Zeitliche Gruppierungseffekte im verbalen und musikalischen Kurzzeitgedächtnis: Ist die Darstellung serieller Ordnung domänenübergreifend? Teil 2

Zusammenfassend zielte die vorliegende Studie darauf ab, die Auswirkungen der zeitlichen Gruppierung auf die unmittelbare serielle Rekonstruktion von Tonsequenzen zu untersuchen.

Tonfolgen sind ein häufiges Problem beim Erlernen und Auswendiglernen von Sprachen, aber sie können verbessert und in den Griff bekommen werden. Das Beherrschen von Tonfolgen ist entscheidend für unser Gedächtnis und unsere Lerneffektivität.

Untersuchungen zeigen, dass Tonfolgen verschiedene Teile des Gehirns stimulieren und Gedächtniszentren stimulieren können. Das bedeutet, dass wir mit dem richtigen Tonfall unser Gedächtnis und unsere Lernfähigkeit verbessern können. Wenn wir beispielsweise ein neues Vokabelwort lernen, können wir verschiedene Betonungen verwenden, um es uns besser zu merken, und es bei Bedarf sogar selbst nachsingen. Diese Methode kann beim Erlernen vieler Chinesisch- und Fremdsprachen verwendet werden.

Im täglichen Leben kann das Beherrschen von Tonhöhen die sozialen Fähigkeiten und die zwischenmenschliche Kommunikation verbessern. Wenn wir lernen, die richtige Betonung und den richtigen Tonfall zu verwenden, können wir besser kommunizieren und einander besser verstehen. Gerade bei Geschäftsverhandlungen oder der Kommunikation zwischen verschiedenen Kulturen sind der richtige Ton und die richtige Intonation noch wichtiger.

Abschließend möchten wir noch auf den Einfluss der Tonhöhe auf Stimmung und Emotionen eingehen. Durch die Verwendung unterschiedlicher Stimmlagen können wir unsere Stimmung und unseren emotionalen Zustand anpassen. Beispielsweise kann ein hoher Tonfall die Menschen aufgeregt und glücklich machen, während ein niedriger Tonfall ein Gefühl der Ruhe und Sanftheit hervorrufen kann.

Zusammenfassend lässt sich sagen, dass die Beherrschung von Tonfolgen entscheidend für unser Gedächtnis, unser Lernen, unsere sozialen Fähigkeiten und unsere emotionale Kontrolle ist. Lassen Sie uns unsere Sprache erlernen und den richtigen Ton und die richtige Intonation verwenden, um unsere Lebensqualität zu verbessern. Es ist ersichtlich, dass wir das Gedächtnis verbessern müssen, und Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola antioxidative, entzündungshemmende und Anti-Aging-Wirkungen hat, die dazu beitragen können, Oxidations- und Entzündungsreaktionen im Gehirn zu reduzieren und so das Gehirn zu schützen Gesundheit des Nervensystems. Darüber hinaus kann Cistanche deserticola auch das Wachstum und die Reparatur von Nervenzellen fördern und so die Konnektivität und Funktion neuronaler Netzwerke verbessern. Diese Effekte können dazu beitragen, das Gedächtnis, das Lernen und die Denkgeschwindigkeit zu verbessern und können auch die Entwicklung kognitiver Dysfunktionen und neurodegenerativer Erkrankungen verhindern.

Klicken Sie auf „Wissen“, um das Kurzzeitgedächtnis zu verbessern

Durch den Vergleich der für Tonsequenzen beobachteten zeitlichen Gruppierungseffekte mit den in der verbalen STM-Literatur berichteten Effekten bestand unser Ziel darin, (1) unser Verständnis der Mechanismen zu verbessern, die der Darstellung serieller Reihenfolge in musikalischen STM zugrunde liegen, und (2) die Frage zu beantworten Domänenallgemeinheit von Serialorder-Prozessen in STM.

