¿Para qué sirve el tiempo en la memoria de trabajo?

ali.ma@wecistanche.com

Haga clic en Cistanche NZ para recordar

Resumen

Dar a las personas más tiempo para procesar la información en el trabajo.memoriamejorasu desempeño en el trabajomemoriaTareas. A menudo se supone que el tiempo libre otorgado después de la presentación de un artículo permite que los procesos de mantenimiento contrarresten el olvido de este artículo, lo que sugiere que el tiempo tiene un beneficio retroactivo. Otras dos hipótesis, la consolidación a corto plazo y la distinción temporal, implican un efecto local del tiempo en los elementos inmediatamente anteriores y posteriores. Aquí, mostramos en lugar de un novedoso beneficio global y proactivo del tiempo en el trabajomemoria. En tres experimentos de recuerdo en serie (Ns=21, 25 y 26 adultos jóvenes, respectivamente), variamos la posición y la duración del tiempo libre dentro de una lista de siete elementos de consonantes. El experimento 1 mostró que el efecto es global y no local. Los experimentos 2a y 2b mostraron que el aumento del tiempo entre ítems benefició el rendimiento solo para los ítems posteriores, lo que implica un beneficio proactivo. Este hallazgo descarta los procesos de mantenimiento, la consolidación a corto plazo y la distinción temporal como explicaciones del beneficio del tiempo libre, pero es consistente con la propuesta de un recurso de codificación que se recupera gradualmente.

Palabras clave: memoria de trabajo de cistanche, tiempo, cuenta de recursos de codificación, beneficio proactivo, memoria, datos abiertos, materiales abiertos

En el contexto de corto plazo o de trabajomemoria, se suele pensar en el paso del tiempo como una oportunidad para olvidar (Donkin et al., 2015; Lewandowsky & Oberauer, 2009; Mercer & McKeown, 2014; Ricker et al., 2016, 2020). Un papel del tiempo menos estudiado es que, en algunas circunstancias, ayuda a mantener la información en el trabajo.memoria. Cuando unamemoriala lista se presenta más lentamente, es decir, con más tiempo libre entre elementos, a menudo se encuentra que el recuerdo de serie inmediato es mejor (Ricker & Hardman, 2017; Souza & Oberauer, 2017; Tan & Ward, 2008; para revisiones, ver Oberauer et al. al., 2018; Penney, 1975). Aquí, preguntamos qué causa este efecto beneficioso del tiempo para la memoria de trabajo.

Una posible explicación es que el tiempo libre entre elementos se utiliza para ensayar. El ensayo es una estrategia de mantenimiento comúnmente reportada en tareas de memoria de trabajo. Tres formas de ensayo podrían contribuir al efecto beneficioso del tiempo libre: ensayo articulatorio (Tan

En el refresco basado en la atención, la información se reactiva al atenderla deliberadamente durante el mantenimiento. En el ensayo elaborativo, las representaciones de los estímulos a recordar se enriquecen al asociarlos con el conocimiento de la memoria a largo plazo.

El tiempo libre entre elementos también se puede utilizar para la consolidación a corto plazo (Jolicœur y Dell'Acqua, 1998) del elemento recién codificado. La consolidación a corto plazo tiene lugar después de la codificación de un elemento; se estima que toma alrededor de 0.5 s a 1.5 sy se supone que requiere un recurso de procesamiento central (Jolicœur & Dell'Acqua, 1998; Nieuwenstein & Wyble, 2014).

Una tercera explicación proviene de la hipótesis de la distinción temporal. De acuerdo con las teorías de la memoria de distinción temporal, aumentar el tiempo entre elementos disminuye la similitud de sus contextos temporales, lo que a su vez debería disminuir la confusión temporal y aumentar la precisión de la memoria (Brown et al., 2007). Una idea relacionada es que los tiempos entre elementos excepcionalmente largos, por ejemplo, cuando los subconjuntos de elementos de la lista se agrupan temporalmente (Ryan, 1969b), inducen un cambio de contexto, lo que aumenta la distinción contextual entre elementos en diferentes grupos.

Estas explicaciones conducen a diferentes predicciones sobre qué elementos de una lista de memoria se benefician de un mayor tiempo libre. Consideramos las diferencias de predicciones a lo largo de dos dimensiones (ver Tabla 1), que pueden explicarse mejor centrándose en un solo intervalo entre elementos en algún lugar en el medio de una lista de memoria: (a) El efecto beneficioso del tiempo libre en ese intervalo puede ser retroactivo (es decir, mejorar la memoria de los elementos codificados antes del intervalo) o proactivo (es decir, mejorar la memoria de los elementos codificados posteriormente), y (b) el efecto beneficioso puede ser local (es decir, mejorar la memoria solo para los elementos inmediatamente anteriores o posteriores al libre). -intervalo de tiempo) o global (es decir, mejorar la memoria para todos los elementos de la lista que preceden o siguen al intervalo).

Las tres formas de ensayo (ensayo articulatorio, ensayo elaborativo y refresco atencional) pueden aplicarse solo a elementos ya codificados en la memoria de trabajo antes de un intervalo de tiempo libre y, por lo tanto, su efecto debe ser principalmente retroactivo. El ensayo articulatorio suele ser acumulativo y, por tanto, el efecto debe ser retroactivo y global, beneficiando a todos los elementos codificados antes del intervalo de tiempo libre utilizado para el ensayo. También se supone comúnmente que la actualización recorre todos los elementos en la memoria de trabajo, en lugar de detenerse en el último elemento presentado, lo que implica un efecto retroactivo global (Barrouillet et al., 2007; Lemaire et al., 2018; Oberauer & Lewandowsky, 2011). ). Por el contrario, la elaboración podría incluir todos los elementos codificados hasta el momento o solo el último elemento codificado, por lo que el efecto podría ser global o local.

La mejora de la memoria para los elementos que preceden a un intervalo de tiempo libre también podría tener efectos indirectos en los elementos posteriores. Por ejemplo, si el tiempo libre se utiliza para mejorar el mantenimiento de elementos previamente codificados, entonces, cuando se da suficiente tiempo, los procesos de mantenimiento, como el ensayo o la actualización de estos elementos, pueden completarse durante ese tiempo. Esto podría disminuir el costo de ensayar o actualizar los elementos anteriores durante la codificación o el mantenimiento de los subsiguientes.

