Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

The Grid Learning Task: Untersuchung der Auswirkungen von Überlappungstypen auf neues Lernen bei gesunden erwachsenen Teilnehmern

90 Aufrufe

⸱

DOI:

10.3791/71127

⸱

31. Juli 2026

 ,  ,  , 
1Department of Molecular, Cell, and Systems Biology, University of California, Riverside, 2Department of Psychology, University of California, Riverside

In diesem Artikel

Zusammenfassung

Dieses Protokoll stellt die Grid Learning Task (GLT) vor, ein Verhaltensparadigma, das untersucht, wie verschiedene Arten von Überlappungen (d. h. Objekt versus Ort) zwischen aufeinanderfolgenden Lernepisoden neues Lernen fördern oder beeinträchtigen, wie durch Veränderungen der Lernleistung über Gitter hinweg indiziert.

Zusammenfassung

Im Alltag müssen sich Menschen oft an die Standorte von Gegenständen erinnern, wie zum Beispiel an dem Ort, an dem an einem bestimmten Tag ein Auto geparkt war. Eine zentrale Frage ist, ob eine ähnliche Vorerfahrung (z. B. das Parken auf demselben Parkplatz am Vortag) das Gedächtnis für ein neues Ereignis erleichtert oder beeinträchtigt. Die Grid Learning Task (GLT) wurde entwickelt, um diese Frage zu beantworten. Bei dieser Aufgabe untersuchen die Teilnehmer eine Menge von Objekten, die auf einem Raster angeordnet sind, und werden dann gebeten, diese an ihre richtigen Stellen auf einer leeren Version des Rasters zu platzieren. Zwei Überlappungsbedingungen sind von zentralem Interesse: die Standortüberlappungsbedingung und die Objektüberlappungsbedingung. Bei der Location-Überlappungsbedingung werden verschiedene Objekte in derselben räumlichen Konfiguration wie im vorherigen Raster präsentiert. In der Objektüberlappungsbedingung werden dieselben Objekte in einer anderen räumlichen Konfiguration präsentiert. Das aktuelle Protokoll ändert die ursprüngliche Aufgabe zu einem In-Subject-Design, bei dem die Teilnehmer alle Überlappungstypen erleben. Durch den Vergleich von Lernversuchen über die Standortüberlappungs- und Objektüberlappungsbedingungen hinweg liefert die GLT Einblicke darin, wie verschiedene Überlappungsformen mit früheren Erfahrungen neues Lernen beeinflussen. Ergebnisse dieser Aufgabe zeigen im Allgemeinen, dass sich überlappende Objektidentitäten die Anzahl der erforderlichen Versuche erhöhen, ein nachträgliches Gitter zu lernen, was Speicherinterferenz widerspiegelt. Im Gegensatz dazu verringern sich überlappende Objektpositionen die Anzahl der erforderlichen Versuche, ein nachfolgendes Gitter zu lernen, was die Speichererleichterung widerspiegelt. Insgesamt bietet die GLT einen Rahmen, um zu untersuchen, wie frühere Erfahrungen neues Lernen beeinflussen, indem sie sowohl störende als auch fördernde Effekte aufdeckt.

Einleitung

Unsere alltäglichen Erfahrungen enthalten oft überlappende Informationen. Vorwissen kann manchmal neues Lernen durch die Bereitstellung eines Gerüsts unterstützen, aber es kann auch das Lernen beeinträchtigen, Verwirrung stiften und die Leistungbeeinträchtigen 1,2,3,4. Zum Beispiel können Menschen beim Besuch eines neuen Supermarkts Warenwagen oder Kassen leicht finden, indem sie auf Wissen aus früheren Supermarkt-Layouts zurückgreifen. Es kann jedoch schwieriger sein, sich den genauen Standort eines bestimmten Artikels zu merken, wenn seine Platzierung sich von der in einem vertrauten Geschäft unterscheidet. Dies veranschaulicht eine umfassendere Frage: Unter welchen Bedingungen fördern frühere Erfahrungen neues Lernen, und wann beeinträchtigt sie es?