Wir führten ein erstes vorab registriertes Experiment durch, bei dem die Vorwärtsrekonstruktion serieller Ordnungsinformationen zwischen nicht gruppierten 6--Tonsequenzen und denselben Sequenzen, gruppiert in zwei Gruppen von drei Elementen, verglichen wurde.1

Basierend auf den in diesem ersten Experiment erhaltenen Ergebnissen wurde ein nicht vorab registriertes Folge-Online-Experiment durchgeführt, das den seriellen Abruf von mit 6-Buchstaben gruppierten und nicht gruppierten Sequenzen erforderte, um einen direkten Vergleich mit den in Experiment 1 erhaltenen Daten zu ermöglichen.

Aufgrund des Vorhandenseins eines Deckeneffekts, der den Vergleich der zeitlichen Gruppierungseffekte im musikalischen (Experiment 1) und verbalen (Experiment 2) Bereich einschränkte, wurde ein weiteres nicht vorregistriertes Online-Experiment durchgeführt, um den Deckeneffekt zu berücksichtigen. Insgesamt unterstützen diese Experimente den Abschluss Ähnlichkeit zwischen den zeitlichen Gruppierungseffekten, die im verbalen und musikalischen Bereich beobachtet werden.

Experiment 1: Vorwärtsrekonstruktion der musikalischen Ordnung

Methode

Probenahmeplan. Im Bereich der psychologischen Wissenschaften gibt es derzeit einen Trend, der den Einsatz bayesianischer statistischer Techniken zur Planung von Experimenten und zur Erstellung statistischer Schlussfolgerungen bevorzugt. Bayesianische Statistiken bieten mehrere Vorteile (für eine Übersicht siehe Dienes, 2016; Wagenmakers et al., 2018).

Bayesianische statistische Analysen ermöglichen beispielsweise die Überwachung statistischer Beweise während der Datenerfassung, werden nicht von der Absicht beeinflusst, mit der Daten erfasst werden, und unterliegen nicht den optionalen Stoppregeln (Berger & Berry, 1988; Rouder, 2014). Unter Berücksichtigung dieser Überlegungen haben wir für Experiment 1 den folgenden Stichprobenplan verwendet (für eine ähnliche Begründung bei der Festlegung des Stichprobenplans siehe Wagenmakers et al., 2015).

Wir haben zunächst 20 Teilnehmer rekrutiert und die geplanten Analysen durchgeführt. Wenn wir für diese Analysen (weitere Einzelheiten finden Sie im Abschnitt „Analyseplan“) ein starkes Maß an statistischen Beweisen für entweder eine Alternativhypothese (H1) oder die Nullhypothese (H0) mit einem Bayes-Faktor (BF) von 10 oder mehr erhalten haben, Datenerfassung würde gestoppt werden. Wenn dieses Kriterium für mindestens eine unserer geplanten Analysen nicht erfüllt wäre, würden wir mehr Teilnehmer rekrutieren und gleichzeitig die BF-Werte überwachen.

Mit anderen Worten: Wir führten die gleichen Analysen nach jeder Gruppe von fünf Teilnehmern durch und fuhren fort, bis wir starke statistische Beweise für alle geplanten Analysen erreichten (H0 oder H1). Aufgrund von Ressourcenbeschränkungen planten wir jedoch, die Datenerhebung nach der Rekrutierung von 50 Teilnehmern einzustellen, obwohl wir das Kriterium der statistischen Evidenz nicht für alle geplanten Analysen erfüllten.Teilnehmer.

Das Experiment wurde von der Ethikkommission der Fakultät für Psychologie und Erziehungswissenschaften der Universität Genf genehmigt. 58 Psychologie-Studierende im ersten Studienjahr der Universität Genf nahmen im Austausch für teilweise Studienleistungen an Experiment 1 teil.

