Wozu ist Zeit im Arbeitsgedächtnis gut?

ali.ma@wecistanche.com

Klicken Sie zur Erinnerung auf Cistanche NZ

Abstrakt

Den Menschen mehr Zeit geben, Informationen bei der Arbeit zu verarbeitenErinnerungverbessertihre Leistung bei der ArbeitErinnerungAufgaben. Oft wird davon ausgegangen, dass die freie Zeit nach der Präsentation eines Artikels es Wartungsvorgängen ermöglicht, dem Vergessen dieses Artikels entgegenzuwirken, was darauf hindeutet, dass Zeit einen rückwirkenden Nutzen hat. Zwei weitere Hypothesen – kurzfristige Konsolidierung und zeitliche Unterscheidungskraft – beinhalten einen lokalen Effekt der Zeit auf unmittelbar vorhergehende und nachfolgende Elemente. Hier zeigen wir stattdessen einen neuartigen globalen und proaktiven Zeitgewinn in der ArbeitszeitErinnerung. In drei Wiederholungsexperimenten (Ns=21, 25 bzw. 26 junge Erwachsene) variierten wir die Position und Dauer der Freizeit innerhalb einer Liste mit sieben Konsonanten. Experiment 1 zeigte, dass der Effekt global und nicht lokal ist. Die Experimente 2a und 2b zeigten, dass eine verlängerte Zeit zwischen den Items die Leistung nur für die nachfolgenden Items förderte, was einen proaktiven Vorteil impliziert. Dieses Ergebnis schließt Wartungsprozesse, kurzfristige Konsolidierung und zeitliche Besonderheiten als Erklärungen für den Freizeitnutzen aus, ist jedoch konsistent mit dem Vorschlag einer sich allmählich erholenden Codierungsressource.

Schlüsselwörter: cistanche Arbeitsgedächtnis, Zeit, Codierungsressourcenkonto, proaktiver Nutzen, Gedächtnis, offene Daten, offene Materialien

Im Rahmen von Kurzarbeit oder ErwerbstätigkeitErinnerung, wird der Lauf der Zeit üblicherweise als Gelegenheit zum Vergessen betrachtet (Donkin et al., 2015; Lewandowsky & Oberauer, 2009; Mercer & McKeown, 2014; Ricker et al., 2016, 2020). Eine weniger gut untersuchte Rolle der Zeit ist, dass sie unter bestimmten Umständen dazu beiträgt, Informationen bei der Arbeit aufrechtzuerhaltenErinnerung. Wenn einErinnerungWird die Liste langsamer präsentiert – d. h. mit mehr Freizeit zwischen den einzelnen Items – erweist sich der sofortige Serienrückruf oft als besser (Ricker & Hardman, 2017; Souza & Oberauer, 2017; Tan & Ward, 2008; für Übersichten siehe Oberauer et al., 2018; Penney, 1975). Hier haben wir gefragt, was diese positive Wirkung der Zeit auf das Arbeitsgedächtnis bewirkt.

Eine mögliche Erklärung ist, dass die freie Zeit zwischen den Aufgaben zum Üben genutzt wird. Rehearsal ist eine häufig berichtete Wartungsstrategie bei Arbeitsgedächtnisaufgaben. Drei Formen des Übens könnten zur wohltuenden Wirkung der Freizeit beitragen: artikulatorisches Üben (Tan

Beim aufmerksamkeitsbasierten Auffrischen werden Informationen reaktiviert, indem während der Wartung bewusst darauf geachtet wird. In aufwendiger Wiederholung werden Repräsentationen von zu erinnernden Reizen angereichert, indem sie mit Langzeitgedächtniswissen verknüpft werden.

Freie Zeit zwischen den Items kann auch zur kurzfristigen Konsolidierung (Jolicœur & Dell'Acqua, 1998) des gerade kodierten Items genutzt werden. Kurzfristige Konsolidierung erfolgt nach Codierung eines Artikels; Es wird geschätzt, dass es etwa 0,5 s bis 1,5 s dauert und eine zentrale Verarbeitungsressource erfordert (Jolicœur & Dell'Acqua, 1998; Nieuwenstein & Wyble, 2014).

Eine dritte Erklärung ergibt sich aus der zeitlichen Unterscheidbarkeitshypothese. Gemäß den Theorien der zeitlichen Unterscheidbarkeit des Gedächtnisses verringert die Verlängerung der Zeit zwischen den Elementen die Ähnlichkeit ihrer zeitlichen Kontexte, was wiederum die zeitliche Verwirrbarkeit verringern und die Gedächtnisgenauigkeit erhöhen sollte (Brown et al., 2007). Eine verwandte Idee ist, dass außergewöhnlich lange Intervallzeiten – zum Beispiel wenn Teilmengen von Listenelementen zeitlich gruppiert werden (Ryan, 1969b) – eine Kontextverschiebung induzieren, wodurch die kontextuelle Unterscheidungskraft zwischen Elementen in verschiedenen Gruppen erhöht wird.

Diese Erklärungen führen zu unterschiedlichen Vorhersagen darüber, welche Elemente in einer Erinnerungsliste von erhöhter Freizeit profitieren. Wir betrachten Unterschiede in den Vorhersagen entlang zweier Dimensionen (siehe Tabelle 1), die sich am besten erklären lassen, indem man sich auf ein einzelnes Zwischenintervall irgendwo in der Mitte einer Erinnerungsliste konzentriert: (a) Die positive Wirkung von Freizeit in diesem Intervall kann rückwirkend sein (dh Verbesserung des Gedächtnisses für vor dem Intervall codierte Elemente) oder proaktiv (dh Verbesserung des Gedächtnisses für nachfolgend codierte Elemente) und (b) der vorteilhafte Effekt lokal sein kann (dh Verbesserung des Gedächtnisses nur für die Elemente unmittelbar vor oder nach dem freien -Zeitintervall) oder global (dh Verbesserung des Speichers für alle Listenelemente vor oder nach dem Intervall).

Die drei Formen des Übens (artikulatorisches Üben, ausführliches Üben und Auffrischen der Aufmerksamkeit) können nur auf Elemente angewendet werden, die bereits vor einem Freizeitintervall in das Arbeitsgedächtnis kodiert wurden, und daher muss ihre Wirkung hauptsächlich rückwirkend sein. Die Artikulationsprobe ist normalerweise kumulativ, und daher sollte der Effekt rückwirkend und global sein und allen Elementen zugute kommen, die vor dem für die Probe verwendeten Freizeitintervall codiert wurden. Es wird auch allgemein angenommen, dass das Auffrischen alle Elemente im Arbeitsgedächtnis durchläuft, anstatt sich auf das zuletzt präsentierte Element zu konzentrieren, was einen globalen rückwirkenden Effekt impliziert (Barrouillet et al., 2007; Lemaire et al., 2018; Oberauer & Lewandowsky, 2011 ). Im Gegensatz dazu könnte die Ausarbeitung alle bisher codierten Elemente oder nur das zuletzt codierte Element umfassen, sodass der Effekt global oder lokal sein könnte.