Forscher haben lange untersucht, wie Vorwissen das Lernen beeinflusst, aber Belege für seine förderlichen und störenden Effekte sind oft aus unterschiedlichen experimentellen Paradigmenhervorgegangen (1,2,3,4). Daher bleibt es eine Herausforderung, eine kohärente Darstellung davon zu entwickeln, wie Vorwissen den Erwerb neuer Informationen beeinflusst. Interferenzeffekte werden typischerweise mit Wortpaar-Lernaufgaben 1,2,5,6,7 untersucht. Bei diesen Aufgaben lernen die Teilnehmer zunächst eine Reihe von Wortpaaren (z. B. A-B), dann eine zweite Liste, in der einige Paare ein Element mit der ersten Liste teilen (z. B. A-C), zusammen mit Kontrollpaaren ohne Überschneidung (z. B. D-E). Wenn das geteilte Element (A) als Abrufhinweis verwendet wird, wird der Abruf des zweiten Listenpaars (C) oft beeinträchtigt, ein Phänomen, das als proaktive Interferenz6 bekannt ist. Dieser Effekt wird häufig auf den Wettbewerb zwischen der zuvor erlernten Assoziation (A-B) und der neueren Assoziation (A-C) zurückgeführt, wodurch die Wahrscheinlichkeit verringert wird, die letzteren5 abzurufen.

Im Gegensatz dazu wurden Facilitationseffekte bei Objekt-Orts-Lernaufgaben 3,8 beobachtet. Bei diesen Aufgaben lernen die Teilnehmer die Positionen mehrerer Objekte auf einem Raster, und das Lernen wird verbessert, wenn eine neue Menge von Objekten innerhalb eines zuvor erlernten räumlichen Layouts statt eines neuartigen präsentiert wird. Dieser vorteilhafte Effekt überlappender räumlicher Strukturen wurde sowohl bei Menschen als auch bei Nagetierennachgewiesen 3,8 und zeigt, wie Vorwissen neues Lernen unterstützen kann. Wichtig ist, dass vorheriges räumliches Wissen nur eine Form schematischen Wissens darstellt, die das Verhaltenbeeinflussen kann 9. Schemata können auch semantisches Wissen umfassen (z. B. Lebensmittel verkaufen Lebensmittel, führen aber auch Haushaltsartikel), was den Erwerb neuer Informationen erleichtern und das Verhalten allgemein leitenkann 9. Zum Beispiel kann jemand, der einen Apfel kaufen möchte, sich auf ein bestehendes Schema verlassen, dass er eher im Supermarkt als in einem Baumarkt zu finden ist.

Die Grid Learning Task (GLT)10 wurde entwickelt, um einen einheitlichen Rahmen zu bieten, der untersucht, wie Vorwissen neues Lernen beeinflusst, indem sowohl Moderation als auch Interferenz in einer einzigen Aufgabe integriert werden. Im GLT lernen die Teilnehmer mehrere Objektstandort-Gitter und wiederholen den Lernprozess, bis alle Objektpositionen gespeichert sind. Entscheidend ist, dass die Art der Überlappung zwischen aufeinanderfolgenden Gittern manipuliert wird. In der Location-Überlappungsbedingung werden verschiedene Objekte innerhalb derselben räumlichen Anordnung präsentiert. In der Objektüberlappungsbedingung werden dieselben Objekte an verschiedenen Orten präsentiert. Frühere Ergebnisse zeigten, dass das Lernen erleichtert wird, wenn sich räumliche Anordnungen überschneiden, aber beeinträchtigt wird, wenn Objektidentitäten10 überlappen. Erste Anwendungen der GLT verglichen jedoch Überlappungsbedingungen zwischen denTeilnehmern 10, was die Möglichkeit eröffnet, dass diese gegensätzlichen Effekte individuelle Unterschiede und nicht den Überlappungstyp selbst widerspiegelten.

Das vorliegende Protokoll beschreibt eine modifizierte Version der GLT innerhalb der Subjekte, bei der jeder Teilnehmer alle Überlappungsbedingungen erlebt. Diese methodische Modifikation verringert die Variabilität zwischen den Probanden und ermöglicht es, Moderation und Interferenz innerhalb desselben Individuums zu messen. Daher testet das Design direkter, ob verschiedene Formen von Vorwissen unterschiedliche Einflüsse auf neues Lernen ausüben. Zusammen deuten diese Ergebnisse darauf hin, dass die Art des Vorwissens bestimmen kann, ob Vorerfahrung das spätere Lernen fördert oder behindert.

