çalışmalar, uzmanlığın dans cümlelerinin segmentasyonu (Bläsing, 2015) ve bir artistik patinaj rutini (Levine ve diğerleri, 2017) üzerindeki etkilerini gözlemlemişti; ancak bu çalışmalar yalnızca uzmanların kendi uzmanlık alanlarındaki olaylar için segmentasyon davranışlarını değerlendirdi. Ek olarak, farklı segmentasyon tanelerinin hiyerarşik olarak hizalanması ve bunlarınhafızahenüz bu bağlamda değerlendirilmemiştir. Mevcut deneyde, basketbol ve Overwatch uzmanları ve kontrol acemileri, basketbol ve Overwatch videolarını görüntüledi ve bölümlere ayırdı. İşe alım sorunları nedeniyle, çalışmaya yalnızca çok küçük bir Overwatch uzmanı örneği katıldı (Yöntem bölümüne bakın). Mevcut deney, sonuçta basketbol uzmanlarının segmentasyonu ve denek içi karşılaştırmasına odaklandı.hafızabasketbol (uzmanlık alanı) ve Overwatch (uzmanlık dışı alan) videoları için ve ayrıca konular arası segmentasyon karşılaştırması vehafızabasketbol uzmanları ve kontrol acemileri arasındaki basketbol aktiviteleri için.

Yöntem

Katılımcılar Kansas Eyalet Üniversitesi'nden (KSU) toplam 165 katılımcı (bkz. Tablo 1) alındı. Katılımcılar psikoloji derslerinden ve diğer

Kampüs genelinde organizasyonlar. Overwatch uzmanlarının işe alımını artırmak için çalışmanın reklamı, Overwatch video oyunu oyuncuları ve hayranları için profesyonel rekabeti ve seyirciliği teşvik eden KSU eSports Club aracılığıyla yapıldı. İşe alımda 35 basketbol uzmanı (Overwatch acemileri), 12 Overwatch uzmanı (üçü basketbol acemi, dokuzu "orta" veya uzman basketbol skorlarına sahip), 61 kontrol acemi (her iki aktivitede acemi), iki kategorize edilmemiş ve 55 " aceminin üzerinde, ancak her iki alanda da uzman eşiklerinin altında puan alan orta" bireyler (aşağıdaki Bilgi Anketlerine bakın).

Mevcut deney için tahminler, "uzman" ile "kontrol acemi" karşılaştırmasına dayanıyordu. Ana analizlere yalnızca uzman veya kontrol acemi kriterlerini karşılayan kişiler dahil edildi. Her iki aktivite için de "orta" aralıkta puan alan katılımcılar, yalnızca bilginin sürekli bir değişken olarak ele alındığı keşif analizlerine dahil edildi (bkz. Ek Malzemeler). Ne yazık ki, Overwatch uzmanlarının işe alınması, birkaç ay boyunca eSports'tan Overwatch oyuncularını hedefledikten sonra bile zor oldu. Bu nedenle, düşük örneklem boyutu nedeniyle, mevcut deneyin ana analizleri de bu grubu hariç tutar (Ek Materyallerdeki keşif analizlerine dahil edilmiş olsalar da). Ek olarak, teknik sorunlar nedeniyle sekiz katılımcının verileri (iki basketbol uzmanı, iki kontrol acemi, iki ara ve iki kategorize edilmemiş) kaybedildi. Katılımcılar, işe alındıkları yere bağlı olarak kurs kredisi ile tazmin edildi veya bir hediye kartı çekilişine katıldı.

Katılımcılar rastgele gruplara atanmadığından, tüm katılımcılar bir dizi bilişsel ölçümü (işlem hızı, kelime bilgisi, anlamsal bilgi ve çalışmahafıza; tam açıklama için Ek Materyallere bakın) aksi takdirde olası segmentasyon açıklanmış olabilecek bireysel farklılıkları değerlendirmek vehafızaEtkileri. Sıfır hipotezinin kanıtını test etmek için Bayes faktörleri kullanıldı (yani, gruplar arasında fark yok; bkz. Tablo 2). 1'den küçük Bayes faktörleri, sıfır için önemli kanıtlar önerdi (örneğin, Wetzels & Wagenmakers, 2012), bu bilişsel yetenekler üzerinde gruplar arasında hiçbir fark olmadığını öne sürdü.

Malzemeler

Bilgi anketi Basketbol ve Overwatch'daki uzmanları ve acemileri belirlemek için bilgi anketleri kullanıldı. Anketin basketbol bölümü Feller, Schwan, Wiemer ve Magliano'nun (2018; French & Thomas, 1987'den uyarlanmıştır) değiştirilmiş bir versiyonuydu, öyle ki Overwatch anketiyle eşleşmesi için 23 soruya düşürüldü. mevcut çalışmada kullanılmak üzere geliştirilmiştir. Hem basketbol hem de Overwatch anketleri, her bir aktiviteyle ilgili genel bilgiler hakkında 23 soru ve yedi öz bildirim aşinalık ve uzmanlık sorusu içeriyordu. Tüm soruların beş cevap seçeneği vardı ve beşinci seçenek (e) her zaman "Bilmiyorum" şeklindeydi. Uzmanlar 17 ile 23 arasında değişen puanlarla tanımlanırken, acemiler 0 ile 7 arasında değişen puanlarla tanımlandı (bilgi anketleri kullanılarak önceki çalışmalardan elde edilen yüzde kesintilerine dayalı olarak; Rawson & van Overschelde, 2008). Her iki anket de Ek'te yer almaktadır.

Videolar Bu deneyde beş video kullanıldı (bir uygulama; dört deneysel). Uygulama videosu, bir gemi inşa etmek için Lego kullanan bir adamı tasvir etti (155 s). Deneysel videolardan ikisi kolej basketbolu oyunlarıydı; özellikle, Memphis - UCLA (153 sn; üç kesit) ve Montana - Weber State (130 sn; dokuz kesit; Feller ve diğerleri, 2018). Diğer iki deneysel video ise Overwatch turnuva maçlarıydı; özellikle, Houston - Boston (144 sn; 11 kesim) ve Londra - Florida (135 sn; yedi kesim) karşılaşması. Tüm deneysel videolar, kesintilerin algı üzerindeki etkisini en aza indirmek için daha uzun videolardan alınan sürekli oynanışın (eylem sürekliliğini koruyan) daha kısa klipleriydi, ancak araştırmalar çoğu kesintinin tanınmadığını ve segmentasyonu etkilemediğini gösteriyor (Magliano & Zacks, 2011; TJ Smith ve Henderson, 2008). Ek olarak, olay bilişi literatüründen elde edilen kanıtlar, bakış açısı değişikliklerinin algılanan olayları da etkilemediğini göstermektedir (Swallow, Kemp ve Şimşek, 2018). Overwatch videoları, Overwatch uzmanları tarafından profesyonel olarak kaydedilmiş oyunlar oldukları için seçilmiştir. Katılımcılar deneysel videoların tümünü iki kez görüntüledi (segmentasyon tanesi başına bir kez).