Die endgültige Stichprobe bestand aus 50 Teilnehmern (45 Frauen; Alter n Jahre: M=21,78, SD=1,95; Bildungsniveau in Jahren: M=13.00 , SD=1.12; Musiktheoretisches Lernen in Jahren: M=0.35, SD=0.85; Musikalische Praxis in Jahren: M=0.69, SD{ {16}}.04) nach dem Ausschluss von acht Teilnehmern, die die Einschlusskriterien nicht erfüllten (weitere Einzelheiten finden Sie in der demografischen Datendatei im OSF-Repository, das diesem Manuskript zugeordnet ist). Einschluss- und Ausschlusskriterien.

Da wir uns für musikalisches STM zur seriellen Auftragsabwicklung bei Teilnehmern ohne musikalische Vorkenntnisse interessierten, dürfen die Teilnehmer zum Zeitpunkt des Experiments nicht mehr als drei Jahre Erfahrung im Studium der Musiktheorie oder im Üben eines Musikinstruments (einschließlich Gesang) haben. Wir haben Teilnehmer mit neurologischen oder Sprachstörungen (z. B. Legasthenie) aus der Stichprobe ausgeschlossen.

Schließlich haben wir die Daten aller Teilnehmer aus der Analyse ausgeschlossen, deren Leistung in mindestens einer der experimentellen Bedingungen dem Wahrscheinlichkeitsniveau von .17 entspricht oder darunter liegt. Um den Stichprobenplan einzuhalten, wurden ausgeschlossene Teilnehmer durch die Rekrutierung anderer Teilnehmer ersetzt.
Reize. Die Reize bestanden aus 60 6-Tonsequenzen. Um die Möglichkeit zu verringern, dass die Verwendung eines begrenzten Satzes von sechs Tönen die proaktive Interferenz verstärken könnte, haben wir einen Satz von 14 verschiedenen Tönen verwendet, die aus allen diatonischen Stufen der C-Dur-Tonleiter (von C4 bis H5) bestehen. Bei den Tönen handelte es sich um reine Wellen, die mit Audacity (Audacity Team, 2017) erzeugt und als .wav-Dateien gespeichert wurden und jeweils 500 ms lang waren und eine Anstiegs- und Abfallperiode von 10 ms hatten.

Die Tonsequenzen wurden unter Verwendung pseudozufälliger Permutationen nach drei Regeln generiert, die aus früheren Studien zum verbalen STM für die serielle Reihenfolge übernommen wurden (siehe beispielsweise Hartley et al., 2016):

1. Nicht mehr als zwei aufeinanderfolgende Töne, die auch im Tonsatz aufeinander folgen (z. B. C4–E4–G4 oder B4–D5–F5 waren nicht zulässig);

2. Nicht mehr als zwei aufeinanderfolgende Intervalle in derselben Richtung (z. B. C4 [ ]  E4 [ ]  D5 [ ]  G4 war zulässig, aber nicht C4 [ ]  E4 [ ]  D5 [ ]  F5);

3. Kein Ton an derselben seriellen Position in aufeinanderfolgenden Versuchen.

Da die verwendeten Töne zwei Oktaven abdecken, haben wir die Intervallgröße auf maximal sieben Halbtöne beschränkt, um ungewohnte große Intervalle zu vermeiden. Wir stellten außerdem sicher, dass die Sequenzen einen hohen Bezug zur Dur-Tonleiter hatten. Mit anderen Worten: Jede Sequenz weist eine maximale Tonartkorrelation von mindestens 0,70 mit dem Tonverteilungsprofil mindestens einer der Dur-Tonleitern auf. Die maximale Schlüsselkorrelation wurde mit dem Schlüsselfindungsalgorithmus von Krumhansl & Schmuckler ermittelt (Krumhansl, 1990).

Um übereinstimmende Reize zwischen den beiden Gruppierungsbedingungen zu erhalten, haben wir die 30 Sequenzen aus den nicht gruppierten Versuchen wiederverwendet, sie jedoch in umgekehrter Reihenfolge abgespielt und sie in den gruppierten Versuchen vom letzten zum ersten präsentiert.

