daha fazla bilgi için:ali.ma@wecistanche.com

lütfen Bölüm 2 için buraya tıklayın

Benjamin Kowialiewski1,2,3 ve Benoît Lemaire2 ve Steve Majerus2,4 ve Sophie Portrat4

Kabul Tarihi: 12 Şubat 2021 / Online Yayın Tarihi: 25 Mart 2021

# Yazar(lar) 2021

TıklamakHafıza için Cistanche İngiltere

Soyut

Seri sipariş bilgilerinin bakımı, çalışmanın temel bir bileşenidir.hafıza(WM). Birçok teorik model, belirli seri düzen mekanizmalarının varlığını varsayar. Bunlar, öğe bilgilerinin korunmasını destekleyen dil sisteminden bağımsız olarak kabul edilir. Bu, psikolinguistik faktörlerin, hatırlama düzenini nispeten etkilenmeden bırakırken madde bilgilerini koruma yeteneğini güçlü bir şekilde etkilediğini gösteren çalışmalara dayanmaktadır. Ancak son zamanlardaki dil temelli hesaplar, dilsel sistemin seri sipariş bakımı için yeterli mekanizmalar sağlayabileceğini öne sürüyor. Bu açıklamaların güçlü bir versiyonu, dilsel sistemde meydana gelen aktivasyon modelinden ortaya çıkan seri sipariş bakımını varsayar. Bu çalışmada, tamamen aktivasyon tabanlı bir mimari uygulayarak bu varsayımı hesaplamalı bir modelleme yaklaşımıyla test ettik. Bu mimariyi, seri sıra işleme ile karmaşık bir şekilde etkileşime girdiği gösterilen psikolinguistik bir değişken olan anlamsal ilişkinin manipülasyonunu içeren çeşitli deneylere karşı test ettik. Bu aktivasyon tabanlı mimarinin, anlamsal bilgi ve seri sipariş işleme arasındaki etkileşimleri hesaba katmak için mücadele ettiğini gösteriyoruz. Bu çalışma, aktifleştirilmiş uzun vadeli desteği desteklemiyorhafızaseri sipariş bakımını destekleyen özel bir mekanizma olarak.

Anahtar Kelimeler: Çalışmahafıza. Seri sipariş. Hesaplamalı modelleme. anlam bilgisi

giriiş

Seri sipariş bilgilerini koruma yeteneği, sözlü çalışmanın temel bir bileşenidir.hafıza(WM). Seri sıranın (yani hatırlanacak öğelerin sıralı düzeninin) korunmasında yer alan mekanizmaların, kalem bilgilerinin (yani hatırlanacak öğelerin dilsel içeriğinin) korunmasında yer alanlardan bağımsız olduğu kabul edilmiştir. öğeler). Bu varsayım, farklı araştırma hatları tarafından desteklenmektedir. Sözcüksellik gibi psikolinguistik faktörlerin sözel WM performansı üzerindeki etkisini inceleyen çalışmalar, tipik olarak, seri sıra hatırlama üzerinde minimum etkilerle, madde hatırlama üzerindeki etkileri gözlemler (Allen & Hulme, 2006; Hulme, 2003;

Psikoloji Bölümü, Zürih Üniversitesi, Binzmühlestrasse 14, 8050, Zürih, İsviçre

Liège Üniversitesi, Liège, Belçika

Laboratoire de Psychologie et NeuroCognition (LPNC), Université Grenoble Alpes, Bâtiment Michel Dubois önceki. BSHM, 1251 Avenue Centrale, 38400 Saint-Martin-d'Hères, Fransa