Gedächtnisverbesserungen für Items, die einem Freizeitintervall vorangehen, könnten auch indirekte Auswirkungen auf die nachfolgenden Items haben. Wenn zum Beispiel freie Zeit verwendet wird, um die Wartung von zuvor codierten Elementen zu verbessern, dann können, wenn genügend Zeit gegeben ist, Wartungsprozesse, wie z. B. das Üben oder Auffrischen dieser Elemente, während dieser Zeit abgeschlossen werden. Dies könnte die Kosten für das Wiederholen oder Auffrischen vorangehender Elemente während der Codierung oder Wartung des nachfolgenden verringern

Aussage zur Relevanz

Das Arbeitsgedächtnis ist die Tafel unseres Geistes, an der wir Informationen kurzzeitig verfügbar halten können – zum Beispiel können wir eine neue Telefonnummer im Arbeitsgedächtnis speichern und sie dann aus dem Gedächtnis eingeben. Das Vergehen der Zeit ist normalerweise mit dem Vergessen der im Arbeitsgedächtnis gespeicherten Informationen verbunden: Viele Forscher glauben, dass Informationen im Arbeitsgedächtnis schnell verblassen, es sei denn, wir proben sie, indem wir sie uns selbst wiederholen. Im Gegensatz zu dieser Idee zeigt die Forschung, dass sich unser Gedächtnis verbessert, wenn wir zwischen dem Hinzufügen von Elementen zum Arbeitsgedächtnis eine Pause einlegen. Wir haben untersucht, wofür Menschen diese Pausen nutzen. Zum Beispiel könnte man eine Pause verwenden, um zu wiederholen, was sich bereits im Arbeitsgedächtnis befindet (z. B. Probe). Stattdessen fanden wir heraus, dass Pausen den Abruf von Informationen verbessern, die nach der Pause dem Arbeitsgedächtnis hinzugefügt werden, ohne dass Elemente vergessen werden, die sich bereits vor der Pause im Arbeitsgedächtnis befanden. Dieser Befund legt nahe, dass Pausen (dh Zeit) dem Arbeitsgedächtnis helfen, sich auf zukünftige Informationen vorzubereiten, und fordert eine neue Denkweise über die Rolle der Zeit im Arbeitsgedächtnis.

Items und verbessern dadurch die Pflege der nachfolgenden Items. In diesem Fall könnte neben der Rückwirkung auch eine proaktive Wirkung auftreten.

Es wird allgemein angenommen, dass eine kurzfristige Konsolidierung nur für das zuletzt codierte Element gilt. Darüber hinaus ist es auf eine begrenzte Verarbeitungsressource angewiesen, sodass die meisten Theoretiker davon ausgehen, dass immer nur ein Element konsolidiert wird (für eine Übersicht siehe Ricker et al., 2018). Diese Konzeptualisierung legt nahe, dass in jedem Freizeitintervall nur das unmittelbar vorhergehende Element konsolidiert wird. Wenn jedes Item nur so lange konsolidiert wird, bis es durch das Einsetzen des nächsten Items unterbrochen wird, muss der positive Effekt der freien Zeit rückwirkend und lokal sein: Längere freie Zeit ermöglicht eine längere Konsolidierung des einen vorhergehenden Items. Ricker und Hardman (2017) haben eine alternative Hypothese aufgestellt: Kurzfristige Konsolidierung ist ballistisch

Prozess, der, einmal gestartet, zu Ende geführt wird. Wenn für den Abschluss der Konsolidierung nicht genügend Zeit zur Verfügung steht, wird die Konsolidierung des nächsten Elements verschoben und dadurch verkürzt (Ricker & Hardman, 2017). Erhöhte Freizeit vermeidet diese Verschiebung und verbessert dadurch das Gedächtnis für das nachfolgende Element, wobei ein lokaler proaktiver Nutzen nur für dieses Element vorhergesagt wird. Ricker und Hardman (2017) haben in einer Reihe von Experimenten zum visuellen Arbeitsgedächtnis Hinweise auf einen solchen lokalen, proaktiven Effekt erhalten.

Gemäß der zeitlichen Unterscheidbarkeitshypothese sollte eine längere Freizeit zwischen den Items die zeitliche Unterscheidbarkeit der Items unmittelbar vor und nach dem Freizeitintervall erhöhen (Brown et al., 2007). Daher sagt die zeitliche Unterscheidungskraft lokale Effekte voraus, die sowohl proaktiv als auch rückwirkend sind. Diese Vorhersage wurde in mehreren Studien getestet. Während die vorhergesagten Effekte in Wiedererkennungstests (Morin et al., 2010) und einigen Versionen von Rekonstruktionstests beobachtet wurden, fehlen sie auffällig in unmittelbaren Serienerinnerungstests (Lewandowsky et al., 2006; Nimmo & Lewandowsky , 2005, 2006; Parmentier et al., 2006; Peteranderl & Oberauer, 2018).

In ähnlicher Weise sagen Kontextverschiebungen zwischen zeitlichen Gruppen symmetrische proaktive und rückwirkende Vorteile voraus, die überwiegend lokal, aber in gewissem Maße auch global sind (Burgess & Hitch, 1999; Farrell, 2012). Solche Effekte werden häufig bei Serienerinnerungen beobachtet, was zu Primacy- und Recency-Effekten innerhalb der Gruppe führt (Frankish, 1989; Ryan, 1969a).

Um zu verstehen, wofür Freizeit im Arbeitsgedächtnis verwendet wird, haben wir getestet, (a) ob die Freizeit lokale oder globale Auswirkungen hat und (b) ob die Wirkung der Freizeit proaktiv, rückwirkend oder beides ist. Experiment 1 konzentrierte sich auf die Beurteilung zwischen globalen und lokalen Effekten. Innerhalb der Listen variierten wir die Dauer der Zwischenzeiten. Die Zwischenzeiten waren entweder über die gesamte Liste hinweg konstant kurz, konstant lang oder variierten innerhalb einer Liste für alle Positionen unterschiedlich, so dass die durchschnittliche Zwischenzeit so lang war wie in der konstant langen Bedingung. Das Ziel der Variable-Intervall-Bedingung war es zu testen, ob die Dauer jedes Interitem-Intervalls eine Auswirkung überwiegend auf die angrenzenden Items hat (dh lokale Effekte) oder sich über die Listen-Items ausbreitet (dh ein globaler Effekt).

Die Manipulation mit variablen Intervallen repliziert das Design von Lewandowsky et al. (2006) zum Testen der zeitlichen Unterscheidbarkeitshypothese. Serienerinnerungsstudien mit diesem Design ergaben keine Hinweise auf lokale Zeiteffekte, was den Vorhersagen der zeitlichen Unterscheidbarkeit widerspricht. Eine Möglichkeit, die wir jedoch in Betracht ziehen müssen, ist, dass Menschen freie Zwischenräume nur dann für Prozesse wie ausführliche Proben oder kurzfristige Festigungen nutzen, wenn ihre Dauer vorhersehbar ist. In diesem Fall wurden die unvorhersehbar variierenden Intervalle in den zeitlichen Unterscheidbarkeitsstudien möglicherweise nicht für irgendeinen Prozess zur Verbesserung des Gedächtnisses verwendet. In diesem Fall sollte das Gedächtnis in der Bedingung mit variablem Intervall schlechter sein als in der Bedingung mit konstant langen Intervallen, obwohl insgesamt die gleiche Menge an freier Interitemzeit bereitgestellt wird.

