Доживљавање изненађења: временска динамика његовог утицаја на памћење, 2. део

Статистичка анализа

Да бисмо проценили динамичко кодирање модулисано очекивањима, упоредили смо скупове објеката (јабуке, маказе, итд.). У сваком сету, постојала су четири скупа догађаја (циљ; Ф1, најсличнији; Ф2, средња сличност; и Ф3, најмање сличан), сваки са насумично додељеним (1) условом очекивања, (2) позицијом презентације унутар скупа и (3 ) редослед презентације при преузимању (1–312 покушаја).

Људско памћење је невероватно. Кроз искуство, учење и обуку можемо знатно побољшати своје способности памћења. У свакодневном животу често морамо да памтимо разне информације, као што су бројеви телефона, рођендани, имена, лозинке, итд. Све ове ствари захтевају меморију.

Међутим, ако се сетимо превише ствари, или ако нису представљене у исправном редоследу, онда ћемо имати потешкоћа или чак одустати од памћења. Ово је однос између редоследа презентације и памћења.

Правилан редослед презентације може нам помоћи да боље запамтимо информације. На пример, ако желимо да запамтимо низ бројева, можемо покушати да их распоредимо према одређеном обрасцу, као што је растући или опадајући редослед, упарене комбинације итд. Ове методе нам могу помоћи да олакшамо разумевање и памћење информација.

При учењу нових знања веома је важан и редослед излагања. Ефикасније учимо нове ствари ако ново знање разбијемо на мање делове и постепено повећавамо потешкоћу. Овај метод се назива „градирани задаци“, који нам могу помоћи да брзо савладамо нова знања и мање је вероватно да ћемо их изоставити или збунити.

У свакодневном животу такође можемо користити исправан редослед презентације да бисмо побољшали памћење. Породични календари, белешке и листе могу нам помоћи да боље организујемо своје животе тако да више не заборављамо важне ствари или пропуштамо рокове.

Укратко, исправан редослед презентације може знатно побољшати нашу способност памћења. Правилним распоредом и анализом можемо боље разумети информације, запамтити их и применити у нашим будућим животима. Хајде да користимо исправан редослед презентације да стимулишемо потенцијал нашег мозга, савладамо више знања и учинимо своје животе испуњенијим и лепшим. Види се да морамо побољшати памћење, а цистанцхе десертицола може значајно побољшати памћење, јер и цистанцхе десертицола може да регулише равнотежу неуротрансмитера, као што је повећање нивоа ацетилхолина и фактора раста. Ове супстанце су веома важне за памћење и учење. Поред тога, месо такође може побољшати проток крви и подстаћи испоруку кисеоника, што може осигурати да мозак добије довољно хранљивих материја и енергије, чиме се побољшава виталност и издржљивост мозга.

Кликните на сазнајте начине за побољшање функције мозга

Покренули смо модел бинарне логистичке регресије са мешовитим ефектима на овим негруписаним подацима, користећи статус очекивања тренутних и претходно постављених догађаја и позицију презентације при преузимању као коваријату. Модели су израчунати коришћењем пакета лме4 (Батес ет ал., 2{ {4}}15) у Р окружењу (Р Девелопмент Цоре Теам, 2008). Параметри таквих модела могу се користити за процену вероватноће давања тачног одговора („стари“ за мете, „нови“ за фолије) и такође узети у обзир јединствено пресретање сваког учесника (пристрасност одговора). Да бисмо проценили нагиб сваког предиктора у моделу (Х0: б=0), користили смо омнибус к2 Валдтест (Вест ет ал., 2014), као што је имплементирано у пакету аутомобила (Фок анд Веисберг, 2018).

Екстракција и цртање доле наведених ефеката спроведено је коришћењем пакета ефеката (Фок, 2003), средстава (Сеарле ет ал., 1980) и ггплот2 (Вицкхам, 2009). Да бисмо испитали динамичку интеракцију између перцептивне сличности и статуса очекивања, за сваки скуп догађаја осмислили смо три модела од интереса, моделирајући сваки догађај засебно као функцију претходног низа догађаја.

