মৌখিক এবং বাদ্যযন্ত্রের স্বল্প-মেয়াদী স্মৃতিতে অস্থায়ী গ্রুপিং প্রভাব: সিরিয়াল অর্ডার প্রতিনিধিত্ব কি ডোমেন-সাধারণ? অংশ ২

সংক্ষেপে, বর্তমান অধ্যয়নের লক্ষ্য টোন সিকোয়েন্সের অবিলম্বে সিরিয়াল পুনর্গঠনে অস্থায়ী গ্রুপিংয়ের প্রভাবগুলি তদন্ত করা।

টোন সিকোয়েন্সগুলি ভাষা শেখার এবং মুখস্থ করার সময় লোকেদের একটি সাধারণ সমস্যা, তবে সেগুলি উন্নত এবং পরিচালনা করা যেতে পারে। টোন সিকোয়েন্স আয়ত্ত করা আমাদের স্মৃতি এবং শেখার কার্যকারিতার জন্য গুরুত্বপূর্ণ।

গবেষণা দেখায় যে সুরের ক্রম মস্তিষ্কের বিভিন্ন অংশকে উদ্দীপিত করতে পারে এবং স্মৃতি কেন্দ্রগুলিকে উদ্দীপিত করতে পারে। এর মানে হল যে ভয়েসের সঠিক টোন দিয়ে, আমরা স্মৃতিশক্তি এবং শেখার উন্নতি করতে পারি। উদাহরণস্বরূপ, একটি নতুন শব্দভান্ডারের শব্দ শেখার সময়, আমরা এটি মনে রাখতে সাহায্য করার জন্য বিভিন্ন স্বর ব্যবহার করতে পারি এবং এমনকি প্রয়োজনে এটি নিজেরাই গাইতে পারি। এই পদ্ধতিটি অনেক চীনা এবং বিদেশী ভাষা শেখার ক্ষেত্রে ব্যবহার করা যেতে পারে।

দৈনন্দিন জীবনে, পিচ আয়ত্ত করা সামাজিক দক্ষতা এবং আন্তঃব্যক্তিক যোগাযোগ বাড়াতে পারে। উপযুক্ত স্বর এবং কণ্ঠস্বর ব্যবহার করতে শেখা আমাদেরকে অন্যদের সাথে একে অপরকে আরও ভালভাবে যোগাযোগ করতে এবং বুঝতে দেয়। বিশেষ করে ব্যবসায়িক আলোচনায় বা বিভিন্ন সংস্কৃতির মধ্যে যোগাযোগের ক্ষেত্রে সঠিক সুর এবং স্বর আরও বেশি গুরুত্বপূর্ণ।

পরিশেষে, আমরা মেজাজ এবং আবেগের উপর পিচের প্রভাব উল্লেখ করতে চাই। ভয়েসের বিভিন্ন টোন ব্যবহার করে, আমরা আমাদের মেজাজ এবং মানসিক অবস্থা সামঞ্জস্য করতে পারি। উদাহরণস্বরূপ, কণ্ঠের একটি উচ্চ স্বর মানুষকে উত্তেজিত এবং আনন্দিত করতে পারে, যখন কণ্ঠের একটি কম স্বর শান্ত এবং ভদ্রতার অনুভূতি আনতে পারে।

সংক্ষেপে বলতে গেলে, টোন সিকোয়েন্স আয়ত্ত করা আমাদের স্মৃতিশক্তি, শিক্ষা, সামাজিক দক্ষতা এবং আবেগ নিয়ন্ত্রণের জন্য অত্যন্ত গুরুত্বপূর্ণ। আসুন আমাদের ভাষা বেছে নেওয়া যাক এবং আমাদের জীবনের মান উন্নত করার জন্য উপযুক্ত সুর এবং স্বর ব্যবহার করি। এটি দেখা যায় যে আমাদের স্মৃতিশক্তি উন্নত করতে হবে, এবং সিস্তানচে ডেসার্টিকোলা উল্লেখযোগ্যভাবে স্মৃতিশক্তি উন্নত করতে পারে, কারণ সিস্তানচে ডেসার্টিকোলার অ্যান্টিঅক্সিডেন্ট, অ্যান্টি-ইনফ্লেমেটরি এবং অ্যান্টি-এজিং প্রভাব রয়েছে, যা মস্তিষ্কে অক্সিডেশন এবং প্রদাহজনক প্রতিক্রিয়া কমাতে সাহায্য করতে পারে, যার ফলে মস্তিষ্ককে রক্ষা করে। স্নায়ুতন্ত্রের স্বাস্থ্য। এছাড়াও, Cistanche deserticola স্নায়ু কোষের বৃদ্ধি এবং মেরামতকেও প্রচার করতে পারে, এইভাবে নিউরাল নেটওয়ার্কগুলির সংযোগ এবং কার্যকারিতা বৃদ্ধি করে। এই প্রভাবগুলি স্মৃতিশক্তি, শেখার এবং চিন্তার গতি উন্নত করতে সাহায্য করতে পারে এবং জ্ঞানীয় কর্মহীনতা এবং নিউরোডিজেনারেটিভ রোগের বিকাশকেও প্রতিরোধ করতে পারে।

