فاصله مشاهده شبیه سازی شده رابطه اطمینان-دقت را برای فواصل طولانی، اما نه متوسط، مختل می کند: پشتیبانی از مدلی که نقش ابهام ویژگی را در بر می گیرد، قسمت 2

آزمایشات 1a و 1b

آزمایش‌های 1a-3 در Open Science Framework از قبل ثبت‌شده بودند. این پیش ثبت نام ها، مواد تکمیلی، و تمام مواد و داده های مورد استفاده برای تجزیه و تحلیل در اینجا موجود استhttps://osf.io/7wdvy/.

بین چارچوب های علمی و حافظه رابطه قوی وجود دارد. چارچوب علمی روشی است برای سازماندهی دانش و نظریه ها با هم برای کمک به درک بهتر و به خاطر سپردن دانش جدید.

هنگام یادگیری دانش جدید، ما اغلب فقط می توانیم برخی جزئیات نامربوط را به خاطر بسپاریم، اما نمی توانیم آنها را در ساختارهای دانش معنی دار ادغام کنیم. در این زمان، نقش چارچوب علمی آشکار می شود. با یادگیری و درک یک چارچوب علمی، می توانیم دانش جدید را با دانش موجود پیوند دهیم تا یک کل ارگانیک را تشکیل دهیم و در نتیجه درک و حافظه عمیق تری از دانش جدید داشته باشیم.

به عنوان مثال، هنگام مطالعه اکولوژی، می‌توانیم مفاهیم و نظریه‌های اساسی در مورد سیستم‌های اکولوژیکی را بیاموزیم و آنها را در سناریوهای مختلف اکولوژیکی به کار ببریم تا یک چارچوب دانش جامع و منظم تشکیل دهیم. این چارچوب می تواند به ما در درک پیچیدگی اکوسیستم ها کمک کند و مفاهیم و اصول اولیه اکولوژی را بهتر به خاطر بسپاریم.

علاوه بر این، چارچوب های علمی می توانند به ما کمک کنند تا نتایج آزمایش های علمی را بهتر درک کرده و به خاطر بسپاریم. در آزمایش‌های علمی، ما اغلب نیاز داریم که یک سری متغیرها را ادغام کنیم و آنها را کنترل کنیم تا فرضیه‌های خود را تأیید کنیم. با درک و به خاطر سپردن فرآیند تجربی، می‌توانیم معنای داده‌های تجربی را بهتر درک کنیم و آن را در طیف وسیع‌تری از زمینه‌های علمی به کار ببریم.

به طور خلاصه، چارچوب‌های علمی نه تنها به ما کمک می‌کنند تا دانش جدید را بهتر درک کرده و به خاطر بسپاریم، بلکه به ما کمک می‌کنند تا درک علمی عمیق‌تر و روش‌های تفکر ایجاد کنیم. تا زمانی که ما به طور فعال چارچوب های علمی را یاد بگیریم و به کار ببریم، می توانیم نتایج بیشتری در مطالعه و تحقیق به دست آوریم. مشاهده می شود که باید حافظه خود را تقویت کنیم. Cistanche deserticola می تواند به طور قابل توجهی حافظه را بهبود بخشد، زیرا Cistanche deserticola همچنین می تواند تعادل انتقال دهنده های عصبی مانند افزایش سطح استیل کولین و فاکتورهای رشد را تنظیم کند. این مواد برای حافظه و یادگیری بسیار مهم هستند. علاوه بر این، گوشت همچنین می تواند جریان خون را بهبود بخشد و اکسیژن رسانی را تقویت کند، که می تواند اطمینان حاصل کند که مغز مواد مغذی و انرژی کافی را دریافت می کند، بنابراین نشاط و استقامت مغز را بهبود می بخشد.

روی روش های بهبود عملکرد مغز کلیک کنید

روش

شركت كنندگان

ما حجم نمونه را بر اساس تحقیقات قبلی خود تعیین کردیم (دیویس و همکاران، 2019)، که در آن متوجه شدیم که نمونه 50 شرکت کننده در هر شرط برای بررسی تفاوت بین شرایط در منحنی های کالیبراسیون کافی است. شرکت‌کنندگان برای آزمایش 1a و 1b 102 دانش‌آموزی بودند که در کالج اسکیدمور شرکت می‌کردند و برای اعتبار دوره (MAge{5}} سال) با 51 شرکت‌کننده در هر آزمایش شرکت کردند.

مواد و روش

این روش مشابه آزمایش 2 دیویس و همکاران (2019) بود. محرک‌ها 60 چهره مرد و زن از نژادهای مختلف (مانند قفقازی، اسپانیایی، آمریکایی آفریقایی‌تبار، و آسیایی) با بیان دهان نزدیک خنثی از نژادهای مختلف بود. پایگاه داده چهره شیکاگو (ما و همکاران، 2015). فاصله با اعمال تاری گاوسی 5 برای Experiment1a و تاری 10 برای Experiment 1b بر روی عکس ها با استفاده از نرم افزار ویرایش عکس Sketch شبیه سازی شد (شکل 1 را برای محرک های مثال ببینید).

