Zadanie uczenia się siatki: Badanie wpływu typu nakładania na nowe uczenie się u zdrowych dorosłych uczestników

Podsumowanie

Ten protokół przedstawia Zadanie Uczenia Się na Siatce (GLT), paradygmat behawioralny zaprojektowany w celu zbadania, w jaki sposób różne rodzaje nakładania się (tzn., obiektu versus lokalizacji) między kolejnymi epizodami uczenia się ułatwiają lub przeszkadzają w nowym nauce, zgodnie ze zmianami w wydajności uczenia się na różnych siatkach.

Streszczenie

W życiu codziennym ludzie często muszą pamiętać lokalizacje przedmiotów, na przykład gdzie samochód był zaparkowany w danym dniu. Kluczowym pytaniem jest, czy podobne wcześniejsze doświadczenia (np. parkowanie na tym samym parkingu dzień wcześniej) ułatwiają czy też zakłócają pamięć dla nowej informacji. Zadanie z Uczenia się na Siatce (Grid Learning Task - GLT) zostało opracowane, aby odpowiedzieć na to pytanie. W tym zadaniu uczestnicy badają zestaw obiektów ułożonych na siatce, a następnie są proszeni o umieszczenie ich we właściwych miejscach na pustej wersji siatki. Dwie warunki nakładania się są szczególnie interesujące: warunek nakładania się lokalizacji i warunek nakładania się obiektów. W warunku nakładania się lokalizacji, różne obiekty są prezentowane w tej samej konfiguracji przestrzennej co poprzednia siatka. W warunku nakładania się obiektów, te same obiekty są prezentowane w różnej konfiguracji przestrzennej. Obecny protokół modyfikuje oryginalne zadanie do projektu wewnątrz-subiektowego, w którym uczestnicy doświadczają wszystkich rodzajów nakładania się. Porównując próby uczenia się między warunkiem nakładania się lokalizacji a warunkiem nakładania się obiektów, GLT dostarcza wglądu w to, jak różne formy nakładania się z wcześniejszymi doświadczeniami wpływają na nowe uczenie się. Wyniki tego zadania ogólnie pokazują, że nakładanie się identyczności obiektów zwiększa liczbę prób potrzebnych do nauczenia się kolejnej siatki, co odbija zakłócenie pamięci. W przeciwieństwie do tego, nakładanie się lokalizacji obiektów zmniejsza liczbę prób potrzebnych do nauczenia się kolejnej siatki, co odbija ułatwienie pamięci. Ogólnie, GLT dostarcza ram dla badania, jak wcześniejsze doświadczenia wpływają na nowe uczenie się, ujawniając zarówno efekty zakłócające, jak i ułatwiające.

Wprowadzenie

Nasze codzienne doświadczenia często zawierają nakładające się informacje. Wiedza wcześniejsza może czasem wspierać nowe uczenie się, dostarczając wsparcia, ale może też przeszkadzać w nauce, powodując zamieszanie i utrudniając wydajność^1,2,3,4. Na przykład, podczas odwiedzania nowego sklepu spożywczego, ludzie mogą łatwo znaleźć wózki czy kasy, korzystając z wiedzy uzyskanej z wcześniejszych układów sklepów. Jednak zapamiętanie dokładnej lokalizacji konkretnego produktu może być trudniejsze, gdy jego umiejscowienie różni się od tego w znanym sklepie. Ilustruje to szersze pytanie: w jakich warunkach wcześniejsze doświadczenie ułatwia nowe uczenie się, a kiedy przeszkadza w nim?

Badacze od dawna badają, jak wcześniejsza wiedza wpływa na uczenie się, ale dowody na jej ułatwiające i przeszkadzające działanie często pojawiają się z różnych paradygmatów eksperymentalnych^1,2,3,4. W rezultacie opracowanie spójnego opisu, jak wcześniejsza wiedza wpływa na nabywanie nowych informacji, pozostaje wyzwaniem. Efekty interferencji są zwykle badane za pomocą zadań uczenia się par słów^1,2,5,6,7. W tych zadaniach uczestnicy najpierw uczą się zestawu par słów (np. A-B), a następnie uczą się drugiej listy, w której niektóre pary mają wspólny element z pierwszą listą (np. A-C), wraz z parami kontrolnymi bez nakładania się (np. D-E). Kiedy wspólny element (A) jest używany jako wskazówka do odzyskania, odzyskiwanie pary z drugiej listy (C) jest często osłabione, co jest zjawiskiem znanym jako interferencja proaktywna⁶. Ten efekt jest zwykle przypisywany konkurencji między wcześniej nauczonym skojarzeniem (A-B) a nowszym skojarzeniem (A-C), zmniejszając prawdopodobieństwo odzyskania tego ostatniego⁵.

Natomiast efekty ułatwiające zostały zaobserwowane w zadaniach uczenia się lokalizacji obiektów^3,8. W tych zadaniach uczestnicy uczą się pozycji wielu obiektów na siatce, a nauka jest wzmocniona, gdy nowy zestaw obiektów jest prezentowany w ramach wcześniej nauczonych układów przestrzennych, a nie nowych. Ten korzystny efekt nakładającej się struktury przestrzennej został wykazano zarówno u ludzi, jak i gryzoni^3,8, podkreślając, jak wcześniejsza wiedza może wspierać nowe uczenie się. Co ważne, wcześniejsza wiedza przestrzenna reprezentuje tylko jedną formę wiedzy schematycznej, która może wpływać na zachowanie⁹. Schematy mogą również zawierać wiedzę semantyczną (np. sklepy spożywcze sprzedają żywność, ale mogą również posiadać artykuły gospodarstwa domowego), która może ułatwiać nabywanie nowych informacji i kierować zachowaniem w szerszym zakresie⁹. Na przykład, jeśli ktoś chce kupić jabłko, może polegać na istniejącym schemacie, że jest bardziej prawdopodobne, że znajdzie się w sklepie spożywczym niż w sklepie żelaznym.

Zadanie Uczenia się Siatki (GLT)¹⁰ zostało opracowane, aby zapewnić ujednolicony framework do badania, jak wcześniejsza wiedza wpływa na nowe uczenie się poprzez włączenie zarówno ułatwiania, jak i interferencji w jednym zadaniu. W GLT uczestnicy uczą się wielu siatek lokalizacji obiektów, powtarzając proces uczenia się, aż wszystkie lokalizacje obiektów zostaną zapamiętane. Kluczowo, rodzaj nakładania się między kolejnymi siatkami jest manipulowany. W warunku nakładania się lokalizacji różne obiekty są prezentowane w tym samym układzie przestrzennym. W warunku nakładania się obiektów te same obiekty są prezentowane w różnych lokalizacjach. Poprzednie badania wykazały, że nauka jest ułatwiana, gdy układy przestrzenne się nakładają, ale jest osłabiana, gdy tożsamość obiektów się nakłada¹⁰. Jednak początkowe zastosowania GLT porównywały warunki nakładania się między uczestnikami¹⁰, co sugeruje, że te przeciwstawne efekty mogą odzwierciedlać różnice indywidualne, a nie sam rodzaj nakładania się.

Przedstawiony protokół opisuje zmodyfikowaną wersję GLT dla każdego uczestnika, w której każdy uczestnik doświadcza wszystkich warunków nakładania się. Ta metodologiczna modyfikacja zmniejsza zmienność między uczestnikami i pozwala na pomiar ułatwiania i interferencji w ramach tej samej osoby. W rezultacie projekt bardziej bezpośrednio testuje, czy różne formy wcześniejszej wiedzy wywierają odrębne wpływy na nowe uczenie się. Łącznie, te ustalenia sugerują, że rodzaj wcześniejszej wiedzy może determinować, czy wcześni

Protokół

Wszystkie procedury z udziałem ludzi zostały zatwierdzone przez Radę Przeglądu Instytucjonalnego Uniwersytetu Kalifornijskiego w Riverside (Protokół nr 30014). Przed przystąpieniem do badania od wszystkich uczestników uzyskano pisemną świadomą zgodę. Wszystkie metody zostały przeprowadzone zgodnie z odpowiednimi wytycznymi i regulacjami instytucjonalnymi.