Bilimsel Araştırma Fonu – FRS-FNRS, Brüksel, Belçika

Romani, Mcalpine ve Martin, 2008; Roodenrys, Hulme, Lethbridge, Hinton ve Nimmo, 2002; Saint-Aubin ve Ouellette, 2005; Walker ve Hulme, 1999). Ek olarak, seri sipariş-geri çağırma performansı, madde bilgisinin korunmasından ziyade ritmik ve artikülatör müdahale görevlerinden daha güçlü bir şekilde etkilenir (Gorin, Kowialiewski ve Majerus, 2016; Henson, Hartley, Burgess, Hitch ve Flude, 2003). Nöropsikolojik çalışmalar ayrıca, beyin hasarı olan birkaç hastada ve nörogelişimsel bozukluklardan etkilenen popülasyonlarda seri sıralama ve madde-hatırlama performansı arasında ikili ayrışmaların varlığını bildirmiştir (Brock ve Jarrold, 2005; Majerus, Attout, Artielle ve Kaa, 2015; Martinez Perez). , Poncelet, Somon ve Majerus,2015). Son olarak, nörostimülasyon ve nörogörüntüleme çalışmaları tarafından bildirildiği gibi, ürün ve seri sipariş bilgilerinin bakımı farklı sinirsel substratlar tarafından desteklenmektedir (Attout, Fias, Salmon ve Majerus, 2014; Guidali, Pisoni, Bolognini ve Papagno, 2019; Kalm ve Norris , 2014; Majerus ve diğerleri, 2010; Papagno ve diğerleri, 2017).

Aynı zamanda, diğer çalışmalar, seri sıra hatırlamanın da dil bilgisi ile etkileşime girebileceğini öne sürüyor. Sözcük bilgisi, öğe bilgilerinin hatırlanmasını güçlü bir şekilde artırsa da, öğeler içinde ve öğeler arasındaki ses birimi geçiş hatalarını da kısıtlar (Jefferies, Frankish ve Lambon Ralph, 2006). Benzer şekilde, sözsüz kelimeler, madde düzeyindeki kelimelere kıyasla daha kötü hatırlanıyor olsalar bile, seri sipariş hatırlama konusunda göreceli bir avantaj gösterebilirler (Fallon, Mak, Tehan ve Daly, 2005; Kowialiewski & Majerus, 2018; Saint-Aubin & Poirier , 1999). Son zamanlarda, Kalm ve Norris (2014), sözlü bilginin kodlanmasını ve korunmasını destekleyen dorsal dil yollarında ortaya çıkan sinirsel kalıplar temelinde kelimelerin dizisel sırasının kodunun çözülebileceğini göstermiştir. Benzer şekilde, Papagno ve ark. (2017), beyin cerrahisi hastalarında dorsal dil yolunun arka kısmı doğrudan elektrik stimülasyonu kullanılarak uyarıldığında, madde-hatırlama performansına kıyasla seri sipariş-hatırlama performansının düştüğünü göstermiştir.

Teorik düzeyde, belirli bir kaleme ve seri sipariş temsil seviyelerine ihtiyaç duymadan seri sipariş bilgilerinin geçici olarak bakımının yapılabileceği iddia edilmiştir (Acheson ve MacDonald, 2009; Jones ve Macken, 2018; Schwering ve MacDonald, 2020). ). Böyle bir açıklamanın güçlü bir versiyonu, seri sipariş bilgisinin yalnızca dil sistemi içinde meydana gelen aktivasyon modeli aracılığıyla tutulduğunu düşünür (Acheson, MacDonald ve Postle, 2011; Martin ve Saffran, 1997; Poirier, Saint-Aubin, Mair, Tehan). , & Tolan, 2015). Örneğin, Martin & Saffran'a göre (1997, s. 672):

"Prensipte, etkileşimli aktivasyon süreçleri seri sıranın korunmasında da bir rol oynayabilir. Bir dizideki ilk kelimeyi temsil eden kelime düğümü önce hazırlanır ve bu nedenle, hazır hale getirilen düğümlere kıyasla etkinleştirilmiş fonolojik ve semantik temsillerden destek almak için daha fazla zamana sahiptir. Bu nedenle, kelime düğümleri, seri konumlar arasında bir aktivasyon seviyeleri gradyanı göstermelidir.[ … ] Supraspan hatırlamadaki yenilik etkileri, hatırlama sırasındaki aktivasyon seviyeleri nedeniyle artan fonolojik desteği yansıtır. terminal öğeleri, etkinleştirme modelinde bulunan bozulma işlevinden daha az etkilenmiştir."

