para más información:ali.ma@wecistanche.com

Por favor haga clic aquí para la Parte 1

Haga clic paraCistanche tubulosa beneficios y efectos secundarios para la memoria

Prueba del modelo En este estudio, la diferencia media entre las condiciones semánticamente relacionadas y no relacionadas bajo un criterio estricto de recuerdo en serie fue 0.107. Este valor se utilizó para estimar λ en el modelo. Como se puede ver en la Fig. 2, el modelo reproduce el impacto de la dimensión de relación semántica en el desempeño general del recuerdo. Al mismo tiempo, la relación semántica en el modelo también mejora el rendimiento de recuperación de órdenes (M=0.841 y M=0.729 en las condiciones relacionadas y no relacionadas, respectivamente). Esto no se observa en los datos empíricos. En cambio, el rendimiento de recuperación de órdenes entre los sujetos humanos permanece relativamente sin cambios (M=0.782 y M=0.812 en las condiciones relacionadas y no relacionadas, respectivamente). El efecto semántico encontrado en las simulaciones (ver Fig. 3) es una consecuencia lógica del modelo. Dado que el rendimiento de recuperación de pedidos está impulsado por el nivel de activación en el largo plazomemoria, una mayor activación conduce a una mejor discriminabilidad entre artículos y, por lo tanto, a un mayor rendimiento de recuperación de pedidos.

Conjunto de datos n.º 2: Kowialiewski, Lemaire y Portrat (2021)

Datos Recientemente se demostró (Kowialiewski et al., 2021) que la presencia de relación semántica en una lista para ser recordada libera recursos de WM, como se observó anteriormente utilizando fragmentos (Portrat, Guida, Phénix y Lemaire, 2016; Thalmann , Souza y Oberauer, 2019). En este estudio, la relación semántica se manipuló presentando tripletes de elementos relacionados semánticamente al principio (T1) o al final (T2) de una lista de seis elementos para recordar. Estas condiciones se compararon con listas de elementos no relacionados (NT). Los tripletes relacionados semánticamente mejoraron de forma proactiva el rendimiento de recuerdo de los elementos posteriores no relacionados, en comparación con los mismos elementos no precedidos por un triplete relacionado. Sin embargo, el triplete relacionado semánticamente no tuvo un impacto retroactivo en el rendimiento del recuerdo. Como veremos, la condición T2 es una prueba crítica del modelo.

Prueba del modelo La diferencia media entre las condiciones T1 y NT en las posiciones 1, 2 y 3 fue 0.122. Este valor se utilizó para estimar λ en el modelo. Sin modificar ninguno de los

Fig. 2 Rendimiento de recuperación en una posición en serie para los datos empíricos (panel izquierdo) y el modelo (panel derecho) en el estudio de Kowialiewski y Majerus (2020). Las condiciones experimentales implicaron la presentación de elementos semánticamente relacionados (línea verde) o no relacionados (línea malva).

Fig. 3 Rendimiento de recuperación de pedidos en función de la condición semántica para los datos empíricos (panel izquierdo) y el modelo (panel derecho) en el estudio de Kowialiewski y Majerus (2020)

parámetros básicos, el modelo predice la ventaja de recuerdo observada sobre el triplete relacionado semánticamente en la condición T1 (Fig. 4). Sin embargo, el modelo no predice el impacto proactivo de la relación semántica en los elementos posteriores no relacionados. Creemos que este último resultado no es crítico. Los efectos proactivos podrían surgir al modelar los mecanismos de mantenimiento de manera detallada (Portrat et al., 2016) o al incluir un mecanismo de recursos limitados (Popov & Reder, 2020), que está más allá del alcance del presente estudio. El resultado crítico de estas simulaciones es mostrar que los tripletes relacionados semánticamente tienen un impacto negativo retroactivo en el rendimiento de la memoria: cuando el triplete relacionado semánticamente aparece al final de la lista (T2), el rendimiento de la memoria del tercer elemento es peor que en el anterior. condición neutra. Esto es una consecuencia directa de la modificación del patrón de activación en el modelo: dado que los elementos relacionados en las posiciones 4, 5 y 6 están más activados que otros elementos, también es más probable que se recuerden hacia posiciones de serie anteriores. En este caso, es más probable que los elementos 3 y 4 se transpongan erróneamente debido a su nivel de activación similar. Este patrón está ausente en los datos empíricos. En cambio, se observa una ausencia de impacto retroactivo.