Declaración de relevancia

La memoria de trabajo es la pizarra de nuestra mente, donde podemos mantener la información disponible brevemente; por ejemplo, podemos mantener un nuevo número de teléfono en la memoria de trabajo y luego escribirlo desde la memoria. El paso del tiempo generalmente se asocia con el olvido de la información contenida en la memoria de trabajo: muchos investigadores creen que la información en la memoria de trabajo se desvanece rápidamente a menos que la ensayemos repitiéndola a nosotros mismos. En contraste con esta idea, la investigación muestra que si hacemos una pausa entre agregar elementos a la memoria de trabajo, nuestra memoria mejora. Investigamos para qué usa la gente estas pausas. Por ejemplo, se podría usar una pausa para repasar lo que ya está en la memoria de trabajo (p. ej., ensayo). En cambio, descubrimos que las pausas mejoran el recuerdo de la información que se agrega a la memoria de trabajo después de la pausa sin provocar el olvido de los elementos que ya estaban en la memoria de trabajo antes de la pausa. Este hallazgo sugiere que las pausas (es decir, el tiempo) ayudan a la memoria de trabajo a prepararse para información futura y exige una nueva forma de pensar sobre el papel del tiempo en la memoria de trabajo.

artículos y mejorar así el mantenimiento de los artículos subsiguientes. En este caso, podría ocurrir un efecto proactivo además del efecto retroactivo.

Por lo general, se supone que la consolidación a corto plazo se aplica solo al último elemento codificado. Además, se basa en un recurso de procesamiento limitado, por lo que la mayoría de los teóricos asumen que solo se consolida un elemento en cualquier momento (para una revisión, consulte Ricker et al., 2018). Esta conceptualización sugiere que en cualquier intervalo de tiempo libre sólo se consolida el elemento inmediatamente anterior. Si cada elemento se consolida solo hasta que se interrumpe con el inicio del elemento siguiente, el efecto beneficioso del tiempo libre tiene que ser retroactivo y local: un tiempo libre más prolongado permite una consolidación más prolongada del elemento anterior. Ricker y Hardman (2017) han propuesto una hipótesis alternativa: la consolidación a corto plazo es un problema balístico.

proceso que, una vez iniciado, se ejecuta hasta su finalización. Cuando no se da suficiente tiempo para completar la consolidación, la consolidación del siguiente elemento se pospone y, por lo tanto, se reduce (Ricker & Hardman, 2017). El aumento del tiempo libre evita ese aplazamiento y, por lo tanto, mejora la memoria para el elemento posterior, prediciendo un beneficio proactivo local solo para este elemento. En una serie de experimentos de memoria de trabajo visual, Ricker y Hardman (2017) obtuvieron evidencia de tal efecto proactivo local.

De acuerdo con la hipótesis de distinción temporal, un tiempo libre más largo entre ítems debería aumentar la distinción temporal de los ítems inmediatamente antes y después del intervalo de tiempo libre (Brown et al., 2007). Por lo tanto, la distinción temporal predice efectos locales que son tanto proactivos como retroactivos. Esta predicción ha sido probada en varios estudios. Mientras que los efectos predichos se han observado en las pruebas de reconocimiento (Morin et al., 2010) y algunas versiones de las pruebas de reconstrucción de orden, brillan por su ausencia en las pruebas de recuerdo en serie inmediato (Lewandowsky et al., 2006; Nimmo & Lewandowsky , 2005, 2006; Parmentier et al., 2006; Peteranderl & Oberauer, 2018).

De manera similar, los cambios de contexto entre grupos temporales predicen beneficios proactivos y retroactivos simétricos que son predominantemente locales pero también hasta cierto punto globales (Burgess & Hitch, 1999; Farrell, 2012). Dichos efectos se observan comúnmente en el recuerdo en serie, lo que lleva a efectos de primacía y actualidad dentro del grupo (Frankish, 1989; Ryan, 1969a).

Para comprender para qué se usa el tiempo libre en la memoria de trabajo, probamos (a) si el tiempo libre tiene efectos locales o globales y (b) si el efecto del tiempo libre es proactivo, retroactivo o ambos. El Experimento 1 se centró en adjudicar entre efectos globales y locales. Variamos las duraciones del tiempo entre ítems dentro de las listas. Los tiempos entre elementos eran consistentemente cortos en la lista, consistentemente largos o variaban dentro de una lista de manera diferente para todas las posiciones, de modo que el tiempo promedio entre elementos era tan largo como en la condición consistentemente larga. El objetivo de la condición de intervalo variable era probar si la duración de cada intervalo entre elementos tiene un efecto predominante en los elementos adyacentes (es decir, efectos locales) o se extiende a través de los elementos de la lista (es decir, un efecto global).

La manipulación de intervalos variables replica el diseño de Lewandowsky et al. (2006) para probar la hipótesis de distinción temporal. Los estudios de recuerdo en serie con este diseño no encontraron evidencia de efectos locales del tiempo, lo que contradice las predicciones de distinción temporal. Sin embargo, una posibilidad que debemos considerar es que las personas usen intervalos libres entre elementos para procesos como el ensayo de elaboración o la consolidación a corto plazo solo si su duración es predecible. En ese caso, los intervalos que varían de manera impredecible en los estudios de distinción temporal podrían no haberse utilizado para ningún proceso que mejore la memoria. Si es así, la memoria en la condición de intervalo variable debería ser más pobre que en la condición con intervalos consistentemente largos, a pesar de proporcionar la misma cantidad de tiempo libre entre elementos en general.