Not. Parantez içinde ortalamanın standart hatası. Harf karşılaştırması ve desen karşılaştırması, işlem hızının ölçüleriydi. Nesne adlandırma ve sözcük dağarcığı, anlamsal bilginin ölçüleriydi. R-SPAN, çalışmanın bir ölçüsüydühafızakapasite. BF=Bayes faktörü, boş değerin kanıtı.

Birleştirme görevi Birleştirme görevi (Newtson, 1973), katılımcıların algılarının açık bir ölçüsü olarak kullanıldı.

Tablo 3 Uzmanlık grubuna göre bilgi puanları

Basketbol uzmanları Kontroller (acemiler)

videolarda olay sınırları. Videoları izlerken, katılımcılardan "anlamlı bir etkinlik birimi bitip diğeri başladığında" her seferinde boşluk çubuğuna basmaları istendi. Katılımcılara daha büyük tanımlamaları talimatı verildi

(kaba) veya daha küçük (ince) anlamlı aktivite birimlerini boşluk çubuğuna basarak (örneğin, Sargent ve diğerleri, 2013). Katılımcılar bir uygulama videosu kullanılarak bu göreve göre şekillendirildi (bkz. Zacks ve diğerleri, 2009). Şekillendirme prosedürü, deneysel denemelere geçmek için katılımcıların en az 3 büyük (kaba) birimi veya 6 küçük (daha ince) birimi tanımlamasını gerektirdi. Bu eşik karşılanmazsa, katılımcılar diğer kişilerin genellikle daha fazla birim tanımladığını belirten geri bildirim aldı; ancak videodaki etkinliklerin nasıl bölümlere ayrılabileceğine dair açık örnekler verilmedi. Bu mesajı aldıktan sonra, katılımcılar eşiği geçene kadar şekillendirme prosedürünü tekrarladılar.

Olay hafıza önlemleri

Tanımahafızaiki alternatifli zorunlu seçim testi kullanılarak değerlendirildi. Video başına, her biri bir hedef ve bir çeldirici görüntü içeren ve aynı anda yan yana sunulan 20 deneme vardı. Hedef görüntüler her zaman katılımcıların izlediği videolardan ve çeldirici görüntüler her zaman aynı videonun katılımcıların görmedikleri bölümlerinden geldi. Görüntü çiftlerinin sunum sırası her katılımcı için aynıydı. Katılımcılar, doğru tanımlanmış her görüntü için 1 puan aldı (toplam 20 puana kadar). Katılımcıların puanları orantı doğru olarak rapor edildi.

Emirhafıza2 Sıra belleği, Dubrow ve Davachi (2014) tarafından kullanılan ölçüme dayalı olarak iki alternatifli bir zorunlu seçim testi kullanılarak değerlendirildi. Her video için katılımcılara bilgisayarda sekiz görüntü çifti sunuldu. Tüm görüntüler katılımcıların izlediği videodan geldi. Ekranda "daha yeni mi?" diye bir bilgi istemi belirdi ve katılımcılara en son eylemi gösteren resmi seçmeleri söylendi.

Tasarım ve prosedür

Uzmanlık, denekler arası bir değişkendi. Katılımcılar (NBsketballExperts=33, NControlNovices=59), basketbol ve Overwatch (acemi Küçük veya eşit; uzman Büyük veya 17; bkz. Tablo 3) hakkındaki bilgi anketinden aldıkları puanlara göre gruplandırılmıştır. ; analizler için Ek Materyallere bakın.

orta düzeyde bilgiye sahip katılımcılar dahil olmak üzere sürekli bir değişken olarak uzmanlığı içerir). Açık olmak gerekirse, her iki aktivitede de kontrol acemi olarak tanımlanan kontrol grubundakilerden ayrı olarak, basketbol uzman grubundaki herkes Overwatch'ta da acemiydi. Aktivite (basketbol ve Overwatch), tüm katılımcıların her iki aktivitenin videolarını izlediği ve bölümlere ayırdığı şekilde, konu içi olarak ele alındı. Katılımcılar her videoyu iki kez bölümlere ayırdı: tane başına bir kez (kaba ve ince). Video ve dikkat dağıtıcı görevler katılımcılar arasında dengelendi. Segmentasyon tanecikleri dengelendi, öyle ki katılımcılar tüm videoları bir tanede segmentlere ayırdılar, ardından son video için son görev bloğunu tamamladıktan sonra, tüm videoları diğer tanede tekrar (aynı sunum sırasında) segmentlere ayırdılar.

Tüm katılımcılar laboratuvara üç veya dört kişilik küçük gruplar halinde girdiler ve bir bilgisayarın başına oturdular. Önce bilgilendirilmiş bir onay formu imzaladılar ve ardından bilgi anketini tamamladılar. Daha sonra, kendilerine bir demografik form verilmiş ve bilgisayardaki deneysel program bunu yapmalarını söyleyene kadar doldurmamaları istenmiştir. Daha sonra her katılımcıya, her katılımcının bölümleme davranışını, her katılımcının atandığı bölümleme sırasına göre şekillendiren uygulama videosu sunuldu (yani, kaba tanecikler için en az üç, ince tanecikler için en az altı). Şekillendirme prosedürü tamamlandıktan sonra deneysel denemeler başladı. Deneysel denemeler dört bloktan oluşuyordu. Her blokta, deneysel video sunuldu ve katılımcılara "anlamlı bir aktivite biriminin bittiğini ve yenisinin başladığını hissettiklerinde boşluk çubuğuna basmaları" talimatı verildi. Her videodan sonra, katılımcılar bir çeldirici görevi (yani, yukarıda listelenen bireysel farklılık ölçülerinden biri) tamamladılar ve ardından tanıma ve sıralamaya geçtiler.hafızagörevler. Hedef görüntülerin sırayla görüntülenmesi nedeniyle bellek görev sırası dengelenmedi.hafızagörev, katılımcılara tanıma görevinde yardımcı olabilirdi. siparişten sonrahafızason bloğun son videosu için görev, katılımcılara uygulama videosu tekrar gösterildi ve alternatif tahıl için segmentasyon görevi konusunda eğitildi. Katılımcılar daha sonra bu yeni tahıldaki her videoyu, videoların orijinal olarak sunulduğu sırayla yeniden bölümlere ayırdı. Deneyin sonunda, katılımcılar çalışmayı tamamladılar.hafızagörev. Sonunda bilgi alındı, teşekkür edildi ve zamanları için tazminat ödendi.