1. Zgoda i instrukcje

1. Przekaż uczestnikom formularz zgody, który wyjaśnia ich prawa i zawiera ogólny opis badania. Przed rozpoczęciem udziału uzyskaj pisemną świadomą zgodę od wszystkich uczestników.
2. Po podpisaniu przez uczestników formularza zgody, wyjaśnij ustnie, że zadanie polega na zapamiętywaniu lokalizacji obiektów i umieszczaniu ich na odpowiednich polach podczas fazy testowej na czterech różnych siatkach, przy czym pomiędzy siatkami zostanie zaprezentowane rozpraszające zadanie matematyczne.
3. Krótko opisz ogólną strukturę zadania, w tym fazy treningowe i fazy badania siatek. Poproś uczestników o powtórzenie instrukcji zadania badaczowi i udziel więcej wyjaśnień w razie potrzeby.

2. Zadanie uczenia się w siatce

1. Otwórz program Grid Learning Task (Supplementary File 1 oraz Supplementary Figure 1) za pomocą PsychoPy¹¹. Kliknij przycisk „Run”, upewniając się, że program nie znajduje się w trybie testowym (pilot testing mode).
2. Pojawi się prośba o podanie numeru identyfikacyjnego uczestnika. Numer identyfikacyjny służy do zachowania anonimowości uczestników. Poinstruuj uczestników, aby wpisali przypisany im numer identyfikacyjny i kontynuowali, klikając przycisk „OK”.
3. Uruchom program. Ekran zachęca uczestników do użycia spacji, aby przejść przez instrukcje.
4. Poinstruuj uczestników, aby dostosowali rozmiar ekranu, jednocześnie naciskając klawisz Command (Mac) lub Control (Windows) oraz klawisz „+” lub „-”, aż wszystkie cztery narożniki siatki będą widoczne na ekranie.
   ​UWAGA: Przed rozpoczęciem zadania upewnij się, że wszystkie cztery narożniki siatki są widoczne. Nieprawidłowe skalowanie ekranu może wpłynąć na prezentację bodźców i wyniki uczestników.
5. Faza treningowa
   1. Rozpocznij fazę treningową. Rysunek 1 ilustruje cykl „Nauka – Fiksacja – Test – Informacja zwrotna”. W pierwszej fazie treningowej zaprezentuj małą siatkę 3 × 3 zawierającą jeden obiekt.
   2. Wyświetl ekran nauki przez 4 s. Następnie wprowadź 3 s odstępu (retention interval), podczas którego siatka znika, a przed pojawieniem się ekranu testowego wyświetlany jest krzyżyk fiksacyjny.
   3. Wyświetl pustą siatkę z obiektem umieszczonym poniżej niej. Poproś uczestników o przeciągnięcie i upuszczenie obiektu w jego oryginalnej lokalizacji.
      1. Użyj kolorowych zdjęć przedmiotów codziennego użytku na białym tle z Bank of Standardized Stimuli (BOSS)^12,13. W przypadku czterech badanych siatek użyj trzech zestawów obiektów i trzech zestawów lokalizacji, aby stworzyć dziewięć unikalnych siatek 8 × 8.
      2. Losowo wybierz każdy zestaw obiektów z ustalonej puli 24 obiektów obejmującej 12 kategorii (np. aktywności na świeżym powietrzu i sport, przybory papiernicze, przybory kuchenne, dekoracje, instrumenty muzyczne, gry, narzędzia domowe, meble i odzież) (Supplementary Figure 2).
   4. Po zatwierdzeniu odpowiedzi przez uczestników za pomocą spacji, wyświetl ekran informacji zwrotnej wskazujący, czy rozmieszczenie było poprawne. Pozwól uczestnikom nacisnąć „y”, aby powtórzyć próbę, lub „n”, aby kontynuować. Uczestnicy mogą powtórzyć tę pierwszą fazę treningową do 10 razy.
      ​UWAGA: Wykorzystaj tę fazę treningową, aby oswoić uczestników z przeciąganiem i upuszczaniem obiektów na siatkę.
   5. Rozpocznij drugą fazę treningową. Zaprezentuj pełnowymiarową siatkę 8 × 8 zawierającą dwa obiekty.
      1. Zastosuj ten sam cykl „Nauka – Fiksacja – Test – Informacja zwrotna” oraz ten sam czas trwania, co w pierwszej fazie treningowej, z wyjątkiem tego, że ekran nauki jest wyświetlany przez 8 s.
