Görsel Çalışma Belleği Yeteneği Neden Yaşla Birlikte Gelişiyor: Daha Fazla Nesne, Daha Fazla Özellik Detayı Veya Her İkisi? Kayıtlı Bir Rapor Bölüm 2

Algısal Eşleştirme Görevi.—Katılımcılar, uygun kediye tıklayarak prob rengini (ekranın ortasında gösterilen) sekiz kediden biriyle eşleştirdikleri bir algısal eşleştirme görevini tamamladılar. Benzer şekilde oryantasyon probunu da kedilerden biriyle eşleştirdiler. Katılımcılar her özellik için 2 deneme (2 × 8 renk ve 2 × 8 yönelim) gerçekleştirdi. Bunların %90'ından daha azını doğru yapan katılımcıları hariç tutmayı ve değiştirmeyi planladık ve 32 denemede en fazla üç hataya izin verdik. Ancak biz bu kuralın dışına çıktık.

Algısal eşleştirme görevleri ile hafıza arasında güçlü bir ilişki vardır. Algısal eşleştirme görevleri hafızayı geliştirmenin etkili yollarından biridir. Beyni daha iyi uyarmamıza ve hafızayı etkinleştirmemize yardımcı olabilir. Algısal eşleştirme görevlerinde, resimleri veya desenleri gözlemleyerek benzerlikleri veya farklılıkları bulmamız gerekir; bu da beynimizin yüksek düzeyde uyanıklık ve dikkati sürdürmesini gerektirir, bu da bilgiyi belleğe dönüştürmemizi kolaylaştırır.

Düzenli algısal eşleştirme görevleri, beyin nöronları arasındaki bağlantıları sürekli olarak destekleyerek beyni daha aktif hale getirebilir ve uzun süreli hafıza oluşumuna daha yardımcı olabilir. Sadece bu da değil, algısal eşleştirme görevleri aynı zamanda mekansal bilişsel yeteneklerimizi ve bilişsel esnekliğimizi de geliştirebilir ve dikkat ve konsantrasyon gibi bilişsel becerilerimizi geliştirebilir.

Aynı zamanda algısal eşleştirme görevleri aynı zamanda çoklu görev yapmamıza da olanak sağlar. Örneğin, egzersiz sırasında yalnızca kardiyopulmoner kapasiteyi geliştirmekle kalmayıp aynı zamanda hafızayı da geliştiren algısal eşleştirme görevleri gerçekleştirebiliriz. Bu yalnızca öğrenme durumuna daha hızlı girmenizi sağlamakla kalmaz, aynı zamanda öğrenme görevlerini daha verimli bir şekilde tamamlamanızı da sağlar.

Kısacası algısal eşleştirme görevleri ile hafıza arasında yakın bir ilişki vardır. Algısal eşleştirme görevlerini düzenli olarak gerçekleştirmek beynin bilişsel yeteneğini ve hafızasını geliştirerek öğrenme durumuna daha hızlı girmemize ve öğrenme görevlerini tamamlamamıza olanak tanır. Bilişsel yeteneklerimizi ve hafızamızı geliştirmek ve geleceğimizi daha parlak kılmak için birlikte çalışalım. Hafızamızı geliştirmemiz gerektiği görülebilir. Cistanche Deserticola hafızayı önemli ölçüde geliştirebilir çünkü Cistanche Deserticola aynı zamanda asetilkolin ve büyüme faktörleri düzeylerini artırmak gibi nörotransmitterlerin dengesini de düzenleyebilir. Bu maddeler hafıza ve öğrenme için çok önemlidir. Ayrıca et kan akışını iyileştirebilir ve oksijen dağıtımını destekleyebilir, bu da beynin yeterli besin ve enerji almasını sağlayarak beyin canlılığını ve dayanıklılığını artırır.