Cistanche hafızayı geliştirebilir

Aynı şekilde, Acheson ve ark. (2011, s. 45–46), bir dil ağında bir öğenin göreli etkinleştirme düzeyi aracılığıyla seri sipariş hatalarının doğrudan meydana gelebileceğini öne sürdü:

"Bu etkileşimli etkinleştirme çerçeveleri, anlamsal temsilin sözcük düzeyindeki ifade planlarının sırasını nasıl etkileyebileceği konusunda potansiyel bir açıklama sağlar. Birisi bir kelimeyi veya bir kelime dizisini duyduğunda, bu girdiden gelen aktivasyon aynı anda fonolojik temsillere iletilir ve semantik temsiller de. İlk kodlamadan sonra, sözlüksel aktivasyon, semantik ve fonolojik temsillerle tekrarlanan etkileşimlerle belirlenir. Bu etkileşim nedeniyle sözlük öğelerinin göreceli aktivasyon seviyeleri değiştiğinde, seri sıralama hataları meydana gelir."

Bu fikre dayanarak, Poirier ve ark. (2015), ANet hesabı olarak adlandırılan bu tür modellerin daha ayrıntılı bir tanımını geliştirmiştir. Bu açıklamaya göre, bir hatırlanacaklar listesindeki öğeler, dilsel uzun vadede sırayla kodlanır.hafızaŞekil 1'de gösterildiği gibi bir aktivasyon gradyanını takiben azalan mukavemete sahip sistem,1. Seri sipariş bilgisi bu aktivasyon gradyanı ile korunur. Seri geri çağırma, her geri çağırma girişiminde en güçlü şekilde etkinleştirilen öğe seçilerek gerçekleştirilir. Seçim mekanizmasının gürültülü olması nedeniyle, sonunda seri sipariş hataları meydana gelir. Bu modelden önemli bir tahmin, dil sistemi içinde bir öğenin aktivasyon düzeyinin değiştirilmesinin WM'deki seri sıralama hatalarının modelini de etkilemesi gerektiğidir (Achesonetal., 2011).

Son kanıtlar bu teorik pozisyonu destekler görünmektedir. Poirier ve diğerleri (2015) hatırlanacak listelerin ilk yarısında anlamsal olarak ilişkili öğelerin üçlülerini sunarak anlamsal ilişkiyi manipüle etti. Listelerin sonraki öğeleri, kontrol koşulunda anlamsal olarak ilgisizdi (örneğin, memur-rozet-siren-müzik-turist-sarı). Deneysel koşulda, beşinci madde, listenin ilk yarısındaki üçlü madde ile anlamsal olarak ilişkiliydi. Kontrol koşuluyla karşılaştırıldığında, yazarlar beşinci öğenin geçiş hatalarında daha önceki sıralı konumlara, yani anlamsal olarak ilişkili sözcük üçlülerine doğru bir artış gözlemledi. ), bu hedef, deney koşulunda (Şekil 1c) kontrol koşuluna (Şekil 1b) kıyasla daha yüksek bir aktivasyon seviyesine sahip olmalıdır. Seri sipariş bilgilerinin geri çağrılması en aktif kalem seçilerek yapıldığından, uzun vadede bir aktivasyon gradyanıhafızasemantik olarak ilişkili hedefin daha önceki seri konumlara doğru daha fazla göçünü teorik olarak tahmin edebilir. Bu nedenle, anlamsal ilişkinin manipülasyonu, etkinleştirme temelli modellerin kritik ve doğrudan bir testidir, çünkü dil sistemi içinde meydana gelen göreli aktivasyon modelini değiştirmesi beklenir. Bu göreceli aktivasyon, sırayla, Poirier ve meslektaşlarının verilerinin desteklediği görünen seri sipariş bilgilerinin işlenmesini etkilemelidir (Acheson ve diğerleri, 2011). Bu gerçekten de ANet hesaplarından temel bir tahmindi:

"Deney 1'de, bunun o öğe için sipariş hatalarını artıracağı tahminini test etmek için bir hedef öğenin etkinleştirme düzeyini manipüle ettik, bu da CQ [Rekabetçi Kuyruklama] mekanizmasının yüksek etkinleştirme nedeniyle bu öğeyi daha erken seçmesini sağladı; bu erken seçim, etkinleştirmenin öğelerin geri çağrıldığı sırayı etkilediği anlamına gelir." (Poirier ve diğerleri, 2015, s. 492).