تاری گاوسی روشی برای صاف کردن عکس است که یک مقدار رنگ متوسط ​​را برای هر پیکسل بر اساس سایر پیکسل های اطراف آن ایجاد می کند و پیکسل های نزدیک تر را به شدت وزن می کند. سطح تاری به تعداد پیکسل های اطراف در نظر گرفته شده در محاسبه اشاره دارد. برای تاری گاوسی 5 (برای آزمایش 1a)، هر پیکسل دارای میانگین وزنی گاوسی از پنج پیکسل اطراف آن در هر جهت است. در آزمایش 1b، چهره‌های تار از ضریب تاری گاوسی 10 استفاده کردند که میانگین آن در نزدیکترین 10 پیکسل است و بنابراین تصویر مبهم‌تری تولید می‌کند.

ما تخمین می زنیم که تاری گاوسی 5 و 10 تقریباً با 43 و 172 فوت مطابقت دارد (نگاه کنید به Loftus & Harley، 2005؛ اما توجه داشته باشید که فیلتر تاری گاوسی مورد استفاده در اینجا کمی با فیلتر پایین گذر آنها متفاوت است).

هر شرکت کننده 30 چهره را رمزگذاری کرد که 15 چهره واضح و 15 صورت تار بود. ما به شرایط روشن به عنوان شرایط فاصله نزدیک و شرایط تار به عنوان شرایط فاصله متوسط ​​(آزمایش 1a) یا دور (آزمایش 1b) اشاره خواهیم کرد. ترتیب ارائه چهره‌های دور نزدیک و شبیه‌سازی‌شده به‌طور جداگانه برای هر شرکت‌کننده تصادفی شد و تعیین یک چهره معین برای مطالعه یا عدم مطالعه و نزدیک یا دور بین شرکت‌کنندگان متعادل شد.

قبل از رمزگذاری، به شرکت‌کنندگان گفته شد که یک سری از چهره‌ها را می‌بینند، برخی تار و برخی غیر تار، و حافظه آنها برای این چهره‌ها بعداً آزمایش می‌شود. سپس هر چهره را به مدت 1.5 ثانیه رمزگذاری کردند. پس از مرحله رمزگذاری، شرکت کنندگان یک سری پازل کلمات را به مدت 2 دقیقه تکمیل کردند و سپس دستورالعمل های آزمون تشخیص را دریافت کردند. در طول آزمایش، همه 60 چهره (30 چهره قبلاً کدگذاری شده و 30 چهره جدید) بدون تاری ارائه شدند، دقیقاً مانند زمانی که یک شاهد چهره‌ها را در یک صف مشاهده می‌کند.

چهره ها در یک زمان به صورت تصادفی ارائه شدند، و ابتدا از شرکت کنندگان خواسته شد که مشخص کنند آیا یک چهره مشخص دیده شده است یا نه، و سپس اعتماد خود را به پاسخ خود در مقیاسی از 0 (یک حدس) تا 100 نشان دهند. مسلم - قطعی). هم تکلیف تشخیص قدیم/جدید و هم قضاوت‌های اعتماد به خودی انجام می‌شد. پس از اتمام آزمون، شرکت کنندگان به یک سری سوالات دموگرافیک پاسخ دادند و مورد بررسی قرار گرفتند.

نتایج

آزمایش 1a

ما ابتدا تأثیر فاصله مشاهده شبیه‌سازی شده بر عملکرد کلی حافظه را بررسی می‌کنیم (به جدول 1 خلاصه بازدیدها، آلارم‌های کاذب، و امتیازات d-prime مراجعه کنید). چهره جدید) از ضربه ها (با پاسخ صحیح "دیده شده" به چهره قدیمی)، با نمرات صفر که نشان دهنده عدم تمایز بین چهره های قدیمی و جدید است و نمرات بالاتر نشان دهنده سطوح بهتری از تشخیص است. جای تعجب نیست که، قابلیت تشخیص برای چهره‌هایی که در فاصله شبیه‌سازی شده متوسط ​​(M=0.99) کدگذاری شده‌اند بسیار ضعیف‌تر از چهره‌هایی است که در فاصله شبیه‌سازی‌شده نزدیک (M=1.77)، t(50) کدگذاری شده‌اند. )=6.14، ص<0.001, d=0.86.