Ziel der GLT ist es, zu quantifizieren, wie frühere Erfahrungen neues Lernen bei menschlichen Teilnehmern beeinflussen, indem Lernversuche innerhalb eines Rasterlernparadigmas innerhalb des Subjekts gemessen werden, das systematisch Überlappungstypen manipuliert und so die Auswirkungen von Erleichterung und Interferenz auf die Lernleistung bewertet. Indem die GLT die Messung sowohl von Erleichterung als auch von Interferenz innerhalb eines einzigen Paradigmas ermöglicht, bietet sie einen einheitlichen Rahmen zur Untersuchung, wie frühere Erfahrungen neues Lernen prägen. Im Gegensatz zu bestehenden Paradigmen, die typischerweise Facilitation oder Interferenz isoliertuntersuchen (1,2,3,5,6,7,8, manipuliert das GLT systematisch Überlappungen und beibehält dabei eine konsistente Aufgabenstruktur. Dieser Ansatz ermöglicht einen direkten Vergleich dessen, wie verschiedene Formen von Vorinformationen das Lernen bei Individuen beeinflussen. Eine mögliche Einschränkung besteht darin, dass Ermöglichungs- und Interferenzeffekte je nach Reihenfolge der Überlappungsbedingungen variieren können, was zu Unter- oder Überschätzungen führt. Dennoch bleibt die GLT ein vielseitiges Werkzeug zur Untersuchung der Mechanismen, die Gedächtnis, Lernen, Generalisierung und Interferenz zugrunde liegen, sowie individuelle Unterschiede in der Anfälligkeit für Vorwissenseffekte über Lernkontexte hinweg.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Alle Verfahren mit menschlichen Teilnehmern wurden vom Institutional Review Board der University of California, Riverside genehmigt (Protokoll #30014). Vor der Teilnahme wurde von allen Teilnehmern eine schriftliche informierte Zustimmung eingeholt. Alle Methoden wurden gemäß den relevanten institutionellen Richtlinien und Vorschriften durchgeführt.

1. Zustimmung und Anweisungen

  1. Geben Sie den Teilnehmern ein Einverständnisformular, das die Rechte der Teilnehmer erklärt und einen allgemeinen Überblick über die Studie gibt. Holen Sie vor der Teilnahme eine schriftliche informierte Zustimmung aller Teilnehmer ein.
  2. Nachdem die Teilnehmer das Einverständnisformular unterschrieben haben, erklären Sie mündlich, dass die Aufgabe darin besteht, Objektstandorte auswendig zu lernen und Objekte während der Testphase auf die richtigen Kacheln über vier verschiedene Raster hinweg zu platzieren, wobei eine mathematische Ablenkungsaufgabe zwischen den Rastern präsentiert wird.
  3. Beschreiben Sie kurz die Gesamtstruktur der Aufgaben, einschließlich der Übungs- und untersuchten Gitterphasen. Bitten Sie die Teilnehmer, die Aufgabenanweisungen dem Forscher zu wiederholen und bei Bedarf Klarstellungen zu geben.