স্বল্পমেয়াদী মেমরি উন্নত করতে Know এ ক্লিক করুন

মৌখিক এসটিএম সাহিত্যে রিপোর্ট করা টোন সিকোয়েন্সের জন্য পরিলক্ষিত টেম্পোরাল গ্রুপিং প্রভাবগুলির তুলনার মাধ্যমে, আমাদের লক্ষ্য ছিল (1) বাদ্যযন্ত্রের এসটিএম-এ সিরিয়াল অর্ডারের প্রতিনিধিত্বের অন্তর্নিহিত প্রক্রিয়াগুলি সম্পর্কে আমাদের বোঝার উন্নতি করা এবং (2) প্রশ্নটির সমাধান করা। STM-এ সিরিয়ালর্ডার প্রসেসের ডোমেন-সাধারণতা।

আমরা একটি প্রথম প্রি-রেজিস্টার করা পরীক্ষা পরিচালনা করেছি যাতে গ্রুপবিহীন 6-টোন সিকোয়েন্স এবং থ্রি আইটেমের দুটি গ্রুপে বিভক্ত একই সিকোয়েন্সের মধ্যে সিরিয়ালর্ডার তথ্যের ফরওয়ার্ড পুনর্গঠনের তুলনা করা হয়।

সেই প্রথম পরীক্ষায় প্রাপ্ত ফলাফলের উপর ভিত্তি করে, পরীক্ষা 1-এ প্রাপ্ত ডেটার সাথে সরাসরি তুলনা করার জন্য 6-অক্ষরের ক্রমিক প্রত্যাহার করার জন্য একটি পূর্ব-নিবন্ধিত ফলো-আপ অনলাইন পরীক্ষা পরিচালনা করা হয়েছে।

একটি সিলিং এফেক্টের উপস্থিতির কারণে যা বাদ্যযন্ত্র (পরীক্ষা 1) এবং মৌখিক (পরীক্ষা 2) ডোমেনে টেম্পোরালগ্রুপিং প্রভাবের তুলনাকে সীমিত করে, সিলিং এফেক্টের জন্য অ্যাকাউন্টে অন্য একটি অ-নিবন্ধিত অনলাইন পরীক্ষা চালানো হয়েছিল৷ সামগ্রিকভাবে, এই পরীক্ষাগুলি বন্ধকে সমর্থন করে৷ মৌখিক এবং বাদ্যযন্ত্রের ডোমেনে পরিলক্ষিত অস্থায়ী গ্রুপিং প্রভাবগুলির মধ্যে মিল।

পরীক্ষা 1: মিউজিক্যাল অর্ডারের পুনর্গঠন

পদ্ধতি

নমুনা পরিকল্পনা. মনস্তাত্ত্বিক বিজ্ঞানের ক্ষেত্রে বর্তমানে একটি প্রবণতা রয়েছে যা পরীক্ষাগুলি ডিজাইন করতে এবং পরিসংখ্যানগত তথ্যসূত্র তৈরি করতে বেয়েসিয়ান পরিসংখ্যান কৌশল ব্যবহারের পক্ষে। Bayesian পরিসংখ্যান বিভিন্ন সুবিধা প্রদান করে (একটি পর্যালোচনার জন্য, দেখুন Dienes, 2016; Wagenmakers et al.,2018)।