Con los Experimentos 2a y 2b, probamos hasta qué punto el beneficio del tiempo libre era proactivo o retroactivo. Aumentamos solo un tiempo entre ítems, mientras que el resto fueron fijos. La posición del tiempo entre ítems más largo varió a lo largo de la lista. El intervalo entre ítems más largo podría ser de 2500 ms o 500 ms, mientras que los intervalos regulares entre ítems eran de 50 ms cada uno. Preguntamos si el intervalo largo tuvo un efecto para los ítems anteriores (retroactivos), los ítems siguientes (proactivos) o ambos. Además, esperábamos ver efectos de agrupación temporal debido al intervalo entre elementos desviado para los intervalos de 500-ms y 2,500-ms. Debido a que Ryan (1969b) no observó diferencias en los efectos de agrupamiento entre intervalos intergrupales cortos y largos, predijimos que estos efectos de agrupamiento serían equivalentes para ambas longitudes desviadas. El objetivo era observar si el tiempo libre adicional (2,000 ms) dado en diferentes posiciones en la lista de memoria beneficiaría el rendimiento de los elementos observados antes o después del intervalo manipulado, más allá de los efectos de agrupación temporal.

Método

Participantes

Veintiún, 25 y 26 adultos jóvenes participaron en los Experimentos 1, 2a y 2b, respectivamente. Los tamaños de las muestras se eligieron sobre la base de experimentos previos que han mostrado efectos beneficiosos de intervalos entre ítems más largos. La recopilación de datos se detuvo cuando alcanzamos un tamaño de muestra objetivo preespecificado (N más 1, si es posible, en caso de que necesitáramos excluir algún dato durante el análisis). El Experimento 1 tenía un tamaño de muestra objetivo de 20, y los Experimentos 2a y 2b tenían un tamaño de muestra objetivo de 25. Los experimentos duraron hasta 60 min. Los participantes fueron reembolsados ​​por su tiempo con un crédito de curso o 15 francos suizos por hora.

Procedimiento

Cada ensayo comenzó con un punto de fijación central presentado durante 500 ms, seguido de la presentación de la lista de estudio. Las listas consistían en siete consonantes presentadas una a la vez (ver Fig. 1). En el Experimento 1, cada elemento de la lista se presentó en la pantalla durante 250 ms, seguido de una pantalla en blanco durante el resto del intervalo interestímulo (ISI), aquí definido como el intervalo total desde el desplazamiento de una consonante hasta el inicio de la siguiente. . en experimentos

Fig. 1. Cronología de la fase de codificación en cada una de las condiciones de los Experimentos 1 y 2. En cada condición, se presentaron una a la vez siete consonantes, extraídas al azar de 21 consonantes. Esto fue seguido por una prueba de memoria en serie. Los intervalos interestímulo (ISI), definidos como el intervalo total desde el desplazamiento de una consonante hasta el inicio de la siguiente, variaron según las condiciones. Los números sobre las listas indican los ISI de las consonantes debajo de ellos. En el Experimento 1, la última consonante siempre se presentó durante 250 ms y fue seguida por el intervalo de retención. El intervalo de retención, el tiempo entre el desplazamiento de la última consonante y la prueba, se fijó para todas las condiciones (1250 ms). En la condición de variable larga, se asignaron aleatoriamente seis ISI diferentes a cada posición ISI dentro de una lista (50, 250, 550, 950, 1450 y 1950 ms). En la condición fija larga, los ISI fueron fijos (870 ms); la suma de los ISI fue aproximadamente la misma que en la condición de variable larga. En la condición fija corta, los ISI eran fijos (50 ms) y su suma era más corta que en las otras condiciones. En el Experimento 2, uno de los ISI podría ser más largo que los ISI restantes, introduciendo una brecha en la fase de codificación y proporcionando tiempo libre entre los elementos de estudio. Esta brecha fue de 500 ms en la condición de brecha corta y de 2500 ms en la condición de brecha larga. En los ejemplos de las condiciones de brecha corta y larga que se muestran aquí, la brecha aparece después del primer elemento en la lista de estudio. En el experimento real, la brecha podría estar en cualquier posición de la lista. Todos los demás ISI en el Experimento 2 (incluidos aquellos en la condición sin brecha [línea de base]) fueron de 50 ms. Solo el Experimento 2b tenía la condición sin espacios.

2a y 2b, cada elemento de la lista se presentó durante 300 ms seguido de una pantalla en blanco durante el resto del ISI. El ISI estándar en los Experimentos 2a y 2b fue de 50 ms. En todos los experimentos, la presentación de la lista fue seguida por un retraso (1250 ms para el Experimento 1; 1,000 ms para los Experimentos 2a y 2b), y luego los participantes comenzaron la prueba de memoria en serie inmediata. Se instruyó a los participantes a escribir las letras en su orden de presentación. Tuvieron que ingresar siete elementos antes de poder pasar al siguiente ensayo.

Experimento 1. El experimento consistió en seis bloques de 18 ensayos cada uno, lo que resultó en 108 ensayos. Para probar si el efecto del tiempo libre era global o local, manipulamos la duración de los ISI. Un ISI es un intervalo total desde el desplazamiento de un elemento hasta el inicio del siguiente elemento. Había tres condiciones: una condición fija corta que constaba de ISI cortos (50 ms) en la lista, una condición fija larga que constaba de ISI más largos (870 ms) en la lista y una condición variable larga que constaba de ISI variables. Cada participante recibió el mismo número de intentos en cada una de estas condiciones, en orden aleatorio.

La manipulación clave fue la condición de variable larga, que siguió el diseño de Lewandowsky et al. (2006). Había seis ISI diferentes en esta condición: 50 ms, 250 ms, 550 ms, 950 ms, 1450 ms y 1950 ms. En cada ensayo de la condición de variable larga, cada uno de estos ISI se asignó a una posición intermedia en la lista. Había 720 órdenes posibles de seis intervalos; estas órdenes fueron asignadas a los 20 participantes por un algoritmo que minimizó la variabilidad en las frecuencias de uso de cada orden. De esta forma, el ISI que precede o sigue a cada artículo no se confunde con la posición de serie del artículo. La suma de los ISI en la condición de variable larga (5200 ms) fue aproximadamente igual a la suma de los ISI en la condición fija larga (5220 ms). Se fijó el tiempo después del último elemento de las listas para todas las condiciones (1.250 ms).

