Los límites del procesamiento sensoriomotor automático durante el procesamiento de textos: investigaciones con experiencia lingüística repetida, consolidación de la memoria durante el sueño y contextos ricos de aprendizaje lingüístico, parte 2

Método

Participantes

El tamaño de la muestra para el experimento actual se determinó siguiendo el análisis de potencia realizado por Günther et al. (2018), basándose en los tamaños de los efectos de congruencia de acción observados por Lachmair et al. (2011) y Öttl et al. (2017).

En primer lugar, una buena memoria puede mejorar nuestra eficiencia en el trabajo. Ya sean habilidades, experiencia en el trabajo o conocimientos adquiridos, es necesario memorizarlos antes de poder dominarlos y utilizarlos verdaderamente. Por tanto, tener una buena memoria puede ayudarnos a completar nuestro trabajo de forma más rápida y eficiente y mejorar nuestra eficiencia laboral.

En segundo lugar, una buena memoria también puede mejorar nuestra capacidad de aprendizaje. En el proceso de aprendizaje, necesitamos dominar una gran cantidad de conocimientos y habilidades, que sólo pueden dominarse a través de la memoria. Si nuestra memoria no es buena, será difícil aprender y absorber nuevos conocimientos de forma rápida y eficaz. Por el contrario, tener buena memoria puede ayudarnos a aprender más rápido y mejor y a mejorar nuestro rendimiento académico.

Además, una buena memoria también puede mejorar nuestras habilidades comunicativas. En la comunicación, si podemos utilizar adecuadamente los conocimientos y habilidades que hemos dominado, seremos capaces de expresar nuestros pensamientos y opiniones con mayor confianza y fluidez. Tener una buena memoria puede ayudarnos a dominar mejor estos conocimientos y habilidades y mejorar nuestras habilidades comunicativas.

Finalmente, una buena memoria también promueve el crecimiento personal y mejora la calidad de vida. Si podemos darle rienda suelta a nuestra memoria, no sólo podremos dominar mejor los conocimientos y habilidades, sino también comprender mejor el significado y el valor de la vida, promover el crecimiento personal y mejorar la calidad de vida.

En resumen, existe una estrecha conexión entre el desempeño humano y la memoria. Tener buena memoria puede traer muchos efectos y beneficios y, a través de la práctica y el ejercicio continuo, también podemos mejorar nuestra memoria y afrontar mejor los desafíos de la vida y el trabajo. Se puede ver que necesitamos mejorar la memoria, y Cistanche deserticola puede mejorar significativamente la memoria, porque Cistanche deserticola también puede regular el equilibrio de los neurotransmisores, como aumentar los niveles de acetilcolina y factores de crecimiento. Estas sustancias son muy importantes para la memoria y el aprendizaje. Además, la carne también puede mejorar el flujo sanguíneo y promover el suministro de oxígeno, lo que puede garantizar que el cerebro reciba suficientes nutrientes y energía, mejorando así la vitalidad y la resistencia del cerebro.

Haga clic para conocer formas de mejorar la función cerebral

La potencia de prueba se estimó como potencia mayor o igual a 0.90 para tamaños de muestra de n mayor o igual a 42 y n mayor o igual a 38, respectivamente. Dado que el poder de la prueba aumenta monótonamente con el tamaño de la muestra, Günther et al. (2018) decidieron probar a 45 participantes para todos sus experimentos.

Adoptamos esta decisión y establecimos el tamaño de muestra planificado en=45 para todos los experimentos.

En el Experimento 1, se recopilaron datos de 46 participantes nativos de habla alemana (uno más de los necesarios debido a problemas de procedimiento), 36 mujeres y 10 hombres, 39 diestros, M edad=22.3 años, SDAge {{9} }.47 años.

Originalmente evaluamos a 52 participantes, pero se excluyeron los datos de dos participantes adicionales debido a problemas técnicos y los datos de cuatro participantes adicionales se excluyeron debido a altas tasas de error (< 90% correct in at least one experimental condition; Lachmair et al., 2011). 