      2. Po zatwierdzeniu odpowiedzi przez uczestników wyświetl ekran informacji zwrotnej wskazujący, czy wszystkie lokalizacje obiektów zostały określone poprawnie. Jeśli co najmniej jeden obiekt jest błędny, poinformuj uczestników, że jedno lub więcej rozmieszczeń było nieprawidłowych, nie wskazując konkretnych obiektów.
      3. Jeśli odpowiedź jest błędna, poproś uczestników o naciśnięcie spacji, aby spróbować ponownie. Jeśli wszystkie rozmieszczenia są poprawne, poproś uczestników o przejście do kolejnego etapu zadania.
      4. Poproś uczestników o naciśnięcie „y”, aby powtórzyć fazę treningową, lub „n”, aby kontynuować. Uczestnicy mogą powtórzyć tę drugą siatkę treningową do 10 razy.
         ​UWAGA: Wykorzystaj tę fazę treningową, aby oswoić uczestników z pełnowymiarową siatką 8 × 8. Obiekty i lokalizacje użyte podczas treningu nie pojawiają się w fazie siatek badawczych.
6. Faza siatek badawczych
   1. Wyświetl ekran instrukcji wskazujący na rozpoczęcie fazy siatek badawczych. Uczestnicy rozpoczynają tę fazę, naciskając spację i postępując zgodnie z instrukcjami na ekranie.
   2. Prezentuj ekrany, stosując ten sam cykl „Nauka – Fiksacja – Test – Informacja zwrotna” oraz ten sam czas trwania, co w drugiej fazie treningowej. W przeciwieństwie do fazy treningowej, uczestnicy uczą się czterech różnych siatek, z których każda zawiera osiem obiektów.
      ​UWAGA: Upewnij się, że uczestnicy rozumieją, iż każda siatka musi zostać opanowana do określonego kryterium przed przejściem dalej. Nieopanowanie jednej siatki może wpłynąć na wyniki w kolejnych siatkach.
   3. Zaprezentuj ekran nauki zawierający osiem różnych obiektów rozmieszczonych na siatce 8 × 8. Wyświetl ekran nauki przez 8 s, a następnie poinstruuj uczestników, aby zapamiętali lokalizacje obiektów.
      1. Użyj przedmiotów codziennego użytku wyświetlonych na białym tle.
      2. Rozmieść obiekty zgodnie z jednym z zdefiniowanych zestawów obiekt-lokalizacja.
      3. Stwórz trzy zestawy lokalizacji poprzez pseudolosowe przypisywanie miejsc dla obiektów w taki sposób, aby obiekty nie znajdowały się wzdłuż krawędzi siatki i nie zajmowały sąsiednich pól. Dopuszczalne jest współdzielenie narożników.
   4. Zaprezentuj ekran odstępu (retention interval) z krzyżykiem fiksacyjnym przez 3 s.
   5. Zaprezentuj ekran testowy, prosząc uczestników o umieszczenie każdego obiektu w zapamiętanej lokalizacji. Wyświetl pustą siatkę 8 × 8 z obrazami obiektów rozmieszczonymi losowo poniżej siatki.
   6. Uczestnicy przeciągają i upuszczają każdy obiekt na siatkę, aby wskazać zapamiętaną lokalizację. Każdy obiekt jest automatycznie centrowany w wybranym polu siatki. Pozwól uczestnikom na nieograniczoną liczbę zmian położenia obiektów przed zatwierdzeniem odpowiedzi.
   7. Gdy uczestnicy będą zadowoleni ze swoich rozmieszczeń, poinstruuj ich, aby naciśnęli spację w celu zatwierdzenia odpowiedzi. Faza testowa odbywa się w tempie uczestnika i nie ma limitu czasowego.
   8. Wyświetl ekran informacji zwrotnej wskazujący liczbę poprawnie rozmieszczonych obiektów. Nie wskazuj, które obiekty zostały rozmieszczone poprawnie.
   9. Powtarzaj cykl „Nauka – Fiksacja – Test – Informacja zwrotna”, aż wszystkie osiem obiektów zostanie rozmieszczonych poprawnie lub aż zostanie ukończonych 10 cykli nauka-test, w zależności od tego, co nastąpi wcześniej. Następnie program automatycznie przechodzi do zadania rozpraszającego (matematycznego).
7. Zadanie rozpraszające (matematyczne)