Beyin fonksiyonunu iyileştirmenin yollarını bilin'e tıklayın

Pandemi nedeniyle çalışmayı çevrimiçi ortama taşıdığımızda, katılımcılar (özellikle küçük çocuklar) bu görevi hızlı bir şekilde tamamlıyor ve bazen, belki de ekran paylaşımı gecikmesinden dolayı, bazen yanlışlıkla aynı seçeneği iki kez seçiyor gibi görünüyorlardı. Böylece toplam 17 katılımcı %90 kesme noktasının altında performans gösterdi (en küçük çocukların on üçü, M =.81, SD=.07, bir ergen, M=. 88 ve üç yetişkin, M=0,76, SD=0,05). En düşük performans 0,69'du. Değişen koşullar göz önüne alındığında, bu katılımcıları analize dahil ettik. Bir hata nedeniyle bu ölçüm için altı yetişkin katılımcının verileri eksikti ve bu da N=44 ile sonuçlandı.

Titrasyon protokolü.—Titrasyon prosedürümüzün amacı, her katılımcı için bireyselleştirilmiş bir set boyutu bulmaktı, böylece herkes temel durumda yaklaşık olarak aynı oranda doğru performans sergileyecekti. Bir yaş grubunun diğerine kıyasla herhangi bir farklı eksikliğini ölçmek için bunu yapmak önemlidir (bkz. MacDonald, 2015). Psikometrik açıdan titrasyonun amacı, aşağıda tanımlanacak temel (Konum test edilmiş) koşulda performans düzeyi eşleşmesini sağlamak, giderilemeyen etkileşimleri önlemektir (bkz. Loftus, 1978; Wagenmakers, Kryptos, Criss ve Iverson, 2012). ).

Bu eşleştirme olmadan, önemli bir etkileşim terimine ilişkin istatistiksel kanıt, mutlak veya göreceli performans farkının dikkate alınmasına bağlı olarak değişebilir. Örneğin, genç yetişkinler Koşul A'daki öğelerin %90'ını hatırlıyor ancak Koşul B'de performans %25 düşüyorsa, performans farkı yüzde 22,5 birim olacaktır.

Eğer çocuklar A Durumunda yalnızca %70'i hatırlıyorsa ve B Durumunda da %25 oranında düşüş yaşıyorsa, performans farkı yüzde 17,5 birim olacaktır. Daha sonra, orantıdaki mutlak farklılıklar açısından genç yetişkinlerde çocuklara göre daha büyük bir fark olduğuna dair istatistiksel kanıtlar bulabiliriz, ancak göreceli farklılıklar için doğru değil.

Bu, Yaş Grubu × Koşul etkileşimi etkisine ilişkin istatistiksel kanıtların teorik geçerliliğini karıştırır. Ayrıca, katılımcıların hatırladığı nesneler için özellik detayı düzeyinin farklı olup olmadığını test etmek istediğimizden, bellek öğesi sayısının her bireyin performans düzeyine göre ayarlanması gerekiyordu. Titrasyon aynı zamanda doğru, bireysel k tahminleri (çalışma belleğindeki öğe sayısına ilişkin tahminler) elde etmek için etkili bir yaklaşım olmalı ve her katılımcı için geniş bir set boyutu aralığında veri toplamaya kıyasla deneysel oturumun uzunluğunu azaltmalıdır. ya çok kolay olacak ya da bunaltıcı.

Her katılımcının denemelerin yaklaşık %80'inde başarılı bir şekilde yanıt verebileceği ayarlanan boyutun bir ölçüsünü elde etmek için, bu titrasyon prosedürü çalışmanın başlangıcında yalnızca konum (temel) koşulu için gerçekleştirildi (bkz. Şekil 1A). Dört pratik denemesinden sonra tüm katılımcılar, tek bir maddelik belirli bir boyuttan başlayarak 40 deneme titrasyonunu tamamladılar. Katılımcılar arka arkaya üç kez doğru yanıt verdiklerinde, bir sonraki denemenin set büyüklüğüne bir madde eklendi (örneğin, birinci set boyutunda art arda üç doğru yanıttan sonra iki maddelik setlere geçtiler). Katılımcılar yanlış yanıt verdiklerinde, kendi setleri bir sonraki deneme için boyut birer birer azaltıldı ve mümkün olan minimum ve maksimum set boyutları sırasıyla bir ve yedi öğe (ler) oldu. Bu üç yukarı, bir aşağı prosedür, katılımcıların testlerin yaklaşık %80'ini doğru yanıtladığı bir deney seti boyutunu tahmin ediyor. zaman (Tansley, Regan ve Suffield, 1982).