Şekil 1 Aktivasyon gradyanının gösterimi (a) anlamsal olarak ilişkisiz bir durumda, (b) A, B ve C öğelerinin anlamsal olarak ilişkili olduğu bir durumda ve (c) A, B öğelerinin, C ve E anlamsal olarak ilişkilidir. Anlamsal olarak ilgili öğeler bir yıldız işaretiyle işaretlenmiştir. Görüldüğü gibi anlamsal ilişkinin varlığı, öğenin ilgili öğeler için etkinleştirilme düzeyini artırmaktadır.

Bu teorik açıklamanın, farklı kalem ve seri sipariş işleme seviyelerini ortaya koyan WM'nin hesaplama modellerinin çoğunluğu ile çarpıcı bir tezat içinde olduğu göz önüne alındığında, bu çalışmanın amacı, seri siparişi temsil etmek için tamamen aktivasyona dayalı bir dilsel hesabın hesaplamalı inandırıcılığını test etmektir. WM bağlamında bilgi. WM'nin çoğu hesaplamalı modeli, aslında açıkça, madde bilgisine dahil olanlardan farklı olan seri sipariş mekanizmalarının varlığını varsayar. Bu, örneğin TBRS* ve SOB-CS mimarileri (Oberauer & Lewandowsky, 2011; Oberauer, Lewandowsky, Farrell, Jarrold ve Greaves, 2012) ve aynı zamanda Burgess ve Hitch'in (1999, 2006) hesaplama modelleri için geçerlidir. ve Brown, Hulme ve Preece (2000). Bu tür mimariler, seri sipariş bilgilerinin, madde-pozisyon ilişkilerinin oluşturulması yoluyla muhafaza edildiğini, pozisyonların belirli temsil mekanizmaları tarafından temsil edildiğini düşünür. Bu modeller, seri konum temsillerinin doğasına göre büyük ölçüde farklılık gösterse de, öncelik ve yenilik etkileri ve yer değiştirme hata kalıpları dahil olmak üzere önemli seri sıra fenomenlerini güvenilir bir şekilde yeniden üretir.

Bu, tamamen aktivasyona dayalı bir mimarinin akla yatkınlığını test etmek için kritik bir psiko-dilbilimsel faktördür. Hesaplamalı mimariyi gözden geçirmek için, ilk olarak, uzun vadede bir Primacy aktivasyon gradyanı aracılığıyla sağlanan seri sipariş bilgisinin olduğunu varsaydık.hafıza(Martin ve Saffran, 1997;Page ve Norris, 1998; Poirier ve diğerleri, 2015). Daha sonra bu mimariyi, anlamsal etkileri modellemek için yanal uyarıcı bağlantılar ekleyerek uyarladık.

Cistanche hafızayı geliştirebilir

hesaplamalı modelleme

Mimari

Kullandığımız mimari, tek katmandan oluşan bağlantıcı bir modeldir. Kodlandığında, bir öğe aktif hale gelir. Bu aktivasyonun doğrudan uzun vadeli bellek bilgi tabanında gerçekleştiği varsayılmaktadır. Anlamsal olarak ilgili öğeler, WM'deki anlamsal etkileri modellemenin akla yatkınlığı halihazırda üç bağımsız modelde gösterilmiş olan doğrudan çift yönlü uyarıcı bağlantılar aracılığıyla bağlanır (Haarmann & Usher, 2001; Kowialiewski & Majerus, 2020; Kowialiewski, Portrat ve Lemaire , 2021). Öğeler, bir etkinleştirme gradyanı kullanılarak azalan güçle art arda etkinleştirilir. Her kodlanmış öğe, aktivasyonu otomatik olarak anlamsal olarak ilişkili diğer öğelere doğru yayar. Geri çağırma, her bir öğenin aktivasyon değerine göre art arda alınmasıyla gerçekleştirilir. Basit olması için Norris, Kalm ve Hall (2020) tarafından kullanıma sunulan Primacy modelinin son uygulamasını kullandık. Önerdiğimiz mimarinin Julia uygulaması, Açık Bilim Çerçevesinde (OSF) ücretsiz olarak mevcuttur: https://osf.io/9e4hu/.