Mit den Experimenten 2a und 2b haben wir getestet, inwieweit der Freizeitnutzen proaktiv oder rückwirkend war. Wir haben nur eine Zwischenzeit erhöht, während der Rest behoben wurde. Die Position der längeren Zwischenzeit wurde in der Liste variiert. Die längeren Zwischenintervalle konnten 2.500 ms oder 500 ms betragen, während die regulären Zwischenintervalle jeweils 50 ms betrugen. Wir haben gefragt, ob sich das lange Intervall auf die vorhergehenden Items (retroaktiv), die folgenden Items (proaktiv) oder beide auswirkt. Außerdem erwarteten wir zeitliche Gruppierungseffekte aufgrund des abweichenden Interitemintervalls sowohl für 500- ms- als auch für 2,500- ms-Intervalle. Da Ryan (1969b) keinen Unterschied in den Gruppierungseffekten zwischen kurzen und langen Intergruppenintervallen beobachtete, sagten wir voraus, dass diese Gruppierungseffekte für beide abweichenden Längen äquivalent sind. Das Ziel war zu beobachten, ob die zusätzliche freie Zeit (2,000 ms), die an verschiedenen Positionen in der Gedächtnisliste gegeben wird, die Leistung für die vor oder nach dem manipulierten Intervall beobachteten Elemente über und über zeitliche Gruppierungseffekte hinaus verbessern würde.

Methode

Teilnehmer

Einundzwanzig, 25 und 26 junge Erwachsene nahmen an den Experimenten 1, 2a bzw. 2b teil. Die Stichprobenumfänge wurden auf der Grundlage früherer Experimente ausgewählt, die vorteilhafte Wirkungen längerer Interitemintervalle gezeigt haben. Die Datenerhebung wurde beendet, als wir eine vorgegebene Zielstichprobengröße erreichten (N plus 1, falls möglich, falls wir Daten während der Analyse ausschließen mussten). Experiment 1 hatte eine Zielprobengröße von 20 und Experimente 2a und 2b hatten eine Zielprobengröße von 25. Die Experimente dauerten bis zu 60 min. Die Zeit wurde den Teilnehmenden mit einem Kursguthaben oder 15 Franken pro Stunde vergütet.

Verfahren

Jeder Versuch begann mit einem zentralen Fixationspunkt, der für 500 ms präsentiert wurde, gefolgt von der Präsentation der Studienliste. Listen bestanden aus sieben Konsonanten, die einer nach dem anderen präsentiert wurden (siehe Abb. 1). In Experiment 1 wurde jedes Listenelement 250 ms lang auf dem Bildschirm präsentiert, gefolgt von einem leeren Bildschirm für den Rest des Interstimulus-Intervalls (ISI), hier definiert als das Gesamtintervall vom Versatz eines Konsonanten bis zum Beginn des nächsten . In Experimenten

Abb. 1. Zeitleiste der Kodierungsphase in jeder der Bedingungen aus Experiment 1 und 2. In jeder Bedingung wurden sieben Konsonanten, zufällig aus 21 Konsonanten gezogen, einer nach dem anderen präsentiert. Es folgte ein Serien-Rückruf-Test. Interstimulus-Intervalle (ISIs), definiert als das Gesamtintervall vom Offset eines Konsonanten bis zum Beginn des nächsten, variierten je nach den Bedingungen. Die Zahlen über den Listen geben die ISIs für die Konsonanten darunter an. In Experiment 1 wurde der letzte Konsonant immer für 250 ms dargeboten, gefolgt vom Retentionsintervall. Das Halteintervall, die Zeit zwischen dem Versatz des letzten Konsonanten und dem Test, wurde für alle Bedingungen festgelegt (1.250 ms). In der langvariablen Bedingung wurden jeder ISI-Position innerhalb einer Liste sechs verschiedene ISIs zufällig zugewiesen (50, 250, 550, 950, 1.450 und 1.950 ms). Im langfixierten Zustand wurden ISIs fixiert (870 ms); die Summe der ISIs war ungefähr die gleiche wie in der langvariablen Bedingung. In der kurz fixierten Bedingung waren ISIs fixiert (50 ms), und ihre Summe war kürzer als in den anderen Bedingungen. In Experiment 2 könnte eine der ISIs länger sein als die verbleibenden ISIs, wodurch eine Lücke in der Codierungsphase entsteht und zwischen den Studienelementen freie Zeit zur Verfügung steht. Diese Lücke betrug 500 ms in der Bedingung mit kurzer Lücke und 2.500 ms in der Bedingung mit langer Lücke. In den hier gezeigten Beispielen der Short- und Long-Gap-Bedingungen erscheint die Lücke nach dem ersten Element in der Studienliste. Im eigentlichen Experiment könnte sich die Lücke an jeder Position in der Liste befinden. Alle anderen ISIs in Experiment 2 (einschließlich derjenigen in der No-Gap [Baseline]-Bedingung) waren 50 ms. Nur Experiment 2b hatte die No-Gap-Bedingung.

2a und 2b wurde jedes Listenelement für 300 ms präsentiert, gefolgt von einem leeren Bildschirm für den Rest der ISI. Der Standard-ISI in den Experimenten 2a und 2b war 50 ms. In allen Experimenten folgte auf die Listenpräsentation eine Verzögerung (1.250 ms für Experiment 1; 1,000 ms für Experimente 2a und 2b), und dann begannen die Teilnehmer sofort mit dem Serienerinnerungstest. Die Teilnehmer wurden angewiesen, die Buchstaben in der Reihenfolge ihrer Präsentation einzugeben. Sie mussten sieben Items eingeben, bevor sie mit dem nächsten Prozess fortfahren konnten.

Experiment 1. Das Experiment bestand aus sechs Blöcken mit jeweils 18 Versuchen, was zu 108 Versuchen führte. Um zu testen, ob der Freizeiteffekt global oder lokal war, manipulierten wir die Dauer von ISIs. Ein ISI ist ein Gesamtintervall vom Offset eines Elements bis zum Beginn des nächsten Elements. Es gab drei Bedingungen: eine kurze feste Bedingung bestehend aus kurzen ISIs (50 ms) über die Liste, eine lange feste Bedingung bestehend aus längeren ISIs (870 ms) über die Liste und eine lange variable Bedingung bestehend aus variablen ISIs. Jeder Teilnehmer erhielt eine gleiche Anzahl von Versuchen in jeder dieser Bedingungen in zufälliger Reihenfolge.

Die Schlüsselmanipulation war die langvariable Bedingung, die dem Design von Lewandowsky et al. (2006). In diesem Zustand gab es sechs verschiedene ISIs: 50 ms, 250 ms, 550 ms, 950 ms, 1.450 ms und 1.950 ms. In jedem Versuch der langvariablen Bedingung wurde jedem dieser ISIs eine Zwischenposition in der Liste zugewiesen. Es gab 720 mögliche Ordnungen von sechs Intervallen; Diese Befehle wurden den 20 Teilnehmern durch einen Algorithmus zugewiesen, der die Variabilität in der Häufigkeit der Verwendung jedes Befehls minimierte. Auf diese Weise war die ISI vor oder nach jedem Artikel nicht mit der Serienposition des Artikels verwechselt. Die Summe der ISIs im Zustand „Long-Variable“ (5.200 ms) war ungefähr gleich der Summe der ISIs im Zustand „Long-Fixed“ (5.220 ms). Die Zeit nach dem letzten Eintrag in den Listen wurde für alle Bedingungen festgelegt (1.250 ms).