На пример, циљеви којима претходи Ф1 су моделовани одвојено од циљева којима претходи Ф2. Да бисмо елиминисали све ефекте изазване разликама у јачини меморије, у овај модел смо укључили само догађаје за које је претходни одговор био тачан (тј. за мете које следе Ф1 догађаје, укључили смо само циљеве који су пратили ЦР1). Слични резултати су примећени када су у модел укључена сва испитивања (погледајте ГитХуб спремиште за код за покретање анализа и генерисање фигура). Сваки модел је тако укључивао тренутни и претходни статус очекивања сетевента, као и редослед презентације при преузимању као коваријату. Код и подаци доступни су овде:хттпс://гитхуб.цом/фрдариа/ДинамицЕкпецтатион.

Експеримент 2

Учесници

Укупно 25 учесника (осам мушкараца, старости 18–33 године, средња вредност=25, СД=4.2) дало је информисани пристанак и учествовало у студији. Учесници су имали нормалан или исправљен на нормалан вид и нису имали историју неуролошких или психијатријских поремећаја. Све процедуре је одобрио етички комитет Универзитета у Манчестеру. Један учесник је искључен из свих анализа због неуспеха да научи непредвиђено стање исхода током задатка учења правила.

Експериментални дизајн

Слична парадигма и манипулација очекивањима коришћена је у експерименту 2, са следећим изузецима: у фази кодирања, сваки објекат је представљен три пута узастопно. Сваки објекат је био на екрану 2000 мс, са потресаним фиксационим крстом (250–750 мс) између сваке презентације. Током прве и друге презентације, од учесника је затражено да донесу семантичку одлуку о објекту, да ли је вештачки или природни, и да ли је већа вероватноћа да ће се наћи у затвореном простору или на отвореном. Редослед ових питања био је насумичан. Током треће презентације, од учесника се увек тражило да пажљиво проуче објекат фокусирајући се на детаље. Након треће презентације, постојао је још један немирни фиксациони укрштај, за дужи период (800–1200 мс), да би се створили мини блокови који раздвајају сваки објекат.

Задатак учења правила био је идентичан оном коришћеном у експерименту 1, осим дужег времена презентације одговора знака (3 с уместо 1 с) и потресног укрштања фиксације (250–750 мс) између сваког покушаја (погледајте Проширени подаци, сл. 1-1 за бихејвиоралне и проширене податке Слика 1-2 за МРИ резултате из задатка учења правила). Пре задатка преузимања, учесници су решавали аритметичке задатке 2 минута (без скенирања).

Приликом извлачења користили смо два нивоа сличности фолије (Ф1 и Ф2) у сваком сету, уместо три. У интересу оптимизације времена у скенеру, Ф3 објекти нису коришћени, јер нису дали никакве ефекте од интереса у експерименту1. Сваки покушај проналажења почињао је немирним фиксационим укрштањем (250–750 мс), након чега је уследила презентација сигнала током 1000 мс, а затим постављени догађај (циљ, Ф1 или Ф2) током 3000 мс. У свим скенираним задацима користили смо имплицитне основне линије (укрштања за фиксирање за 3500 мс у кодирању и задацима учења правила, 4500 мс у проналажењу) у 30% испитивања.

Статистичка анализа понашања

Пратећи анализу и резултате из експеримента 1, скупили смо циљеве и Ф1 догађаје и моделирали вероватноћу доношења исправне одлуке (погоди и тачна одбацивања) на основу статуса очекивања тренутно постављеног догађаја и статуса очекивања претходног постављеног догађаја.

Као у експерименту 1, да би се елиминисала конфузија јачине меморије, укључени су само тачни одговори (погледајте ГитХуб спремиште за сличне резултате када су укључена сва испитивања и за одвојене анализе циљева и Ф1). Корекције Ф2 фолија су такође моделоване као функција претходних параметара, као што је урађено за експеримент 1.