Experimento 2a. El experimento consistió en ocho bloques de 36 ensayos cada uno, lo que resultó en 288 ensayos. En cada ensayo, hubo un ISI desviado en una posición entre elementos, ya sea corto (500 ms) o largo (2500 ms). Ambos crearon una brecha temporal en contraste con el fondo de los ISI estándar restantes, que eran todos de 50 ms. Se sabe que dicha brecha da lugar a la agrupación temporal (Ryan, 1969b), pero debido a que Ryan (1969a) ha mostrado efectos de agrupación equivalentes para brechas cortas y largas, no esperábamos diferencias en los efectos de agrupación entre la brecha corta y la larga. condiciones de brecha. Investigamos si, además del beneficio del agrupamiento común, el tiempo libre adicional otorgado en la condición de intervalo largo mejora la memoria para los elementos que preceden al tiempo libre o los elementos posteriores al tiempo libre. Había seis posiciones en la lista de estudio donde se podía insertar el espacio en blanco: después de cualquier elemento del primero al sexto. En total, hubo 12 condiciones: seis posiciones de brecha por dos duraciones de brecha. Cada bloque constaba de tres ensayos de cada condición, lo que resultó en 24 ensayos por condición.

Experimento 2b. El Experimento 2 fue igual que el Experimento 1, excepto por una diferencia. Agregamos una condición de línea de base en la que no había brechas, para examinar los efectos generales de la brecha, como la agrupación temporal. En la condición de referencia, no hubo ISI desviado; todos los ISI fueron de 50 ms. Esto hizo un total de 13 condiciones. Cada bloque constaba de tres ensayos de cada condición, lo que dio como resultado un total de 312 ensayos.

Materiales

Para cada lista, se extrajeron al azar siete consonantes sin reemplazo de las 21 consonantes del alfabeto alemán.

Análisis de los datos

Estimamos modelos bayesianos lineales de efectos mixtos usando la función lmBF del paquete BayesFactor (Versión 0.9.12-4.2; Morey & Rouder, 2018) implementado en R entorno de programación (Versión 4.0.1; R Core Team, 2020). Nuestro análisis siguió un enfoque de selección de modelos centrado solo en el conjunto de "modelos plausibles" implícitos en el principio de marginalidad (Rouder et al., 2016). Más específicamente, para cada experimento, estimamos el conjunto completo de modelos plausibles y luego comparamos todos los modelos con el modelo nulo, que contenía solo una intersección y un efecto aleatorio de los sujetos, utilizando factores de Bayes (BF). El modelo con el BF más grande se usó para determinar cuál de los efectos (es decir, efectos principales e interacción) los datos proporcionaron evidencia a favor o en contra. Debido a que nuestros datos contenían medidas repetidas (para todos los factores en todos los experimentos), realizamos este paso dos veces: una para el modelo mínimo en el que la estructura de efectos aleatorios contenía solo intersecciones aleatorias y otra para la estructura máxima de efectos aleatorios justificada por el diseño. (Barr et al., 2013). A continuación, informamos los resultados basados ​​en el modelo máximo. A menos que se indique lo contrario, el patrón de BF (es decir, proporcionar evidencia a favor o en contra de un efecto específico) fue el mismo para el conjunto de modelos que utilizan la estructura mínima de efectos aleatorios. Los resultados completos también se proporcionan en el material complementario disponible en línea. Todos los análisis se realizaron sobre los datos agregados por participante y celda del diseño. Por lo tanto, la estructura máxima de efectos aleatorios justificada por el diseño no implicaba pendientes aleatorias para el efecto de mayor orden (p. ej., interacción de mayor orden; Singmann & Kellen, 2020).

Fig. 2. La proporción de respuestas precisas en la tarea de recuerdo en serie inmediato en las tres condiciones del Experimento 1. Los gráficos muestran (a) el rendimiento promedio para cada condición en las posiciones en serie, (b) el rendimiento para cada condición promediado en las posiciones en serie como una función del tiempo previo al ítem, y (c) el desempeño para cada condición promediado a través de las posiciones en serie como una función del tiempo posterior al ítem. La precisión de la recuperación en serie se determinó asignando una respuesta correcta a cada elemento de la lista solo si ese elemento se recordó en la posición de salida correcta. Las barras de error indican intervalos de confianza del 95 por ciento dentro de los sujetos.

Los resultados informados a continuación a menudo se dan en forma de BF10, lo que indica la fuerza de la evidencia para un modelo focal particular, el Modelo 1, frente a un modelo de comparación, el Modelo 0. El valor de BF10 indica cuánto más probable es el Modelo 1 sobre el Modelo 0. Si el valor de BF10 es mayor que 1, esto indica evidencia para el modelo alternativo (es decir, el Modelo 1 sobre el Modelo 0). Si el valor de BF10 es menor que 1, esto indica evidencia para el modelo más simple (es decir, el Modelo 0 sobre el Modelo 1). En el último caso, informamos BF01 en su lugar, que viene dado por BF01=1/BF10, de modo que los valores de BF01 mayores que 1 indican evidencia para el modelo más simple. Los BF no se pueden interpretar como valores de p y no proporcionan un punto de corte para la significancia. Un BF más grande indica evidencia más fuerte para el modelo ganador. Como pauta interpretativa, los BF menores de 3 se consideran evidencia débil, los BF entre 3 y 10 se consideran evidencia sustancial y los BF mayores de 10 o menores de 0,1 se consideran evidencia fuerte (Kass & Raftery, 1995).

Para el Experimento 1, el primer análisis incluyó dos factores, posición y condición en serie, y el segundo análisis incluyó solo un factor, ISI, que requirió la comparación de solo un Modelo 1 sobre el Modelo 0. Para los Experimentos 2a y 2b, el análisis incluyó tres factores, lo que resultó en varios modelos plausibles que podrían explicar los datos. Para los análisis que incluyeron más de un factor, primero examinamos el BF10 para cada modelo en comparación con el modelo nulo y encontramos el modelo que describe los datos con la evidencia más fuerte mostrada por el valor BF10. Luego se comparó el modelo con el BF10 más alto con modelos adicionales para probar hipótesis específicas sobre la presencia o ausencia de efectos individuales. Esto se puede hacer simplemente dividiendo un BF10 del modelo que incluye el efecto con un BF10 del modelo que excluye el efecto, lo que proporciona un BF a favor del efecto. Los modelos nulos de estos valores BF10 deben ser los mismos para que el nuevo BF sea significativo. En algunos casos, los análisis de seguimiento también emplearon pruebas t bayesianas. En todos los experimentos, el rendimiento se refiere a la precisión de recuperación en serie, que asigna una respuesta correcta a cada elemento de la lista solo si ese elemento se recordó en la posición de salida correcta.