Sonuçlar

Veri Hazırlama

İşe alım sorunları, mevcut deneyin analizlerini basketbol uzmanlarına (N=33) ve acemi kontrollere (N=59; bkz. yukarıdaki Katılımcılar bölümüne) odakladı. Orta düzeyde bilgi puanına sahip kişiler ve Overwatch uzmanları, bilgiyi sürekli bir değişken olarak ele alan ek keşif analizlerine dahil edildi (bkz. Ek Malzemeler). Aksi takdirde, herhangi bir aykırı değer tespit edilmedi.

Yaklaşmak

Ana analizler, genelleştirilmiş çok seviyeli modelleme teknikleri kullanılarak yapılmıştır. Bu teknikler, bağımlı ölçümlerin normal olmayan hata dağılımlarını (örneğin, sayım verileri için Poisson, binom için lojistik) ve rastgele etkilerle ilişkili hata varyansını açıklar. Ek olarak, deneysel versiyon (etkinlik sırasına ve tane sırasına göre) önemli bir öngörücü değildi (tümü ps

>.09). Önce kodlama süreçlerini (bölümleme sıklığı, anlaşma ve hiyerarşik hizalama) değerlendirdik ve ardından geri alma süreçlerini (tanıma) değerlendirdik. Ardından, kodlamanın tahmin edilen alımı ne ölçüde ölçtüğünü değerlendirdik. Ayrıca, sürekli bir tahmin edici olarak ele alınan bilgi ile tam veri seti (N=157) üzerinde analizler yaptığımızı ve genel sonuç modelini çoğalttığımızı unutmayın (bkz. Ek Malzemeler).

Alan bilgisi olay kodlamasını etkiler mi?

Birleştirme İnsanların sınırların yerlerini ne kadar iyi tanımlayıp üzerinde anlaştığını değerlendirmek için iki birimleştirme ölçüsü kullanıldı.

Segmentasyon sıklığı, video başına toplam düğmeye basma sayısı (yani algılanan olay sınırlarının toplam sayısı) olarak puanlandı. Bläsing (2015), uzmanların acemilere kıyasla daha az olay sınırı belirlediğini buldu; bu nedenle, basketbol uzmanlarının basketbol videoları sırasında Overwatch videolarına kıyasla tahıldan bağımsız olarak daha az sıklıkta segmentlere ayırmalarını sağlayacak bir konu içi farklılık öngördük. Ayrıca basketbol uzmanları, basketbol videoları için kontrol acemilerine kıyasla daha az sıklıkta segmentlere ayrılacak şekilde denekler arası bir fark bulmayı umduk. Son olarak, uzman bilgisi ve faaliyetinden bağımsız olarak, katılımcıların ince taneye kıyasla kaba tanede daha az sıklıkta segmentlere ayrılmasını bekledik.

Bu hipotezleri araştırmak için, grup, aktivite ve segmentasyon tanesinin sabit etkilerinin tam faktöriyelinden ve katılımcı ve videonun rastgele etkilerinin segmentasyon sıklığını tahmin etmek için genelleştirilmiş bir Poisson çok seviyeli modeli kullanıldı (bkz. Şekil 1). Tahılın önemli bir ana etkisi mevcuttu (z=−49.63, p < .001),="" öyle="" ki="" katılımcılar="" daha="" az="" kaba="" sınır="" belirledi="" (m="19.51," se="1.80," 95).="" yüzde="" ga="" [15.94,="" 23.10]),="" bilgi="" veya="" aktiviteden="" bağımsız="" olarak="" ince="" sınırlara="" (m="39.59," se="2.76," yüzde="" 95="" ga="" [34.11,="" 45.07])="" göre.="" grubun="" ana="" etkileri="">

etkinlikler anlamlı değildi, bu da gruplar arasında veya etkinlikler arasında algılanan olayların sayısında temel farklılıklar olmadığını gösteriyor; ancak bu sabit etkiler tahıl ile etkileşime girdi. Grup ve tane arasında önemli bir iki yönlü etkileşim mevcuttu (z=−11.11, p< .001)="" such="" that="" control="" novices="" identified="" fewer="" fine="" boundaries="" (m="34.95," se="3.22," 95%="" ci="" [28.50,41.39]),="" compared="" with="" basketball="" experts="" (m="47.60," se="4.82," 95%="" ci="" [37.78,="" 57.42]),="" regardless="" of="" activity,="" but="" no="" group="" differences="" were="" present="" at="" the="" coarse="">

Bu sonuçlar, grup, aktivite ve segmentasyon tahılı (z =−3.17, p=.002) arasında önemli bir üç yönlü etkileşim ile nitelendirildi, öyle ki, katılımcılar tanımladılar. Overwatch ile karşılaştırıldığında basketbol videoları için kaba sınırlardan önemli ölçüde daha fazla ince sınırlar ve bu fark basketbol uzmanları için daha büyüktü (basketbol kaba: M=19.95, SE=2.42, yüzde 95 CI [ 15.03, 24.88]; basketbol cezası: M=53.20,SE=5.55, yüzde 95 GA [41.89, 64.51]; Aşırı izleme kaba: M =17.61, SE {{ 27}}.23, yüzde 95 GA [13.07, 22.14]; Aşırı izleme cezası: M =42.00, SE=5.73, yüzde 95 GA [30.34, 53.66]), kontrol acemilerle karşılaştırıldığında (basketbol kaba: M=23.09, SE=3.56, yüzde 95 GA [15.95, 30.23]; basketbol cezası: M=37.43, SE {{ 54}}.07, yüzde 95 GA [31.28, 43.58]; Aşırı izleme kaba: M=17.55,SE=2.50, yüzde 95 GA [12.55, 22.56]; Aşırı izleme ince: M { {70}}.17,SE=4.00, yüzde 95 GA [24.15, 40.20]). Başka hiçbir etki mevcut değildi (tümü ps > .05).