Versuch 2a. Das Experiment bestand aus acht Blöcken mit jeweils 36 Versuchen, was zu 288 Versuchen führte. In jedem Versuch gab es an einer Zwischenposition einen abweichenden ISI, entweder kurz (500 ms) oder lang (2.500 ms). Beide erzeugten eine zeitliche Lücke im Gegensatz zum Hintergrund der restlichen Standard-ISIs, die alle 50 ms betrugen. Es ist bekannt, dass eine solche Lücke zu einer zeitlichen Gruppierung führt (Ryan, 1969b), aber weil Ryan (1969a) äquivalente Gruppierungseffekte für kurze und lange Lücken gezeigt hat, erwarteten wir keinen Unterschied in den Gruppierungseffekten zwischen der kurzen und der langen Lücke. Lückenbedingungen. Wir haben untersucht, ob zusätzlich zu dem gemeinsamen Gruppierungsvorteil die zusätzliche Freizeit, die in der Long-Gap-Bedingung gegeben ist, das Gedächtnis für Elemente vor der Freizeit oder Elemente nach der Freizeit verbessert. Es gab sechs Positionen in der Studienliste, an denen die Lücke eingefügt werden konnte: nach jedem Punkt vom ersten bis zum sechsten. Insgesamt gab es 12 Bedingungen: sechs Lückenpositionen mal zwei Lückendauern. Jeder Block bestand aus drei Versuchen für jede Bedingung, was zu 24 Versuchen pro Bedingung führte.

Versuch 2b. Experiment 2 war das gleiche wie Experiment 1, mit Ausnahme eines Unterschieds. Wir haben eine Grundbedingung hinzugefügt, in der es keine Lücken gab, um allgemeine Auswirkungen der Lücke zu untersuchen, wie z. B. die zeitliche Gruppierung. Im Ausgangszustand gab es keinen abweichenden ISI; alle ISIs waren 50 ms. Dies machte insgesamt 13 Bedingungen. Jeder Block bestand aus drei Versuchen für jede Bedingung, was insgesamt 312 Versuche ergab.

Materialien

Aus den 21 Konsonanten des deutschen Alphabets wurden für jede Liste sieben Konsonanten ersatzlos zufällig gezogen.

Datenanalyse

Wir haben bayessche lineare Mixed-Effects-Modelle unter Verwendung der lmBF-Funktion aus dem BayesFactor-Paket (Version 0.9.12-4.2; Morey & Rouder, 2018) geschätzt, die in R implementiert ist Programmierumgebung (Version 4.0.1; R Core Team, 2020). Unsere Analyse folgte einem Modellauswahlansatz, der sich nur auf die Menge „plausibler Modelle“ konzentrierte, die durch das Prinzip der Marginalität impliziert werden (Rouder et al., 2016). Genauer gesagt schätzten wir für jedes Experiment den vollständigen Satz plausibler Modelle und verglichen dann alle Modelle mit dem Nullmodell, das nur einen Schnittpunkt und einen zufälligen Effekt von Subjekten enthielt, unter Verwendung von Bayes-Faktoren (BFs). Das Modell mit dem größten BF wurde verwendet, um zu bestimmen, für welche der Wirkungen (dh Hauptwirkung und Wechselwirkung) die Daten Beweise dafür oder dagegen lieferten. Da unsere Daten wiederholte Messungen (für alle Faktoren in allen Experimenten) enthielten, führten wir diesen Schritt zweimal durch – einmal für das minimale Modell, in dem die Zufallseffektstruktur nur zufällige Abschnitte enthielt, und einmal für die durch das Design gerechtfertigte maximale Zufallseffektstruktur (Barr et al., 2013). Nachfolgend berichten wir Ergebnisse basierend auf dem Maximalmodell. Sofern nicht anders angegeben, war das Muster der BFs (dh Nachweise für oder gegen einen bestimmten Effekt) für den Satz von Modellen, die die Struktur mit minimalen zufälligen Effekten verwenden, dasselbe. Die vollständigen Ergebnisse sind auch im online verfügbaren ergänzenden Material enthalten. Alle Analysen wurden mit den nach Teilnehmer und Zelle des Designs aggregierten Daten durchgeführt. Daher beinhaltete die durch das Design gerechtfertigte maximale Random-Effects-Struktur keine zufälligen Steigungen für den Effekt höchster Ordnung (z. B. Wechselwirkung höchster Ordnung; Singmann & Kellen, 2020).

Abb. 2. Der Anteil richtiger Antworten auf die Aufgabe zur unmittelbaren Serienerinnerung in den drei Bedingungen von Experiment 1. Die Diagramme zeigen (a) die durchschnittliche Leistung für jede Bedingung über Serienpositionen hinweg, (b) die Leistung für jede Bedingung gemittelt über Serienpositionen als Funktion der Zeit vor dem Item und (c) Leistung für jede Bedingung, gemittelt über Serienpositionen als Funktion der Zeit nach dem Item. Die Genauigkeit des Serienabrufs wurde bestimmt, indem jedem Listenelement nur dann eine korrekte Antwort zugewiesen wurde, wenn dieses Element an der richtigen Ausgabeposition abgerufen wurde. Fehlerbalken bezeichnen 95-Prozent-Konfidenzintervalle innerhalb der Subjekte.

Die unten angegebenen Ergebnisse werden oft in Form von BF10 angegeben, was die Stärke der Evidenz für ein bestimmtes fokales Modell, Modell 1, gegenüber einem Vergleichsmodell, Modell 0, angibt. Der Wert von BF10 gibt an, wie viel wahrscheinlicher Modell 1 über Modell 0 liegt. Wenn der Wert von BF10 größer als 1 ist, weist dies auf das alternative Modell hin (dh Modell 1 gegenüber Modell 0). Wenn der Wert von BF10 kleiner als 1 ist, weist dies auf das einfachere Modell hin (dh Modell 0 gegenüber Modell 1). Im letzteren Fall geben wir stattdessen BF01 an, das durch BF01=1/BF10 gegeben ist, sodass BF01-Werte größer als 1 auf das einfachere Modell hindeuten. BFs können nicht als p-Werte interpretiert werden und liefern keinen Cutoff für Signifikanz. Ein größerer BF zeigt stärkere Beweise für das Siegermodell an. Als interpretative Richtlinie gelten BFs kleiner als 3 als schwache Evidenz, BFs zwischen 3 und 10 als substanzielle Evidenz und BFs größer als 10 oder kleiner als 0,1 als starke Evidenz (Kass & Raftery, 1995).

Für Experiment 1 umfasste die erste Analyse zwei Faktoren, serielle Position und Zustand, und die zweite Analyse umfasste nur einen Faktor, ISI, was den Vergleich von nur einem Modell 1 gegenüber Modell 0 erforderte. Für die Experimente 2a und 2b umfasste die Analyse drei Faktoren, die zu mehreren plausiblen Modellen führten, die die Daten erklären könnten. Für die Analysen, die mehr als einen Faktor beinhalteten, untersuchten wir zuerst den BF10 für jedes Modell im Vergleich zum Nullmodell und fanden das Modell, das die Daten mit der stärksten Evidenz durch den BF10-Wert beschreibt. Das Modell mit dem höchsten BF10 wurde dann mit weiteren Modellen verglichen, um spezifische Hypothesen über das Vorhandensein oder Nichtvorhandensein individueller Effekte zu testen. Dies kann durch einfaches Dividieren eines BF10 des Modells einschließlich des Effekts durch ein BF10 des Modells ohne den Effekt erfolgen, was einen BF zugunsten des Effekts ergibt. Die Nullmodelle aus diesen BF10-Werten müssen gleich sein, damit der neue BF sinnvoll ist. In einigen Fällen wurden in Folgeanalysen auch Bayes'sche t-Tests verwendet. In allen Experimenten bezieht sich die Leistung auf die Genauigkeit des seriellen Abrufs, die jedem Listenelement nur dann eine korrekte Antwort zuweist, wenn dieses Element an der richtigen Ausgabeposition abgerufen wurde.