2. Gitterlernaufgabe

  1. Öffnen Sie das Grid Learning Task-Programm (Supplementary File 1 und Supplementary Abbildung 1) mit PsychoPy11. Klicken Sie auf die Schaltfläche "Ausführen" und stellen Sie sicher, dass das Programm nicht im Pilottestmodus ist.
  2. Eine Aufforderung zur Anforderung einer Teilnehmeridentifikationsnummer erscheint. Die Teilnehmer-Identifikationsnummer wird verwendet, um die Anonymität der Teilnehmer zu wahren. Weisen Sie die Teilnehmer an, ihre vorab zugewiesene Teilnehmeridentifikationsnummer einzugeben und fortzufahren, indem Sie auf den "OK"-Button klicken.
  3. Starte das Programm. Der Bildschirm fordert die Teilnehmer auf, die Leertaste zu benutzen, um die Anweisungen zu durchlaufen.
  4. Weisen Sie die Teilnehmer an, die Bildschirmgröße anzupassen, indem sie gleichzeitig die Kommandotaste (Mac) oder Control (Windows) sowie die Taste "+" oder "-" drücken, bis alle vier Ecken des Rasters auf dem Bildschirm sichtbar sind.
    HINWEIS: Stellen Sie sicher, dass alle vier Ecken des Rasters sichtbar sind, bevor Sie mit der Aufgabe beginnen. Eine unsachgemäße Bildschirmskalierung kann die Stimuluspräsentation und die Leistung der Teilnehmer beeinträchtigen.
  5. Übungsphase
    1. Beginnen Sie mit der Übungsphase. Abbildung 1 veranschaulicht den Zyklus "Studie – Fixierung – Test – Rückkopplung". Für die erste Übungsphase präsentieren Sie ein kleines 3 × 3 Raster mit einem Objekt.
    2. Zeigt den Lernbildschirm 4 Sekunden lang an. Zeigen Sie unmittelbar danach ein 3-sehniges Retentionsintervall, während dessen das Raster verschwindet und ein Fixationskreuz vor dem Erschein des Testbildschirms angezeigt wird.
    3. Zeigen Sie ein leeres Raster mit dem Objekt unterhalb des Rasters an. Fordern Sie die Teilnehmer auf, das Objekt an seinen ursprünglichen Ort zu ziehen und abzusetzen.
      1. Verwenden Sie farbige Alltagsobjekte mit weißem Hintergrund aus der Bank der standardisierten Reize (BOSS)12,13. Über die vier untersuchten Gitter hinweg verwenden Sie drei Objektsets und drei Ortsgruppen, um neun einzigartige 8- × 8-Gitter zu erstellen.
      2. Wählen Sie zufällig jedes Objektset aus einem festen Pool von 24 Objekten aus 12 Kategorien aus (z. B. Outdoor-Aktivitäten und Sport, Schreibwaren, Küchenutensilien, Dekorationen, Musikinstrumente, Spiele, Haushaltsgeräte, Möbel und Kleidung) (ergänzende Abbildung 2).
    4. Nachdem die Teilnehmer ihre Antwort durch Drücken der Leertaste abgegeben haben, wird ein Feedback-Bildschirm angezeigt, der anzeigt, ob die Platzierung korrekt war. Erlauben Sie den Teilnehmern, "y" zu drücken, um den Versuch zu wiederholen, oder "n", um fortzufahren. Die Teilnehmer dürfen diese erste Übungsphase bis zu 10 Mal wiederholen.
      HINWEIS: Nutzen Sie diese Übungsphase, um die Teilnehmer mit dem Ziehen und Absetzen von Objekten auf das Raster vertraut zu machen.
    5. Beginnen Sie mit der zweiten Übungsphase. Präsentieren Sie ein vollwertiges 8 × 8 Raster mit zwei Objekten.
      1. Verwenden Sie denselben "Lernen – Fixieren – Test – Feedback"-Zyklus und Zeitplan wie in der ersten Übungsphase, nur dass der Lernbildschirm 8 Sekunden lang angezeigt wird.
      2. Nachdem die Teilnehmer ihre Antwort eingereicht haben, wird ein Feedback-Bildschirm angezeigt, der anzeigt, ob alle Objektpositionen korrekt platziert wurden. Wenn mindestens ein Objekt falsch ist, informieren Sie die Teilnehmer darüber, dass eine oder mehrere Platzierungen falsch waren, ohne bestimmte Objekte zu identifizieren.
      3. Wenn die Antwort falsch ist, fordern Sie die Teilnehmer auf, die Leertaste zu drücken, um es erneut zu versuchen. Wenn alle Platzierungen korrekt sind, fordern Sie die Teilnehmer auf, zur nächsten Phase der Aufgabe überzugehen.