Deneysel denemelerin yarısında, katılımcıların set boyutu, 25 son titrasyon denemesindeki ortalama set boyutlarına eşitti (en yakın tam sayıya yuvarlanmış), ancak bir katılımcının nihai elde edilen set boyutu bir ise deney seti boyutu şuydu: Tavan etkilerine karşı önlem olarak iki adet. Denemelerin diğer yarısında, bu yöntemle gerçek hafıza kapasitesinin eksik tahmin edilmesine karşı bir önlem olarak, set boyutu titrasyonda belirlenen miktarı bir madde aştı.

Örneğin, bir katılımcının elde ettiği set büyüklüğü üç öğe ise, her deney koşulunda (Konum, Konum + Renk, Konum + Renk + Yön) bir bloğu (20 deneme) bu set boyutunda ve her koşulda dört öğeden oluşan başka bir bloğu (20 deneme) tamamladı. üç artı bir). Bir katılımcı mümkün olan maksimum yedi öğe düzeyine ulaşmışsa, tüm denemeler için yedi öğeyi hatırlaması gerekecektir. Ayarlanan boyutlar, titrasyon ortalamasından en yakın tam sayıya (ör. 3,40'tan 3'e) yuvarlandığında eksik tahmin oluşabilir.{{7} }) çünkü bir öğenin kesirlerini sunmak mümkün değildir. Ek olarak, katılımcılar uygulamayla geliştikçe eksik tahmin oluşabilir.

Temel durumdaki zemin ve/veya tavan performansı, ek özellik yükünün etkisinin anlamlı bir şekilde test edilmesini önleyeceğinden, ortak bir küme boyutu yerine bu küme boyutu belirleme prosedürünü kullandık. Önceki literatüre dayanarak, performansta yaş farklılıkları bekledik; bu da çoğu yetişkin için uygun bir set boyutunun (örneğin 4 öğe) birçok çocukta muhtemelen saha performansıyla sonuçlanacağını öne sürdü. Bu nedenle, bu titrasyon prosedürünün mükemmel olma ihtimali düşük olsa da, kullanılabilir verilerin toplanmasında daha etkili olduğu ortaya çıktı. Çalışma belleği kapasitesiyle ilgili önceki literatüre dayanarak, çoğu bireyin3-karşılaştırma için öğe kümelerine sahip olmasını bekliyorduk, çünkü uyguladığımız mümkün olan en küçük küme boyutu 2 öğeydi ve aralık artı bir (bu durumda 3 öğe) de sunuldu. ve yetişkin kapasitesi genellikle 3 öğe civarındadır. Bununla birlikte, tüm katılımcılar 'herhangi bir özellik bloğunu' belirlenen boyut 3'te tamamladılar (aşağıdaki ayrıntılara bakın).

Deneysel görev.— Temel, yalnızca konum test prosedürünü kullanan, az önce açıklanan titrasyon prosedüründe ve bunun ardından gelen deneysel testin tüm koşullarında, katılımcılar şapka takan kedi suratlarının dizilerini (bkz. Şekil 1) gördüler. Şapkalar farklı renklerdeydi (sekiz prototip renk dahil: kırmızı, yeşil, mavi, mor, pembe, sarı, turuncu ve turkuaz) ve kediler farklı yönlerde sunuldu (-70, -50, -30, -10, -10). Uyaran havuzunda sekiz renk ve sekiz yönelim ile koni biçimli şapkalarda kedi suratlarının 10,30, 50 veya 70 derecelik eğimi vardır ve bir dizi içinde renk veya yönelim tekrarı yoktur. Hayali bir dikdörtgen içinde konumlar rastgele seçilmiştir. (genişlik=9,8, yükseklik=7,3degrees) ekranın ortasında, birbirinden en az 2,5 derece ayrılmış. Konum probları farklı olduğunda, bunlar da bu dikdörtgenin içinde sunuldu, Sunulan herhangi bir öğeden en az 2,5 derece uzakta. Bir diziyi (500 ms) ve ardından boş aralığı (1000 ms) gördükten sonra bir araştırma öğesi sunuldu.