کالیبراسیون بین اطمینان و دقت از موارد بسیار مهم بود. با توجه به اهمیت کاربردی و نظری بیشتر پاسخ‌های قدیمی نسبت به پاسخ‌های جدید، تنها داده‌هایی را برای چهره‌هایی که شرکت‌کنندگان به‌عنوان قدیمی شناسایی می‌کردند، تجزیه و تحلیل کردیم (به Weber & Brewer، 2003 برای بحث در مورد پاسخ‌های قدیمی برای درک رابطه اطمینان- دقت در حافظه شاهد عینی مهم‌تر مراجعه کنید).

ما پاسخ های قدیمی را به چهار سطل اطمینان تقسیم کردیم که اندازه آنها بر اساس تحقیقات قبلی ما بود (برای بحث در مورد این روش به Daviset al., 2019 مراجعه کنید)، و دقت کلی را رسم کردیم (به عنوان مثال، تعداد دفعاتی که یک شرکت کننده به درستی به موارد قبلی پاسخ داد تقسیم بر تعداد کل پاسخ‌های قدیمی) به عنوان تابعی از هر یک از این چهار سطح اطمینان. 3 همانطور که در شکل 2 مشاهده می‌شود، کالیبراسیون عموماً برای چهره‌هایی که در زیر هر دو کدگذاری شده بودند، بسیار خوب بود.

شرایط فاصله نزدیک و متوسط چهار آزمون t زوجی تأیید کرد که بین این دو شرط در هیچ یک از چهار سطح اطمینان، ts تفاوت معناداری وجود ندارد.<1.69. Thus, whereas memory was impaired overall when faces were encoded at a medium distance, there was no impact on the relationship between confidence and accuracy. This is largely consistent with the extant literature that has examined the impact of estimator variables on the confidence–accuracy relationship (e.g., Davis et al., Palmer et al., 2013).

آزمایش 1b

مجدداً، ما ابتدا دقت حافظه بین چهره‌های دور واضح و شبیه‌سازی شده را با استفاده از اندازه‌گیری وابسته d prime asthe بررسی کردیم (جدول 1 را ببینید). همانطور که در آزمایش 1a، تمایز برای چهره هایی که در فاصله شبیه سازی شده دور ارائه شده بودند کمتر بود (M=0.58). 50)=11.42، ص<0.001, d=1.60.

یک بار دیگر، ما در درجه اول به رابطه بین اطمینان و دقت علاقه مند شدیم که در شکل 1 به تصویر کشیده شده است. 3. در اینجا، هیچ تفاوتی بین شرایط در سه سطح اول اطمینان وجود ندارد، این است<1.41, but accuracy was significantly worse for faces encoded at a far simulated distance relative to faces that were encoded at the near simulated distance at the highest bin of confidence, t(35)=3.39, p=0.002, d=0.57.4

بحث

آزمایش‌های 1a و 1b یک جفت به ظاهر نامتجانس از یافته‌های مشابه Lockamyier و همکاران را نشان دادند. (2020) و نایمن و همکاران. (2019). در حالی که رمزگذاری در یک فاصله شبیه‌سازی‌شده حافظه کلی را در هر دو آزمایش مختل کرد، تأثیر فاصله مشاهده شبیه‌سازی‌شده بر رابطه اطمینان - دقت به سطح فاصله بستگی داشت. در آزمایش 1a، اطمینان پیش بینی کننده دقت در هر چهار سطل اطمینان است. با این حال، در فاصله شبیه‌سازی‌شده‌تر، شرکت‌کنندگان برای چهره‌هایی که در فاصله شبیه‌سازی‌شده دور کدگذاری شده‌اند، دقت کمتری نسبت به فاصله نزدیک داشتند.

این یافته به‌ویژه برای محاکمه‌کنندگان حقایق در سیستم عدالت کیفری مشکل‌ساز است، زیرا هویت‌های با اطمینان بالا به احتمال زیاد به عنوان شواهد اثباتی در دادگاه خدمت می‌کنند. بنابراین، اگر اطمینان پیش‌بینی‌کننده دقت در سطوح بالای اطمینان برای چهره‌هایی که از فاصله دور مشاهده می‌شوند نباشد، توصیه‌هایی برای بهترین شیوه‌ها در این شرایط احتمالاً شامل عدم اجازه دادن به چنین شاهدان عینی برای شهادت دادن است. بنابراین، ما فکر کردیم که عاقلانه است که این یافته را با استفاده از یک نمونه متفاوت در یک آزمایش واحد تکرار کنیم (برای بحث در مورد اهمیت تکرارپذیری در علم روانشناسی به Open Science Collaboration، 2015 مراجعه کنید). به طور خاص، ما تفاوت بین شرایط نزدیک--، فاصله متوسط ​​و دور را در یک آزمایش واحد با استفاده از کارگران در Mechanical Turk آمازون مقایسه کردیم.