Conjunto de datos n.º 3: Poirier et al. (2015)

Datos Poirier et al. (2015) observaron que la manipulación de la relación semántica cambió la forma en que se transponen los elementos. En el Experimento 1, presentaron elementos de los cuales los tres primeros estaban relacionados semánticamente. La manipulación se refería al quinto ítem que también estaba relacionado en la condición experimental, como se describe en la Introducción. Críticamente, el quinto elemento se transpuso más a menudo hacia la posición 3 en la condición experimental que en la condición de control.

Prueba del modelo Estos datos no contienen una condición no semántica que impida la estimación de los parámetros básicos del modelo. Por lo tanto, reutilizamos los parámetros estimados a partir del segundo conjunto de datos (ver arriba). La figura 5 muestra los resultados. La presencia de relación semántica en la condición de control (es decir, los tres primeros elementos están relacionados semánticamente) produce buenos patrones de rendimiento de recuerdo. Sin embargo, una vez que el quinto elemento se relaciona semánticamente con el triplete, se observa una fuerte caída en el rendimiento sobre las posiciones 4 y 5.

Esta caída en el rendimiento sobre las posiciones 4 y 5 en la condición experimental se explica por el patrón de serie

Fig. 4 Rendimiento de recuperación en una posición en serie para los datos empíricos (panel izquierdo) y el modelo (panel derecho) en el estudio de Kowialiewski, Lemaire y Portrat (2021). Las manipulaciones experimentales involucraron la presencia de trillizos de palabras relacionados semánticamente al principio (T1) o al final (T2) de la lista y compararon esto con una condición no relacionada semánticamente (NT)

Fig. 5 Rendimiento de recuperación en una posición serial para los datos empíricos (panel izquierdo) y el modelo (panel derecho). Cada línea representa las dos condiciones experimentales manipuladas originalmente por Poirier et al. (2015)

errores de orden, que se muestran en la Fig. 6. Críticamente, la gran mayoría de los errores de orden en serie en la condición experimental ocurrieron en la posición 4. Esto es contrario a los datos empíricos donde esas transposiciones tienden a aumentar sobre la posición 3. Este fenómeno es una propiedad central del modelo: los errores de orden en serie están limitados por el patrón de activación en el largo plazomemoria. Aumentar el nivel de activación de un elemento da como resultado un aumento automático y obligatorio de errores de transposición hacia el elemento inmediatamente anterior.

Se puede argumentar que estos resultados simplemente reflejan la propiedad del modelo solo para el conjunto específico de parámetros que encontramos usando el algoritmo de recocido simulado. En cambio, podría haber algunas configuraciones de parámetros que podrían reproducir los resultados observados por Poirier et al. (2015). Exploramos esta posibilidad probando el modelo en una gran muestra de parámetros. Como se informa en el Apéndice A, el modelo siempre falla al predecir el aumento de errores de transposición sobre la posición 3, y la ausencia de aumento de errores de transposición sobre la posición 4.

Discusión

Este estudio utilizó un enfoque de modelado computacional para investigar la hipótesis de que el mantenimiento del orden en serie resulta de patrones de activación a largo plazo.memoria. El modelo capturó con éxito el impacto general del efecto de relación semántica en el rendimiento de WM. Sin embargo, no pudo predecir la influencia específica de la relación semántica en el procesamiento de la información de pedidos en serie. El modelo no pudo predecir la ausencia de efectos de relación semántica en el rendimiento de recuperación de órdenes y, en cambio, predijo un mejor rendimiento de recuperación de órdenes para elementos relacionados semánticamente. Además, mientras que los participantes humanos tienden a recordar erróneamente un elemento en la posición de sus vecinos semánticos, el modelo computacional produjo errores de transposición que implicaban migraciones hacia elementos no relacionados. El problema radica en la falta de disociación de la arquitectura entre la información de orden en serie y la activación en el largo plazo.memoria. La simulación del conjunto de datos n. ° 1 mostró que