Bu sonuçlar, uzmanların, özellikle kendi uzmanlık alanlarındaki faaliyetler için, kontrol acemilerine kıyasla daha az sıklıkla bölümlere ayrılacağı hipotezini desteklemedi. Bunun yerine, sonuçlar uzmanların ve kontrol acemilerinin faaliyetten bağımsız olarak benzer sayıda kaba sınır belirlediğini ve uzmanların kendi uzmanlık alanlarındaki faaliyetler için daha ince sınırlar belirlediğini göstermektedir. Bu sonuç, uzmanların kendi alanlarındaki olaylar için ince ayrıntıları daha iyi ayırt edebildiğini gösteren önceki çalışmalarla uyumludur (örneğin, Piras ve diğerleri, 2010).

Segmentasyon anlaşması, insanların algılanan olay sınırlarının konumları konusunda başkalarıyla ne kadar iyi anlaştığını ifade eder. Daha yüksek segmentasyon anlaşması, daha normatif segmentasyona karşılık gelir. Anlaşmayı hesaplamak için, her katılımcının segmentasyon verileri, her video için her olay sınırının etrafına (düğmeye basma) bir Gauss çekirdek yoğunluğu işlevi yerleştirilerek düzgünleştirildi. Her videonun her karesi, 0 ile 1 arasında değişen bir değer aldı ve bu, karenin bir olay sınırı olma olasılığını veya olasılığını belirtir. 1-ikinci zaman kutularına karşılık gelmek için 25'lik bir bant genişliği (yani, saniyede 25 kare) kullanıldı, böylece kareler katılımcının bulunduğu yere daha yakın olacak şekilde

her çerçeve normatif sınırlarla ilişkilendirildi.3 Levine ve ark. (2017), basketbol uzmanlarının segmentasyon anlaşmasının, tahıldan bağımsız olarak basketbol videoları için kontrol acemilerinden daha yüksek olacağı şekilde önemli bir denekler arası etki öngördük. Bununla birlikte, basketbol uzmanlarının segmentasyon anlaşmasının, tahıldan bağımsız olarak Overwatch videolarına kıyasla basketbol videoları için daha yüksek olacağı şekilde, denek içi bir etki gözlemlemeyi de bekliyorduk.

Bu hipotezleri değerlendirmek için, grup, aktivite ve segmentasyon tanesinin sabit etkilerinin tam faktöriyelinden ve katılımcı ile videonun rastgele etkilerinin tam faktöriyelinden segmentasyon anlaşmasını tahmin etmek için genelleştirilmiş bir doğrusal çok seviyeli model kullanıldı (bkz. Şekil 2). Tahılın önemli bir ana etkisi mevcuttu (t=-4.05, p < .001),="" öyle="" ki="" ince="" sınırların="" uyuşması="" (m=".32," se=".15," yüzde="" 95)="" ci="" [.28,="" .34]),="" kaba="" sınırların="" uyuşmasından="" daha="" yüksekti="" (m=".26," se=".01," yüzde="" 95="" ga="" [.24,="" .28]).="" bununla="" birlikte,="" bu="" etki="" grup,="" aktivite="" ve="" tahıl="" arasında="" önemli="" bir="" üç="" yönlü="" etkileşim="" ile="" nitelendirilmiştir="" (t="2.29," p=".02)." tüm="" katılımcılar,="" overwatch="" videoları="" (m="" {{33})="" ile="" karşılaştırıldığında="" basketbol="" videoları="" (m=".35," se=".01," yüzde="" 95="" ga="" [.32,="" .38])="" için="" daha="" yüksek="" anlaşma="" gösterdi.="" }="" .22,="" se=".01," yüzde="" 95="" ga="" [.20,="" .24]),="" ancak="" uzmanlar="" (m=".36," se=".02," yüzde="" 95="" ga="" [="">

.41]), kontrol acemileriyle karşılaştırıldığında (M=.29, SE=.02, yüzde 95 GA [.25, .32]), yalnızca kaba tanede önemli ölçüde daha yüksek bir uyum gösterdi . Denekler arası etki (d=.96), denekler arası etkiden (d=.42) daha büyüktü. Başka hiçbir etki anlamlı değildi (tümü ps > .05).

Bu sonuçlar, uzmanların kendi uzmanlık alanlarındaki faaliyetler için, ancak yalnızca kaba tanede, kontrol acemilerine kıyasla daha iyi segmentasyon anlaşması gösterdiği hipotezimizi kısmen desteklemektedir. Bununla birlikte, uzmanların kontrol acemilerinden önemli ölçüde daha kaba sınırlar belirlemediğini hatırlayın (bkz. Şekil 1). Toplamda, bu, uzmanların daha iyi kaba segmentasyon anlaşmasının, daha kaba sınırların belirlenmesinden değil, muhtemelen basketbol için ortak bilgilerinden dolayı daha benzer kaba sınırların belirlenmesinden kaynaklandığını gösteriyor.

Hiyerarşik hizalama, tanımlanan her kaba sınırın, belirli bir ince sınıra geçici olarak karşılık gelme derecesidir (Kurby & Zacks, 2011; Sargent ve diğerleri, 2013; Zacks ve diğerleri, 2001a). Segmentasyon organizasyonunun veya her bir katılımcının kaba olaylarının ilgili iyi olay gruplarını içerme derecesinin bir ölçüsüdür (Sargent ve diğerleri, 2013). Hiyerarşik hizalamayı ölçmenin bir yolu, ilgili ince olay gruplarının kaba olaylar içinde ne kadar yer aldığını ifade eden kuşatmayı hesaplamaktır (Hard, Recchia ve Tversky, 2011;

daha uzaktaki çerçevelere kıyasla daha büyük bir değer alan bir olay sınırı belirledi. Daha sonra, normatif olay sınırları oluşturmak için her bir kare veya düğmeye basılmasıyla ilişkili olasılığın katılımcılar arasında ortalaması alındı. Son olarak, her bir katılımcının segmentasyon olasılığı

Sargent ve diğerleri, 2013). Kaba sınırlar, her video için en yakın ince sınırı takip edip etmedikleri veya ondan önce gelmelerine bağlı olarak puanlandı. Her katılımcının çevreleme puanı, daha sonra, en yakın ince sınırı takip eden (öncesinden ziyade) kaba sınırların oranıydı ve şansa bağlı olarak beklenen kuşatmayı hesaba katıyordu. Daha yüksek değerler daha iyi hizalamayı gösterir. Basketbol uzmanlarının, kontrol acemileriyle karşılaştırıldığında, Overwatch ile karşılaştırıldığında basketbol videoları için kaba ve ince sınırların daha iyi hizalanmasını sergileyecekleri şekilde denekler arası bir etki öngördük. Biz de bir tahminde bulunduk

basketbol uzmanlarının kendilerinin Overwatch'ta acemi oldukları için Overwatch'a kıyasla basketbol videoları için kaba ve ince sınırların daha iyi hizalanmasını sağlayacak şekilde denek içi etkisi.