Kodlama Orijinal Primacy modelinde kodlama, V olarak gösterdiğimiz bir etkinleştirme gradyanını takip eder. Bu, bir tepe değeri, , ve bir adım değeri ile tanımlanır. Değer, ücretsiz bir parametredir ve ilk öğenin ilişkilendirildiği başlangıç ​​değerini temsil eder. Değer, her bir kodlama aşamasındaki değerden azalma miktarını temsil eder. Bu parametre 1'e sabitlenmiştir. Örneğin, 20 değeri verildiğinde, altı öğeli bir liste için etkinleştirme gradyanı [20, 19, 18, 17, 16, 15]'dir. Primacy modelinde provanın hiçbir zaman açıkça modellenmediğini unutmayın. Bu, Norris ve meslektaşları tarafından yapılan son uygulamayı içerir. Model içindeki aktivasyon, teorik olarak provanın gerçekleşmesi durumunda beklenenden basitçe türetilir.

Yayılma aktivasyonu Kodlama sırasında, aktivasyon anlamsal olarak ilişkili düğümlere doğru yayılır. Bu, çift yönlü uyarıcı bağlantılar dahil edilerek modellenmiştir. Bu bağlantıların gücü serbest bir parametredir, λ. Her kodlama aşamasında, öğeler etkinleştirme gradyanı V kullanılarak etkinleştirilir. Etkinleştirme daha sonra ağ içinde iki yönlü olarak yayılır:

burada Ai, i öğesiyle ilişkili son etkinleştirme değerini temsil eder ve Aj, bağlantı ağırlığı λ ile ölçeklenen, anlamsal olarak ilişkili her bir j öğesinden gelen etkinleştirmedir. Alt simge t, zaman damgasını temsil eder.

Anlamsal bilgiyi açıkça temsil etme niyetinde olmadığımızı belirtmek önemlidir. Bu yayılan etkinleştirme ilkesiyle anlatmak istediğimiz anlamsal olarak ilişkili öğelerin birbirini yeniden etkinleştirmesidir. Buna karşılık, bu yeniden etkinleştirmenin, öğe göreli aktivasyonunu ve dolayısıyla seri sipariş hatalarının modelini değiştirmesi beklenir (Acheson ve diğerleri, 2011). Başka bir deyişle, anlamsal ağdaki öğelerin göreli etkinleştirme düzeyini değiştirmek, modelin seri sıralarının dahili temsilini de değiştirir.

Geri Çağırma Tüm öğeler kodlandıktan sonra, modelin öğeleri alması gerekir. Bu, rekabetçi bir kuyruk mekanizması kullanılarak yapılır.2 Geri çağırma, iki adımlı bir süreçtir.

2 Poirier ve meslektaşları, Hurlstone ve Hitch'i (2015) izleyerek rekabetçi kuyruk mekanizmasının bir akümülatör modeli kullanılarak modellendiğini öne sürdüler. Akümülatör ilkelerine dayalı (OSF'de mevcut) böyle rekabetçi bir kuyruk mekanizması uyguladık. Bu, akümülatör modelinin, bu çalışmanın amacının ötesinde, hatırlama gecikmeleri hakkında daha fazla tahminde bulunmak için daha fazla fırsat sağlaması dışında, modelde herhangi bir geliştirme sağlamadı. Bu nedenle, Primacy modelinin mevcut en son uygulamasına bağlı kaldık.

İlk olarak, bir öğe potansiyel aday olarak seçilir. Bu işlem gürültüye tabidir:

Bu, serbest bir parametre olan standart bir σ sapması ile her bir öğenin aktivasyonuna geçici sıfır merkezli rastgele Gauss gürültüsü eklenerek modellenir. Daha sonra en etkin olan öğe seçilir. Yanıt bastırma (Duncan & Lewandowsky, 2005), geri çağrılan öğeyi çok düşük bir değere ayarlayarak (yani, -999) bu aşamada zaten gerçekleşir. Bu, modelin bir öğeyi iki kez geri çağırmasını önler. İkinci olarak, seçilen öğenin etkinleştirme değeri, bir ihmal eşiğiyle karşılaştırılır. Bu eşik rastgele bir Gauss dağılımından çizilir N(θ, σ′), burada θ ve σ′ iki serbest parametredir. Seçilen öğenin etkinleştirme değeri (ilk adım sırasında eklenen gürültü olmadan) alma eşiğinin üzerindeyse, öğe doğru şekilde geri çağrılır. Aksi takdirde, bir ihmal üretilir. Bu uygulamanın, ikinci adım sırasında bir ihmal oluşturulup oluşturulmadığına bakılmaksızın, almanın ilk adımı sırasında her zaman uygulanan yanıt bastırmayı varsaydığına işaret edilmelidir. Norris ve diğerleri tarafından bu uygulama seçimi. (2020) olası değildir. Ancak modeli birçok kez çalıştırarak edindiğimiz deneyimden yola çıkarak, Primacy modelinin gerçekçi seri konum eğrilerini modellerken ihmal hataları üretebilmesinin tek yolu budur. Modelin temel varsayımlarını etkilemeden bu uygulama probleminden kaçınırken gerçekçi seri konum eğrileri üretmenin mümkün olduğunu unutmayın. Bununla birlikte, basitlik için orijinal uygulamaya bağlı kalmayı tercih ettik. Her ardışık geri çağırma girişiminde, tüm öğeler bozuldu:

burada D, 0 ile 1 arasında değişen serbest bir parametredir. Bu bozunma parametresi nedeniyle, listelerde daha sonra geri çağrılan öğeler, etkinleştirme değerleri bir asimptota yakınsadığı için daha fazla gürültüye maruz kalır. Modelin tüm parametreleri Tablo'da listelenmiştir.

1. Yöntem

Veri Kümeleri Bu modelin geçerliliği üç farklı veri kümesi üzerinde test edilmiştir: anlamsal ve tarafsız koşulları içeren iki veri kümesi (Kowialiewski ve diğerleri, 2021; Kowialiewski & Majerus, 2020). ) ve Poirier ve ark. (2015), daha önce Giriş bölümünde anlatmıştık. Model, kısmen göreve bağlı olan birkaç parametreye dayanmaktadır. Bu nedenle parametreler, her bir veri seti için bağımsız olarak tahmin edildi. İlk olarak, anlamsal ilişkiye bağlı olmayan parametreler, tarafsızlık temel alınarak tahmin edilmiştir.

standart seri geri çağırma performansını yeniden üretebilecek bir temel model elde etmek için. İkinci olarak, anlamsal koşul, öğeler arasındaki anlamsal ilişki düzeyini kontrol eden λ parametresini tahmin etmek için kullanıldı.

Genel puanlama prosedürü Seri konum eğrileri, bir öğenin yalnızca doğru seri konumunda geri çağrıldığında doğru olarak puanlandığı katı bir seri geri çağırma kriteri kullanılarak çizilir. Örneğin, "Öğe1 - Öğe2 - Öğe3 - Öğe4 - Öğe5 - Öğe6" hedef dizisi ve "Öğe1 - Öğe2 - boş - Öğe3 - Öğe4 - Öğe6" geri çağırma çıktısı verildiğinde, yalnızca Madde 1, 2 ve 6 şu şekilde puanlanır: doğru. Deneysel verilere uyması için, aynı zamanda, bir maddenin, doğru bir şekilde hatırlandığında, seri konumundan bağımsız olarak doğru olarak puanlandığı bir madde-hatırlama kriteri kullandık. Yukarıda belirtilen örnekte 1, 2, 3, 4 ve 6. maddeler doğru olarak puanlanacaktır. Anlamsal ilişkinin sıra-hatırlama performansı üzerindeki genel etkisini değerlendirmek için, her deneysel koşul için bir sıra-hatırlama puanı hesapladık. Bu, öğelerin doğru konumda geri çağrılma zamanının (yani, katı seri-hatırlama kriteri), seri konumlarından bağımsız olarak (yani, madde-hatırlama kriteri) öğelerin geri çağrılma sayısına bölünmesiyle yapılmıştır.