фМРИ аквизиција и статистичка анализа

МР скенирање је спроведено на 3Т МРИ скенеру (Пхилипс, Ацхиева). Да би се минимизирали покрети током скенирања, коришћени су клинови од пене и мекани јастучићи за стабилизацију главе учесника. Прво су сакупљене Т1-пондерисане слике (величина матрице: 256 256, 160 резова, величина воксела 1 мм изотропна) док су се учесници одмарали у скенеру. За прикупљање Т2* слика за БОЛД сигнал је коришћена градијентна ехопланаримагинг секвенца (ЕПИ). 40 резова паралелних са АЦ-ПЦ линијом, који покривају цео мозак (величина матрице 80 80, величина воксела 3 3 3,5 мм3), добијено је за сваки волумен (ТР=2.5с, ТЕ=35 мс) .

Учесници су обавили три задатка у скенеру (кодирање 313 томова; учење правила 143 свезака; преузимање 534 томова) и задатак дистрактора, који није скениран. фМРИ подаци су претходно обрађени и анализирани помоћу СПМ12 (Статистицал ПараметерМаппинг, Веллцоме Центер фор Хуман Неуролеимаге Лондон ://ввв.фил.ион.уцл.ац.ук/спм/софтваре/спм12/). Слике су поново поравнате са средњом сликом коришћењем шестопараметарске трансформације крутог тела, поново исечене коришћењем синк интерполације и исправљене у времену пресека на средину кришка.

Т1 анатомске слике су заједно регистроване на одговарајућу средњу ЕПИ слику. Просторна нормализација на шаблон Монтреалског неуролошког института (МНИ) спроведена је коришћењем ДАРТЕЛ алата имплементираног у СПМ12 (Асхбурнер, 2007). Анизотропно 8 мм ФВХМ Гаусово језгро је коришћено за уједначавање нормализованих ЕПИ података за униваријантне анализе.

Да би се уклонио нискофреквентни шум, подаци су високопропусни филтрирани коришћењем граничне вредности од 128 с. Два а приори региона од интереса (РОИ), билатерални хипокампус и РОИ средњег мозга укључујући само супстанцију нигру (СН) и вентрални тегментум области (ВТА). Маска хипокампуса је узета из анатомског атласа Харвард-Окфорд (праг на 25% вероватноће; Десикан ет ал., 2006). Маска средњег мозга је узета из атласа вероватноће средњег мозга (Мурти ет ал., 2014).

Функционални подаци сваког учесника из сесије преузимања анализирани су коришћењем оквира општег линеарног модела (ГЛМ) у оквиру дизајна везаног за догађаје који моделира канонску функцију хемодинамског одговора. Шест параметара кретања произведених приликом поновног поравнања за сваку сесију коришћено је као регресори сметњи. Да би се минимизирали артефакти резидуалног покрета, АртРепаир кутија са алаткама (хттп://цибср.станфорд.еду/тоолс/хуман-браин-пројецт/артрепаир-софтваре.хтмл) је коришћена за производњу додатних регресора сметњи за сваког учесника.

Временске серије су биле високопропусно филтриране да би се уклонио нискофреквентни шум (128-сцутофф). Имајући у виду нашу априорну хипотезу за РОИ уведену горе (билатерални хипокампус и СН/ВТА), приступ корекције мале запремине (СВЦ) је усвојен за ове регионе, исправљен за породичну грешку (ФВЕ) за запремину РОИ (почетни праг формирања кластера п, 0.001).

За детаљније анализе целог мозга, коришћен је приступ заснован на непараметарској пермутацији (н=5000) за идентификацију значајних кластера помоћу СнПМ алата (хттпс://варвицк.ац.ук/фац/сци/статистицс/стафф /ацадемиц-ресеарцх/Ницхолс/софтваре/снпм/). Коришћен је почетни праг за формирање кластера од п, 0.005, а приказани су кластери значајни при непараметарском п, 0,05. Т-мапе на нивоу групе без прага од СПМ и СнПМ доступне су овде:хттпс://неуроваулт.орг/цоллецтионс/ТТДМПХЛЕ/.