উদাহরণস্বরূপ, Bayesian পরিসংখ্যানগত বিশ্লেষণগুলি ডেটা সংগ্রহের সময় পরিসংখ্যানগত প্রমাণগুলির নিরীক্ষণের অনুমতি দেয়, যে উদ্দেশ্য নিয়ে ডেটা সংগ্রহ করা হয় তার দ্বারা প্রভাবিত হয় না এবং ঐচ্ছিক বন্ধ করার নিয়মগুলির প্রতি সংবেদনশীল নয় (Berger & Berry, 1988; Rouder, 2014)। এই বিবেচনাগুলি মাথায় রেখে, আমরা পরীক্ষা 1 এর জন্য নিম্নলিখিত নমুনা পরিকল্পনা ব্যবহার করেছি (নমুনা পরিকল্পনা নির্ধারণে একই যুক্তির জন্য, Wagenmakers et al., 2015 দেখুন)।

আমরা প্রথমে 20 জন অংশগ্রহণকারীকে নিয়োগ করেছি এবং পরিকল্পিত বিশ্লেষণগুলি পরিচালনা করেছি৷ যদি এই বিশ্লেষণগুলির জন্য (আরো বিশদ বিবরণের জন্য "বিশ্লেষণ পরিকল্পনা" বিভাগটি দেখুন), আমরা একটি বিকল্প (H1) বা 10 বা তার বেশি একটি Bayes ফ্যাক্টর (BF) সহ শূন্য (H0) অনুমানের জন্য পরিসংখ্যানগত প্রমাণের একটি শক্তিশালী স্তর পেয়েছি, ডেটা সংগ্রহ বন্ধ করা হবে। যদি আমাদের পরিকল্পিত বিশ্লেষণগুলির মধ্যে অন্তত একটির জন্য সেই মানদণ্ড পূরণ করা না হয়, তবে আমরা BF মানগুলি পর্যবেক্ষণ করার সময় আরও অংশগ্রহণকারীদের নিয়োগ করব।

অন্য কথায়, আমরা পাঁচজন অংশগ্রহণকারীর প্রতিটি ব্যাচের পরে একই বিশ্লেষণ চালিয়েছিলাম এবং সমস্ত পরিকল্পিত বিশ্লেষণের (H0 বা H1) জন্য শক্তিশালী পরিসংখ্যানগত প্রমাণ না পৌঁছানো পর্যন্ত চালিয়েছিলাম। যাইহোক, সম্পদের সীমাবদ্ধতার কারণে, আমরা 50 জন অংশগ্রহণকারীদের নিয়োগের পরে ডেটা সংগ্রহ বন্ধ করার পরিকল্পনা করেছি, যদিও আমরা সমস্ত পরিকল্পিত বিশ্লেষণের পরিসংখ্যানগত প্রমাণের মানদণ্ড পূরণ করতে পারিনি৷ অংশগ্রহণকারীদের৷

পরীক্ষাটি জেনেভা বিশ্ববিদ্যালয়ের শিক্ষার মনোবিজ্ঞান এবং বিজ্ঞান অনুষদের নীতিশাস্ত্র কমিটি দ্বারা অনুমোদিত হয়েছিল। জেনেভা বিশ্ববিদ্যালয়ের প্রথম বর্ষের মনোবিজ্ঞানের 58 জন ছাত্র আংশিক কোর্স ক্রেডিট এর বিনিময়ে পরীক্ষা 1 এ অংশ নিয়েছিল।

চূড়ান্ত নমুনাটি 50 জন অংশগ্রহণকারীদের (45 জন মহিলা; বয়স n বছর: M=21.78, SD=1.95; বছরগুলিতে শিক্ষার স্তর: M=13৷{7}} , SD=1.12; বছরের মধ্যে সঙ্গীত তত্ত্ব শিক্ষা: M=0.35, SD=0.85; বছরগুলিতে সঙ্গীত অনুশীলন: M=0.69, SD{ {16}}.04) আটজন অংশগ্রহণকারীদের বাদ দেওয়ার পরে যারা অন্তর্ভুক্তির মানদণ্ড পূরণ করেনি (আরো বিশদ বিবরণের জন্য এই পাণ্ডুলিপির সাথে যুক্ত OSF সংগ্রহস্থলে জনসংখ্যার ডেটা ফাইল দেখুন)।অন্তর্ভুক্তি এবং বর্জনের মানদণ্ড।

যেহেতু আমরা বাদ্যযন্ত্রের দক্ষতা ছাড়াই অংশগ্রহণকারীদের সিরিয়াল অর্ডার প্রক্রিয়াকরণের জন্য বাদ্যযন্ত্র STM-এ আগ্রহী ছিলাম, অংশগ্রহণকারীদের অবশ্যই সঙ্গীত তত্ত্ব অধ্যয়ন করার বা পরীক্ষার সময় একটি বাদ্যযন্ত্র (গান সহ) অনুশীলনে 3 বছরের বেশি অভিজ্ঞতা থাকতে হবে না। আমরা নমুনা থেকে স্নায়বিক বা বক্তৃতা ব্যাধি (যেমন, ডিসলেক্সিয়া) সহ অংশগ্রহণকারীদের বাদ দিয়েছি।