Grubun sabit etkilerinden, aktiviteden ve etkileşimlerinden ve katılımcı ve videonun rastgele etkilerinden korumayı tahmin etmek için genelleştirilmiş bir doğrusal çok seviyeli model kullanıldı. Grubun önemli bir ana etkisi (t=2.07, p=.04) ve faaliyetin marjinal olarak önemli bir ana etkisi (t=3.27, p {{7}) } .07) mevcuttu; ancak, bu etkiler önemli bir

grup ve etkinlik arasındaki etkileşim (t=2.03, p=.04). Basketbol uzmanları, Overwatch'a (M=.47) kıyasla basketbol için daha iyi koruma sergiledi (M= .57, SE=.03, yüzde 95 GA [.50, .63]) , SE=.03, yüzde 95 GA [.41, .52]), oysa kontrol acemiler(basketbol: M=.46, SE=.02, yüzde 95 GA [ .42, .51]; Overwatch: M= .43, SE=.02, yüzde 95 GA [.38, .47]), iki aktivite arasında koruma yeteneklerinde farklılık göstermedi (bkz. Şekil 3). Bu sonuç, uzmanların kendi uzmanlık alanlarındaki etkinliklerin daha iyi kodlama organizasyonu gösterdiği hipotezimizi desteklemektedir.

Uzmanlık, dinamik etkinlikler için belleği etkiler mi?

Uzmanlarla yapılan çalışmaların çoğu, uzmanların kendi uzmanlık alanlarındaki bilgiler için daha iyi belleğe sahip olduklarını göstermiştir (inceleme için bkz. Ericsson & Smith, 1991; Vicente & Wang, 1998). Buna dayanarak, basketbol uzmanlarının daha iyi tanınmasını sağlayacak şekilde denekler arası bir etki bulmayı varsaydık.hafızaOverwatch videolarına kıyasla basketbol videoları için. Ayrıca, uzmanların basketbol videoları için kontrol acemilerinden daha fazlasını hatırlayacağı, ancak tanınmalarında farklı olmayacakları şekilde bir Grup × Aktivite etkileşimi bulmayı varsaydık.hafızaOverwatch videoları için performans.

Tanıma Grup, etkinlik ve etkileşimlerinin sabit etkilerinden ve katılımcı ile videonun rastgele etkilerinden tanıma performansını tahmin etmek için genelleştirilmiş bir lojistik çok düzeyli model kullanıldı. Grup ve aktivite arasında önemli bir etkileşim mevcuttu (z=5.05, p < .001),="" öyle="" ki="" basketbol="" uzmanları="" basketbol="" için="" önemli="" ölçüde="" daha="" iyi="" tanıma="" performansı="" sergilediler="" (m=".68," se="" {{5})="" }="" .02,="" yüzde="" 95="" ga="" [.63,="" .72]),="" overwatch="" ile="" karşılaştırıldığında="" (m=".59," se=".02," yüzde="" 95="" ga="" [.55,="" .63]),="" kontrol="" acemiler="" ise="" (basketbol:="" m=".56," se=".01," yüzde="" 95="" ga="" [.53,.58];="" overwatch:="" m=".59," se="" {{26)="" }}="" .01,="" yüzde="" 95="" ga="" [.56,="" .62]),="" faaliyetler="" arasında="" tanıma="" performanslarında="" farklılık="" göstermedi="" (bkz.="" şekil="" 4).="" başka="" hiçbir="" etki="" mevcut="" değildi="" (tümü="" ps=""> .05). Bu sonuç, uzmanlık hipotezimizi destekler ve kişinin uzmanlık alanındaki bilgi için uzmanlığın bellek üzerindeki fayda etkisini çoğaltır.

Uzmanların daha iyi segmentasyon yeteneği hafızanın faydalarını açıklıyor mu?

Segmentasyon sözleşmesi aşağıdakilerle ilişkilidir:hafızaolaylar için (örneğin, Bailey ve diğerleri, 2013; Flores ve diğerleri, 2017; Sargent ve diğerleri, 2013); bu nedenle, yüksek segmentasyon yeteneğine sahip katılımcıların aktiviteden bağımsız olarak daha iyi hafızaya sahip olacağını varsaydık. Ek olarak, segmentasyon anlaşmasının bir grupla etkileşime gireceğini ve basketbol uzmanlarının, basketbol videoları için kontrol acemilerine kıyasla anlaşma ve hafıza arasında daha güçlü bir ilişki göstereceğini tahmin ettik. Bu tahmin, bilginin segmentasyon anlaşmasını iyileştireceği ve bunun da hafızayı iyileştireceği fikrine dayanmaktadır.

Segmentasyon anlaşması Segmentasyon anlaşması,4 grup ve aktivitenin sabit etkilerinin tam faktöriyelinden ve katılımcı ile videonun rastgele etkilerinin tam faktöriyelinden tanıma performansını tahmin etmek için genelleştirilmiş bir Poisson çok seviyeli model kullanıldı. Segmentasyon sözleşmesinin önemli bir ana etkisi (z=1.96, p =

.05), daha yüksek segmentasyon anlaşması olan ve önceki çalışmayı tekrar eden kişiler için tanınmanın gerçekten daha iyi olduğunu belirtti (Bailey ve diğerleri, 2013; Flores ve diğerleri, 2017; Sargent ve diğerleri, 2013; Zacks ve diğerleri, 2006). Ancak, Segmentasyon Anlaşması × Grup 4 Burada kaba segmentasyon anlaşması kullandık, ancak ince segmentasyon anlaşması aynı sonuç modelini üretti.

etkileşimin anlamlı olmaması, segmentasyonunhafızauzmanlar için daha güçlü değildi.