Los participantes en todos los experimentos aquí informados recibieron dinero (a razón de 8 por hora para las partes activas del estudio) o créditos del curso por su participación. Ningún individuo participó en más de uno de los experimentos o estudios de calificación informados en este artículo.

Materiales y procedimientos

Los participantes realizaron la fase de aprendizaje inicial y la fase de sueño por la noche en casa, seguidas de la fase de repetición, la fase de prueba y la tarea de juicio explícito en una única sesión de laboratorio a la mañana siguiente.

Fase de aprendizaje Los participantes aprendieron ocho pseudopalabras alemanas que ya se utilizan en Güntheret al. (2018), así como Günther et al. (2020). Cada palabra estaba incrustada en uno de ocho textos (entre 376 y 520 palabras), apareciendo entre cinco y nueve veces. Teniendo en cuenta la extensión de los textos, el número de ocho elementos de aprendizaje mantiene la dificultad de la fase de aprendizaje en un nivel manejable.

Los textos describían un entorno (ligeramente distópico, futurista), antes de introducir una de las palabras novedosas que hacía referencia a un concepto novedoso dentro de este entorno.

Cuatro de los textos introdujeron conceptos relacionados hacia arriba (como un sol artificial) y cuatro introdujeron conceptos relacionados hacia abajo (como una ciudad subterránea). Se proporcionan ejemplos de estos textos en el Material complementario A.

Este material de aprendizaje fue validado en un estudio de calificación basado en la web con 50 participantes nativos de habla alemana (37 mujeres, 12 hombres, 1 no especificado; edad de edad=27.74 años, edad de SD=8.40 años).

Las palabras novedosas introducidas como etiquetas para conceptos novedosos relacionados hacia arriba fueron consideradas correctamente como relacionadas hacia arriba entre el 70 y el 88% de los participantes, y como relacionadas hacia abajo cuando describían conceptos relacionados hacia abajo entre el 80 y el 86 % de participantes (todos significativamente diferentes del 50%, p < 0,007). En el experimento real, cuatro de las palabras novedosas se utilizaron en textos que describían conceptos novedosos relacionados hacia arriba, y las otras cuatro para conceptos novedosos relacionados hacia abajo.

Para 22 de los 46 participantes, esta asignación entre palabras novedosas y texto se invirtió. En la primera fase de aprendizaje basada en la web (entre las 8 p. m. y las 10 p. m.), se pidió a los participantes que leyeran atentamente los textos 12 horas antes de que comenzara la sesión de laboratorio.

Los textos se presentaron en orden aleatorio y los participantes podían pasar al siguiente texto de su elección. Todas las partes del estudio basadas en la web se programaron utilizando jsPsych (deLeeuw, 2015).

Se registró la hora de inicio y finalización de la fase de aprendizaje, así como la hora de presentación de cada texto. Al final de la fase de aprendizaje, los participantes generaron un código individualizado para confirmar su participación.

Fase de sueño A los participantes se les indicó que durmieran entre la fase de aprendizaje y su sesión de laboratorio a la mañana siguiente y que realizaran la menor cantidad posible de actividades además de dormir, especialmente ninguna otra actividad de aprendizaje. Los participantes informaron duraciones de sueño entre 4 h 15 min y 9 h 30 min.

Fase de repetición En la sesión de laboratorio que comenzó entre las 8 a.m. y las 10 a.m., inicialmente se verificó si los participantes realizaron la fase de aprendizaje y cuándo, pidiéndoles que proporcionaran su código individualizado e inspeccionando si completaron la fase de aprendizaje dentro de un período de tiempo razonable. Luego, los participantes leen los textos de su fase de aprendizaje por segunda vez.

Fase de prueba La fase de prueba fue idéntica a la de Günther et al.(2018) y Öttl et al. (2017). Los participantes se sentaron frente a un monitor de computadora y un teclado de computadora montado verticalmente con una superposición especial de cuatro botones (dos botones en el medio, uno encima del otro, un botón superior y un botón inferior).

