Вплив знань предметної області на сегментацію та пам'ять

Контакти:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

Кімберлі М. Ньюберрі1 та Деніел П. Феллер2 та Хізер Р. Бейлі3

Прийнято: 12 листопада 2020 р. / Опубліковано онлайн: 7 січня 2021 р

# The Psychonomic Society, Inc. 2021

циноморійдля поліпшення пам'яті

Анотація

Численні дослідження показали, що експерти володіють кращою пам’яттю у своїй сфері знань. Вважається, що ця перевага пам’яті є результатом різних механізмів кодування, таких як фрагментація та диференціація. Іншим потенційним механізмом кодування, пов’язаним із пам’яттю, є сегментація подій, тобто процес, за допомогою якого люди розбирають безперервну інформацію на значущі дискретні одиниці. Попередні дослідження виявили докази того, що на сегментацію певною мірою впливає обробка зверху вниз. На сьогодні небагато досліджень досліджували вплив досвіду на сегментацію, і залишаються питання щодо досвіду, здатності до сегментації та їхнього впливу на пам’ять. Метою поточного дослідження було дослідити вплив досвіду на сегментацію та здатність пам’яті для двох різних областей: баскетболу та Overwatch. Учасники з високим і низьким рівнем знань про баскетбол і з низьким рівнем знань про Overwatch переглядали та сегментували відео з грубим і дрібним зерном, а потім виконували тести пам’яті. Відмінності в здатності до сегментації та пам’яті були присутні між експертами та новачками в контрольній групі, особливо для відео про баскетбол; однак сегментація експертів передбачала пам'ять лише для діяльності, для якої бракувало знань. Загалом це дослідження свідчить про те, що краща пам’ять експертів не зумовлена ​​їхньою здатністю до сегментації, і сприяє зростанню кількості літератури, яка демонструє докази, що підтверджують концептуальний вплив на сегментацію.

Ключові слова: предметні знання. Сегментація подій. Пам'ять. Експертиза

Десятиліття роботи над предметними знаннями (семантичними знаннями для певної галузі) показали, що експерти володіють перевагоюпам'ятьдля отримання інформації у своїй експертній галузі. Цепам'ятьПеревага була пояснена різними механізмами кодування, включаючи фрагментацію (Chase & Simon, 1973), диференціацію та уніфікацію (Herzmann & Curran, 2011). Нещодавно було показано, що інший механізм кодування впливаєпам'ятьдля інформації про подію: сегментація події (Bailey et al., 2013; Flores, Bailey, Eisenberg, & Zacks, 2017; Newberry &

Бейлі, 2019; Сарджент та ін., 2013; Закс, Шпеєр, Феттель і Джейкобі, 2006).

Сегментація подій — це механізм кодування, за допомогою якого люди розбирають безперервну інформацію про подію на значущі дискретні одиниці (наприклад, Zacks, Speer, Swallow, Braver & Reynolds, 2007). Те, як люди сегментують подію, впливає на те, як вони сприймають, розуміють і запам’ятовують події (для огляду див. Radvansky & Zacks, 2014). На цей процес можуть впливати як перцептивні, так і концептуальні фактори, що свідчить про те, що попередні знання можуть впливати на те, як хтось сприймає та сегментує подію, що, у свою чергу, може впливатипам'ять. У той час як деякі дослідження показують, що предметні знання

Дані, представлені в цьому рукописі, були раніше представлені як на 59-й щорічній зустрічі Психономічного товариства в листопаді 2018 року, так і на 91-й щорічній зустрічі Психологічної асоціації Середнього Заходу в квітні 2019 року.

* Кімберлі М. Ньюберрі knewberr@su.edu

1 факультет психології, Університет Шенандоа, 600 Millwood Ave., Halpin Harrison Hall 117, Вінчестер, Вірджинія 22601, США

2 Департамент наук про навчання, Університет штату Джорджія, Атланта, Джорджія, США

3 Департамент психологічних наук, Канзаський державний університет, Манхеттен, Канзас, США

впливає на сегментацію (наприклад, експерти визначають менше меж: Bläsing, 2015; експерти більше погоджуються з грубими межами: Levine, Hirsh-Pasek, Pace & Michnick Golinkoff, 2017; Zacks & Tversky, 2003), залишається кілька питань: до якої міри люди погоджуються щодо того, як діяльність сегментується всередині та за межами їхньої сфери знань? Чи люди з високим рівнем знань організовують заходи з кодування інакше, ніж люди з низькими знаннями? Якщо так, чи пояснює це спостережене?пам'ятькористь?

Таким чином, у поточному дослідженні досліджувався вплив основних знань на сегментацію тапам'ятьігор у баскетбол та Overwatch. Ці дії були обрані через їх популярність, а також для перевірки можливості узагальнення

вплив знань на сегментацію між різними видами діяльності. