January 31st, 2017
在这里,我们目前的德泽,洛蒂格和麦克德莫特(DRM)的任务,研究错误记忆的实验工具。学科研究的语义相关的词( 如护士,生病等 )列表,以后记得虚假表示的要点,或主题,字表的字未学(医生)。
该实验任务的总体目标是在实验室中研究基于 gist 的错误记忆。这种方法可以帮助回答认知神经科学中的关键问题,例如记忆不仅是如何创造的,而且是如何被转化的。更具体地说,我们如何忘记细节,但记住要点。
这种技术的主要优点是它的简单性,因为准备和执行这项任务非常简单。首先选择错误召回和识别概率最高的单词列表。接下来,使用专业设备、不熟悉的声音和隔音室,以数字方式记录每个列表中的所有单词。
以每 2 秒一个单词的速率按关联强度降序记录单词列表。为了帮助参与者区分每个列表,请在每个列表的末尾延迟 12 秒的静音,然后是 1 秒的提示音和 2 秒的静音。然后,开始下一个列表。
接下来,在计算机上,将音频文件拖放到音频编辑软件中。使用鼠标选择要应用静音的音频部分。然后,选择 编辑, 删除音频及 静音音频.
使用 Copy/Paste 在每个列表的开头应用一秒钟的色调。然后,按 Stop 停止 保存录音。选择 文件, 导出,然后选择音频文件的文件格式和目标。
对于自由调用任务,请准备好一张白纸和笔。然后,从编码任务中包含的每个列表中的位置 1、8 和 10 中选择要包含在识别任务中的单词。包括编码任务中包含的每个列表中的所有关键诱饵词。
此外,包括来自相同位置、1、8 和 10 的其他未研究 DRM 单词列表中的相同数量的附加非呈现单词及其相应的关键诱饵。然后,使用实验创建软件创建单词的自定进度演示并收集数据。使用黑色字体、白色背景和合理的字体大小。
最后,对于标准的 old new 识别测试,为不同的响应分配单独的键,以便 Z 键表示旧,M 键表示新。将此图例与屏幕上每个单词的表示一起添加。通过让受试者坐在包含单词列表记录的设备前来开始编码任务,并向受试者提供有关该任务的说明。
对于此认知任务,您将聆听单词列表。在每个列表的最后一个单词处,将有 12 秒的中断,然后是 1 秒的提示音,2 秒的静音,然后是下一个列表的开始。请密切注意这些单词,因为您将在下一次会议中接受测试。
然后,让拍摄对象戴上耳机。按播放开始测试,然后关闭计算机显示器以减少任何干扰。编码任务结束后,为受试者提供下一次测试会话的说明。
你明天会在同一时间回来,好吗?好的,谢谢。24 小时后,首先让受试者坐在一张桌子旁,面前放着一张纸,并提供有关如何完成免费回忆测试的说明。
这部分任务涉及一个简单的内存测试。请写下您在上次会议中听到的列表中您能记住的所有单词。你有 10 分钟的时间来记住你能记住的所有单词。
当还剩两分钟时,我会告诉你。然后启动计时器并通知他们两分钟的警告标记。让受试者完成测试。
时间结束后,停止主题。首先在实验创建软件中打开识别测试。然后,让受试者坐在测试计算机前。
向受试者提供有关如何完成测试的口头说明。您将在屏幕上看到一个单词。如果您在上一个列表中听到或看到此单词,请按 Z,如果您认为该单词是新单词,请按 M。
尽可能快速准确地回答。然后,开始识别测试,并等待受试者完成。最后,汇报受试者并感谢他们参与研究。
结果表明,虚假批评词的回忆和识别词的总体比例高于真实呈现的词。重要的是,对错误批评词的识别也明显高于对不相关的箔词的识别。在第二个实验中获得了类似的结果,因此在 24 或 48 小时后返回完成自由回忆和识别测试的受试者也按比例回忆和识别了比真实呈现的词更多的错误批评词。
一旦掌握,这种技术可以在 5 到 30 分钟内完成,具体取决于使用的单词列表的数量以及其他相关因素。在尝试此过程时,请务必记住 DRM 测试有许多变体。请查看手稿,了解此类变化的示例。
经过发展,这项技术为心理学和认知神经科学领域的研究人员探索人类记忆的重建性质铺平了道路。观看此视频后,您应该对如何在实验室中适当执行 DRM 任务以研究基于 gist 的错误记忆有很好的了解。
View the full transcript and gain access to thousands of scientific videos
本文介绍了Deese、Roediger和McDermott(DRM)任务,这是一种在实验室环境中研究虚假记忆的方法。参与者学习一系列语义相关的单词列表,然后回忆一个未学习的单词,该单词捕捉了列表的主题。
The DRM task provides a robust laboratory paradigm for probing the mechanisms underlying gist-based false memory formation, directly informing cognitive target validation and mechanistic de-risking in neuropsychiatric and neurocognitive disorder research. Its simplicity and reproducibility enable rapid hypothesis testing and cross-study comparability, supporting early-stage portfolio decisions in CNS drug discovery. The paradigm's quantitative outputs facilitate predictive confidence in translational memory models relevant to biopharma R&D.
The DRM task is positioned at the interface of early discovery and preclinical validation, supporting hypothesis-driven target selection and mechanistic de-risking in CNS portfolios.