      4. Fordern Sie die Teilnehmer auf, "y" zu drücken, um die Übungsphase zu wiederholen, oder "n", um fortzufahren. Die Teilnehmer dürfen dieses zweite Übungsraster bis zu 10 Mal wiederholen.
        HINWEIS: Nutzen Sie diese Übungsphase, um die Teilnehmer mit dem vollwertigen 8- ×8-Raster vertraut zu machen. Objekte und Orte, die während der Übung verwendet werden, erscheinen in der untersuchten Gitterphase nicht.
  6. Untersuchte Gitterphase
    1. Zeigen Sie den Instruktionsbildschirm an, der den Beginn der untersuchten Gitterphase anzeigt. Lassen Sie die Teilnehmer die untersuchte Rasterphase beginnen, indem sie die Leertaste drücken und den Anweisungen auf dem Bildschirm folgen.
    2. Präsentation der Bildschirme erfolgt mit demselben "Study – Fixation – Test – Feedback"-Zyklus und -Timing wie in der zweiten Übungsphase. Im Gegensatz zur Übungsphase lernen die Teilnehmer vier verschiedene Gitter, die jeweils acht Objekte enthalten.
      HINWEIS: Stellen Sie sicher, dass die Teilnehmer verstehen, dass jedes Raster vor dem Weiterkommen nach den Kriterien gelernt werden muss. Das Versäumnis, ein Gitter zu lernen, kann die Leistung auf nachfolgenden Netzen beeinträchtigen.
    3. Präsentieren Sie einen Studienbildschirm mit acht verschiedenen Objekten, die auf einem 8 × 8 Raster angeordnet sind. Zeigen Sie den Lernbildschirm 8 Sekunden lang an und weisen Sie dann die Teilnehmer an, sich die Positionen der Objekte zu merken.
      1. Verwenden Sie Alltagsgegenstände, die auf weißem Hintergrund präsentiert werden.
      2. Ordne Objekte entsprechend einer der vordefinierten Objekt-Orts-Mengen an.
      3. Erstellen Sie drei Standortsets, indem Objektstandorte pseudozufällig zugewiesen werden, sodass Objekte nicht entlang der Gitterkanten platziert werden und keine benachbarten Zellen besetzen. Eckteilkacheln sind erlaubt.
    4. Zeigen Sie einen Retentionsintervall-Bildschirm, der ein Fixationskreuz für 3 Sekunden zeigt.
    5. Zeigen Sie einen Testbildschirm, der die Teilnehmer auffordert, jedes Objekt an seinen erinnerten Ort zu platzieren. Zeigen Sie ein leeres 8 × 8 Raster mit Objektbildern, die zufällig unter dem Raster angeordnet sind.
    6. Lassen Sie die Teilnehmer jedes Objekt auf das Raster ziehen und absetzen, um seinen gespeicherten Standort anzuzeigen. Zentriere automatisch jedes Objekt innerhalb der ausgewählten Gitterkachel. Erlauben Sie Teilnehmern, Objekte unbegrenzt oft neu zu positionieren, bevor sie eine Antwort abgeben.
    7. Sobald die Teilnehmer mit ihren Platzierungen zufrieden sind, sollten sie die Leertaste drücken, um ihre Antwort abzugeben. Die Testphase ist im Selbsttempo und hat kein Zeitlimit.
    8. Zeigen Sie einen Rückkopplungsbildschirm an, der die Anzahl der korrekt platzierten Objekte anzeigt. Identifizieren Sie nicht, welche Objekte korrekt platziert wurden.
    9. Wiederholen Sie den Zyklus "Studie – Fixierung – Test – Feedback", bis alle acht Objekte korrekt platziert sind oder bis 10 Studien-Test-Zyklen abgeschlossen sind, je nachdem, welcher zuerst eintritt. Das Programm geht dann automatisch zur Mathematik-Ablenkungsaufgabe über.
  7. Mathematische Ablenkungsaufgabe
    1. Beginnen Sie mit der Mathematik-Ablenkungsaufgabe. Weisen Sie die Teilnehmer an, die Anweisungen auf dem Bildschirm zu lesen und einfache Rechenaufgaben zu lösen, bevor sie zum nächsten Raster übergehen.
    2. Stellen Sie einfache Rechenaufgaben mit Addition oder Subtraktion einzeln auf dem Bildschirm dar. Weisen Sie die Teilnehmer an, anzugeben, ob jede Gleichung korrekt oder falsch ist, indem sie "T" für wahr oder "F" für falsch drücken.