Aktarım hızı Poirier ve ark. (2015) çalışması yer değiştirme oranları kullanılarak çizilmiştir. Madde 5 için (anlamsal olarak 1, 2 ve 3 numaralı maddelerle ilişkili veya değil) ve 5'in taşınabileceği her pozisyon için meydana gelen aktarım hatalarının sayısını hesapladık. Daha sonra bu aktarma hatalarının sayısını, 5. maddenin geri çağrıldığı toplam sayıya böldük. Bu, her deney koşulu için ayrı ayrı hesaplandı.

Parametre tahmini Modelin temel parametrelerinin tahmini, simüle edilmiş bir tavlama algoritması kullanılarak yapıldı.

(French & Kus, 2008; Kirkpatrick, Gelatt ve Vecchi, 1983) deneysel ve simüle edilmiş seri konum hatırlama puanları arasındaki en düşük ortalama karekök hatasını (RMSE) bulmak için ve madde geri çağırma kriterleri. Bu nedenle RMSE her zaman 12 veri noktası üzerinden hesaplanmıştır: katı seri geri çağırma kriteri için altı veri noktası ve madde hatırlama kriteri için altı veri noktası. Her bir serbest parametrenin alt ve üst sınırları Tablo 1'de rapor edilmiştir. Semantik parametre λ'nın tahmini çok daha basitti ve sadece [0,0.1]'de 0.0001 adımlı bir ızgara araması gerektiriyordu. Daha da önemlisi, modelin temel parametreleri sabit tutulurken λ her zaman tahmin edilmiştir. Nötr koşul ile deneysel koşul arasındaki en küçük ortalama farkı ampirik verilere üreten λ değeri kullanıldı. Buradaki fikir, nötr ve deneysel puanlar arasında insana benzer bir fark yaratan λ değerini seçmekti. Bu, insan ortalama farkı ile model ortalama farkı arasındaki boşluğu en aza indirerek operasyonel hale getirildi. Şimdi bu üç veri setini ve buna karşılık gelen bu deneylerin simülasyonlarını sunuyoruz. Çalışma listesi örnekleriyle birlikte farklı deney koşullarının bir özeti Tablo 2'de verilmiştir.

Model değerlendirmesi

Veri Kümesi 1: Kowialiewski ve Majerus (2020)

Veri Bu veri seti, modelin semantik ilişkinin seri geri çağırma performansı ve sipariş-geri çağırma performansı üzerindeki genel etkisini yeniden üretme yeteneğini değerlendirmek için kullanıldı. Anlamsal ilişkinin madde düzeyinde hatırlama performansını güçlü bir şekilde geliştirdiği iyi bilinmektedir (meta-analiz için bkz. Kowialiewski & Majerus, 2020). Semantik ilişkinin, etkisi belirsiz olsa da, seri sipariş bilgilerini geri çağırma yeteneği üzerinde küçük bir zararlı etkisi vardır (ayrıca bkz.

Ishiguro ve Saito, 2020). Buna göre, mimarinin sipariş geri çağırma performansı üzerinde çok az etkisi olmasını veya hiç etkilememesini bekliyoruz. Kowialiewski ve Majerus'ta (2020) rapor edilen verileri kullandık, burada altı maddelik listelerdeki anlamsal ilişkiyi müdahale edici koşullar altında veya acil seri geri çağırma görevleri altında manipüle ettiler. Yalnızca ikinci koşuldan elde edilen sonuçlar rapor edilmiştir.