Um unerwünschte Effekte durch die Verwendung eines festen Satzes von Tonsequenzen zu verhindern, wurde vorab für jeden Teilnehmer ein neuer Satz pseudozufällig erzeugter Tonsequenzen generiert. Um sicherzustellen, dass jede erstellte Sequenz sowohl in einem nicht gruppierten als auch in einem Gruppenversuch verwendet wurde, hatten Teilnehmer mit gerader Nummer die nicht gruppierten und gruppierten Sequenzen, die den gruppierten bzw. nicht gruppierten Sequenzen des vorhergehenden Teilnehmers mit ungerader Nummer im Experiment entsprachen.

Experimentelles Design. Das Experiment basierte auf einem 2-Faktor innerhalb der Teilnehmer. Die beiden Arten von Sequenzen wurden in zwei verschiedenen Blöcken präsentiert, wobei die nicht gruppierten Sequenzen immer zuerst präsentiert wurden.

Dadurch wurde vermieden, dass die gruppierten Sequenzen zuerst präsentiert werden, was zur Verwendung subjektiver Gruppierungsstrategien für nicht gruppierte Studien führen könnte (für ein ähnliches Verfahren siehe Farrell & Lewandowsky, 2004; Hartley et al., 2016). Bei nicht gruppierten Versuchen wurden die Töne in einem regelmäßigen Tempo präsentiert.Verfahren.

Das Verfahren bestand aus der auditiven Präsentation von insgesamt 60 Versuchen. Die Reize wurden in angenehmer Hörlautstärke über Kopfhörer wiedergegeben, die an eine tragbare Workstation angeschlossen waren. Jeder Versuch begann mit einem Countdown von 3 bis 1, der in der Mitte des Computerbildschirms im Tempo 500 ms angezeigt wurde. Die Tonfolge wurde 500 ms lang nacheinander auf einem leeren Bildschirm abgespielt.

In nicht gruppierten Versuchen wurden die Töne mit einem regelmäßigen Interstimulusintervall (ISI) von 150 ms präsentiert. In Gruppenversuchen betrug der ISI 75 ms für gruppeninterne Elemente (Positionen 1–2, 2–3, 4–5 und 5–6) und 450 ms für Elemente zwischen Elementen, die Gruppengrenzen bilden (Positionen 3–4). Unmittelbar nach der Präsentation einer Sequenz wurde eine virtuelle Tastatur auf dem Bildschirm angezeigt und die Teilnehmer nutzten den Touchscreen, um die Sequenz zu rekonstruieren.

Die Teilnehmer wurden gezwungen, die Sequenzen in vorwärtsgerichteter Reihenfolge zu rekonstruieren. Dazu mussten sie den der ersten Position entsprechenden Ton finden und validieren, dann zur zweiten Position übergehen und so weiter, bis die gesamte Sequenz rekonstruiert war. Die virtuelle Tastatur wurde erneut verwendet, um die Tonsequenzen zu rekonstruieren (Abbildung 2). Auf dem Bildschirm wurde horizontal eine Schicht aus sechs weißen Tasten angezeigt, die die sechs in der zu rekonstruierenden Sequenz gehörten Töne darstellten. Die Töne waren in aufsteigender Reihenfolge angeordnet, vom tiefsten links bis zum höchsten rechts.

Bei jedem Tastendruck auf dem Touchscreen wurde der entsprechende Ton über die Kopfhörer abgespielt. Durch Berühren einer Taste wird der zugehörige Ton aktiviert, indem die Farbe der Taste in Grün geändert wird (siehe Felder 1, 5, 7 oder 10 in Abbildung 2). Nachdem der Teilnehmer den Ton für die aktuelle Position abgerufen und die Taste aktiviert hatte, musste er die Schaltfläche „Bestätigen“ drücken, um zur nächsten Position zu gelangen (siehe Felder 4, 6, 8 oder 12 in Abbildung 2).