Los participantes comenzaron cada prueba presionando los dos botones centrales del teclado.

A la mitad de los participantes se les pidió que presionaran el botón central superior con su mano dominante y a la otra mitad el botón central inferior. Cuando se presionaron ambos botones al mismo tiempo, apareció una pantalla en blanco durante 1000 ms, seguida de una cruz de fijación negra en el centro de la pantalla durante 750 ms. Luego, una de las ocho palabras novedosas se presentó en el centro de la pantalla en uno de los cuatro colores de fuente (azul, rojo, naranja o verde).

Se instruyó a los participantes a reaccionar con un movimiento hacia arriba (soltar el botón central superior y presionar el botón superior con la misma mano) para dos de los colores y un movimiento hacia abajo para los otros dos (Lachmair et al., 2011, ver también Dudschig et al. , 2014a, b).

La asignación de direcciones de respuesta a los colores se contrarrestó entre los participantes. El tiempo de respuesta se mide como el tiempo hasta que se suelta uno de los botones del medio (Lachmair et al., 2011).1 La palabra desapareció cuando se soltó uno de los botones del medio, o después de una duración fija de 1500 ms. Los participantes recibieron comentarios si sus respuestas eran incorrectas o demasiado lentas.

Cada uno de los ocho bloques experimentales constaba de 32 ensayos (8 palabras novedosas, todas presentadas en cada uno de los 4 colores). Antes de la fase de prueba real, los participantes completaron un bloque de práctica de 16 ensayos, en el que dos cadenas de letras diferentes (XXXX y YYYY) se presentaron a los participantes dos veces en cada color de fuente. La fase de prueba se implementó en Psychotoolbox para Matlab (Brainard, 1997).

Tarea de juicio explícito En la tarea de juicio explícito inmediatamente después de la fase de prueba, los participantes indicaron para cada palabra nueva si la asociaban con una ubicación ascendente o descendente (como en Günther et al., 2018).

Resultados

Todos los datos y guiones de análisis (así como el material experimental) para este y todos los experimentos están disponibles enhttps://osf.io/vxrhn.

Fase de prueba

Se excluyeron del análisis los ensayos de error (2,9 %) y los ensayos demasiado rápidos (RT < 100 ms, 2 ensayos) (Lachmair et al., 2011). Los tiempos de respuesta medios por contexto de aprendizaje y dirección de respuesta se muestran en la Fig. 1.

Empleamos modelos lineales de efectos mixtos para analizar tiempos de reacción transformados logarítmicamente (Baayen y Milin, 2010), utilizando los paquetes R lme4 (Bates et al., 2015) y lmerTest (Kuznetsova et al., 2017).

Primero estimamos un modelo de referencia que incluye efectos fijos para el contexto de aprendizaje y la dirección de la respuesta, intercepciones aleatorias tanto para los participantes como para los ítems, y pendientes aleatorias para el contexto de aprendizaje y la dirección de la respuesta tanto para los participantes como para los ítems.2 Incluyendo además una interacción de efectos fijos entre el contexto de aprendizaje y la dirección de la respuesta (correspondiente al efecto hipotético de congruencia de acción) no mejoró el modelo, como se indica en una comparación de modelos mediante prueba de razón de verosimilitud (휒2(1)=1.78, p=0.183).

Utilizando la aproximación BIC BF{{0}} exp(BIC(H1) − BIC(H0)∕2) (Wagenmakers, 2007), obtuvimos un factor de Bayes de BF=0.0227 para esta comparación , lo que indica que los datos son aproximadamente 44 veces más probables según el modelo de referencia (evidencia sólida a favor del modelo de referencia/nulo; Kass y Raftery, 1995).

El mismo patrón surgió al restringir el análisis a ítems para los cuales los participantes dieron la respuesta correcta en la tarea de juicio explícito. Los parámetros del modelo, incluido el término de interacción, se presentan en la Tabla 1.