Resultados

Experimento 1

Nuestro objetivo en el Experimento 1 fue examinar los efectos locales y globales del tiempo libre en la memoria de trabajo. La comparación de modelos mostró una fuerte evidencia para el modelo completo. Hubo una interacción entre la condición (fijo corto, fijo largo y variable largo) y la posición en serie (BF10 > 10,000 en comparación con el modelo nulo y el segundo mejor modelo, que constaba de ambos efectos principales) . Como se puede ver en la Figura 2a, el rendimiento en las condiciones fijas largas y variables largas fue mejor que el rendimiento en las condiciones fijas cortas (ambos BF10s > 10, 000 de las pruebas t bayesianas que comparan el rendimiento entre condiciones agregados a través de la posición en serie). Además, el rendimiento en las condiciones fijas largas y variables largas no difirió (BF01=7.7, lo que implica evidencia para el modelo nulo de que no hay diferencia entre las dos condiciones).

En segundo lugar, analizamos la condición de variable larga, observando en detalle cómo el tiempo anterior y posterior al elemento (los ISI que preceden o siguen inmediatamente a un elemento) afectan la memoria de cada elemento. Para este análisis, se excluyeron las posiciones de serie 1 y 7, porque la posición de serie 1 no tenía un tiempo previo al artículo y la posición de serie 7 no tenía un tiempo posterior al artículo. Los efectos fijos para el segundo análisis fueron (a) la duración del tiempo previo al ítem y (b) la duración del tiempo posterior al ítem. Tanto el tiempo previo al ítem como el posterior al ítem variaron entre 0.3 s y 2.2 s, y hubo seis duraciones. Si el tiempo libre entre elementos tiene un efecto local, entonces el rendimiento debería mejorar con un tiempo anterior al elemento más prolongado, un tiempo posterior al elemento más prolongado o ambos. Si el tiempo libre entre elementos tiene un efecto global, no se podría predecir tal efecto porque el tiempo libre total entre elementos fue constante para todos los ensayos de la condición de variable larga.

No encontramos ningún efecto de la duración del tiempo por elemento o posterior al elemento en el rendimiento (ver Figs. 2b y 2c). Hubo fuerte evidencia tanto en el tiempo previo al ítem (BF01 > 10,000) como en el posterior al ítem (BF01 > 10,000), descartando cualquier efecto local del tiempo.

Experimentos 2a y 2b

Nuestro objetivo en los Experimentos 2a y 2b fue probar si el beneficio del tiempo libre es proactivo, retroactivo o ambos. Además, el beneficio de tiempo libre puede ser local o global. Para probar estas posibilidades, nos enfocamos en el efecto del tiempo libre como una función del desfase entre la brecha y los ítems presentados. Al hacerlo, podríamos analizar el impacto del tiempo libre en los elementos anteriores y posteriores por separado. El retraso se calculó como la distancia firmada de un elemento desde la posición del espacio en la lista. Por ejemplo, si la brecha estuviera entre el tercer y el cuarto elemento, el tercer elemento estaría en Lag − 1 y el cuarto elemento estaría en Lag más 1. En consecuencia, había 10 rezagos: −5, −4, −3, −2, − 1, más 1, más 2, más 3, más 4 y más 5. Los rezagos negativos incluyeron elementos que preceden a la brecha y se usaron para probar los efectos retroactivos. Los rezagos positivos incluyeron elementos posteriores a la brecha y se utilizaron para probar los efectos proactivos. Por ejemplo, un retraso de más 2 incluiría (a) un artículo en la posición de serie 4 si la brecha estaba entre los artículos 2 y 3, (b) un artículo en la posición de serie 5 si la brecha estaba entre los artículos 3 y 4, y ( c) un artículo en la posición de serie 6 si la brecha estaba entre los artículos 4 y 5. El rendimiento de la memoria para Lag más 2 se calcularía entonces promediando el rendimiento de recuperación en serie para estos artículos en las condiciones de posición de brecha apropiadas.

Para examinar los efectos proactivos y retroactivos del tiempo libre en el rendimiento de la memoria, probamos las interacciones del tiempo libre agregado en el intervalo (450 ms frente a 2450 ms) con el signo del retraso y su valor absoluto. El signo del desfase indicaba si un elemento precedía (desfase negativo) o seguía (desfase positivo) el intervalo manipulado y, por tanto, la interacción de la duración del tiempo libre con el signo del desfase nos decía si el efecto del tiempo libre era más retroactivo o más proactivo. La interacción de la duración del tiempo libre con el valor absoluto del retraso, en particular, el contraste entre retrasos ±1 y retrasos absolutos más grandes, nos dijo si el efecto era local o global.1

La Figura 3 presenta el rendimiento en todas las condiciones de los Experimentos 2a y 2b. Hubo un efecto proactivo notable en la memoria; el rendimiento fue mejor para los elementos que siguieron a un intervalo largo en comparación con los elementos que siguieron a un intervalo breve. No hubo diferencia entre el efecto del tiempo libre largo y corto en el rendimiento de los ítems anteriores. En otras palabras, no hubo efecto retroactivo de la duración de la brecha.

Para el Experimento 2a, el mejor modelo incluyó los efectos principales del tiempo libre, el signo de retraso y el retraso absoluto, así como la interacción del tiempo libre por el signo de retraso, pero ninguna interacción que involucrara el tiempo libre y el retraso absoluto (BF {{5 }} en comparación con el modelo completo, que incluía todas las interacciones de dos vías y la interacción de tres vías, y BF=3.7 en comparación con el segundo mejor modelo, que incluía todas las interacciones de dos vías pero no las de tres interacción de vías). Para el Experimento 2b, el mejor modelo fue el modelo completo (BF=495 en comparación con el segundo mejor modelo sin interacción de tres vías).