Nachdem einer Position ein Ton zugewiesen wurde, wurde die entsprechende Taste grau, um anzuzeigen, dass der Ton nicht mehr verwendet werden konnte, und das akustische Feedback für diese Taste wurde ausgeschaltet. Es war möglich, den „aktiven“ Ton vor der Validierung einer Position zu ändern (siehe Felder 10–12 in Abbildung 2), jedoch nicht, nachdem die Position validiert wurde.

Wenn sich der Teilnehmer bei einer Position den entsprechenden Ton nicht merken konnte oder ihn nicht erraten wollte, war es möglich, mit „Ich weiß nicht“ zu antworten, indem er das „?“ auswählte. Drücken Sie die Taste, bevor Sie die Position bestätigen (siehe Feld 11 in Abbildung 2). Schließlich hatten die Teilnehmer zu jedem Zeitpunkt des Rekonstruktionsprozesses die Möglichkeit, die rekonstruierte Sequenz bis zu diesem Zeitpunkt zu hören (siehe Panel 9 in Abbildung 2).

Hypothesen

Das Experiment hatte folgende Ziele: (1) ein besseres Verständnis der Natur der Ordnungsmechanismen im musikalischen STM durch die Untersuchung zeitlicher Gruppierungseffekte bei Nichtmusikern, was wiederum (2) die Bewertung der Domänen-Generalitätshypothese der seriellen Ordnung im STM ermöglichen würde .

Um dies zu erreichen, verglichen wir die Erinnerungsleistung für nicht gruppierte und gruppierte 6-Tonsequenzen und konzentrierten uns dabei auf die Genauigkeit der seriellen Erinnerung, die Form der seriellen Positionskurven, Reaktionslatenzen und die Häufigkeit von Zwischenpositionierungsfehlern. Gemäß der Domänengeneralitätshypothese des STM mit serieller Reihenfolge wurde vorhergesagt, dass bei gruppierten Sequenzen eine höhere Abrufgenauigkeit zu beobachten ist als bei nicht gruppierten Sequenzen.

Wir haben auch das Vorhandensein einer mehrfach gekrümmten seriellen Positionskurve für gruppierte Sequenzen vorhergesagt. Schließlich erwarteten wir, mehr Interpositionsfehler in gruppierten als nicht gruppierten Sequenzen zu beobachten.

Analyseplan

Wir haben das Open-Source-Programm JASP (Version 0.14, JASP Team, 2018) mit Standardeinstellungen für alle geplanten (hier unten beschriebenen) und explorativen Analysen verwendet. Für Bayes'sche T-Tests , der Prior wurde als Cauchy-Verteilung mit einer r-Skala von 0,707 dargestellt.

Für die Bayes'sche Varianzanalyse (ANOVA) bestand der Prior auch aus einer Cauchy-Verteilung mit einer r-Skala von 0,5 bzw. 1 für feste bzw. zufällige Effekte. Erinnern Sie sich an die Genauigkeit und die serielle Positionskurve. Wir haben serielle Positionskurven analysiert, indem wir die Rückrufgenauigkeit als Funktion der seriellen Position und der Gruppierungsbedingungen für jeden Teilnehmer gemittelt haben.

Then, we performed a 2 × 6 repeated-measures ANOVA, with a 2-level type of sequence factor (ungrouped vs. grouped) and a 6-level serial position factor (from 1 to 6). In case of an interaction between the two factors (i.e., the full model is the best model and is supported by a BF of at least 10, relative to the second-best model), we assessed the presence of mini-primacy and mini-recency effects in grouped sequences by comparing recall accuracy between Positions 1 and 2 (H1: 1>2), Positionen 2 und 3(H1: 2<3), Positions 4 and 5 (H1: 4>5) und Positionen 5 und 6 (H1: 5<6) via Bayesian paired samples t-tests.

Transpositionsverläufe. Wir haben Transpositionsgradienten analysiert, indem wir den Anteil der Transpositionsfehler als Funktion der Verschiebung separat für jede Bedingung und jeden Teilnehmer berechnet haben. Um dies zu erreichen, führten wir eine 2×5 ANOVA mit wiederholten Messungen mit einem 2-Ebenentyp-Sequenzfaktor (nicht gruppiert vs. gruppiert) und einem 10-Ebenenverschiebungsdistanzfaktor (von –5 bis 5, ausgenommen { {7}}).