Да бисмо тестирали ефекат понашања интеракције између контекстуалног очекивања претходног догађаја и контекстуалног очекивања тренутног догађаја, скупили смо циљеве и Ф1 и класификовали их на основу редоследа презентације (који је био први) и њиховог статуса очекивања. Ф2 догађаји су моделовани као посебан услов.

У овој анализи упоређујемо тренутну ставку између тренутног и претходног статуса очекивања (нпр. ЕпревУцурр . ЕпревЕцурр). С обзиром на наш експериментални дизајн, постоје четири параметра чије интеракције би се могле даље истражити: постављени догађај (циљ, Ф1, Ф2), контекстуално очекивање (очекивано или неочекивано), дат меморијски одговор (тачан или нетачан) и редослед презентације унутар скупа (први, други). , или последње). Ово резултира 36 услова; међутим, ово није могло да се моделује заједно због недовољног броја канти за пробне тестове (н, 7) за већину учесника.

Стога смо осмислили три одвојена модела; у првом моделу смо испитали главни ефекат очекивања, без обзира на постављени догађај или одлуку о признању. У другом моделу, испитали смо успешне меморијске интеракције догађаја постављених очекивањима тако што смо сажимали покушаје по редоследу презентације и моделовали само тачне одговоре за сваки догађај (сви нетачни одговори су моделовани као посебан регресор). У трећем моделу, истражили смо интеракцију очекивања, постављеног догађаја и редоследа презентације, без обзира на одговоре на препознавање.

Резултати

Спровели смо два експеримента, експеримент 1 је испитивао бихејвиоралне одговоре, а експеримент 2 је користио сличну парадигму док су фМРИ подаци прикупљени. У оба експеримента, наш задатак понашања је укључивао три фазе (за експериментални дизајн, види слику 1): након кодирања слика објеката, учесници су извели задатак учења правила у којем су научили контингентност између знака и категорије објекта (човјек- направљени или природни). Затим су, при преузимању, представљени исти трагови, а затим стари (мета) или нови (фолијски) објекат.

Фолије су параметарски манипулисане сличним објектима, Ф1, Ф2 и Ф3 у опадајућем редоследу сличности са метом. Учесници су замољени да донесу стару/нову одлуку о препознавању. У једној трећини покушаја проналажења, унапред утврђена контингентност знака и категорије објекта је прекршена. Да бисмо проценили кодирање модулисано очекивањима и његову осетљивост на перцептуалну сличност, користили смо логистичку регресију мешовитих ефеката да моделујемо одговор (тачно/нетачно препознавање) на сваки скуп догађај (мете и сличне фолије) као функцију претходног догађаја из тог скупа (нпр. , ако се прво прикаже Ф1, а касније циљ, то ће бити забележено као Ф1прев Таргетцурр).

Штавише, сваки постављени догађај је био повезан са статусом очекивања који је одређен претходним знаком (догађаји који поштују правила су означени као очекивани, а кршећи правила као неочекивани). Сваки модел је такође укључивао интеракцију између тренутног и претходног статуса очекивања сетевента да би се испитале динамичке промене (нпр. како претходна неочекивана фолија утиче на препознавање тренутно очекиване мете; видети слику 1Ц; за све детаље погледајте материјале и методе).