Tarea de juicio explícito

Las respuestas de los participantes por contexto de aprendizaje se muestran en la Fig. 1. Se estimó un modelo lineal generalizado de efectos mixtos para la proporción de respuestas "hacia arriba", que contiene sólo una intersección e intersecciones aleatorias, así como pendientes aleatorias para el contexto de aprendizaje tanto para los participantes como para los ítems.

Un modelo que además contenía un efecto fijo para el contexto de aprendizaje predijo las respuestas de los participantes significativamente mejor que este modelo de referencia (휒2(1)=16.71,p < 0.001, 훽 {{6} } −3,49, z=−6,33). Como se puede ver en la Fig. 1, ambas condiciones se desviaron significativamente de la probabilidad de adivinar en la dirección esperada.

Discusión

En línea con los resultados de Günther et al. (2018), no observamos ningún efecto de congruencia de acción para las palabras aprendidas exclusivamente a través del lenguaje, aunque los participantes pudieron indicar las ubicaciones implícitas de las palabras cuando se les pidió explícitamente que lo hicieran. Este resultado es sorprendente si se supone que el sueño entre la fase de aprendizaje y la fase de prueba debería conducir a una consolidación de la memoria.

Sin embargo, los participantes en este estudio, en principio, podrían ignorar en gran medida el material de aprendizaje que se les presentó por la noche y sólo leerlo durante la fase de repetición para producir los resultados observados en la tarea de juicio explícito. Esto deja abierta la posibilidad de que no se haya producido ninguna consolidación durante el sueño. Abordamos este problema en el Experimento 2.

Experimento 2

El Experimento 2 fue una versión modificada del Experimento 1: por un lado, las fases de aprendizaje ahora incluían preguntas de control sobre los conceptos aprendidos que los participantes debían responder correctamente para completar la fase de aprendizaje. Por otro lado, ahora incluimos una segunda fase de aprendizaje. días antes de la fase de prueba, para que los participantes tuvieran más experiencia con los conceptos y más oportunidades para consolidar la memoria

Método

Participantes

Los datos se recopilaron de 45 participantes nativos de habla alemana, 38 mujeres y 7 hombres, todos diestros, edad de edad=22.2 años, edad de SD=3.58 años. Se excluyeron los datos de un participante adicional debido a errores técnicos y los datos de seis participantes adicionales debido a altas tasas de error.

Materiales y procedimientos

El material, la fase de sueño, la fase de repetición, la fase de prueba y la tarea de juicio explícito fueron idénticas al Experimento 1. Sin embargo, en el Experimento 2, empleamos una fase de aprendizaje extendida. Primero, los participantes ahora realizaron la fase de aprendizaje el día antes de la sesión de laboratorio y también el día anterior, lo que resultó en dos fases de aprendizaje idénticas. En segundo lugar, ahora incluimos preguntas de control en la fase de aprendizaje.

Después de leer los ocho textos en orden aleatorio (que eran idénticos al Experimento 1), a los participantes se les presentaron preguntas de control como "El sol artificial que está fijado en una cúpula sobre una ciudad se llama [ ]", donde tenían que completar la palabra novedosa. etiquetas aprendidas antes. Las ocho preguntas diferentes se presentaron en orden aleatorio. Los participantes recibieron comentarios por sus respuestas.

Si no todas sus respuestas eran correctas, a los participantes se les presentaban nuevamente todos los textos de aprendizaje, seguidos de todas las preguntas de control. Esto se repitió hasta que todas las respuestas fueron correctas. 3 Verificamos que los participantes no abandonaran las fases de aprendizaje antes de probarlos en las sesiones de laboratorio.

Resultados

Fase de prueba

Se excluyeron del análisis los ensayos de error (2,3 %). No hubo ensayos con tiempos de respuesta inferiores a 100 ms. Los tiempos de respuesta medios por contexto de aprendizaje y dirección de respuesta se muestran en la Fig. 2.