অবশেষে, আমরা বিশ্লেষণ থেকে অন্তত একটি পরীক্ষামূলক অবস্থার মধ্যে .17 সুযোগ স্তরের সমান বা কম কর্মক্ষমতা সহ যেকোন অংশগ্রহণকারীদের থেকে ডেটা বাদ দিয়েছি। নমুনা পরিকল্পনা মেনে চলার জন্য, বাদ দেওয়া অংশগ্রহণকারীদের অন্য অংশগ্রহণকারীদের নিয়োগ দিয়ে প্রতিস্থাপিত করা হয়েছিল।
উদ্দীপক। উদ্দীপকের মধ্যে 60টি, 6-টোন সিকোয়েন্স রয়েছে। ছয়টি টোনের একটি সীমিত সেট ব্যবহার করে সক্রিয় হস্তক্ষেপ বাড়াতে পারে এমন সম্ভাবনা কমিয়ে দিন, আমরা Cmajor স্কেলের (C4 থেকে B5 পর্যন্ত) সমস্ত ডায়াটোনিক ধাপ সমন্বিত 14টি ভিন্ন টোনের একটি সেট ব্যবহার করেছি। টোনগুলি ছিল পিউরিসাইন তরঙ্গগুলি Audacity (Audacity Team,2017) দিয়ে তৈরি এবং .wav ফাইল হিসাবে সংরক্ষণ করা হয়েছিল, প্রতিটি 10ms এর উত্থান এবং পতনের সময়কালের সাথে 500ms স্থায়ী হয়।

সিরিয়াল অর্ডারের জন্য মৌখিক STM-এর পূর্ববর্তী গবেষণা থেকে অভিযোজিত তিনটি নিয়ম অনুসরণ করে ছদ্ম-এলোমেলো পারমিউটেশন ব্যবহার করে টোন সিকোয়েন্স তৈরি করা হয়েছিল (দেখুন, উদাহরণস্বরূপ, হার্টলি এট আল।, 2016):

1. টোন সেটে পরপর দুটি টোনের বেশি নয় (যেমন, C4–E4–G4 orB4–D5–F5 বৈধ ছিল না);

2. একই দিকে পরপর দুটি বিরতির বেশি নয় (যেমন, C4 [ ]  E4 [ ]  D5 [ ]  G4 অনুমতি দেওয়া হয়েছিল কিন্তু C4 [ ]  E4 [ ]  D5 [ ]  F5 );

3. ধারাবাহিক ট্রায়ালে একই সিরিয়াল অবস্থানে কোন টোন নেই।

যেহেতু ব্যবহৃত টোন দুটি অষ্টককে কভার করে, আমরা অপরিচিত বড় ব্যবধানের উপস্থিতি এড়াতে ব্যবধানের মাপ সর্বোচ্চ সাতটি সেমিটোনে সীমাবদ্ধ করেছি। আমরা নিশ্চিত করেছি যে সিকোয়েন্সগুলি একটি বড় স্কেলের সাথে অত্যন্ত সম্পর্কিত ছিল। অন্য কথায়, প্রতিটি সিকোয়েন্সের অন্ততপক্ষে একটি প্রধান স্কেলের টোন ডিস্ট্রিবিউশন প্রোফাইলের সাথে কমপক্ষে .70 এর সর্বাধিক কী সম্পর্ক রয়েছে। ক্রুমহান্সল এবং শ্মুক্লারকি-ফাইন্ডিং অ্যালগরিদম (ক্রুমহানসল, 1990) ব্যবহার করে সর্বাধিক কী পারস্পরিক সম্পর্ক নির্ধারণ করা হয়েছিল।

দুটি গ্রুপিং অবস্থার মধ্যে উদ্দীপনা মিলে যাওয়ার জন্য, আমরা 30টি অনুক্রমগুলিকে গোষ্ঠীভুক্ত ট্রায়ালগুলি থেকে পুনঃব্যবহার করেছি কিন্তু সেগুলিকে বিপরীত ক্রমিক ক্রমে খেলেছি এবং গোষ্ঠীবদ্ধ ট্রায়ালগুলিতে শেষ থেকে প্রথম পর্যন্ত উপস্থাপন করেছি৷