Fig. 6 Tasa de transposición del ítem 5 a través de una posición serial para los datos empíricos (panel izquierdo) y el modelo (panel derecho)

el aumento del nivel de activación de los elementos condujo a una mejormemoriapara información de pedidos, contrario a lo que suele encontrarse en la literatura (Ishiguro & Saito, 2020). Esto ocurrió en el modelo porque el nivel más alto de activación protege los elementos contra el efecto nocivo del deterioro que ocurre en el recuerdo, deterioro que sigue a una función de deterioro exponencial implementada en muchas arquitecturas computacionales (Burgess & Hitch, 2006; Oberauer & Lewandowsky, 2011; Page & Norris, 1998). Además, las simulaciones del Conjunto de datos n.° 2 y el Conjunto de datos n.° 3 sugieren que si los errores de pedidos en serie están limitados al menos mínimamente por el nivel relativo de activación de un artículo a largo plazomemoria, entonces debería haberse observado un impacto retroactivo de elementos relacionados semánticamente en el rendimiento de recuperación. En cambio, la evidencia empírica de la literatura de WM converge hacia la ausencia de un impacto retroactivo de los factores psicolingüísticos en el rendimiento del recuerdo en serie (Cowan et al., 1992; Miller & Roodenrys, 2012; Portrat et al., 2016; Thalmann et al., 2019). ), un resultado que nuestra arquitectura basada en activación no puede reproducir. Por lo tanto, una arquitectura puramente basada en activación parece ser problemática para resolver el problema del orden en serie en WM, al contrario de lo que se suponía anteriormente (Acheson et al., 2011; Martin & Saffran, 1997; Poirier et al., 2015) .

De manera más general, el mantenimiento de la información de pedidos en serie a través de un gradiente de primacía en el largo plazomemoriaes problemático por varias razones. Primero, no está claro cómo el modelo realizaría tareas simples, como ensayar/refrescarse (Barrouillet, Bernardin y Camos, 2004). Esto se debe a que la selección de elementos se realiza eligiendo la información más activada. El modelo estaría continuamente atascado en el elemento más activado, que en la mayoría de las situaciones es el primero. En cambio, los participantes pueden ensayar varios elementos y acumulativamente (Tan & Ward, 2008). El modelo de primacía original asume que el ensayo se realiza dentro de un ciclo fonológico (Page & Norris, 1998), pero eso no resuelve el problema del orden serial en primer lugar. En segundo lugar, y como menciona Norris (2017), un modelo puramente basado en la activación nunca podría recordar un elemento dos veces (p. ej., recordar "9-2-5-4-9-7"). Esta tarea requiere representaciones temporales que se encuentran fuera de las relaciones a largo plazo.memoria. Tenga en cuenta que este estudio no descarta el modelo Primacy en sí mismo como un mecanismo general a través del cual la información de orden en serie podría codificarse fuera de largo plazo.memoria, como postula el modelo original de Page y Norris (1998). El presente estudio simplemente descarta un gradiente de primacía de activación en la memoria a largo plazo como mecanismo exclusivo para mantener información de orden serial.

¿Cómo se representa el orden serial?

Muchos modelos teóricos de WM postulan la independencia entre la naturaleza de los códigos de representación involucrados en el mantenimiento de la información de pedidos en serie y aquellos involucrados en la información del artículo. Esta relativa independencia se asume explícitamente en los modelos posicionales de WM (Burgess & Hitch, 2006; Oberauer et al., 2012; Oberauer & Lewandowsky, 2011). De manera crítica, estos modelos también deben considerar las interacciones potenciales entre los códigos de pedidos de artículos y series, pero estas interacciones aún no se comprenden bien. Jefferies et al. (2006) demostraron una tendencia de los fonemas a migrar entre no palabras, al nivel de la estructura silábica (p. ej., recordando "dug-fal" en lugar de "dag-full"). De manera similar, el patrón de errores de transposición observado por Poirier et al. (2015) podría explicarse asumiendo que WM también codifica características semánticas. Debido a que los elementos relacionados semánticamente comparten características semánticas superpuestas y/o también son más similares (Dell, Schwartz, Martin, Saffran y Gagnon, 1997; Ishiguro y Saito, 2020), los errores de transposición entre elementos relacionados semánticamente desde posiciones más distantes podrían ocurrir teóricamente en el momento de la recuperación. Alternativamente, tan pronto como los participantes detecten la presencia de un triplete semánticamente relacionado, podrían fragmentar la información y mantener una sola representación semántica (p. ej., "naturaleza" en lugar de "hoja-árbol-rama"). En el recuerdo, debido a la descompresión del fragmento semántico, se puede perder el orden arbitrario de los elementos mismos (Kowialiewski & Majerus, 2020), lo que lleva al recuerdo erróneo de una palabra relacionada3.