Bilgi ve aktivite arasında önemli bir iki yönlü etkileşim mevcuttu (z=−2.97, p=.003), öyle ki basketbol uzmanlarının basketbol videolarını tanıması, Overwatch ancak kontrol acemileri ile karşılaştırıldığında daha iyiydi. ' tanıma aktiviteye göre farklılık göstermedi. Kaba segmentasyon anlaşması ile aktivite (z=−2.23, p=.03) arasındaki önemli bir iki yönlü etkileşim, segmentasyon anlaşmasının Overwatch için basketboldan daha güçlü bir şekilde tanınmayı öngördüğünü gösterdi. Bununla birlikte, bu iki yönlü etkileşimler, segmentasyon anlaşması, grup ve etkinlik arasındaki üç yönlü bir etkileşimle nitelendirildi, marjinal olarak anlamlıydı (z=1.90, p=.06). Segmentasyon sözleşmesi, yalnızca Overwatch videolarındaki uzmanlar için tanınma performansını öngördü (r =

.38; bkz. Şekil 5). Başka hiçbir etki mevcut değildi (tümü ps > .05).

Bu sonuçlar, segmentasyon anlaşmasının daha iyi ile ilişkili olduğu hipotezimizi kısmen destekledi.hafıza; ancak bu ilişki uzmanlar için genel olarak daha güçlü değildi. Uzmanların segmentasyon anlaşması, uzmanlık alanlarındaki gelişmiş bellek performanslarını açıklamadı. Aksine uzmanların segmentasyon anlaşması yalnızcahafızaBilinmeyen aktivite için performans, insanların bir aktiviteyi hatırlamaya yardımcı olmak için anlamsal bilgiye değil, kodlama verimliliğine güvenmeleri gerektiğinde, segmentasyonun belleğe daha fazla fayda sağlayabileceğini düşündürmektedir.

Tartışma

Mevcut çalışma, alan bilgisi ve olay bilişi hakkındaki literatürü çoğaltmış ve genişletmiştir.

Alan bilgisi segmentasyonu etkiler vehafızakişinin bilgi alanı içindeki ve dışındaki olaylar için. Genel olarak, basketbol uzmanlarının kendi uzmanlık alanlarındaki aktiviteler için segmentasyon ve hafıza yetenekleri, kontrol acemilerinden (gruplar arası karşılaştırma) farklıydı ve ayrıca kendi segmentasyonlarından ve kendi uzmanlık alanlarından farklıydı.hafızauzmanlık alanı dışındaki faaliyetler için yetenek (konu içi karşılaştırma). Bununla birlikte, daha da önemlisi, uzmanların üstün hafızası, daha normatif segmentasyon yeteneklerinin bir ürünü değildi, bu da bilgi ve segmentasyonun etkilerinin etkileyebileceğini öne sürüyordu.hafızabağımsız. Bu bulgulara ilişkin açıklamalar aşağıda özetlenmiştir.

Kodlama farklılıkları

Sınır tanımlama Uzmanlığın ve aşinalığın segmentasyon üzerindeki etkilerini değerlendiren önceki çalışma, insanların bir aktivite hakkında bilgi edinmesi veya aşinalık kazanması olarak daha az alt olayın tanımlandığını bulmuştur (örn., Bläsing, 2015; Hard ve diğerleri, 2006b; Levine ve diğerleri, 2017). Mevcut çalışma bu bulguları tekrarlamadı. Kaba düzeyde, basketbol uzmanları, algılanan olay sınırlarının sayısı açısından kontrol acemilerinden farklı değildi. Bununla birlikte, ince düzeyde uzmanlar, özellikle daha fazla bilgiye sahip oldukları etkinlik için daha fazla olay sınırı belirlediler. Ne Bläsing (2015) ne de Levine ve ark. (2017), kaba ve ince sınır tanımlaması arasında ayrım yapmıştır.

Bir olasılık, uzmanların uzmanlık alanlarındaki bilgileri ayırt etmede daha iyi olmalarıdır (Herzmann & Curran, 2011). Uzmanların üstün farklılaşmasının değerlendirilmesi

yetenekleri, dinamik olayların algılanmasının aksine, nesne sınıflandırması ve özellik işleme ile sınırlandırılmıştır. Mevcut çalışmadaki kanıtlara dayanarak, uzmanlar kendi uzmanlık alanlarındaki dinamik faaliyetler için ince alt olayları belirlerken farklılaştırma işlemine girebilirler. Gelecekteki çalışmalar, uzmanların kendi alanlarındaki olay yapısını nasıl algıladıklarını daha iyi anlamak için bilginin kaba ve ince segmentasyon üzerindeki etkisini daha fazla değerlendirmelidir.

Sınır anlaşması Levine ve ark. (2017), artistik patinaj uzmanlarının artistik patinaj rutini içindeki ana alt olaylar üzerinde anlaştığını buldu. Mevcut çalışma, bu etkiyi kaba tane seviyesinde tekrarladı. İlginç bir şekilde, iri taneli uzmanlar arasındaki bu daha yüksek anlaşma, onların daha iri taneli sınırlar tanımlamalarından kaynaklanmıyordu, çünkü onlar, kontrol acemileriyle benzer sayıda kaba sınır tanımladılar. Katılımcılar tarafından belirlenen kaba sınırlardan uzmanlar basketbol için daha benzer sınırlar belirlerken, kontrol acemileri daha özel kaba sınır tanımlaması (düşük anlaşma) sergiledi. Uzmanlar, segmentasyonlarına rehberlik etmek için benzer bir bilgi tabanını kullanabilir. Bu çalışmada açıkça test edilmemesine rağmen, uzmanlar olay tutarlılığını daha iyi takip edebildikleri veya daha geniş bir sonuç yelpazesi öngörebildikleri için daha az tahmin hatası yaşadıkları için kendi alanlarında daha fazla anlaşma gösterebilirler. Ayrıca, önemli değişiklikleri fark etmekte daha yavaş olabilen acemilere kıyasla, uzmanların sınırları belirlerken zamanlamalarında daha kesin olmaları da mümkündür. Motor algı araştırması, motor uzmanlığının eylem beklentisini modüle ettiğini ileri sürer (basketbol: Aglioti, Cesari, Romani ve Urgesi, 2008; müzik: Wöllner ve Cañal-Bruland, 2010), öyle ki, gözlemciler, kendileri deneyime sahip olduklarında başkalarının eylemlerini tahmin etmede daha iyidirler. aynı eylemleri gerçekleştirmek.

mirisetin

İlginç bir şekilde, uzmanlar ve kontrol acemileri için iyi segmentasyon anlaşması, uzmanların basketbol için daha ince sınırlar belirlemesine rağmen farklılık göstermedi. İnce sınırların belirlenmesi, algısal ipuçlarındaki değişiklikler tarafından yönlendirilebilir (örneğin, hareket: bir basketbol oyuncusu topu diğerine pas verdiğinde). Hem uzmanlar hem de acemiler, ince olayları segmentasyonlarına yönlendirmek için harekete güveniyorlarsa, benzer sınırlar belirleyebilirlerdi.