      1. Zum Beispiel, wenn ihnen die Gleichung 2 + 4 = 6 präsentiert wird, sollten die Teilnehmer "T" drücken. Wenn ihnen die Gleichung 2 + 5 = 10 präsentiert wird, werden die Teilnehmer angewiesen, "F" zu drücken .
    3. Zeigen Sie nach jeder Antwort einen Feedback-Bildschirm an.
      1. Gib an, ob die Antwort richtig oder falsch war. Wenn innerhalb von 4 Sekunden keine Antwort gegeben wird, wird automatisch zum Feedback-Bildschirm weitergeleitet und eine Nachricht angezeigt, die die Teilnehmer auffordert, schneller zu antworten.
      2. Lassen Sie den Rückkopplungsbildschirm 2 Sekunden lang sichtbar bleiben. Nach 2 Sekunden geht das Programm automatisch zum nächsten Versuch über.
    4. Die Teilnehmer müssen 20 Rechenaufgaben beantworten, bevor sie zum nächsten Raster übergehen. Die Erledigung der Ablenkungsaufgabe dauert in der Regel etwa eine Minute.
      HINWEIS: Nutzen Sie diese Aufgabe, um aktive Proben des vorherigen Rasters zu verhindern und die Beteiligung der Teilnehmer aufrechtzuerhalten. Obwohl die Gesamtgenauigkeit während des Experiments nicht als Rückmeldung angegeben wird, sollten Teilnehmer von der Analyse ausgeschlossen werden, wenn die Genauigkeit unter 75 % liegt.
  8. Überlappungsmanipulation
    1. Nach Abschluss der mathematischen Ablenkungsaufgabe zeigen Sie auf dem Bildschirm Anweisungen an, die anzeigen, dass das nächste Raster beginnt. Weisen Sie die Teilnehmer an, die Leertaste zu drücken, um den nächsten Versuch zu starten. Wiederholen Sie den Zyklus "Study – Fixation – Test – Feedback" für das folgende Gitter. Im Verlauf der Aufgabe lernen die Teilnehmer vier verschiedene Raster kennen, die durch mathematische Ablenkaufgaben getrennt sind.
    2. Konfigurieren Sie die vier Gitter so, dass zwei aufeinanderfolgende Gitter dieselben Objektbilder, aber unterschiedliche Positionen teilen, während ein anderes Paar aufeinanderfolgender Gitter dasselbe räumliche Layout, aber unterschiedliche Objektbilder teilt (Abbildung 2).
      1. Konstruiere die vier untersuchten Gitter aus den vordefinierten Objekt- und Standortmengen, die in den Schritten 2.5.3.1–2.5.3.2 und 2.6.3.3 beschrieben sind. Gitter werden zufällig ausgewählt, sodass ein Übergang die Objektüberlappungsbedingung, ein Übergang die Standortüberlappungsbedingung und ein Übergang die Bedingung keine Überlappung darstellt.
      2. Für die Objektüberlappungsbedingung verwenden Sie dieselbe Objektmenge über zwei aufeinanderfolgende Gitter hinweg und weisen unterschiedliche Ortsmengen zu. Für die Standortüberlappungsbedingung verwenden Sie dieselbe Standortmenge über zwei aufeinanderfolgende Gitter hinweg und weisen unterschiedliche Objektmengen zu. Für die Bedingung keine Überlappung verwenden Sie verschiedene Objektsets und verschiedene Ortssets über aufeinanderfolgende Gitter.
    3. Zufällig zuweisen und ausgleichen Sie die Reihenfolge der Überlappungsbedingungen zwischen den Teilnehmern vollständig aus, was zu sechs möglichen Überlappungsreihenfolgen führt.
      HINWEIS: Einen vollständigen Ausgleich der Überlappungsbedingungsordnung zwischen den Teilnehmern, um Ordnungseffekte zu minimieren und valide Schätzungen von Facilitation und Interferenz sicherzustellen.
    4. Stellen Sie während jeder Ablenkungsphase eine andere Reihe von 20 Rechenaufgaben vor, was zu drei einzigartigen Fragestellungen im gesamten Experiment führt.
  9. Nach Abschluss des vierten Rasters wird ein End-of-Task-Bildschirm angezeigt. Weisen Sie die Teilnehmer an, die Leertaste zu drücken, um das Programm zu beenden.