Realizamos el mismo análisis de modelo mixto descrito en el Experimento 1. El modelo que incluía una interacción entre el contexto de aprendizaje y la dirección de la respuesta no funcionó significativamente mejor para explicar los datos que el modelo sin ella (휒2(1)=3.34 ,p= 0.067). Obtuvimos un factor de Bayes aproximado de BIC de BF=0.0503, lo que indica que los datos son aproximadamente 20 veces más probables según el modelo de referencia (evidencia positiva a favor del modelo de referencia). Los parámetros del modelo para este modelo se presentan en la Tabla 1.

Dado que el valor p de este análisis fue bastante cercano a 0.05, realizamos un análisis de respaldo adicional antes de sacar conclusiones precipitadas sobre la ausencia de un efecto de congruencia.

Con este fin, realizamos adicionalmente un análisis unifactorial alternativo en el que los dos factores experimentales se fusionaron en un solo factor de "congruencia" (las condiciones arriba arriba y abajo son las condiciones congruentes, y las otras dos son las incongruentes). En el análisis de modelo mixto (en el que el modelo incluye intersecciones aleatorias y pendientes aleatorias para la congruencia tanto para los participantes como para los ítems), incluir un efecto fijo para la congruencia no mejoró significativamente el modelo (휒2(1)=1.49, p { {8}}.222).

Nuevamente, para ambos tipos de análisis presentados aquí, surgió el mismo patrón al restringir el análisis a ítems para los cuales los participantes dieron la respuesta correcta en la tarea de juicio explícito.

Tarea de juicio explícito

Las respuestas de los participantes por contexto de aprendizaje se muestran en la Fig. 2. Empleamos el mismo GLMEM de referencia que en el estudio anterior, que contiene sólo una intersección e intersecciones aleatorias, así como pendientes aleatorias para el contexto de aprendizaje tanto para los participantes como para los ítems, para predecir la proporción de respuestas "hacia arriba".

Un modelo que además contenía un efecto fijo para el contexto de aprendizaje predijo las respuestas de los participantes significativamente mejor que este modelo de referencia (휒2(1)=32.63,p < 0.001, 훽 {{6} } −9,93, z=−3,97). Nuevamente, ambas condiciones se desviaron significativamente de la probabilidad de adivinar en la dirección esperada (ver Fig. 2).

Discusión

En estos dos primeros experimentos, no observamos efectos automáticos de congruencia de acción para las palabras aprendidas exclusivamente del lenguaje, aunque los participantes pudieron indicar las ubicaciones implícitas de las palabras cuando se les pidió explícitamente que lo hicieran (en línea con Günther et al., 2018).

En particular, este fue el caso a pesar de que los participantes tenían mucha más experiencia con las palabras novedosas en comparación con estos estudios previos (empleamos fases de aprendizaje sustancialmente extendidas, donde las palabras novedosas describían conceptos centrales para textos sensatos y coherentes que los participantes leyeron dos veces) y a pesar de que la asociación entre las palabras novedosas las huellas podrían consolidarse en la memoria durante el sueño (Walker y Stickgold, 2006).

Por supuesto, se puede argumentar que los participantes todavía tenían relativamente poca experiencia con estas palabras y, por lo tanto, no accedieron automáticamente a su significado durante la lectura.

Los participantes tampoco encontraron nunca palabras novedosas fuera de sus contextos de aprendizaje, que describieran claramente ubicaciones verticales específicas. Por lo tanto, nunca tuvieron que usar las palabras como señales de recuperación de información sensoriomotora, lo que resultó en vínculos asociativos débiles. Además, los participantes nunca utilizaron activamente estas nuevas palabras en la comunicación y nunca las encontraron fuera de un laboratorio artificial.

Por lo tanto, podrían percibirlos como material experimental obviamente artificial sin relevancia en el mundo real, y no considerarlos como entradas de léxico reales.

For more information:1950477648nn@gmail.com