Двигатель познания
Что может быть проще, чем прочитать несколько пунктов, таких как цифры в номере телефона, и вызвать их в правильном порядке через некоторое время? Простая, как может показаться эта задача краткосрочного серийного вызова, она способствует развитию таких языковых навыков, как овладение словарным запасом и произношение. Краткосрочная память (STM) для последовательного заказа может также быть важным элементом в умственной арифметике с обрабатывающим компонентом (например, арифметической арифметикой), результирующий показатель "рабочего диапазона памяти" является высокопрогнозирующим когнитивное функционирование на более высоком уровне, включая способность к текучести интеллекта и рассуждений.
Соответственно, SТМ является признанным ключевым компонентом познания, и существует определенный консенсус в отношении того, что расширение нашего понимания SТМ в конечном счете будет способствовать решению других головоломок когнитивного функционирования.
Важность SТМ также отражается в богатстве имеющихся данных и многообразии существующих количественных теорий.
Богатство данных
Фокус идет на ситуациях, когда людям представляются короткие списки (обычно не более 5-7 пунктов) для изучения и немедленного (или почти немедленного) поиска. Память для заказа между элементами - в дополнение к памяти для их идентификации - считается критически важной, и поэтому большая часть соответствующих данных была сгенерирована с помощью тестов последовательного вызова или других задач, чувствительных к заказу, таких как последовательная реконструкция.
При последовательном вызове люди должны сообщать о пунктах списка в том порядке, в котором они были представлены, либо с самого начала списка (повторный вызов), либо с самого начала (повторный вызов), либо с самого конца (повторный вызов). В задании на реконструкцию, напротив, все элементы списка отображаются снова при извлечении в случайной последовательности, и задача участника состоит в том, чтобы упорядочить элементы в их первоначальном порядке представления. Поскольку на сегодняшний день в SТМ опубликовано около 13 000 документов , богатая база данных не всегда поддается краткому обобщению; однако, к счастью, существует определенное согласие по ряду выводов, которые считаются эталонными.
Последовательное положение
Кривая последовательного положения для прямого последовательного вызова является обязательным условием для моделирования в STM; все теории учитывают широкий приоритет и ограниченную новизну. Эта модель меняется на обратную с обратным воспоминанием, и в этом случае наблюдается крутая и обширная новизна, но незначительное превосходство. Симметрия примата и новизны достигается задачей реконструкции. Возможно, несколько удивительно, что лишь немногие модели (если таковые вообще имеются) поддерживают обратный вызов и реконструкцию, и поэтому мы ограничиваемся рассмотрением кривой серийного положения для прямого вызова.
Схемы ошибок
Прямая последовательная кривая положения сопровождается очень регулярной моделью ошибок различного типа. Если элемент списка вызывается в неправильном положении, это считается ошибкой переноса (это единственная возможная ошибка при выполнении задачи реконструкции).
Большинство транспозиций связано с соседними позициями списка, так что третий элемент может быть вызван во второй или четвертой позиции вывода (а не в первой или седьмой позиции). Это свойство транспозиций известно как "локальное ограничение" , и подчиняется упорядоченному свойству, согласно которому увеличение перемещений элементов списка становится все менее вероятным.
Эффект фонологического сходства
Эффект фонологического сходства относится к вездесущему выводу, что списки, состоящие из аналогичных звучащих элементов, воспроизводятся менее точно в правильном порядке, чем списки, в которых элементы звучат не так . Эффект имеет значительный обобщающий характер и возникает с согласными, а также со словами, и в основном обусловлен увеличением ошибок при транспозиции. С увеличением интервала удержания вредное воздействие фонологического сходства либо уменьшается, либо отменяется.
Разновидности теорий
Полный обзор имеющихся теорий выходит за рамки данной главы; тем не менее, дать широкую классификацию моделей в соответствии с их архитектурой и лежащими в их основе пояснительными конструкциями может быть полезным.
Характер представительства
Что касается представлений, то Page приводит аргументы в пользу локалистского хранения, то есть выделения уникального места в памяти для каждого элемента, тогда как другие приводят аргументы в пользу противоположного понятия, а именно, что каждый элемент представлен множеством единиц информации и что одни и те же элементы способствуют хранению всех элементов. Последний подход реализует распределенное представление.
Локализация эффектов подобия
Местонахождение эффектов сходства и, в частности, необходимость второго выходного каскада для объяснения фонологической путаницы также является предметом обсуждения (например, Page & Norris, 1998 против Lewandowsky & Farrell, 2006), и мы рассмотрим этот вопрос ниже.
Тип ассоциации
После угасания роли цепных моделей характер и тип ассоциаций в настоящее время значительно менее противоречив. Например, в OSCAR элементы связаны с временным ''контекстным'' сигналом, который автономно развивается с течением времени, управляемым набором осцилляторов. Механизм временной различительной способности в SIMPLE можно понять аналогичным образом. Альтернативный класс маркеров включает в себя скорее ординарное положение, чем время.
Роль времени в кодировании
Важно подчеркнуть, что маркировка элементов может также включать временное кодирование - как в осцилляторной модели OSCAR или SIMPLE, так и в событийной модели. В первом случае элементы связаны с постоянно меняющимся сигналом, чья временная эволюция не зависит от событий кодирования или извлечения, но зависит только от прохождения хронологического времени. В последнем случае элементы связаны с сигналом, который не зависит от времени как такового, но предполагается, что он будет развиваться вместе с событиями поиска и/или изучения.
Роль времени во время забывания
В рамках данной модели роль времени в кодировании не всегда отражается на роли времени во время кодирования; например, модель примата основана на временном распаде, чтобы объяснить забывание, тогда как время не играет никакой роли во время кодирования. И наоборот, даже если OSCAR ассоциирует события с временным сигналом во время кодирования, забывание не обусловлено временным распадом.
Градиент приоритетности
Еще одним свойством, характеризующим многие, но не все модели, является наличие градиента первозданности. Градиент приоритетности воплощает в себе предположение о том, что качество информации, доступной для извлечения изделия, снижается по всем позициям серийного производства. В некоторых случаях это достигается с помощью одного или двух весовых параметров, которые уменьшают силу кодирования для следующих друг за другом элементов. Напротив, градиент приоритетности возникает как естественное следствие взвешивания прочности кодирования любого нового элемента пропорционально его новизне.