Sınır organizasyonu Önceki araştırmalar, hiyerarşik hizalama farklılıkları üzerinde bilginin hiçbir etkisi bulmamıştı (Sargent ve diğerleri, 2013). Ancak mevcut çalışma, uzmanların basketbol için kaba ve ince sınırların daha iyi muhafaza edildiğini gösterdiğini buldu. Benzer şekilde, Feller ve ark. (2018), basketbol uzmanlarının basketbol oyunlarındaki yapıyı acemilere göre daha iyi algılayabildiklerini ve mevcut çalışmada basketbol uzmanlarıyla bulunan kodlama organizasyonu etkilerini kavramsal olarak kopyaladıklarını buldu. Bu çalışmalar, sınırların organizasyonunu kodlayan bilginin etkilerini; ancak, gelecekteki araştırmalar, olay yapısının segmentasyon üzerindeki etkilerini araştırmaya devam etmelidir.

Toplamda, uzmanlar ve kontrol acemileri, kodlamanın bağımlı ölçülerinin çoğunda farklılık gösterdiler, bu da uzmanların kendi bilgi alanlarındaki dinamik bilgiyi kendi alanlarının dışındaki bilgilerden farklı şekilde kodladığını öne sürdü. Bu bulgular, bu alan bilgisinde EST'nin bölümleme yeteneğini etkilediğini desteklemektedir. Daha da önemlisi, tane boyutu (kaba ve ince) dahil edilmemiş olsaydı, mevcut bulgular mevcut olmayabilirdi. Bu manipülasyon, EST'yi revize etmek veya bu etkileri uygulamalı senaryolara (örn.

Alma farklılıkları Mevcut çalışma, uzmanların üstünlüğünü gösteren onlarca yıllık araştırmayı tekrarladı.hafızakendi bilgi alanı içinde bilgi için. Basketbol uzmanları, özellikle basketbol videoları için kontrol acemilerine kıyasla daha doğru tanıma performansı sergilediler ve bu da bilginin kolaylaştırıldığını öne sürdü.hafıza.

Kodlama alımı öngörüyor mu? Duruma göre değişir

Mevcut çalışmanın temel amacı, uzmanların segmentasyon yeteneğinin ne ölçüde tahmin edildiğini değerlendirmekti.hafızaonların bilgi alanı içinde. Uzmanların basketbol için daha fazla bilgiye sahip olduğunu ve bu bilginin bir basketbol oyununun bölümlerini kodlarken daha iyi segmentasyon yeteneği ile ilişkili olduğunu bulduk. Bilginin kaba segmentasyon üzerindeki denekler arası etkisi orta düzeydeydi (d=.42) ve denekler arası etki büyüktü (d=.96), bu nedenle önceki çalışmalarla karşılaştırılabilir etki büyüklükleri gösteriyordu. bilginin orta düzeyde etkileri (örn. d=.33; Newberry & Bailey, 2019) ve uzmanlığın büyük etkileri (örn., ƞ2=.26; Levine ve diğerleri, 2017). Ayrıca, daha iyi segmentasyon anlaşması gösteren önceki çalışmayı kopyalayan mevcut çalışmada segmentasyon yeteneği, daha iyi hafıza ile ilgiliydi (örn., Bailey ve diğerleri, 2013; Flores ve diğerleri, 2017; Sargent ve diğerleri, 2013) ve genel olarak olay ufku modelinin dördüncü ilkesini destekler. Bununla birlikte, bu ilişki yalnızca uzmanların etkinlik için bilgisi olmadığında mevcuttu, bu da uzmanların bilgi alanındaki üstün hafızasının daha iyi segmentasyondan kaynaklanmadığını düşündürdü.

Bir açıklama, segmentasyonun kodlama sırasında gelen bilgileri düzenlemeye ve entegre etmeye yardımcı olduğu, ancak semantik bilgi yapılarının (varsa) geri almayı, segmentasyon sırasında oluşturulan epizodik bellek temsillerinden daha fazla etkileyebileceğidir. Bununla birlikte, aktivite için bilgi mevcut olmadığında veya fakirleştiğinde, insanların bu epizodiklere güvenmekten başka seçeneği yoktur.hafızaalınmasına rehberlik edecek temsiller. Mevcut sonuçlar böyle bir etki gösteren ilk sonuçlar değil. Smith et al. (2020), katılımcıların çeşitli günlük aktivitelere aşinalıklarını manipüle etti ve segmentasyon yeteneğinin yalnızca tahmin edildiğini buldu.hafızahem genç hem de yaşlı yetişkinler için tanıdık olmayan etkinliklerde doğruluk. Bu, hem segmentasyonun hem de bilginin etkisi olduğunu düşündürebilir.hafıza, ancak bunu birbirlerinden bağımsız olarak yaparlar. Yine de bu tür iddialarda bulunurken dikkatli olmak istiyoruz, çünkü bu etkiyi yalnızca uzman grubumuzda (Overwatch videolarında segmentasyon tahmini bellek) bulduk ve her iki etkinlik türü için bilgisi olmayan acemi grubumuzda değil. Ek olarak, segmentasyon belleğe fayda sağlayabilecek tek kodlama mekanizması değildir. Mevcut çalışmadaki basketbol uzmanları, basketbol olaylarını kodlamalarına ve geri almalarına rehberlik etmek için diğer kodlama mekanizmalarına (örneğin, anlamsal yığınlama veya ayrıntılandırma) dahil olmuş olabilirler. Gelecekteki araştırmalar, kişinin bilgi alanı içindeki ve dışındaki olaylardan bilgileri hatırlarken, uzmanların ve acemilerin şema ve olay yapısına olan güvenini birbirinden ayırmaya çalışmalıdır.