figure-protocol-1
Abbildung 2: Überlappungsbedingungen in der Grid Learning Task. Die Teilnehmer lernen vier verschiedene Raster kennen. (A) Das erste Gitter dient als Basislinie zur Berechnung des Lernschwierigkeitspunkts zwischen aufeinanderfolgenden Gittern. Beginnend mit dem zweiten Raster erleben die Teilnehmer entweder (B) die Objektüberlappungsbedingung, (C) die Standortüberlappungsbedingung oder (D) die Bedingung Keine Überlappung über aufeinanderfolgende Gitter hinweg. Das gezeigte Beispiel veranschaulicht die Überlappungsreihenfolge: Objektüberlappung → Standortüberlappung → Keine Überlappung. Die Reihenfolge der Überlappungsbedingungen wird zwischen den Teilnehmern ausgeglichen. Die gezeigten Bilder sind unveränderte Reize aus der Bank of Standardized Stimuli (BOSS) Set12,13 und werden unter der Creative Commons Attribution License (http://creativecommons.org/licenses/by-sa/3.0/) verwendet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

3. Optionale Formulare

  1. Verwalten Sie das Feedback-Formular. Fragen Sie die Teilnehmer, was sie glauben, dass das Experiment untersucht hat, und welche Strategien sie während der Aufgabe angewendet haben. Laden Sie zu zusätzlichem Feedback und Verbesserungsvorschlägen ein.
  2. Verwalten Sie das demografische Formular. Sammeln Sie demografische Informationen, einschließlich Alter und ethnischer Zugehörigkeit. Informieren Sie die Teilnehmer, dass alle Informationen in aggregierter Form gemeldet werden, um die Anonymität zu wahren.
  3. Stellen Sie den Teilnehmern eine Papierkopie des Nachbesprechungsformulars zur Verfügung. Das Debriefing-Formular erklärt den Zweck der Studie und die Begründung für die Aufgabe.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Die Teilnehmer wurden aufgrund folgender Kriterien ausgeschlossen: (a) Nichterlernen eines Rasters innerhalb von 10 Versuchen oder (b) Genauigkeit unter 75 % bei der mathematischen Ablenkungsaufgabe. Diese Kriterien wurden aus einer früheren Studie mit der Grid Learning Task (GLT)10 übernommen. Von den 46 Teilnehmern, die die GLT absolvierten, wurde 1 nach dem ersten Kriterium ausgeschlossen, und keiner nach dem zweiten. Alle statistischen Tests wurden mit einem z...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Die Grid Learning Task (GLT)10 bietet ein flexibles Verhaltensprotokoll, um zu untersuchen, wie Überschneidungen zwischen Vorwissen und neuen Informationen das Lernen beeinflussen. Bei dieser Aufgabe untersuchen die Teilnehmer wiederholt Objekt-Ort-Assoziationen auf einem Raster, bis alle Objektpositionen gelernt sind, und die Lerneffekte werden mit dem Learning Difficulty Score quantifiziert, der den Unterschied in der Anzahl der erforderlichen Versuche misst, zw...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären keine konkurrierenden Interessen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Bank of Standardized Stimuli (BOSS) setBank of Standardized Stimuli (BOSS)N/A(Stimuli) Standardisierter Satz von Objektbildern, der zur Stimuluspräsentation verwendet wird. Siehe Referenzen 12–13.
Computer (Desktop oder Laptop)Jeder HerstellerN/A(Ausrüstung) Standard-Desktop- oder Laptop-Computer, der zur Ausführung von PsychoPy verwendet wird. Keine spezialisierte Hardware erforderlich.
EinwilligungserklärungVom Autor erstelltN/A(Teilnehmermaterialien) IRB-genehmigte Einwilligungserklärung, die verwendet wird, um vor der Teilnahme eine schriftliche informierte Einwilligung einzuholen.
AbschlussgesprächVom Autor erstelltN/A(Teilnehmermaterialien) Dokument zur Nachbesprechung des Experiments, das den Zweck und die Verfahren der Studie erklärt.
Demografie-FragebogenVom Autor erstelltN/A(Teilnehmermaterialien) Fragebogen zur Erfassung von Alters- und demografischen Informationen. Die Daten wurden aggregiert gemeldet, um die Anonymität zu wahren.
Feedback-FormularVom Autor erstelltN/A(Teilnehmermaterialien) Fragebogen nach der Aufgabe zur Bewertung der Strategien und subjektiven Erfahrungen der Teilnehmer während der Aufgabe.
Grid Learning Task Programm (PsychoPy-Skript)Vom Autor erstelltN/A(Software) Benutzerdefiniertes PsychoPy-basiertes Task, das den Grid Learning Task implementiert. Die in dieser Studie verwendete Version entspricht der ergänzenden Datei S1. Ausgeführt mit PsychoPy v2024.2.4. Verfügbar unter https://www.psychopy.org.
Monitor/DisplayJeder HerstellerN/A(Ausrüstung) Standard-Computermonitor, der zur Darstellung der 8 × 8 Gitterstimuli verwendet wird. Bildschirmgröße angepasst, um die vollständige Sichtbarkeit des Rasters zu gewährleisten.
Maus/TrackpadJeder HerstellerN/A(Ausrüstung) Standard-Eingabegerät zur Drag-and-Drop-Platzierung von Objekten innerhalb des Rasters.
PsychoPyOpen Science Tools Ltd.Version 2024.2.4(Software) Open-Source-Experimentsteuerungssoftware, die zur Ausführung des Tasks verwendet wird. Verfügbar unter https://www.psychopy.org.