Ergebnisse

Versuch 1

Unser Ziel in Experiment 1 war es, lokale und globale Auswirkungen von Freizeit auf das Arbeitsgedächtnis zu untersuchen. Der Modellvergleich zeigte starke Hinweise für das vollständige Modell. Es gab eine Wechselwirkung zwischen Bedingung (kurz fest, lang fest und lang variabel) und Serienposition (BF10 > 10, 000 im Vergleich sowohl zum Nullmodell als auch zum zweitbesten Modell, das aus beiden Haupteffekten bestand) . Wie aus Abbildung 2a ersichtlich, war die Leistung unter den Bedingungen mit langem festen und langem variablen Zustand besser als die Leistung unter den Bedingungen mit kurzem festem Zustand (beide BF10s > 10, 000 aus Bayes'schen t-Tests, die die Leistung zwischen den Bedingungen vergleichen aggregiert über die serielle Position). Darüber hinaus unterschied sich die Leistung in den lang fixierten und lang variablen Bedingungen nicht (BF01=7.7, was impliziert, dass das Nullmodell keinen Unterschied zwischen den beiden Bedingungen aufweist).

Zweitens analysierten wir den langvariablen Zustand und untersuchten im Detail, wie die Zeit vor und nach dem Item – die ISIs unmittelbar vor oder nach einem Item – die Erinnerung an jedes Item beeinflussten. Für diese Analyse wurden die Zeitschriftenpositionen 1 und 7 ausgeschlossen, da die Zeitschriftenposition 1 keine Vor-Item-Zeit hatte und die Zeitschriftenposition 7 keine Post-Item-Zeit hatte. Die festen Effekte für die zweite Analyse waren (a) die Dauer der Pre-Item-Zeit und (b) die Dauer der Post-Item-Zeit. Sowohl die Pre-Item-Zeit als auch die Post-Item-Zeit variierten zwischen 0,3 s und 2,2 s, und es gab sechs Dauern. Wenn sich die freie Zeit zwischen den Elementen lokal auswirkt, sollte sich die Leistung mit einer längeren Zeit vor dem Element, einer längeren Zeit nach dem Element oder beidem verbessern. Wenn die freie Interitzeit einen globalen Effekt hat, würde kein solcher Effekt vorhergesagt werden, da die gesamte freie Interitzeit für alle Versuche der langvariablen Bedingung konstant war.

Wir fanden keinen Einfluss der Zeitdauer pro Item oder Post-Item auf die Leistung (siehe Abb. 2b und 2c). Es gab starke Beweise gegen sowohl die Zeit vor dem Item (BF01 > 10, 000) als auch die Zeit nach dem Item (BF01 > 10, 000), was jegliche lokale Auswirkung der Zeit ausschloss.

Versuche 2a und 2b

Unser Ziel in den Experimenten 2a und 2b war es zu testen, ob der Freizeitnutzen proaktiv, rückwirkend oder beides ist. Außerdem könnte der Freizeitnutzen lokal oder global sein. Um diese Möglichkeiten zu testen, konzentrierten wir uns auf die Wirkung der Freizeit als Funktion der Verzögerung zwischen der Lücke und den präsentierten Elementen. Auf diese Weise konnten wir den Einfluss der Freizeit auf vorhergehende und nachfolgende Items separat analysieren. Die Verzögerung wurde als der vorzeichenbehaftete Abstand eines Elements von der Position der Lücke in der Liste berechnet. Wenn zum Beispiel die Lücke zwischen dem dritten und dem vierten Element wäre, wäre das dritte Element bei Lag – 1 und das vierte Element wäre bei Lag plus 1. Dementsprechend gab es 10 Verzögerungen: –5, –4, –3, −2, −1, plus 1, plus 2, plus 3, plus 4 und plus 5. Negative Verzögerungen umfassten Elemente vor der Lücke und wurden verwendet, um rückwirkende Effekte zu testen. Positive Verzögerungen umfassten Elemente nach der Lücke und wurden verwendet, um proaktive Effekte zu testen. Zum Beispiel würde eine Verzögerung von plus 2 (a) einen Artikel an Zeitschriftenposition 4 enthalten, wenn die Lücke zwischen Artikel 2 und 3 wäre, (b) einen Artikel an Zeitschriftenposition 5, wenn die Lücke zwischen Artikel 3 und 4 wäre, und ( c) ein Item an der seriellen Position 6, wenn die Lücke zwischen den Items 4 und 5 lag. Die Gedächtnisleistung für Lag plus 2 würde dann durch Mittelung der seriellen Abrufleistung für diese Items unter den entsprechenden Lückenpositionsbedingungen berechnet.

Um die proaktiven und rückwirkenden Auswirkungen der Freizeit auf die Gedächtnisleistung zu untersuchen, haben wir die Wechselwirkungen der hinzugefügten Freizeit in der Lücke (450 ms vs. 2.450 ms) mit dem Vorzeichen der Verzögerung und ihrem absoluten Wert getestet. Das Zeichen der Verzögerung zeigte an, ob ein Item dem manipulierten Intervall vorausging (negative Verzögerung) oder folgte (positive Verzögerung), und daher sagte uns die Interaktion der Freizeitdauer mit dem Verzögerungszeichen, ob die Wirkung der Freizeit eher rückwirkend oder stärker war proaktiv. Die Wechselwirkung der Freizeitdauer mit dem Absolutwert des Lags – insbesondere der Kontrast zwischen Lags ±1 und größeren absoluten Lags – sagte uns, ob der Effekt lokal oder global war.1

Abbildung 3 zeigt die Leistung unter den Bedingungen in den Experimenten 2a und 2b. Es gab eine bemerkenswerte proaktive Wirkung auf das Gedächtnis; Die Leistung war bei den Items nach einer langen Lücke besser als bei den Items nach einer kurzen Lücke. Bei den vorangegangenen Items gab es keinen Unterschied zwischen der Auswirkung von langer und kurzer Freizeit auf die Leistung. Mit anderen Worten, es gab keine rückwirkende Wirkung der Lückendauer.

Für Experiment 2a umfasste das beste Modell die Haupteffekte von Freizeit, Verzögerungszeichen und absoluter Verzögerung sowie die Interaktion von Freizeit und Verzögerungszeichen, aber keine Wechselwirkungen, die Freizeit und absolute Verzögerung beinhalten (BF {{5 }} im Vergleich zum vollständigen Modell, das alle Zwei-Wege-Wechselwirkungen und die Drei-Wege-Wechselwirkung umfasste, und BF=3.7 im Vergleich zum zweitbesten Modell, das alle Zwei-Wege-Wechselwirkungen, aber nicht die drei umfasste -Wege-Interaktion). Für Experiment 2b war das beste Modell das vollständige Modell (BF=495 im Vergleich zum zweitbesten Modell ohne Drei-Wege-Wechselwirkung).