Експеримент 1

Меморија за циљеве је модулисана претходним неочекиваним догађајима сличног скупа

За циљеве након догађаја Ф1 сет, пронашли смо значајне главне ефекте очекивања Ф1 (б=0.659, Кс2(1)=4.63, п =0.031 ), као и маргинална интеракција између очекивања циља и статуса очекивања претходног Ф1 (б =0.939, Кс2(1)=3.65, п=0.056; Слика 2А). Накнадни тестови контраста су открили да је већа вероватноћа да ће се очекивани циљеви запамтити након неочекиваног Ф1, у поређењу са очекиваним догађајем постављеног Ф1 (з=2.15, п=0.031). Штавише, када је претходни догађај Ф1 сет био неочекиван, већа је вероватноћа да ће следећи очекивани циљеви бити исправно запамћени, у поређењу са неочекиваним циљевима (з=2.37, п=0.017). Приликом испитивања циљева који су пратили догађаје Ф2 и Ф3, нисмо приметили никакве значајне предикторе (сви пс. 0,127).

Тачно одбацивање сличних фолија је модулисано статусом очекивања претходних мета

За Ф1 догађаје који прате циљеве, пронашли смо интеракцију између статуса очекивања два догађаја (б=0.79, Кс2(1)=5.29, п=0.0 21; Слика 2Б), са контрастима који показују тачније одбацивање догађаја Ф1 (ЦР1), за очекивани Ф1 од неочекиваних догађаја Ф1 који прате неочекиване циљеве (з= 2.65, п= 0.0 08) и незнатно мање тачних одбијања за неочекивани Ф1 када је претходни циљ био неочекиван, у поређењу са оним када се очекивао (з= 1.95, п= 0.0507; Слика 2, средњи панел). Сви остали ефекти нису били значајни (аллпс . 0,255). Приликом испитивања догађаја Ф1 који су пратили догађаје скупа Ф2 и Ф3, нисмо приметили никакве значајне предикторе (аллпс . 0,274).

Модулација секвенце очекивања се смањује како се смањује перцептивна сличност

На догађаје Ф2 нису утицали претходни циљеви (сви пс . 0.171), Ф1 (сви пс . 0.197) или Ф3 (сви пс . 0.174) од исти сет.

Слично томе, одговори на догађаје Ф3 нису били модулисани ниједним претходним скупом догађаја (циљеви: сви пс . 0.484, Ф1: сви пс . 0.148, Ф2с: сви пс . 0 .321).

Мете и њихове најсличније фолије показују аналогне ефекте секвенце очекивања

Узимајући у обзир сличне ефекте уочене за циљеве и догађаје Ф1 независно, ми смо објесили та два, да бисмо испитали да ли су ови ефекти комплементарни (тј. да ли постоји интеракција између тренутног и претходног статуса очекивања; слика 2Ц). Иако погоци и тачна одбацивања нису нужно производи истог мнемоничког процеса, у овој парадигми они пружају прилику да се испита како перцептивно оптерећење (у облику сличности) реагује са динамичким модулацијама очекивања.

Мнемоничко поређење између тренутног постављеног догађаја (циљ или Ф1) и његовог претходног постављеног догађаја (Ф1 или циљ, респективно), формира највеће оптерећење или сметњу у вези са кодираним објектом, док учесник доноси одлуку о препознавању. Стога, ако су перцептивни процеси укључени, у сусрету са неочекиваним догађајем, ефекти уочени за сваки постављени догађај појединачно би требало да се реплицирају. Пронашли смо значајан главни ефекат статуса очекивања претходног догађаја (б=0.341, Кс2(1)=4.9,п=0.027), као и значајну интеракцију између статуса очекивања тренутног и претходног догађаја (б =0.682, Кс2(1)=6.5, п=0.01).

Накнадни тестови контраста су открили да када је претходни постављени догађај био неочекиван, уочени су тачнији одговори за очекиване у поређењу са неочекиваним догађајима (УпревЕцурр . УпревУцурр; з=3.1,п=0.002). УпревУцурр је био бројчано мањи од ЕпревУцурр, али овај ефекат није достигао статистички значај (п=0.116). Поред тога, било је тачнијих одговора за тренутне очекиване догађаје након неочекиваних догађаја од очекиваних (ЕпревЕцурр, УпревЕцурр; з {{6 }}.22, п=0.027).

For more information:1950477648nn@gmail.com