Bir diğer önemli not, ölçününhafızaMevcut çalışmada tanıma yapıldı. Segmentasyon ve bellek arasındaki ilişkiyi araştıran önceki çalışmalar, hatırlama ölçümlerini kullanmıştır (örn., Flores ve diğerleri, 2017; Sargent ve diğerleri, 2013). Bilginin segmentasyon üzerindeki etkilerinin vehafızahatırlama yoluyla daha belirgin olabilir. Tanıma, hatırlamaktan daha kolaydır çünkü ilgili ipuçları sağlar ve insanların hatırlamaya ve aşinalık duygularına güvenmelerine izin verir (örn., Graesser & Nakamura, 1982; Schwartz, 2018). Hatırlama ise, ipuçlarını kullanmaz (veya sınırlı kullanır) ve kişinin bilgiyi tanımlamak yerine bilgiyi almasını gerektirir. Burada, hafıza etkileri, segmentasyon tahmininde bilginin faydasını görecek kadar büyük olmayabilir.hafızaipuçlarının mevcudiyeti nedeniyle. Bu çalışmada hatırlamayı kullanmadık, çünkü kontrol acemileri, gördüklerini açıklamak için terminolojiyi bilmedikleri için dezavantajlı olabilirler.

cistanche ilaç özel

sınırlamalar

Mevcut çalışma bazı sınırlamalara tabiydi. İlk olarak, Overwatch oyuncularını hedefledikten sonra bile Overwatch uzmanlarını işe almak zordu. Bu zorluğun bir kısmı, yeni ve daha popüler bir video oyunu olan Fortnite'ın piyasaya sürülmesiyle talihsiz zamanlamadan kaynaklanıyor olabilir (Ranker, 2018). Amazon Mechanical Turk gibi siteler aracılığıyla video oyunu uzmanlarını çevrimiçi olarak işe alarak gelecekteki çalışmalar daha başarılı olabilir. Ayrıca, gelecekteki çalışmalar, bu uzmanlık etkilerini ek uzmanlık alanlarında çoğaltmaya odaklanmalıdır. Önceki çalışmalar, koreograflanmış hareketleri öğrenmek gibi çeşitli özellikleri paylaşan ve genellikle bireyin becerilerine dayanan dans ve artistik patinaj üzerine odaklanmıştı. Mevcut çalışma için farklı bir beceri seti içeren aktiviteler seçtik; ancak her iki aktivite de takım bazlıydı ve birden fazla oyuncuyu içeriyordu. Bu nedenle, bugüne kadar test edilen sınırlı sayıda alan göz önüne alındığında, gelecekteki çalışmalar daha geniş bir alan dizisine odaklanmalıdır.

Bununla birlikte, mevcut çalışmanın değerinin önemli olmaya devam ettiği belirtilmelidir. Bu çalışmayı önceki çalışmalardan ayıran (örneğin, Bläsing, 2015; Levine ve diğerleri, 2017) hem denekler arası hem de denekler içi karşılaştırmalar yapıldı ve daha da önemlisi, kontrol acemileri, aynı segmentasyon faydasını göstermedi. basketbol uzmanları, gösterilen etkilerin uyaranlardan değil, bilgideki farklılıklardan kaynaklandığını öne sürüyorlar.

İkincisi, olayhafızasadece bir hafıza görevi kullanılarak değerlendirildi. Ne yazık ki, siparişhafızasonuçlar son derece düşük güvenilirlik (alfa=.22) nedeniyle yorumlanabilir değildi. Ayrıca, basketbol ve Overwatch olaylarını tanımlamaya çalışırken kontrol acemilerini dezavantajlı hale getirebilecek kelime dağarcığındaki olası farklılıklar nedeniyle hatırlama değerlendirilmedi. Bununla birlikte, hatırlamanın bilginin etkilerine karşı daha duyarlı olabileceği göz önüne alındığında (örneğin, Anderson & Pichert, 1978; Bransford & Johnson, 1972), gelecekteki çalışmalar, kelime sınırlamasına rağmen bir hatırlama ölçüsünü dahil etmeyi düşünmelidir.

Sonuçlar

Sonuç olarak, Event Horizon Modeli ve EST için destek bulundu, bu da bilginin yardımcı olduğunu gösteriyor.hafızave bu bilgi segmentasyon yeteneğini etkiler. Mevcut çalışma, uzmanlığın olay segmentasyon yeteneğini etkilediğini, ancak uzmanların üstün olduğunu buldu.hafızauzmanlık alanlarındaki olaylar için daha iyi segmentasyon yeteneği nedeniyle değildi. Uzmanlar ve kontrol acemileri arasındaki hem kodlama hem de geri alma farklılıkları için kanıtlar mevcuttu; ancak, ön kanıtlar, segmentasyon ve bilgininhafızabirbirinden bağımsız.

Ek Bilgiler Çevrimiçi sürüm, https://doi.org/10.3758/s13421-020-01118-1 adresinde bulunan ek materyalleri içerir.

Teşekkür Bu projede yer alan herkese içtenlikle teşekkür ederiz: Dr. Heather Bailey, Dr. Lester Loschky ve Dr. Joseph Magliano, bu projenin tamamı boyunca muazzam rehberlikleri ve yapıcı geri bildirimleri için; uyaran geliştirme konusunda yardım için Daniel Feller ve Jordann Brandner; Maverick Smith, istatistiksel analizlerdeki yardımlarından dolayı; Destiny Bell ve Dr. Barbara Pitts, genel geri bildirimleri ve destekleri için; Jennica Rogers ve Jaydan Bruna, Allison Griffin, Marissa Muto, Sydnee Pachek, Nicholas Parker ve Rebecca Ryan dahil olmak üzere lisans araştırma işbirlikçilerimizden oluşan ekibimiz, veri toplama, veri puanlama, veri girişi ve genel geri bildirim konularındaki yardımlarından dolayı.

Açık uygulamalar bildirimi

Bu çalışmada kullanılan anketler Ek'te verilmiştir. Veriler şu anda yazarlarla e-posta yoluyla elde edilebilir, ancak yayınlandıktan sonra yalnızca Open Science Framework (https://osf.io/a{{{0}}hz/?view_) aracılığıyla kullanılabilir hale getirilebilir. =1411cb0d128146c697f912de198162e5). Bu deney önceden kaydedilmedi.

Yazar katkısı K. Newberry ve H. Bailey, çalışma konseptine ve çalışma tasarımına katkıda bulunmuştur. D. Feller anket materyallerine ve referanslara katkıda bulundu. K. Newberry, program geliştirme, veri toplama ve veri puanlama konularında liderliği üstlendi. K. Newberry de taslağı hazırlarken, D. Feller ve H. Bailey revizyonlar sağladı. Tüm yazarlar makalenin son halini onayladı.