If the full model turned out to be the best (i.e., BF>Im Vergleich zum zweitbesten Modell analysierten wir die Interaktion, indem wir uns auf die Rate benachbarter Verschiebungen und Interpositionsfehler konzentrierten (weitere Einzelheiten finden Sie in der nächsten Analyse).

Interpositionsfehler und angrenzende Verschiebungsraten. Die Rate von Interpositionsfehlern und Verschiebungen zu benachbarten seriellen Positionen wurde bestimmt, indem der Anteil der Fehler, die eine Verschiebung von Elementen zwischen Gruppen mit sich brachten, die ihre ursprüngliche Position innerhalb der Gruppe beibehielten (d. h. ein absoluter Abstand von drei Positionen), und der Anteil von Transpositionen in serieller Reihenfolge, die durch einen absoluten Verschiebungsabstand gekennzeichnet waren, berechnet wurden einer seriellen Position unter allen seriellen Bestellfehlern und separat für jeden Sequenztyp (nicht gruppiert).vs. gruppiert).

Anschließend wurden die beiden Gruppierungsbedingungen basierend auf der beobachteten Rate an Interpositionsfehlern verglichen

(H1: interpositions in grouped sequences>Interpositionenin nicht gruppierten Sequenzen) und benachbarte Verschiebung (benachbarte Verschiebung in gruppierten Sequenzen).

Ergebnisse

Geplante Analysen. Die 2 × 6 wiederholte BANOVA-Messungen, die die Rückrufgenauigkeit als Funktion der Serienposition (1–6) und der Gruppierungsbedingung (gruppiert vs. nicht gruppiert) untersuchten, zeigten, dass das beste Modell das Modell mit den beiden Haupteffekten ist (siehe Abbildung 3a).

Dieses Modell wird dem zweitbesten Vollmodell um den Faktor 1,80 vorgezogen (siehe Zeilen „Serielle Positionskurven“ in Tabelle 1). Da die Präferenz nur durch anekdotische Beweise gekennzeichnet war, haben wir den Effekt analysiert. Dies wurde mit JASP über eine Methode durchgeführt, bei der die Beweise über alle Modelle gemittelt wurden, die den interessierenden Effekt enthielten. Die Daten lieferten entscheidende Beweise für das Vorhandensein eines seriellen Positionseffekts (BFInclusion=∞), sehr starke Beweise für einen Gruppierungseffekt (BFInclusion=31.28) und anekdotische Beweise für die Vorhandensein der Interaktion (BFInclusion=2.15).

Wie ursprünglich geplant haben wir Mini-Primacy- und Mini-Recency-Effekte in gruppierten Sequenzen nicht analysiert, da das Vorhandensein der Interaktion nicht durch die Daten unterstützt wurde. Die 2 × 10-ANOVA mit wiederholten Messungen wurde für den Anteil der Transpositionsfehler als a durchgeführt Die Funktion des Transpositionsabstands (−5 bis 5, ohne 0) und der Gruppierungsbedingung (gruppiert vs. nicht gruppiert) ergab, dass das beste Modell zur Erklärung der Daten das vollständige Modell ist (siehe Abbildung 3b).

Dieses Modell wird dem zweitbesten Modell, das nur den Abstandseffekt enthält, um den Faktor 173,36 vorgezogen, was eine entscheidende Unterstützung für das beste Modell darstellt (siehe Zeilen „Transpositionsgradienten“ in Tabelle 1).

Angesichts der klaren Unterstützung für eine Wechselwirkung zwischen Gruppierungsbedingung und Transpositionsentfernung haben wir die Rate benachbarter Transpositionen und Interpositionen zwischen den beiden Gruppierungsbedingungen wie ursprünglich geplant verglichen.

For more information:1950477648nn@gmail.com