Para diseccionar la interacción de la duración del tiempo libre con el signo de retraso, examinamos las comparaciones por pares entre el tiempo libre largo y corto por separado para los elementos posteriores (retrasos positivos) y los elementos anteriores (retrasos negativos) con pruebas t bayesianas. En los Experimentos 2a y 2b, el tiempo libre adicional en la condición de tiempo libre prolongado mejoró el rendimiento de los elementos posteriores en comparación con la condición de tiempo libre breve, lo que proporciona una fuerte evidencia de un beneficio proactivo (Experimento 2a: BF10=1 ,137; Experimento 2b: BF10=885). Por el contrario, la evidencia de los beneficios retroactivos fue bastante débil. En el Experimento 2a, el tiempo libre adicional mejoró el rendimiento de los elementos anteriores solo en una pequeña cantidad (evidencia ambigua de un beneficio retroactivo; BF10=1.15). En el Experimento 2b, no hubo evidencia de un beneficio retroactivo del tiempo libre adicional y, en cambio, hubo evidencia débil en contra de tal beneficio (BF01=2.6).

Nuestro próximo análisis se centró en si el efecto de tiempo libre cambia con el retraso absoluto. Cualquier efecto local estaría señalado por una interacción de tiempo libre con retraso absoluto. Nos acercamos a esta interacción por separado para los elementos anteriores y posteriores.

Los resultados del Experimento 2a no indicaron ninguna interacción de tiempo libre y retraso absoluto para ambos

Fig. 3. La proporción de respuestas precisas en la tarea de recuerdo en serie inmediato para elementos anteriores y posteriores en función del retraso (−5 a 5) y la cantidad de tiempo libre (largo, corto) en los Experimentos 2a (a) y 2b (b). La precisión de recuperación en serie se determinó asignando una respuesta correcta a cada elemento de la lista solo si ese elemento se recordó en la posición de salida correcta. Las barras de error indican intervalos de confianza del 95 por ciento dentro de los sujetos.

elementos anteriores y posteriores. Para los elementos posteriores, el mejor modelo incluía solo los dos efectos principales (BF en comparación con el modelo completo=6). Para los ítems anteriores, el mejor modelo incluía solo un efecto principal de rezago absoluto; sin embargo, la evidencia a favor de este modelo sobre el segundo mejor modelo, que incluía los dos efectos principales, fue ambigua (BF10=1.17).

Los resultados del Experimento 2b proporcionaron evidencia de una interacción entre el retraso absoluto y el tiempo libre solo para los elementos anteriores y no para los siguientes. Para los ítems posteriores, el mejor modelo incluía solo los dos efectos principales (BF en comparación con el modelo completo=9.53). Para los ítems anteriores, hubo evidencia de una interacción entre el retraso absoluto y el tiempo libre (BF10 comparado con el segundo mejor modelo > 1,000). La interacción parece estar impulsada por el Lag 5 absoluto para los elementos anteriores, que es Lag −5 en la Figura 3b. Como se puede ver en la Figura 3b, en Lag −5, el rendimiento fue menor para el tiempo libre largo en comparación con el tiempo libre corto. Este efecto es el opuesto a un beneficio de tiempo libre y por lo tanto no respalda el supuesto de un beneficio de tiempo retroactivo.

Efectos de agrupación temporal

Los experimentos 2a y 2b se diseñaron para examinar el beneficio del tiempo libre al otorgar tiempo libre adicional en uno de los ISI. Se sabe que una brecha temporal en un ISI introduce agrupación temporal y, por lo tanto, debemos distinguir el efecto de tiempo libre del efecto de agrupación. Asumimos que tanto el intervalo corto como el intervalo largo inducían el agrupamiento en el mismo grado, de modo que cualquier efecto adicional de un intervalo prolongado frente a un intervalo breve refleja el efecto del tiempo libre. Aquí, proporcionamos evidencia para esta conjetura.

Los efectos de agrupamiento temporal generalmente se caracterizan por un fuerte aumento en los tiempos entre respuestas para recordar el elemento después del intervalo y un aumento en el rendimiento de recuerdo en serie tanto antes como después del intervalo (Farrell et al., 2011). Para verificar si se indujo una agrupación temporal equivalente para las condiciones de brecha corta y larga, examinamos los datos del Experimento 2b para los efectos de agrupación temporal comúnmente observados en el recuerdo en serie. Elegimos el Experimento 2b porque se incluyó una condición de referencia en este experimento, que podría servir como lista de control.

Calculamos la diferencia de los tiempos de respuesta en el recuerdo y la precisión del recuerdo en serie entre las tres condiciones en dos pasos. Primero, restamos el rendimiento (es decir, los tiempos de respuesta y la precisión) de la condición sin brecha de la condición de brecha corta. Esta diferencia debería reflejar principalmente los efectos de agrupamiento temporal. En segundo lugar, restamos el rendimiento en la condición de brecha corta del rendimiento en la condición de brecha larga. Esta diferencia debería reflejar el efecto del tiempo por encima del efecto de la agrupación. Estas diferencias se representan en función del retraso en la Figura 4. La Figura 4 muestra que el efecto del tiempo fue cualitativamente diferente

Fig. 4. Efectos de la agrupación temporal y el tiempo en (a) los tiempos de respuesta y (b) el recuerdo en serie en el Experimento 2b. El efecto de agrupamiento temporal se determinó calculando la diferencia de rendimiento entre las condiciones de intervalo corto y sin intervalo, y el efecto del tiempo se determinó calculando la diferencia de rendimiento entre las condiciones de intervalo largo y corto. La línea roja en 0 indica que no hay diferencia entre las condiciones. La precisión de la recuperación en serie se determinó asignando una respuesta correcta a cada elemento de la lista solo si ese elemento se recordó en la posición de salida correcta; la proporción de tales respuestas correctas se utilizó como marcador de precisión. Diferencias en ambos tiempos de respuesta

y el rendimiento de recuperación en serie se muestran como una función del retraso. Las barras de error indican intervalos de confianza del 95 por ciento dentro de los sujetos.

del efecto de agrupación temporal. Mientras que el agrupamiento incrementó selectivamente los tiempos de inter-respuesta al ítem Lag más 1 (es decir, el ítem que sigue al intervalo), el efecto del tiempo no lo hizo. Además, el efecto del agrupamiento temporal en la precisión del recuerdo en serie fue simétrico (ambos lados de la brecha mejoraron debido a la agrupación temporal), mientras que el efecto del tiempo fue asimétrico y benefició solo a los elementos que seguían a la brecha (para obtener apoyo estadístico para estas observaciones, consulte el documento complementario). Material). En conclusión, los efectos del agrupamiento y del tiempo libre prolongado son cualitativamente diferentes, lo que demuestra que el efecto del tiempo no es solo un efecto amplificado del agrupamiento.