টোন সিকোয়েন্সের একটি নির্দিষ্ট সেট ব্যবহারের ফলে অবাঞ্ছিত প্রভাবগুলি প্রতিরোধ করতে, প্রতিটি অংশগ্রহণকারীর জন্য ছদ্ম-এলোমেলোভাবে তৈরি টোন সিকোয়েন্সের একটি নতুন সেট আগে থেকেই তৈরি করা হয়েছিল। প্রতিটি তৈরি করা ক্রম একটি অ-গোষ্ঠীবিহীন এবং একটি গ্রুপ ট্রায়াল উভয় ক্ষেত্রেই ব্যবহার করা হয়েছে তা নিশ্চিত করার জন্য, সম-সংখ্যাযুক্ত অংশগ্রহণকারীদের পরীক্ষায় পূর্ববর্তী বিজোড়-সংখ্যাযুক্ত অংশগ্রহণকারীদের যথাক্রমে গোষ্ঠীবদ্ধ এবং অ-গোষ্ঠীবদ্ধ ক্রমগুলির সাথে সামঞ্জস্যপূর্ণ অসম-সংখ্যাযুক্ত ক্রম ছিল।

পরীক্ষামূলক অলঙ্করণ. পরীক্ষাটি অংশগ্রহণকারীদের নকশার মধ্যে একটি 2- ফ্যাক্টরের উপর ভিত্তি করে ছিল। দুই ধরনের সিকোয়েন্স দুটি ভিন্ন ব্লকে উপস্থাপিত হয়েছে সর্বদা প্রথমে উপস্থাপিত আনগ্রুপেড সিকোয়েন্স সহ।

গোষ্ঠীবদ্ধ সিকোয়েন্সগুলি উপস্থাপন করা এড়ানোর জন্য এটি করা হয়েছিল প্রথমে আনগ্রুপড ট্রায়ালগুলির জন্য বিষয়গত গ্রুপিং কৌশলগুলি ব্যবহার করতে পারে (একটি অনুরূপ পদ্ধতির জন্য, Farrell & Lewandowsky, 2004; Hartley et al., 2016 দেখুন)। গোষ্ঠীবিহীন পরীক্ষার জন্য, টোনগুলি একটি নিয়মিত গতিতে উপস্থাপন করা হয়েছিল৷ পদ্ধতি৷

পদ্ধতিটি মোট 60 টি ট্রায়ালের শ্রবণ উপস্থাপনা নিয়ে গঠিত। বহনযোগ্য ওয়ার্কস্টেশনের সাথে সংযুক্ত হেডফোনগুলির মাধ্যমে একটি আরামদায়ক শ্রবণ স্তরে উদ্দীপনা চালানো হয়েছিল। প্রতিটি ট্রায়াল শুরু হয়েছিল 3 থেকে 1 পর্যন্ত কাউন্টডাউন দিয়ে কম্পিউটার স্ক্রিনের কেন্দ্রে 500ms গতিতে প্রদর্শিত হয়। টোন সিকোয়েন্সটি 500ms এর জন্য প্রদর্শিত একটি ফাঁকা স্ক্রিনে ধারাবাহিকভাবে চালানো হয়েছিল।

অসংগঠিত ট্রায়াল, টোনগুলি 150ms এর একটি নিয়মিত ইন্টারস্টিমুলাস ইন্টারভাল (ISI) সহ উপস্থাপন করা হয়েছিল। গোষ্ঠীবদ্ধ পরীক্ষায়, আইএসআই ছিল গোষ্ঠীর অন্তর্গত আইটেমগুলির জন্য 75ms (পজিশন 1–2, 2–3,4–5, এবং 5–6) এবং 450ms ছিল গ্রুপ বাউন্ডারি গঠনকারী আইটেমগুলির মধ্যে (পজিশন 3–4)। একটি ক্রম উপস্থাপনের পরপরই, একটি ভার্চুয়াল কীবোর্ড স্ক্রিনে প্রদর্শিত হয়েছিল এবং অংশগ্রহণকারীরা ক্রমটি পুনর্গঠনের জন্য টাচ স্ক্রিন ব্যবহার করেছিল।