Referenzen

  1. Anderson MC, Neely JH. Interference and inhibition in memory retrieval. In: Bjork EL, Bjork RA, editors. Memory. 2nd ed. San Diego (CA): Academic Press; 1996. p. 237-313.
  2. Kliegl O, Bäuml KHT. Buildup and release from proactive interference-Cognitive and neural mechanisms. Neurosci Biobehav Rev. 2021;120:264-278.
  3. Tse D, et al. Schemas and memory consolidation. Science. 2007;316(5821):76-82.
  4. Bein O, et al. Predictions transform memories: How expected versus. unexpected events are integrated or separated in memory. Neurosci Biobehav Rev. 2023;153:105368.
  5. Postman L, Underwood BJ. Critical issues in interference theory. Mem Cognit. 1973;1(1):19-40.
  6. Underwood BJ. Interference and forgetting. Psychol Rev. 1957;64(1):4-60.
  7. McGeoch JA. The psychology of human learning. London: Longmans, Green and Co.; 1942.
  8. van Buuren M, et al. Initial investigation of the effects of an experimentally learned schema on spatial associative memory in humans. J Neurosci. 2014;34(50):16662-16670.
  9. Farzanfar D, Spiers HJ, Moscovitch M, Rosenbaum RS. From cognitive maps to spatial schemas. Nat Rev Neurosci. 2023;24(2):63-79.
  10. Chaloupka B, Zeithamova D. Differential effects of location and object overlap on new learning. Front Cognit. 2024;2:1325246.
  11. Peirce J, et al. PsychoPy2: Experiments in behavior made easy. Behav Res Methods. 2019;51(1):195-203.
  12. Brodeur MB, et al. The Bank of Standardized Stimuli (BOSS), a new set of 480 normative photos of objects to be used as visual stimuli in cognitive research. PLoS One. 2010;5(5):e10773.
  13. Brodeur MB, Guérard K, Bouras M. Bank of Standardized Stimuli (BOSS) phase II: 930 new normative photos. PLoS One. 2014;9(9):e106953.
  14. Chanales AJ, et al. Interference between overlapping memories is predicted by neural states during learning. Nat Commun. 2019;10:5363.
  15. Ritvo VJ, Turk-Browne NB, Norman KA. Nonmonotonic plasticity: How memory retrieval drives learning. Trends Cogn Sci. 2019;23(9):726-742.
  16. Zeithamova D, Bowman CR. Generalization and the hippocampus: More than one story? Neurobiol Learn Mem. 2020;175:107317.
  17. Gilboa A, Marlatte H. Neurobiology of schemas and schema-mediated memory. Trends Cogn Sci. 2017;21(8):618-631.
  18. Mitchell TM, Keller RM, Kedar-Cabelli ST. Explanation-based generalization: A unifying view. Mach Learn. 1986;1(1):47-80.
  19. Liao Z, Losonczy A. Learning, fast and slow: Single- and many-shot learning in the hippocampus. Annu Rev Neurosci. 2024;47(1):187-209.
  20. Tompary A, Zhou W, Davachi L. Schematic memories develop quickly, but are not expressed unless necessary. Sci Rep. 2020;10(1):16968.
  21. Umanath S, Marsh EJ. Understanding how prior knowledge influences memory in older adults. Perspect Psychol Sci. 2014;9(4):408-426.
  22. Yassa MA, Stark CE. Pattern separation in the hippocampus. Trends Neurosci. 2011;34(10):515-525.
  23. Hunsaker MR, Kesner RP. The operation of pattern separation and pattern completion processes associated with different attributes or domains of memory. Neurosci Biobehav Rev. 2013;37(1):36-58.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

VerhaltenAusgabe 233Ausgabe 233GedächtnisVorwissenFazilitierungInterferenz

Dieser Artikel wurde veröffentlicht

Video demnächst verfügbar

Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.