Resumen

Estos resultados indican colectivamente que (a) el tiempo libre mejora la memoria para elementos subsiguientes y no para los anteriores, lo que indica un beneficio puramente proactivo, y (b) el beneficio de tiempo libre proactivo no interactúa con el retraso absoluto, lo que indica un beneficio global. efecto. Este último hallazgo es importante porque el supuesto de consolidación balística a corto plazo (Ricker & Hardman, 2017) predice tal efecto proactivo solo para Lag más 1 y no para otras demoras. En los presentes experimentos, el efecto proactivo no fue específico de Lag 1 y, por lo tanto, no puede explicarse por la consolidación a corto plazo.

Discusión

Mostramos que el tiempo libre tiene un efecto global y proactivo en el rendimiento inmediato de recuperación de series. Los resultados del primer experimento mostraron que el efecto del tiempo libre no es local sino global, como lo indica un beneficio del tiempo libre que se extiende a través de los elementos de la lista. El segundo experimento y su replicación proporcionaron evidencia de un beneficio puramente proactivo. La naturaleza puramente proactiva del beneficio del tiempo en la memoria de trabajo es consistente con el hallazgo de que el tiempo adicional es útil solo entre la presentación de elementos, pero no después de la presentación de la lista completa (Oberauer & Lewandowsky, 2016).

Estos hallazgos no pueden explicarse por el ensayo o por la consolidación a corto plazo, lo que supone que el tiempo libre puede utilizarse para fortalecer las representaciones de los elementos anteriores. Nuestros hallazgos implican que el tiempo libre adicional (además del tiempo de presentación de 250 a 300 ms) no se usó para estos procesos o que estos procesos no fueron útiles.2

Nuestros hallazgos tampoco pueden explicarse por un carácter distintivo temporal o por un cambio de contexto. La distinción temporal predice beneficios locales que son simétricamente proactivos y retroactivos, contrario a lo que encontramos. En el Experimento 2, la brecha temporal desviada posiblemente indujo un cambio a un nuevo contexto grupal (Burgess & Hitch, 1999; Farrell, 2012). ¿Quizás una brecha más larga indujo una agrupación más fuerte? En contra de esto, encontramos que la firma empírica de la agrupación era cualitativamente diferente de la del beneficio del tiempo libre (ver Fig. 4).

Tal vez el modelo de Farrell (2012) podría proporcionar una explicación basada en grupos de por qué la brecha larga benefició solo a los ítems posteriores a la brecha. En este modelo, el último grupo disfruta de una accesibilidad particularmente alta porque su contexto todavía está activo al final de la lista. Sin embargo, debido a que nuestra tarea era un recuerdo en serie, los participantes tenían que comenzar a recordar primero el primer grupo, lo que requiere restablecer el contexto del primer grupo, momento en el que el último grupo pierde su beneficio. Por lo tanto, el modelo de agrupación de Farrell no puede explicar los presentes hallazgos.

Debido a que nuestros resultados no concuerdan con ninguna propuesta teórica establecida, nos preguntamos cómo podríamos explicarlos. Una posible explicación es que el tiempo libre permite fragmentar ad hoc los elementos anteriores o subcontratarlos en la memoria a largo plazo (o ambos), reduciendo así la carga en la memoria de trabajo, lo que facilita el mantenimiento de elementos posteriores. Esta explicación plantearía la cuestión de por qué estos procesos dejan sin cambios la memoria de los elementos anteriores. La fragmentación suele ir acompañada de una memoria sustancialmente mejorada para la información fragmentada (Chen & Cowan, 2005; Miller, 1956; Thalmann et al., 2019). Se podría esperar que la subcontratación de información en la memoria a largo plazo reduzca la precisión porque la información en la memoria a largo plazo es vulnerable a la interferencia proactiva que se acumula a lo largo de los ensayos. Sería un accidente improbable que tales transformaciones de las representaciones de los primeros elementos de la lista dejaran su accesibilidad sin cambios.

Alternativamente, una teoría reciente de Popov y Reder (2020) propuso que existe un recurso limitado para codificar información en la memoria episódica que se agota con cada elemento codificado, y este recurso se recupera gradualmente con el tiempo. Si trasladamos esa idea al dominio de la memoria de trabajo, podría explicar los hallazgos de nuestro estudio: (a) Cada prueba comienza con un recurso de codificación limitado, (b) cada evento de codificación toma una proporción fija de los recursos disponibles, y ( c) durante cada intervalo entre artículos, el recurso se recupera gradualmente. De ello se deduce que el recurso se recupera más con ISI más largos. Este beneficio ocurre solo para artículos que siguen el ISI, lo que lleva a un beneficio puramente proactivo. El beneficio es global porque cada artículo toma una proporción constante del recurso disponible. Después de que el recurso se reabastece durante un largo intervalo, esa proporción es una cantidad mayor para todos los artículos subsiguientes.3

La cuenta de recursos de codificación es una idea novedosa y, por lo tanto, aún no se ha aplicado a la recuperación inmediata. Construimos un modelo simple incorporando la idea del recurso de codificación para ver si los patrones de datos observados en nuestros experimentos pueden ser predichos por él.4 La Figura 5 muestra datos simulados para los Experimentos 1 y 2, junto con las ecuaciones y descripciones del modelo. El modelo predice un rendimiento equivalente para condiciones fijas y variables largas para el Experimento 1, en línea con nuestro hallazgo, y también la interacción de la condición con la posición en serie. Sin embargo, el modelo también predice un rendimiento ligeramente más bajo para tiempos previos a los elementos más cortos, lo que no observamos. El modelo reprodujo con precisión el beneficio de tiempo global y proactivo en el Experimento 2.