অংশগ্রহণকারীদের ফরওয়ার্ড ক্রমিক ক্রমানুসারে ক্রমগুলি পুনর্গঠন করতে বাধ্য করা হয়েছিল। এটি করার জন্য, তাদের প্রথম অবস্থানের সাথে সঙ্গতিপূর্ণ টোনটি খুঁজে বের করতে হবে এবং যাচাই করতে হবে, তারপরে দ্বিতীয় অবস্থানে যেতে হবে এবং পুরো সিকোয়েন্সটি পুনর্গঠন না করা পর্যন্ত। পুনর্গঠিত ক্রমানুসারে শোনা ছয়টি টোনের প্রতিনিধিত্বকারী ছয়টি সাদা কীগুলির একটি স্তর পর্দায় অনুভূমিকভাবে প্রদর্শিত হয়েছিল। থিটোনগুলিকে আরোহী ক্রমে সংগঠিত করা হয়েছিল, বাম থেকে নীচের দিক থেকে ডানদিকে সর্বোচ্চ পর্যন্ত।

প্রতিবার টাচ স্ক্রিনে একটি কী চাপার সাথে সাথে হেডফোনের মাধ্যমে সংশ্লিষ্ট টোনটি বাজানো হত। একটি কী স্পর্শ করলে কীটির রঙ সবুজে পরিবর্তন করে সংশ্লিষ্ট টোন সক্রিয় হয় (চিত্র 2-এ প্যানেল 1, 5, 7 বা 10 দেখুন)। একবার অংশগ্রহণকারী বর্তমান অবস্থানের জন্য টোনটি পুনরুদ্ধার করে এবং কীটি সক্রিয় করলে, পরবর্তী অবস্থানে যেতে তাদের "বৈধীকরণ" বোতাম টিপতে হয়েছিল (চিত্র 2 তে প্যানেল 4, 6, 8, বা 12 দেখুন)।

একটি অবস্থানে একটি টোন বরাদ্দ করার পরে, সংশ্লিষ্ট কীটি ধূসরে পরিবর্তিত হয়েছে নির্দেশ করে যে টোনটি আর ব্যবহার করা যাবে না এবং সেই কীটির জন্য শ্রুতিমধুর প্রতিক্রিয়া বন্ধ হয়ে গেছে। একটি অবস্থান যাচাই করার আগে "সক্রিয়" টোনটি পরিবর্তন করা সম্ভব ছিল (চিত্র 2-এ প্যানেল 10-12 দেখুন) কিন্তু অবস্থানটি একবার বৈধ হওয়ার পরে নয়।

যদি কোনো অবস্থানের জন্য অংশগ্রহণকারী সংশ্লিষ্ট টোনটি মনে না রাখেন বা অনুমান করতে চান না, তাহলে "?" নির্বাচন করে "আমি জানি না" উত্তর দেওয়া সম্ভব ছিল। অবস্থান যাচাই করার আগে বোতাম (চিত্র 2 এ প্যানেল 11 দেখুন)। অবশেষে, পুনর্গঠন প্রক্রিয়া চলাকালীন যে কোনো সময়ে, অংশগ্রহণকারীদের পুনর্গঠিত ক্রমটি ততক্ষণ পর্যন্ত শোনার সুযোগ ছিল (চিত্র 2-এর প্যানেল 9 দেখুন)।

অনুমান

পরীক্ষাটির নিম্নলিখিত উদ্দেশ্য ছিল: (1) অস্থায়ী গোষ্ঠীগত প্রভাবগুলি অ-সংগীতবিদদের অধ্যয়নের মাধ্যমে বাদ্যযন্ত্রের STM-এ অর্ডার প্রক্রিয়ার প্রকৃতিকে আরও ভালভাবে বোঝা, যা ফলস্বরূপ (2) STM-এ সিরিয়াল অর্ডারের ডোমেন-সাধারণতা অনুমানকে মূল্যায়ন করতে দেয় .

এটি অর্জনের জন্য, আমরা অন-সিরিয়াল রিকল নির্ভুলতা, সিরিয়াল পজিশন কার্ভের আকৃতি, রেসপন্স লেটেন্সি এবং ইন্টারপজিশন ত্রুটির হারের উপর ফোকাস করে, গ্রুপ করা এবং গোষ্ঠীভুক্ত 6-টোন সিকোয়েন্সের জন্য রিকল কর্মক্ষমতা তুলনা করেছি। সিরিয়াল অর্ডার এসটিএম-এর ডোমেন-সাধারণতা অনুমান অনুসারে, এটি গ্রুপবিহীন সিকোয়েন্সের চেয়ে গোষ্ঠীভুক্ত জন্য উচ্চতর পুনঃনির্ধারণ পর্যবেক্ষণ করার পূর্বাভাস দেওয়া হয়েছিল।