Este estudio no apoya la idea de que el movimiento de información de orden en serie se mantiene a través de la activación relativa al elemento en el sistema lingüístico. Al mismo tiempo, este estudio no descarta la posibilidad de que el mantenimiento del orden serial pueda verse completamente limitado por las regularidades estadísticas aprendidas de la exposición al lenguaje (Schwering & MacDonald, 2020). Según esta explicación, el sistema lingüístico posee sus mecanismos de mantenimiento del orden serial. Esto está, por ejemplo, respaldado por estudios que muestran que las regularidades estadísticas derivadas de los corpus lingüísticos pueden predecir el rendimiento de recuerdo en serie en tareas verbales de WM (Jones & Macken, 2015, 2018). De manera crítica, se ha demostrado la plausibilidad de un mecanismo de mantenimiento de orden en serie basado puramente en el lenguaje utilizando una red neuronal recurrente (Botvinick & Plaut, 2006), cuyo comportamiento emergente se configura mediante el ajuste de los pesos de las conexiones utilizando reglas de aprendizaje simples. A nivel conceptual, esto es radicalmente diferente de la arquitectura basada en activación que construimos, que se basa en la activación relativa al elemento a largo plazo.memoria.

Conclusión

Este estudio analizó la variedad de mecanismos plausibles involucrados en la retención temporal de información de pedidos en serie. A través de un enfoque de modelado computacional, demostramos que el mantenimiento de la información de orden en serie a través de un gradiente de activación de primacía en el largo plazomemoriaes inverosímil. Queda por establecer formalmente si el orden en serie se codifica a través de mecanismos de orden en serie independientes o directamente a través de las regularidades estadísticas que ocurren en el procesamiento del lenguaje o ambos.

Apéndice A

En este análisis, realizamos una búsqueda de cuadrícula en 16 807 puntos del espacio de parámetros de nuestro modelo con λ=0. El rango de parámetros explorados se muestra en la Tabla A1. Seleccionamos la combinación de parámetros (N=13, 103) que reprodujo con éxito un efecto de primacía en el rendimiento de la recuperación tanto en el criterio estricto de recuperación en serie como en el de recuperación de elementos. No se consideró el efecto de actualidad para garantizar que el análisis cubriera una amplia gama de puntos en el espacio de parámetros.

A continuación, realizamos una nueva búsqueda en cuadrícula sobre esa combinación de parámetros modulando λ (4 valores) en cada uno de ellos, tanto en el control como en las condiciones experimentales del Experimento 1 de Poirier et al. (2015). Cada conjunto de parámetros se estimó utilizando 10000 simulaciones. Luego calculamos el número de errores de transposición (corregidos por el número total de veces que se recordó el objetivo) del quinto elemento que se produjo en las posiciones 3 y 4 en cada una de estas condiciones experimentales. Para que un resultado sea válido, razonamos que debería haber al menos un aumento de errores de transposición en la condición experimental sobre la posición 3 superior a un aumento potencial de transposición sobre la posición 4. Contamos el número de veces que estas versiones del modelo correspondían a este criterio. No hubo ninguno.

Financiación Financiación de acceso abierto proporcionada por la Universität Zürich. Acceso abierto Este artículo tiene una licencia Creative Commons Attribution 4.0 International License, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor original. (s) y la fuente, proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.