   1. Rozpocznij zadanie rozpraszające. Poinstruuj uczestników, aby przeczytali instrukcje na ekranie i rozwiązali proste problemy arytmetyczne przed przejściem do następnej siatki.
   2. Prezentuj na ekranie pojedynczo proste problemy arytmetyczne obejmujące dodawanie lub odejmowanie. Poinstruuj uczestników, aby wskazali, czy każde równanie jest poprawne, czy nie, naciskając „T” dla prawdy (true) lub „F” dla fałszu (false).
      1. Na przykład, gdy wyświetlone zostanie równanie 2 + 4 = 6, uczestnicy mają nacisnąć „T”. Gdy wyświetlone zostanie równanie 2 + 5 = 10, uczestnicy mają nacisnąć „F”.
   3. Wyświetl ekran informacji zwrotnej po każdej odpowiedzi.
      1. Wskaż, czy odpowiedź była poprawna, czy błędna. Jeśli w ciągu 4 s nie udzielono odpowiedzi, program automatycznie przechodzi do ekranu informacji zwrotnej i wyświetla komunikat proszący uczestników o szybsze odpowiadanie.
      2. Pozwól, aby ekran informacji zwrotnej pozostał widoczny przez 2 s. Po 2 s program automatycznie przechodzi do następnej próby.
   4. Wymagaj od uczestników rozwiązania 20 pytań arytmetycznych przed przejściem do następnej siatki. Wykonanie zadania rozpraszającego zajmuje zazwyczaj około 1 min.
      ​UWAGA: Wykorzystaj to zadanie, aby zapobiec aktywnym powtórzeniom poprzedniej siatki i utrzymać zaangażowanie uczestnika. Chociaż ogólna dokładność nie jest przekazywana jako informacja zwrotna podczas eksperymentu, wyklucz uczestników z analizy, jeśli ich dokładność jest poniżej 75%¹⁰.
8. Manipulacja nakładaniem (Overlap manipulation)
   1. Po zakończeniu zadania rozpraszającego wyświetl na ekranie instrukcje informujące, że rozpocznie się następna siatka. Poinstruuj uczestników, aby naciśnęli spację, aby rozpocząć kolejną próbę. Powtórz cykl „Nauka – Fiksacja – Test – Informacja zwrotna” dla kolejnej siatki. W trakcie całego zadania uczestnicy uczą się czterech różnych siatek oddzielonych zadaniami rozpraszającymi.
   2. Skonfiguruj cztery siatki tak, aby dwie następujące po sobie siatki miały te same obrazy obiektów, ale różne lokalizacje, podczas gdy inna para następujących po sobie siatek miała ten sam układ przestrzenny, ale różne obrazy obiektów (Rysunek 2).
      1. Zbuduj cztery badane siatki z zdefiniowanych zestawów obiektów i lokalizacji opisanych w krokach 2.5.3.1–2.5.3.2 oraz 2.6.3.3. Siatki zostaną wybrane losowo tak, aby jedno przejście reprezentowało warunek nakładania obiektów (Object overlap), jedno przejście warunek nakładania lokalizacji (Location overlap), a jedno przejście warunek braku nakładania (No overlap).
      2. W przypadku warunku nakładania obiektów użyj tego samego zestawu obiektów w dwóch następujących po sobie siatkach, przypisując im różne zestawy lokalizacji. W przypadku warunku nakładania lokalizacji użyj tego samego zestawu lokalizacji w dwóch następujących po sobie siatkach, przypisując im różne zestawy obiektów. W przypadku warunku braku nakładania użyj różnych zestawów obiektów i różnych zestawów lokalizacji w następujących po sobie siatkach.
   3. Losowo przypisz i w pełni zrównoważ (counterbalance) kolejność warunków nakładania wśród uczestników, co daje sześć możliwych kolejności nakładania.
      UWAGA: W pełni zrównoważ kolejność warunków nakładania wśród uczestników, aby zminimalizować efekty kolejności i zapewnić wiarygodne oszacowania facylitacji i interferencji.
   4. Zaprezentuj inny zestaw 20 pytań arytmetycznych podczas każdej fazy rozpraszania, co daje trzy unikalne zestawy pytań w całym eksperymencie.
9. Po ukończeniu czwartej siatki wyświetl ekran zakończenia zadania. Poinstruuj uczestników, aby naciśnęli spację, aby wyjść z programu.