Prob türleri.: Prob öğesi, konum probları için (A) bir soru işareti, renk probları için (B), sekiz çalışma renginden biriyle doldurulmuş bir daire veya oryantasyon probları için (C) içeriyi gösteren siyah bir 'şapka' idi. sekiz çalışma açısından biri. Katılımcılar, incelenen özelliğin daha önce sunulan bir kedi nesnesiyle aynı olup olmadığını belirtmek için bir değişiklik tespit prosedürüyle araştırmaya yanıt verdiler. Katılımcılar klavye tuşlarını kullanarak yanıt verdiler ('EVET' veya 'AYNI'yı belirtmek için 'c' tuşu ve 'HAYIR'ı veya 'FARKLI'yı belirtmek için 'm' tuşu). Hatırlamalarına yardımcı olmak için anahtarları etiketlemeleri önerildi. Araştırma özelliği, yarı yarıya hatırlanacak nesneyle aynıydı ve yarı yarıya tüm dizi nesnelerinden farklıydı (yani yeni bir konum veya özellik).

Deneme bloğu türleri.: Belirli bir deneme bloğunda, deneme başına yalnızca bir sonda (Konum, Şekil 1A), deneme başına iki sonda (Konum, ardından Renk, Şekil 1B) veya deneme başına üç sonda (Konum, ardından Renk, ve ardından Oryantasyon, Şekil 1C).

İki veya üç özellik araştırıldığında, farklı öğelerle ilgili incelemeler yapılır (yani, bir öğenin konumu araştırılır, başka bir öğenin rengi ve yönelim araştırıldığında üçüncü bir öğenin yönelimi incelenir). İncelenen özelliklerden daha az bellek nesnesi varsa (Konum + Renk + Yön deneme bloklarında ikinci ayar boyutunda meydana gelebilir), bir öğe iki kez incelendi. Orijinal planımız her bloğa dört deneme denemesiyle başlamaktı. Toplam 40 Konum ("orada bir şey vardı") denemesi, 40 Konum + Renk denemesi ve 40 Konum + Renk + Yön denemesi olacak ve her deneme türü, her biri 20 denemeden oluşan iki blok halinde sunulacak. Ancak, uzunluğun hayal kırıklığına ve can sıkıntısına yol açması nedeniyle küçük çocukların çalışmayı tamamlamadıklarını gördük. Önceden belirlediğimiz kuralımızı kullandık ("belirli bir yaş grubundaki ilk 10 katılımcının 4'ünden fazlası deneyi tamamlayamazsa, çalışma süresini gözden geçireceğiz, her deney bloğunu 20 deneme yerine 16 denemeye indireceğiz ve 8 ek katılımcıyı işe alacağız.) veri toplamayı kolaylaştırmak için bu yaş grubu (bu yaş grubunda toplam N 48 ile sonuçlanır)"). Tüm gruplarda deneme sayılarını azaltıp katılımcı sayılarını artırdık.

Ayrıca her bloktaki pratik deneme sayısını dörtten ikiye düşürdük, çünkü dört pratik denemesi katılımcıları hayal kırıklığına uğrattı ve görev anlayışı genel olarak mükemmeldi. İlk çocuk katılımcıların tamamlayamaması nedeniyle önceden belirlediğimiz kuralı uygulamaya karar verdik: "Denemeyi tamamlamayan katılımcılar hariç tutulacak ve yerleri değiştirilecektir (eğer katılımcılar oturumu erken bitirmek isterse (örn. yorgunluk veya can sıkıntısından dolayı), çalışmanın geri kalanını farklı bir günde tamamlamayı tercih edebilirler)" ve aşırı uzun bir oturumu önlemek ve eğlenceli bir deneyim yaşamalarını sağlamak için tüm çocukları iki oturumda test edebilirler. Ergenler ve yetişkinler tüm denemelerini tek oturumda tamamladılar.