আমরা গোষ্ঠীবদ্ধ ক্রমগুলির জন্য একটি গুণিত-নমন সিরিয়াল পজিশন কার্ভের উপস্থিতিও ভবিষ্যদ্বাণী করেছি। পরিশেষে, আমরা আশা করেছিলাম যে গোষ্ঠীবদ্ধ থেকে গোষ্ঠীবদ্ধ ক্রমগুলিতে আরও ইন্টারপজিশন ত্রুটি পর্যবেক্ষণ করা হবে।

বিশ্লেষণ পরিকল্পনা

আমরা ওপেন সোর্স প্রোগ্রাম JASP (সংস্করণ 0.14,JASP টিম, 2018) ব্যবহার করেছি সমস্ত পরিকল্পিত (নীচে বর্ণিত) এবং অনুসন্ধানমূলক বিশ্লেষণের জন্য ডিফল্ট সেটিংস সহ। , পূর্বকে 0.707 এর r-স্কেল সহ একটি Cauchydistribution হিসাবে উপস্থাপন করা হয়েছিল।

Bayesian analysis of variance (ANOVA) এর জন্য, পূর্বেও aCauchy ডিস্ট্রিবিউশন রয়েছে, যথাক্রমে স্থির এবং র্যান্ডম ইফেক্টের জন্য .5 এবং 1 এর r স্কেল। যথার্থতা এবং সিরিয়াল অবস্থান বক্ররেখা প্রত্যাহার করুন। আমরা প্রতিটি অংশগ্রহণকারীর জন্য সিরিয়াল অবস্থান এবং গ্রুপিং শর্তগুলির একটি ফাংশন হিসাবে প্রত্যাহার নির্ভুলতার গড় করে সিরিয়ালপজিশন কার্ভগুলি বিশ্লেষণ করেছি।

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), অবস্থান 2 এবং 3 (H1: 2<3), Positions 4 and 5 (H1: 4>5), এবং অবস্থান 5 এবং 6 (H1: 5<6) via Bayesian paired samples t-tests.

স্থানান্তর গ্রেডিয়েন্ট। আমরা প্রতিটি শর্ত এবং প্রতিটি অংশগ্রহণকারীর জন্য পৃথকভাবে স্থানচ্যুতির ফাংশন হিসাবে স্থানান্তর ত্রুটির অনুপাত গণনা করে ট্রান্সপোজিশন গ্রেডিয়েন্ট বিশ্লেষণ করেছি। এটি অর্জনের জন্য, আমরা একটি 2×5 পুনরাবৃত্তি-পরিমাপ ANOVA একটি 2- স্তরের ধরণের সিকোয়েন্স ফ্যাক্টর (আনগ্রুপেড বনাম গ্রুপ করা) এবং একটি 10- লেভেল ডিসপ্লেসমেন্ট ডিসপ্লেসমেন্ট ফ্যাক্টর (-5 থেকে 5 পর্যন্ত, { {7}})।

If the full model turned out to be the best (i.e., BF>10 দ্বিতীয়-সেরা মডেলের সাথে তুলনা করে), আমরা সন্নিহিত স্থানচ্যুতি এবং ইন্টারপজিশন ত্রুটির হারের উপর ফোকাস করে মিথস্ক্রিয়া বিশ্লেষণ করেছি (আরো বিশদ বিবরণের জন্য পরবর্তী বিশ্লেষণ দেখুন)।

ইন্টারপজিশন ত্রুটি এবং সন্নিহিত স্থানচ্যুতি হার। সংলগ্ন ক্রমিক অবস্থানে ইন্টারপজিশন ত্রুটি এবং স্থানচ্যুতির হার নির্ধারণ করা হয়েছিল আইটেমগুলির মধ্যে-গ্রুপ স্থানচ্যুতির মধ্যে জড়িত ত্রুটিগুলির অনুপাত গণনা করে তাদের প্রাথমিক-গোষ্ঠীর অবস্থান (যেমন, তিনটি অবস্থানের একটি পরম দূরত্ব) এবং একটি পরম দূরত্ব স্থানচ্যুতি দ্বারা চিহ্নিত সিরিয়ালর্ডার স্থানান্তরগুলির অনুপাত। সমস্ত সিরিয়াল অর্ডার ত্রুটির মধ্যে একটি সিরিয়াল অবস্থান এবং প্রতিটি ধরণের সিকোয়েন্সের জন্য আলাদাভাবে (আনগ্রুপেডবনাম দলবদ্ধ)।