Exploramos si el modelo también puede acomodar el beneficio proactivo local del tiempo libre que Ricker y Hardman (2017) observaron para los estímulos visuales. Descubrimos que, con un agotamiento de recursos más rápido y una reposición más rápida, este era el caso (ver Fig. S2 en el Material Suplementario). Por lo tanto, la suposición de recursos de codificación implica un efecto proactivo que, dependiendo de los parámetros del modelo, puede ser más global o más local.

En resumen, en tres experimentos, documentamos un efecto beneficioso novedoso del tiempo libre en la memoria de trabajo que es proactiva y global. Los procesos de mantenimiento que podrían tener lugar durante el tiempo libre predicen un beneficio retroactivo, mientras que la cuenta de consolidación a corto plazo, así como la hipótesis de la distinción temporal, predicen un beneficio local. Un cambio de contexto, como se prevé en algunos modelos de agrupación temporal, predice beneficios proactivos y retroactivos simétricos. Por lo tanto, los hallazgos actuales no pueden explicarse mediante cuentas de mantenimiento, consolidación, distinción temporal o cambio de contexto en su forma actual (para las predicciones de estas cuentas, consulte la Tabla 1). En la actualidad, solo una nueva cuenta de recursos de codificación ofrece una explicación prometedora de los hallazgos actuales. Los nuevos hallazgos empíricos aquí respaldan la posibilidad de que la memoria de trabajo esté sujeta a una limitación de un recurso de codificación que se agota con cada elemento que se codifica y se recupera con el tiempo.

Transparencia

Editora de acción: Daniela Schiller

Editora: Patricia J. Bauer

Contribuciones de autor

Ambos autores diseñaron y programaron los experimentos y recopilaron los datos. E. Mızrak analizó los datos y redactó el borrador del manuscrito inicial, y K. Oberauer brindó comentarios críticos y revisiones. Ambos autores aprobaron el manuscrito final para su presentación.

Declaración de Conflicto de Intereses

El(los) autor(es) declara(n) que no hubo conflictos de interés con respecto a la autoría o la publicación de este artículo.

Fig. 5. Datos simulados para el Experimento 1 (a, b, c) y el Experimento 2 (d) junto con las ecuaciones del modelo (e). Los gráficos muestran (a) el rendimiento promedio de cada condición en las posiciones de serie, (b) el rendimiento de cada condición promediado en las posiciones de serie en función del tiempo previo al elemento, (c) el rendimiento de cada condición promediado en las posiciones de serie en función de tiempo posterior al artículo, y (d) rendimiento en la tarea inmediata de recuperación en serie para artículos anteriores y posteriores en función del retraso y la cantidad de tiempo libre. En todos los gráficos, la precisión de recuperación en serie se determinó asignando una respuesta correcta a cada elemento de la lista solo si ese elemento se recordó en la posición de salida correcta; la proporción de tales respuestas correctas se utilizó como marcador de precisión. Los datos se generaron con un modelo que simula cómo evoluciona un recurso de codificación limitado durante la codificación de una lista. Cada ensayo comienza con una cantidad máxima de recurso, Rmax, y cada ítem, i, consume una proporción constante p del recurso disponible Ri para ser codificado. La cantidad de recursos de Memoria asignada al elemento determina su fuerza de memoria (Ecuación 1). Durante el tiempo entre artículos ti que sigue al artículo i, el recurso se repone con una tasa constante r, hasta el máximo Rmax (Ecuación 2). La probabilidad de recuerdo se calculó con una función logística de la fuerza de la memoria basada en la Ecuación 1, con parámetros τ y de ganancia. Así, el modelo tiene cuatro parámetros: primero, p, la proporción de recurso que cada elemento consume del conjunto de recursos disponibles, entre 0 y 1; segundo, r, la velocidad a la que se repone el recurso por segundo; esto determina el aumento de los recursos con el tiempo libre; tercero, ganancia; y cuarto, τ, que determinan conjuntamente la conversión de la fuerza de la memoria en la probabilidad de recuerdo. Los valores de los parámetros usados ​​para esta simulación son p=.23, r=.11, ganancia=13 y τ=0.11.

Fondos

Esta investigación fue apoyada por una subvención de la Fundación Nacional de Ciencias de Suiza (Proyecto 100014_179002) a K. Oberauer.

Prácticas Abiertas

Todos los datos se han puesto a disposición del público a través de OSF y se puede acceder a ellos en https://osf.io/egz64. Los planes de diseño y análisis de los experimentos no fueron registrados previamente.

Este artículo ha recibido distintivos por Datos Abiertos y Materiales Abiertos. Más información sobre el Open Prac-

Las insignias de tices se pueden encontrar en http://www.psychologi calscience.org/publications/badges.

identificación ORCID

Klaus Oberauer https://orcid.org/0000-0003-3902-7318

Material suplementario

Puede encontrar información de apoyo adicional en http:// journals.sagepub.com/doi/suppl/10.1177/0956797621996659

notas

1. Dado que el primer elemento de una lista de estudios no podía ser un elemento posterior, y el último elemento de una lista de estudios no podía ser un elemento anterior, excluimos estos elementos del análisis. Por lo tanto, excluimos Absolute Lag 6, que incluía solo el primero o el último elemento.

2. Nuestros hallazgos no descartan una contribución de la consolidación a corto plazo en escalas de tiempo más cortas: Ricker y Hardman (2017) han demostrado un beneficio proactivo local de los intervalos libres entre elementos de hasta aproximadamente 500 ms. Una consolidación tan rápida contribuiría poco al beneficio del tiempo libre en el rango de 300 ms a varios segundos que investigamos aquí.

3. En el modelo original de Popov y Reder (2020), el recurso tomado por cada evento de codificación es una cantidad fija, que no cambia con los recursos disponibles. Aquí, lo cambiamos a una proporción fija de los recursos disponibles.

4. El script R para el modelo descrito aquí y la simulación de los datos está disponible en https://osf.io/egz64.