Deneme blok sırası.: Her yaş grubundaki katılımcıların yarısı için özellik yükü kademeli olarak arttı (yani, Yalnızca Konum (iki farklı boyutta iki blok) ile başlayıp, ardından Konum + Renk (iki blok), ardından Konum ile başladılar + Renk + Yön (iki blok). Geri kalan katılımcılar için özellik yükü giderek azaldı (yani, Konum + Renk + Yön (iki blok), ardından Konum + Renk (iki blok) ve son olarak Yalnızca Konum (iki blok) ile başlıyorlar Koşul sırasındaki bu farklılık, katılımcıların görev setlerini değiştirmelerinin, çalışma ilerledikçe korunacak özellikleri eklemenin veya çıkarmanın zor olup olmadığını test etmemizi sağladı (bkz. Ek Malzemeler; Bölüm 2, Tablo S1, Analiz 1). blok tipinde, tüm katılımcılar ilk olarak, her bir katılımcının bir merdiven titrasyon prosedürü aracılığıyla performans seviyesine bağlı olarak dizi veya set boyutu başına en düşük nesne sayısından 16 deneme aldı.Aynı blok tipindeki 16 denemeden oluşan ikinci set, her dizide ek bir öğe içeriyordu.

Son olarak herhangi bir tek özellikli deneme bloğu: Son olarak, her katılımcı herhangi bir özelliğin (Konum, Renk veya Yön) araştırıldığı bir bloğu tamamladı (Şekil 1D). Bu son blokta, her bir özellik rastgele araştırma sırası ile 10 kez araştırıldı (toplamda 30 denemeyle sonuçlandı), böylece katılımcıların tüm özellikleri korumaları gerekiyordu. Bu blokta her katılımcının daha yüksek olan set büyüklüğü kullanıldı. Ortak bir set boyutu için yaş grupları arasında karşılaştırmaya izin vermek amacıyla, bu bloğu 3 numaralı set boyutuyla tamamlamayan katılımcıların da bu set boyutunda ekstra bir blok tamamlamasını zorunlu kıldık.

Önerilen Analiz Hattı

Analizlerimizin amacı, 1) farklı yaş gruplarındaki katılımcılar arasında çalışma belleğinde tutulan nesne sayısını (k) ve 2) artan özellik yükünün performans üzerindeki etkisini (hem k hem de teoriden bağımsız olarak ölçülen) karşılaştırmaktı. anlamına gelir), farklı yaş gruplarında.

Şekil 2A, prosedürümüzün ana bölümünde incelenen özellik zenginleştirme hipotezine göre bazı temel beklentileri göstermektedir. Yaşlı katılımcıların çalışma belleğindeki nesnelerin daha zengin temsillerine sahip olduğu bir durumu tasvir ediyor. Konum için titrasyon prosedürü ve yalnızca konum (Yükleme 0) prosedürü aynı zamanda kapasite artışı hipotezinin testlerini de sağlar. Şekil 2B, üç özelliğin de korunması gerektiğinde, farklı özellikler arasında yaş farklılıklarının genel olması durumunda, her iki hipoteze göre son test bloğunda elde edilebilecek sonuçları göstermektedir. Bu şekilde de gösterildiği gibi, son sonuçlar, en az bir özelliğin bilindiği nesne sayısı (kapasite artışı hipoteziyle ilgili) ve bilinen nesne başına özellik sayısı (özellik zenginleştirme hipoteziyle ilgili) tahminleri elde etmek için daha fazla analiz edilebilir. ). Aşağıda hipotez testlerinin nasıl yapıldığını açıklıyoruz.

Çalışma belleğindeki öğeler.—k parametresi, katılımcının ya ilgili dizi öğesi WM'de olduğu için yoklama sunulduğunda doğru yanıt verdiği ya da böyle bir bilginin yokluğunda belirli bir oranda tahminde bulunduğu basit mantığa dayanmaktadır (Cowan, 2001; Cowan ve diğerleri, 2013). Her yaş grubu için k değerini tahmin etmek amacıyla, her tahmini sınırlamak için tüm verileri kullanan hiyerarşik bir Bayes modeli uyguladık (bkz. Rhodes, Cowan, Hardman ve Logie, 2018). Uygulamada JAGS (Plummer, 2003) ve R2jags R paketi (R Core Team, 2015; Su ve Yajima, 2015) kullanıldı. Ayrıntılar için Ek Malzemeler, Bölüm 3'e bakın.