آزمایش 2

روش

شرکت کنندگان، طراحی، مواد و روش

صد و پنج کارگر MTurk در غرامت پولی (MAge{0}} سال)، با ۵۳ شرکت‌کننده در شرایط فاصله نزدیک و ۵۲ شرکت‌کننده در شرایط مسافت دور شرکت کردند. مواد مورد استفاده در اینجا با مواد مورد استفاده در آزمایش‌های 1a و 1b یکسان بود. با این حال، ما درجه تاری گاوسی (فاصله متوسط ​​و فاصله دور) را بین افراد در یک آزمایش منفرد دستکاری کردیم. بنابراین، این طرح یک طرح ترکیبی 2 (فاصله: نزدیک در مقابل دور) × 2 (سطح فاصله: متوسط ​​و دور) بود، با فاصله چهره، e در درون سوژه ها دستکاری شده و سطح فاصله بین سوژه ها دستکاری می شد.

نتایج و بحث

ما ابتدا عملکرد کلی حافظه را با ANOVA ترکیبی 2 (فاصله صورت: نزدیک در مقابل دور) 2 (سطح فاصله: متوسط ​​یا دور) بررسی کردیم (جدول 1 را ببینید). یک اثر اصلی Face Distance، F(1, 103)=50.69,p وجود داشت<0.001, ηp 2=0.33, with lower discriminability for faces that were encoded at a simulated distance. Tere was also a nearly significant main effect on the Level of Distance, F(1, 103)=3.97, p=0.05, ηp 2=0.04, with lower discriminability in the Far Distance condition than the Medium Distance condition. Te interaction was not signifcant, F(1, 103)<0.001, p=0.99, ηp 2<0.001.Thus, memory performance was worse for distant faces than near faces and was worse still for the far distance relative to the medium distance.

همانطور که در آزمایشات 1a و 1b، ما در درجه اول به تأثیر سطوح مختلف فاصله بر رابطه بین اطمینان و دقت علاقه مند بودیم (شکل 4 را ببینید). همانطور که در پیش ثبت نام مشخص شد، ما چهار ANOVA ترکیبی 2 جداگانه (فاصله صورت: نزدیک در مقابل دور)×2 (سطح فاصله: متوسط ​​یا دور) را در هر سطح اطمینان انجام دادیم. در سه سطح اول اطمینان، هیچ اثر یا تعامل اصلی وجود نداشت<1.79. At the highest level of confdence, there was a main efect of Face Distance, F(1, 67)=21.39, p<0.001,ηp 2=0.24, as well as a main efect of Level of Distance, F(1, 67)=8.08, p=0.006, ηp 2=0.11. These main effects were qualified by significant interaction, F(1, 67)=4.90, p=0.03, ηp 2=0.07. 

آزمایش‌های پیگیری در این بالاترین سطح اطمینان (با استفاده از تصحیح بونفرونی برای مقایسه‌های چندگانه، آلفای بحرانی=0.013) نشان داد که در شرایط فاصله متوسط، مقایسه بین چهره‌های دور و نزدیک نزدیک شد، اما به t(39) معنی‌دار نشد. =2.41، p=0.02، d=0.38. در شرایط دور، مقایسه بین چهره های دور و نزدیک معنی دار بود، t(28)=3.59، p=0.001، d=0.67، با دقت کمتر. برای چهره هایی که در فاصله دور رمزگذاری شده اند (M{19}}.60) نسبت به چهره هایی که در فاصله نزدیک رمزگذاری شده اند (M=0.85). هیچ تفاوتی بین شرایط فاصله متوسط ​​و دور برای چهره‌ها در فاصله نزدیک کدگذاری نشد. t(89)=1.20, p{28}}.23, d{30}}. . با این حال، دقت برای چهره‌هایی که در فاصله دور کدگذاری شده‌اند (M{32}}.60) کمتر از چهره‌هایی بود که در فاصله متوسط ​​کدگذاری شده‌اند (M{34}}.82), t(70){{37} }.98، ​​p{39}}.004، d=0.71.

مشابه آزمایش‌های 1a و 1b، به نظر می‌رسد که تأثیر کمی فاصله شبیه‌سازی شده بر رابطه اطمینان - دقت در سطح پایین‌تر از فاصله وجود داشته است. با این حال، در سطح بیشتری از فاصله، شرکت‌کنندگان نسبت به چهره‌های شفاف و چهره‌هایی که از فاصله متوسط ​​مشاهده می‌شدند، به طور قابل‌توجهی بیش از حد اعتماد به نفس بیشتری داشتند.

هدف آزمایش 3 تلاش برای پیاده‌سازی هشدار آموزشی بود (به Blank & Launay، 2014، انجمن متاآنالیز در مورد دستکاری‌های هشدار مشابه در ادبیات اطلاعات نادرست مراجعه کنید) که برای بهبود اثر رمزگذاری چهره‌ها در فاصله شبیه‌سازی شده دور بر رابطه اطمینان و دقت طراحی شده بود.

For more information:1950477648nn@gmail.com