Um die Interaktion von Freizeitdauer und Lag-Vorzeichen zu analysieren, untersuchten wir die paarweisen Vergleiche zwischen langer und kurzer Freizeit getrennt für nachfolgende Items (positive Lags) und vorangehende Items (negative Lags) mit Bayes'schen t-Tests. In beiden Experimenten 2a und 2b verbesserte die zusätzliche Freizeit in der Bedingung mit langer Freizeit die Leistung für nachfolgende Items im Vergleich zur Bedingung mit kurzer Freizeit, was einen starken Beweis für einen proaktiven Nutzen liefert (Experiment 2a: BF10=1 ,137; Versuch 2b: BF10=885). Im Gegensatz dazu war die Evidenz für rückwirkende Vorteile eher schwach. In Experiment 2a verbesserte zusätzliche Freizeit die Leistung für vorhergehende Elemente nur um einen geringen Betrag (zweideutiger Beweis für einen rückwirkenden Nutzen; BF10=1.15). In Experiment 2b gab es keine Evidenz für einen rückwirkenden Nutzen von zusätzlicher Freizeit, und stattdessen gab es schwache Evidenz gegen einen solchen Nutzen (BF01=2.6).

Unsere nächste Analyse konzentrierte sich darauf, ob sich der Freizeiteffekt mit dem absoluten Lag ändert. Jeder lokale Effekt würde durch eine Wechselwirkung von freier Zeit mit absoluter Verzögerung signalisiert. Wir haben diese Interaktion für vorangehende und nachfolgende Elemente separat vergrößert.

Die Ergebnisse aus Experiment 2a zeigten keine Wechselwirkung von Freizeit und absoluter Verzögerung für beide

Abb. 3. Der Anteil richtiger Antworten auf die unmittelbare Serienerinnerungsaufgabe für vorhergehende und nachfolgende Items als Funktion der Verzögerung (–5 bis 5) und der Menge an Freizeit (lang, kurz) in den Experimenten 2a (a) und 2b (b). Die Genauigkeit des seriellen Abrufs wurde bestimmt, indem jedem Listenelement nur dann eine korrekte Antwort zugewiesen wurde, wenn dieses Element an der richtigen Ausgabeposition abgerufen wurde. Fehlerbalken bezeichnen 95-Prozent-Konfidenzintervalle innerhalb der Subjekte.

vorangegangene und nachfolgende Artikel. Für nachfolgende Items enthielt das beste Modell nur die zwei Haupteffekte (BF im Vergleich zum vollständigen Modell=6). Für vorangegangene Items beinhaltete das beste Modell nur einen Haupteffekt der absoluten Verzögerung; Die Beweise, die dieses Modell gegenüber dem zweitbesten Modell, das die beiden Haupteffekte beinhaltete, favorisierten, waren jedoch mehrdeutig (BF10=1.17).

Die Ergebnisse aus Experiment 2b lieferten Hinweise auf eine Wechselwirkung zwischen absolutem Lag und Freizeit nur für die vorhergehenden Items, nicht aber für die nachfolgenden Items. Für die nachfolgenden Items enthielt das beste Modell nur die beiden Haupteffekte (BF im Vergleich zum vollständigen Modell=9.53). Für die vorangegangenen Items gab es Hinweise auf eine Wechselwirkung zwischen absolutem Lag und Freizeit (BF10 im Vergleich zum zweitbesten Modell > 1, 000). Die Interaktion scheint von der absoluten Verzögerung 5 für vorangehende Elemente angetrieben zu werden, die Verzögerung –5 in Abbildung 3b ist. Wie aus Abbildung 3b ersichtlich ist, war die Leistung bei Lag –5 bei langer Freizeit niedriger als bei kurzer Freizeit. Dieser Effekt steht im Gegensatz zu einem Freizeitnutzen und spricht daher nicht für die Annahme eines rückwirkenden Zeitnutzens.

Zeitliche Gruppierungseffekte

Die Experimente 2a und 2b wurden entwickelt, um den Freizeitnutzen durch zusätzliche Freizeit in einem der ISIs zu untersuchen. Es ist bekannt, dass eine zeitliche Lücke bei einem ISI eine zeitliche Gruppierung einführt, und daher müssen wir den Freizeiteffekt vom Gruppierungseffekt unterscheiden. Wir nahmen an, dass sowohl die kurze Lücke als auch die lange Lücke die Gruppierung in gleichem Maße induzierten, sodass jeder zusätzliche Effekt einer langen Lücke gegenüber einer kurzen Lücke den Effekt der Freizeit widerspiegelt. Hier liefern wir Beweise für diese Vermutung.

Zeitliche Gruppierungseffekte sind typischerweise gekennzeichnet durch einen starken Anstieg der Inter-Response-Zeiten für das Abrufen des Items nach der Lücke und eine Steigerung der seriellen Erinnerungsleistung sowohl vor als auch nach der Lücke (Farrell et al., 2011). Um zu überprüfen, ob eine äquivalente zeitliche Gruppierung sowohl für die Kurz- als auch für die Langlückenbedingungen induziert wurde, untersuchten wir die Daten aus Experiment 2b auf häufig beobachtete zeitliche Gruppierungseffekte auf den Serienrückruf. Wir haben uns für Experiment 2b entschieden, weil in diesem Experiment eine Basisbedingung enthalten war, die als Kontrollliste dienen könnte.

Wir haben die Differenz der Interantwortzeiten beim Abruf und der Genauigkeit des seriellen Abrufs zwischen den drei Bedingungen in zwei Schritten berechnet. Zuerst subtrahierten wir die Leistung (dh Reaktionszeiten und Genauigkeit) der No-Gap-Bedingung von der Short-Gap-Bedingung. Dieser Unterschied sollte hauptsächlich zeitliche Gruppierungseffekte widerspiegeln. Zweitens haben wir die Performance in der Short-Gap-Bedingung von der Performance in der Long-Gap-Bedingung abgezogen. Dieser Unterschied sollte den Zeiteffekt über den Effekt der Gruppierung hinaus widerspiegeln. Diese Unterschiede sind in Abbildung 4 als Funktion der Verzögerung dargestellt. Abbildung 4 zeigt, dass der Zeiteffekt qualitativ unterschiedlich war

Abb. 4. Auswirkungen der zeitlichen Gruppierung und der Zeit auf (a) Reaktionszeiten und (b) Serienrückruf in Experiment 2b. Der zeitliche Gruppierungseffekt wurde durch Berechnen des Leistungsunterschieds zwischen den Bedingungen mit kurzem Abstand und ohne Abstand bestimmt, und der Zeiteffekt wurde durch Berechnen des Leistungsunterschieds zwischen den Bedingungen mit langem Abstand und dem kurzen Abstand bestimmt. Die rote Linie bei 0 zeigt keinen Unterschied zwischen den Bedingungen an. Die Genauigkeit des seriellen Abrufs wurde bestimmt, indem jedem Listenelement nur dann eine korrekte Antwort zugewiesen wurde, wenn dieses Element an der richtigen Ausgabeposition abgerufen wurde; der Anteil dieser richtigen Antworten wurde als Gradmesser für die Genauigkeit verwendet. Unterschiede in beiden Reaktionszeiten

und Serienabrufleistung als Funktion der Verzögerung gezeigt. Fehlerbalken bezeichnen 95-Prozent-Konfidenzintervalle innerhalb der Subjekte.

aus dem zeitlichen Gruppierungseffekt. Während die selektive Gruppierung die Interantwortzeiten auf das Item Lag plus 1 (dh das Item nach der Lücke) erhöhte, tat dies der Zeiteffekt nicht. Darüber hinaus war der Effekt der zeitlichen Gruppierung auf die Genauigkeit des seriellen Abrufs symmetrisch – beide Seiten der Lücke verbesserten sich aufgrund der zeitlichen Gruppierung – während der Zeiteffekt asymmetrisch war und nur Items nach der Lücke zugute kam (zur statistischen Unterstützung dieser Beobachtungen siehe Supplemental Material). Zusammenfassend sind die Effekte der Gruppierung und der verlängerten Freizeit qualitativ unterschiedlich, was zeigt, dass der Zeiteffekt nicht nur ein verstärkter Effekt der Gruppierung ist.

Zusammenfassung

Diese Ergebnisse weisen zusammen darauf hin, dass (a) Freizeit das Gedächtnis für nachfolgende Items und nicht für die vorhergehenden Items verbessert, was auf einen rein proaktiven Nutzen hinweist, und (b) der proaktive Freizeitnutzen nicht mit der absoluten Verzögerung interagiert, was auf einen globalen hinweist Wirkung. Letzteres Ergebnis ist wichtig, da die Annahme einer ballistischen Kurzzeitkonsolidierung (Ricker & Hardman, 2017) einen solchen proaktiven Effekt nur für Lag plus 1 und nicht für andere Lags vorhersagt. In den vorliegenden Experimenten war der proaktive Effekt nicht spezifisch für Lag 1 und kann daher nicht durch kurzfristige Konsolidierung erklärt werden.

Diskussion

Wir haben gezeigt, dass Freizeit einen globalen und proaktiven Effekt auf die unmittelbare Serienerinnerungsleistung hat. Die Ergebnisse des ersten Experiments zeigten, dass der Freizeiteffekt nicht lokal, sondern global ist, was durch einen Vorteil der Freizeitverteilung über die Listenelemente angezeigt wird. Das zweite Experiment und seine Wiederholung lieferten Hinweise auf einen rein proaktiven Nutzen. Der rein proaktive Charakter des Zeitgewinns im Arbeitsgedächtnis steht im Einklang mit der Erkenntnis, dass zusätzliche Zeit nur zwischen der Präsentation von Items hilfreich ist, nicht aber nach der Präsentation der gesamten Liste (Oberauer & Lewandowsky, 2016).

Diese Befunde lassen sich weder durch Proben noch durch kurzfristige Festigungen erklären, die davon ausgehen, dass freie Zeit zur Stärkung von Repräsentationen vorangegangener Items genutzt werden kann. Unsere Ergebnisse implizieren entweder, dass zusätzliche Freizeit (zusätzlich zu 250–300 ms Präsentationszeit) für diese Prozesse nicht verwendet wurde oder dass diese Prozesse nicht hilfreich waren.2

Unsere Befunde können auch nicht durch zeitliche Besonderheiten oder durch eine Kontextverschiebung erklärt werden. Zeitliche Unterscheidungskraft sagt lokale Vorteile voraus, die symmetrisch proaktiv und rückwirkend sind, im Gegensatz zu dem, was wir gefunden haben. In Experiment 2 führte die abweichende zeitliche Lücke wohl zu einem Wechsel in einen neuen Gruppenkontext (Burgess & Hitch, 1999; Farrell, 2012). Vielleicht führte eine längere Lücke zu einer stärkeren Gruppierung? Demgegenüber stellten wir fest, dass sich die empirische Signatur der Gruppierung qualitativ von der des Freizeitnutzens unterscheidet (siehe Abb. 4).

Vielleicht könnte das Modell von Farrell (2012) eine gruppierungsbasierte Erklärung dafür liefern, warum die lange Lücke nur den Post-Gap-Items zugute kam. Die letzte Gruppe genießt in diesem Modell eine besonders hohe Zugänglichkeit, da ihr Kontext am Ende der Liste noch aktiv ist. Da unsere Aufgabe jedoch ein Serienrückruf war, mussten die Teilnehmer zuerst damit beginnen, sich an die erste Gruppe zu erinnern, was eine Wiederherstellung des Kontexts der ersten Gruppe erfordert, an welcher Stelle die letzte Gruppe ihren Nutzen verliert. Daher kann Farrells Gruppierungsmodell die vorliegenden Ergebnisse nicht erklären.

Da unsere Ergebnisse mit keinem etablierten theoretischen Vorschlag übereinstimmen, fragten wir, wie wir sie erklären könnten. Eine mögliche Erklärung ist, dass die freie Zeit ein Ad-hoc-Chunking der vorhergehenden Elemente oder deren Auslagerung in das Langzeitgedächtnis (oder beides) ermöglicht, wodurch die Belastung des Arbeitsgedächtnisses verringert wird, was die Pflege nachfolgender Elemente erleichtert. Diese Erklärung würde die Frage aufwerfen, warum diese Prozesse eine Erinnerung an die vorhergehenden Elemente unverändert lassen. Chunking wird normalerweise von einem wesentlich verbesserten Gedächtnis für die chunked Informationen begleitet (Chen & Cowan, 2005; Miller, 1956; Thalmann et al., 2019). Es ist zu erwarten, dass das Auslagern von Informationen in das Langzeitgedächtnis die Genauigkeit verringert, da die Informationen im Langzeitgedächtnis anfällig für proaktive Interferenzen sind, die sich über Studien hinweg aufbauen. Es wäre ein unwahrscheinlicher Zufall, wenn solche Transformationen der Darstellungen früher Listenelemente ihre Zugänglichkeit unverändert ließen.

Alternativ schlug eine neuere Theorie von Popov und Reder (2020) vor, dass es eine begrenzte Ressource zum Codieren von Informationen in das episodische Gedächtnis gibt, die mit jedem codierten Element erschöpft ist, und diese Ressource sich im Laufe der Zeit allmählich erholt. Wenn wir diese Idee auf den Bereich des Arbeitsgedächtnisses übertragen, könnte dies die Ergebnisse unserer Studie erklären: (a) Jeder Versuch beginnt mit einer begrenzten Codierungsressource, (b) jedes Codierungsereignis beansprucht einen festen Anteil der verfügbaren Ressourcen und ( c) während jedes Zwischenintervalls erholt sich die Ressource allmählich. Daraus folgt, dass sich die Ressource bei längeren ISIs stärker erholt. Dieser Vorteil tritt nur für Artikel nach dem ISI auf, was zu einem rein proaktiven Vorteil führt. Der Vorteil ist global, da jeder Artikel einen konstanten Anteil der verfügbaren Ressource beansprucht. Nachdem die Ressource während eines langen Intervalls aufgefüllt wurde, ist dieser Anteil eine größere Menge für alle nachfolgenden Artikel.3

Das Codierungsressourcenkonto ist eine neuartige Idee und wurde daher noch nicht auf den sofortigen Abruf angewendet. Wir haben ein einfaches Modell gebaut, das die Encoding-Resource-Idee enthält, um zu sehen, ob die beobachteten Datenmuster in unseren Experimenten damit vorhergesagt werden können.4 Abbildung 5 zeigt simulierte Daten für die Experimente 1 und 2 zusammen mit den Modellgleichungen und Beschreibungen. Das Modell sagt eine gleichwertige Leistung für lange feste und lange variable Bedingungen für Experiment 1 voraus, in Übereinstimmung mit unserem Ergebnis, und auch die Wechselwirkung der Bedingung mit der seriellen Position. Das Modell prognostiziert jedoch auch eine etwas geringere Leistung für kürzere Pre-Item-Zeiten, was wir nicht beobachtet haben. Das Modell reproduzierte den globalen und proaktiven Zeitvorteil in Experiment 2 genau.