Çıkarımsal istatistiksel karşılaştırmalarımız için, bu tür yaklaşımların tamamlayıcı olduğu yönündeki öneriler doğrultusunda Bayes tahminini Bayes faktörleriyle birleştirdik (örn. bkz. Rouder, Haaf ve Vandekerckhove, 2018) ve verilerimizin dağılımını açıklamak için farklı yaklaşımlar kullandık. Bu analizler, bir etki modelinin sıfır olmadığı ve bir etkinin sıfır olduğu modeline ilişkin bir kanıt ölçüsü sağlar (bkz. Dienes, 2019; Etz ve Vandekerckhove, 2018; Morey, Romeijn ve Rouder, 2016). Spesifik olarak, Bayesian ANOVA modeli karşılaştırma yaklaşımını kullanarak k tahminlerinin yaş gruplarına göre farklılık gösterip göstermediğini karşılaştırdık (bkz. Tablo 1, Analiz 1). Daha sonra benzer bir Bayes ANOVA modeli karşılaştırma yaklaşımıyla her yaş grubu ve her özellik yükü koşulu için elde edilen k değerleri arasındaki farkları araştırdık (bkz. Tablo 1, Analiz 2). Daha fazla ayrıntı için çevrimiçi ek Bölüm 4'e bakın. Buradaki anahtar soru, test edilen özelliklerin sayısını artırmanın etkisinin küçük çocuklarda test edilen özelliklerde daha hızlı bir düşüşe yol açıp açmayacağıdır. Örneğin, küçük çocukların konumlar için k değeri bir düşüşe neden olacak mı? Daha büyük çocuklar ve yetişkinlerle karşılaştırıldığında rengin de korunması gerektiğinde daha fazla düşüş olur mu? Yönelimin de korunması gerektiğinde, daha büyük yaş farklılıkları gözlemlenecek mi? Renk hafızası, küçük çocuklarda yönelimi hatırlama ihtiyacından daha fazla zarar görecek mi?

Birinciye yakınlaşan ikinci tür teorik analiz olarak, her katılımcı için en az bir özelliği bilinen nesnelerin sayısını da tahmin ettik (benzer yaklaşımlar için bkz.Cowan vd., 2013; Hardman & Cowan, 2015; Oberauer & Eichenberger, 2013). Ayrıntılar için çevrimiçi ekteki Bölüm 5'e bakın). Bu tahmin için, her denemede yalnızca bir özelliğin (Konum, Renk veya Yön) araştırıldığı ancak katılımcıların hangi özelliğin olduğunu bilmediği son deneme bloğundan elde edilen verileri kullandık. Farklı özellikler için büyük ölçüde bağımsız kapasite sınırlarına sahip ayrı hafıza depolarının mevcut olduğu önerisiyle tutarlı olarak, her bir özelliği hatırlama olasılığının bağımsız olduğunu varsaydık (bkz. Bays ve diğerleri, 2011; Wang ve diğerleri, 2017; Wheeler ve Treisman, 2002). Bu varsayım daha önceki araştırmalarla da doğrulanmıştır; örneğin Fougnie ve Alvarez (2011). Daha sonra, en az bir özelliğin bilindiği denemelerin oranını ve ayrıca bu tür nesnelerdeki bilinen özelliklerin sayısını tahmin edebiliriz (çevrimiçi ekteki Bölüm 6'da gösterildiği gibi).

Yanıt dağılımları.—Daha sonra, deneme düzeyindeki performans verilerini kullanarak ana sorumuzu teoriden bağımsız bir şekilde incelemek için Bayesian Lojistik Regresyonunu kullandık. Bu yöntem, verilerimizin ikili dağılımını (doğru veya yanlış) açıklar ve modelde bir tahmin oranı içerir (iki zorunlu seçimle %50 doğru), bkz. Tablo 1; 4 ve 5'in zıtlıkları. Bu model, Bernoulli dağılımını kullanarak Yaş Grubu ve Özellik Durumuna göre η parametresi (eta; bellek performansı) üzerindeki etkiyi tahmin eder. Katılımcı kimliği, bireysel değişkenliği hesaba katmak için rastgele bir müdahale olarak dahil edildi. η (eta; bellek performansı) için normal olarak dağıtılmış bir öncelik kullandık. Her model parametresi için parametre tahminini ve bunun %95'lik güvenilir aralığını bildiririz.