Rysunek 1: Kolejność i czas wyświetlania ekranów w zadaniu uczenia się w siatce (Grid Learning Task).Każda próba uczenia się składa się z powtarzającego się cyklu „Nauka – Fiksacja – Test – Informacja zwrotna”. Podczas fazy Nauki uczestnicy oglądają osiem obiektów rozmieszczonych na siatce 8 × 8 i zapamiętują ich położenie. Po 8 s fazie Nauki następuje 3 s ekran fiksacji oraz faza Testu realizowana we własnym tempie, podczas której uczestnicy przeciągają i upuszczają obiekty na pustą siatkę, aby wskazać zapamiętane lokalizacje. Po przesłaniu odpowiedzi przez uczestników, na ekranie Informacji zwrotnej wyświetlana jest liczba poprawnie umieszczonych obiektów. Cykl ten powtarza się do momentu, aż wszystkie obiekty zostaną umieszczone prawidłowo lub do czasu wykonania maksymalnie 10 prób uczenia się, w zależności od tego, co nastąpi pierwsze. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Rysunek 2: Warunki nakładania w zadaniu uczenia się na siatce. Uczestnicy uczą się czterech różnych siatek. (A) Pierwsza siatka służy jako punkt odniesienia do obliczenia wskaźnika trudności uczenia się (Learning Difficulty Score) pomiędzy kolejnymi siatkami. Począwszy od drugiej siatki, uczestnicy doświadczają w kolejnych etapach albo (B) warunku nakładania obiektów (Object overlap), (C) warunku nakładania lokalizacji (Location overlap), lub (D) warunku braku nakładania (No overlap). Przedstawiony przykład ilustruje kolejność nakładania: nakładanie obiektów → nakładanie lokalizacji → brak nakładania. Kolejność warunków nakładania jest zrównoważona (counterbalanced) pomiędzy uczestnikami. Przedstawione obrazy to niezmienione bodźce z zestawu Bank of Standardized Stimuli (BOSS)^12,13, użyte na podstawie licencji Creative Commons Attribution (http://creativecommons.org/licenses/by-sa/3.0/). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