Wir haben untersucht, ob das Modell auch den lokalen proaktiven Nutzen von Freizeit berücksichtigen kann, den Ricker und Hardman (2017) für visuelle Reize beobachtet haben. Wir haben festgestellt, dass dies bei einer schnelleren Ressourcenerschöpfung und einer schnelleren Wiederauffüllung der Fall war (siehe Abb. S2 im Ergänzungsmaterial). Daher impliziert die Encoding-Ressourcen-Annahme einen proaktiven Effekt, der – abhängig von Modellparametern – entweder globaler oder lokaler sein kann.

Zusammenfassend haben wir in drei Experimenten einen neuartigen positiven Effekt von Freizeit auf das Arbeitsgedächtnis dokumentiert, der proaktiv und global ist. Instandhaltungsprozesse, die in der Freizeit stattfinden könnten, prognostizieren einen rückwirkenden Nutzen, während das kurzfristige Konsolidierungskonto sowie die zeitliche Ausprägungshypothese einen lokalen Nutzen prognostizieren. Eine Kontextverschiebung, wie sie in einigen Modellen der zeitlichen Gruppierung vorgesehen ist, sagt symmetrische proaktive und rückwirkende Vorteile voraus. Daher können die aktuellen Erkenntnisse nicht durch Erhaltungs-, Konsolidierungs-, zeitliche Distinktions- oder Kontextverschiebungskonten in ihrer aktuellen Form erklärt werden (für Vorhersagen dieser Konten siehe Tabelle 1). Derzeit bietet nur ein neuartiges Encoding-Ressourcen-Konto eine vielversprechende Erklärung für die aktuellen Erkenntnisse. Die neuartigen empirischen Befunde hier unterstützen die Möglichkeit, dass das Arbeitsgedächtnis einer Begrenzung einer Codierungsressource unterliegt, die mit jedem codierten Element erschöpft ist und sich mit der Zeit erholt.

Transparenz

Aktionsredakteurin: Daniela Schiller

Herausgeber: Patricia J. Bauer

Autorenbeiträge

Beide Autoren entwarfen und programmierten die Experimente und sammelten die Daten. E. Mızrak analysierte die Daten und entwarf das ursprüngliche Manuskript, und K. Oberauer lieferte kritisches Feedback und Überarbeitungen. Beide Autoren genehmigten das endgültige Manuskript zur Einreichung.

Erklärung widerstreitender Interessen

Der/die Autor(en) erklärten, dass keine Interessenkonflikte in Bezug auf die Autorenschaft oder die Veröffentlichung dieses Artikels bestehen.

Abb. 5. Simulierte Daten für Experiment 1 (a, b, c) und Experiment 2 (d) zusammen mit Modellgleichungen (e). Die Diagramme zeigen (a) die durchschnittliche Leistung für jede Bedingung über Serienpositionen hinweg, (b) die Leistung für jede Bedingung gemittelt über die Serienpositionen als Funktion der Zeit vor dem Item, (c) die Leistung für jede Bedingung gemittelt über die Serienpositionen als Funktion von Post-Item-Zeit und (d) Leistung bei der unmittelbaren Serial-Recall-Aufgabe für vorhergehende und nachfolgende Items als Funktion der Verzögerung und der Menge an Freizeit. In allen Diagrammen wurde die Genauigkeit des seriellen Abrufs bestimmt, indem jedem Listenelement nur dann eine korrekte Antwort zugewiesen wurde, wenn dieses Element an der richtigen Ausgabeposition abgerufen wurde; der Anteil dieser richtigen Antworten wurde als Gradmesser für die Genauigkeit verwendet. Die Daten wurden mit einem Modell generiert, das simuliert, wie sich eine begrenzte Codierungsressource während der Codierung einer Liste entwickelt. Jeder Versuch beginnt mit einer maximalen Ressourcenmenge Rmax, und jedes Element i verbraucht einen konstanten Anteil p der verfügbaren Ressource Ri, um codiert zu werden. Die dem Gegenstand zugewiesene Ressourcenmenge Speicher bestimmt seine Speicherstärke (Gleichung 1). Während der Übergangszeit ti nach Punkt i wird die Ressource mit einer konstanten Rate r bis zum maximalen Rmax (Gleichung 2) aufgefüllt. Die Erinnerungswahrscheinlichkeit wurde mit einer logistischen Funktion der Gedächtnisstärke basierend auf Gleichung 1 mit τ und Verstärkungsparametern berechnet. Somit hat das Modell vier Parameter: erstens p, der Ressourcenanteil, den jedes Element aus dem verfügbaren Ressourcenpool verbraucht, zwischen 0 und 1; Zweitens, r, die Rate, mit der die Ressource pro Sekunde aufgefüllt wird – dies bestimmt die Zunahme der Ressourcen mit freier Zeit; drittens Gewinn; und viertens τ , die gemeinsam die Umwandlung der Gedächtnisstärke in die Wahrscheinlichkeit des Wiedererinnerns bestimmen. Die für diese Simulation verwendeten Parameterwerte sind p=0,23, r=0,11, Verstärkung=13 und τ=0 0,11.

Finanzierung

Diese Forschung wurde durch ein Stipendium des Schweizerischen Nationalfonds (Projekt 100014_179002) an K. Oberauer unterstützt.

Offene Praxen

Alle Daten wurden über OSF öffentlich zugänglich gemacht und sind unter https://osf.io/egz64 abrufbar. Die Design- und Analysepläne für die Experimente wurden nicht vorregistriert.

Dieser Artikel hat Badges für Open Data und Open Materials erhalten. Weitere Informationen zum Offenen Praktikum

tices-Abzeichen finden Sie unter http://www.psychologi calscience.org/publications/badges.

ORCID-ID

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

Ergänzendes Material

Weitere unterstützende Informationen finden Sie unter http://journals.sagepub.com/doi/suppl/10.1177/0956797621996659

Anmerkungen

1. Da das erste Element einer Studienliste kein nachfolgendes Element sein konnte und das letzte Element einer Studienliste kein vorangehendes Element sein konnte, haben wir diese Elemente von der Analyse ausgeschlossen. Daher haben wir Absolute Lag 6 ausgeschlossen, das nur das erste oder letzte Element enthielt.

2. Unsere Ergebnisse schließen einen Beitrag der kurzfristigen Konsolidierung über kürzere Zeitskalen nicht aus: Ricker und Hardman (2017) haben einen lokalen proaktiven Nutzen von freien Interitem-Intervallen bis zu etwa 500 ms gezeigt. Eine solche schnelle Konsolidierung würde wenig zum Nutzen der Freizeit im Bereich von 300 ms bis zu mehreren Sekunden beitragen, die wir hier untersucht haben.

3. Im ursprünglichen Modell von Popov und Reder (2020) ist die von jedem Codierungsereignis beanspruchte Ressource ein fester Betrag, der sich nicht mit den verfügbaren Ressourcen ändert. Hier haben wir es auf einen festen Anteil der verfügbaren Ressourcen geändert.

4. Das R-Skript für das hier beschriebene Modell und die Simulation der Daten ist unter https://osf.io/egz64 verfügbar.