Spesifik olarak, araştırma sorunuza teori açısından tarafsız bir yanıt sağlamak için, özellik yükleme koşulunun, Yaş Grubunun ve Özellik Yükü ile Yaş Grubu (çocuklar vs. yetişkinler; çocuklar vs.) arasındaki önemli etkileşimin ana etkisinin olup olmadığını test ettik. ergenler).Özellik-Yükü sürekli bir değişken olarak (0, hatırlanması gereken 1, 2 ek özellik) ve buradaki üç grup ayrı kategoriler (çocukluk, ergenlik ve yetişkinlik) olarak görüldüğünden Yaş Grubu kategorik olarak kodlanacaktır. ) sürekli olmaktan ziyade. Artan özellik yükünün küçük çocukların hafızasına daha zararlı olup olmadığını test etmek için bu modeli hem ana etkileri hem de bunların etkileşimini içeren bir modelle karşılaştırdık. Hem güven aralıklarını inceleyerek hem de etkileşim parametresinin dahil edilmesi lehinde/aleyhinde bir Bayes Faktörü hesaplayarak etkileşimi dahil etmeye yönelik kanıtların gücünü karşılaştırdık (daha fazla ayrıntı için çevrimiçi ek Bölüm 4'e bakın).

Pilot Veriler ve Simülasyonlar

Örnek büyüklüğünün belirlenmesi.—Farklı örnek boyutlarına sahip bazı karmaşık simülasyonları deneyerek, yaş grubu başına 40 üzerinde karar kıldık1; bu, bu alanda daha önceki bazı çalışmalarda kullanılan yaş grubu başına 24 ila 30 katılımcıdan biraz daha yüksektir (örneğin, Cowan ve ark. ., 2010, 2011, 2018). Uygun bir numune boyutunu belirlemek için iki ayrı prosedür kullandık. İlk olarak, en kritik hipotezimiz, artan özellik yükünün etkisinin yaş grupları arasında farklılık göstereceğidir. Etkileşimlerin gücünü tahmin etmek herkesin bildiği gibi zordur (örn. bkz. McClelland ve Judd, 1993). Analizimizde, verilerin ikili (doğru ve yanlış) doğasını hesaba katmak için Bayes lojistik regresyonunu kullandık. Bu, tahmin oranlarını hesaba katmamızı ve her parametre için sonsal dağılımları incelememizi sağlar. Biri Yaş Grubu × Özellik Yükü etkileşimine (H1) sahip, diğeri bu etkileşimi olmayan (H0) olmak üzere iki hayali popülasyon için verileri simüle ettik.

Makul özellik yükü farklılıklarını tahmin etmek için bazı yetişkin pilot verilerini kullandık (ayrıntılar için Ek Malzemelere bakın). Grup başına 40 katılımcıyla, 500 simülasyonumuzun %86,4%'ü, 0'ı aşmayan %95 Bayesian güvenilir bir aralık üretti (özelliğin diferansiyel etkisini gösterir) Çocuklarda ve yetişkinlerde yük), aşağıdaki Şekil 2'ye bakınız. Buna karşılık, böyle bir etkileşim etkisinin mevcut olmadığı bir popülasyondan alınan örneklerde (H0), 500 simülasyonumuzun denemelerinin %94,6'sında (grup başına N=40), %95 Bayes inanılır aralığı 0'ın iki yanında yer aldı, Çocuklarda ve yetişkinlerde özellik yükünün farklı etkisine ilişkin hipotezi doğru bir şekilde reddediyoruz. Bu simülasyonlara dayanarak, önceden belirlenmiş, sabit örneklem büyüklüğümüz olarak yaş grubu başına 40 katılımcı önerdik.

For more information:1950477648nn@gmail.com