3. Formy opcjonalne

1. Przeprowadź ankietę opinii. Zapytaj uczestników, co ich zdaniem było przedmiotem badania oraz jakich strategii użyli podczas wykonywania zadania. Poproś o dodatkowe uwagi i sugestie dotyczące ulepszeń.
2. Przeprowadź ankietę demograficzną. Zbierz dane demograficzne, w tym wiek i pochodzenie etniczne. Poinformuj uczestników, że wszystkie informacje zostaną przedstawione w formie zagregowanej w celu zachowania anonimowości.
3. Przekaż uczestnikom papierową kopię formularza debriefingu. Formularz debriefingu wyjaśnia cel badania oraz uzasadnienie zastosowanego zadania.

Wyniki

Uczestników wykluczono na podstawie następujących kryteriów: (a) brak opanowania jakiejkolwiek siatki w ciągu 10 prób lub (b) dokładność poniżej 75% w zadaniu rozpraszającym z matematyki. Kryteria te przyjęto z poprzedniego badania z wykorzystaniem zadania nauki siatki (Grid Learning Task, GLT)¹⁰. Spośród 46 uczestników, którzy ukończyli GLT, 1 został wykluczony na podstawie pierwszego kryterium, a nikt nie został wykluczony na podstawie drugiego. Wszystkie testy statystyczne oceniano przy dwustro...

Dyskusja

Zadanie nauki siatki (GLT)¹⁰ zapewnia elastyczny protokół behawioralny do badania, jak nakładanie się wiedzy poprzedniej i nowych informacji kształtuje naukę. W tym zadaniu uczestnicy wielokrotnie badają skojarzenia obiekt-lokalizacja na siatce, aż do momentu nauczenia się wszystkich lokalizacji obiektów, a efekty uczenia się są ilościowo mierzone za pomocą wskaźnika trudności uczenia się, który mierzy różnicę w liczbie prób wymaganych do nauczenia się dwóch kolejnych siatek. Kluczowa cecha protok...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Bank of Standardized Stimuli (BOSS) set	Bank of Standardized Stimuli (BOSS)	N/A	(Stimuli) Zstandaryzowany zestaw obrazów obiektów używanych do prezentacji stymulacji. Zobacz odniesienia 12–13.
Computer (desktop or laptop)	Any manufacturer	N/A	(Wyposażenie) Standardowy komputer stacjonarny lub laptop używany do uruchomienia PsychoPy. Nie wymagany specjalistyczny sprzęt.
Consent form	Author-generated	N/A	(Materiały dla uczestników) Zatwierdzony przez IRB dokument zgody używany do uzyskania pisemnej informowanej zgody przed uczestnictwem.
Debriefing form	Author-generated	N/A	(Materiały dla uczestników) Dokument debriefujący po eksperymencie wyjaśniający cel i procedury badania.
Demographic form	Author-generated	N/A	(Materiały dla uczestników) Kwestionariusz używany do zbierania informacji o wieku i danych demograficznych. Dane były raportowane łącznie, aby zachować anonimowość.
Feedback form	Author-generated	N/A	(Materiały dla uczestników) Kwestionariusz po zadaniu oceniający strategie uczestników i subiektywne doświadczenia podczas zadania.
Grid Learning Task program (PsychoPy script)	Author-generated	N/A	(Oprogramowanie) Niestandardowe zadanie oparte na PsychoPy implementujące Grid Learning Task. Wersja użyta w tym badaniu odpowiada Plikowi uzupełniającemu S1. Wykonywane za pomocą PsychoPy v2024.2.4. Dostępne na https://www.psychopy.org.
Monitor / display	Any manufacturer	N/A	(Wyposażenie) Standardowy monitor komputera używany do prezentacji stymulacji w siatce 8 × 8. Rozmiar ekranu dostosowany, aby zapewnić pełną widoczność siatki.
Mouse / trackpad	Any manufacturer	N/A	(Wyposażenie) Standardowe urządzenie wejściowe używane do przeciągania i upuszczania obiektów w siatce.
PsychoPy	Open Science Tools Ltd.	Version 2024.2.4	(Oprogramowanie) Oprogramowanie open-source do sterowania eksperymentami używane do uruchomienia zadania. Dostępne na https://www.psychopy.org.