তারপরে, দুটি গ্রুপিং অবস্থার ইন্টারপজিশন ত্রুটির পর্যবেক্ষণ হারের উপর ভিত্তি করে তুলনা করা হয়েছিল

(H1: interpositions in grouped sequences>ইন্টারপোজিশনগোষ্ঠীবিহীন ক্রমগুলিতে) এবং সংলগ্ন স্থানচ্যুতি (গোষ্ঠীবদ্ধ ক্রমগুলিতে সংলগ্ন স্থানচ্যুতি

ফলাফল

পরিকল্পিত বিশ্লেষণ। 2 × 6 পুনরাবৃত্তি-পরিমাপ BANOVA সিরিয়াল পজিশন (1-6) এবং গ্রুপিং কন্ডিশনের (গ্রুপ করা বনাম আনগ্রুপড) একটি ফাংশন হিসাবে প্রত্যাহার নির্ভুলতার উপর সঞ্চালিত, প্রকাশ করেছে যে দুটি প্রধান প্রভাব সহ মডেল হল সেরা মডেল (চিত্র 3a দেখুন)।

এই মডেলটিকে 1.80 এর ফ্যাক্টর দ্বারা দ্বিতীয় সেরা, পূর্ণ মডেলের চেয়ে পছন্দ করা হয় (সারণী 1 এ "ক্রমিক অবস্থান বক্ররেখা" সারি দেখুন)। Asthe পছন্দ শুধুমাত্র উপাখ্যানমূলক প্রমাণ দ্বারা চিহ্নিত করা হয়েছিল, আমরা প্রভাব বিশ্লেষণ করেছি। এটি JASP-এর সাথে একটি পদ্ধতির মাধ্যমে করা হয়েছিল যা আগ্রহের প্রভাব ধারণকারী সমস্ত মডেল জুড়ে প্রমাণের গড়। সারিয়াল পজিশন ইফেক্টের (BFInclusion=∞) উপস্থিতির পক্ষে ডেটা নিষ্পত্তিমূলক প্রমাণ প্রদান করেছে, একটি গ্রুপিং এফেক্টের পক্ষে অত্যন্ত শক্তিশালী প্রমাণ (BFInclusion=31.28), এবং এর পক্ষে উপাখ্যানমূলক প্রমাণ। মিথস্ক্রিয়া উপস্থিতি (BFIinclusion=2.15)।

প্রাথমিকভাবে পরিকল্পনা অনুযায়ী, আমরা মিনি-প্রাইমাসি এবং মিনি-রিসেন্সি প্রভাব একত্রিত ক্রম বিশ্লেষণ করিনি কারণ ইন্টারঅ্যাকশনের উপস্থিতি ডেটা দ্বারা সমর্থিত ছিল না। 2 × 10 পুনরাবৃত্তি-পরিমাপ ANOVA ট্রান্সপোজিশন ত্রুটিগুলির অনুপাতের উপর সম্পাদন করেছে স্থানান্তর দূরত্বের ফাংশন (−5 থেকে 5, 0 ব্যতীত) এবং গ্রুপিং কন্ডিশন (গ্রুপ করা বনাম আনগ্রুপড), প্রকাশ করেছে যে ডেটা ব্যাখ্যা করার জন্য সেরা মডেল হল সম্পূর্ণ মডেল (চিত্র 3b দেখুন)।

এই মডেলটি 173.36 ফ্যাক্টর দ্বারা শুধুমাত্র দূরত্বের প্রভাব ধারণ করে দ্বিতীয় সেরা মডেলের চেয়ে পছন্দ করে, সেরা মডেলের জন্য নির্ধারক সমর্থন প্রতিনিধিত্ব করে (সারণী 1-এ "ট্রান্সপজিশন গ্রেডিয়েন্ট" সারি দেখুন)।

গ্রুপিং অবস্থা এবং স্থানান্তর দূরত্বের মধ্যে একটি ইন্টারঅ্যাকশনের জন্য স্পষ্ট সমর্থন দেওয়া, আমরা প্রাথমিকভাবে পরিকল্পিত হিসাবে দুটি গ্রুপিং অবস্থার মধ্যে সংলগ্ন স্থানান্তর এবং ইন্টারপজিশনের হার তুলনা করেছি।

For more information:1950477648nn@gmail.com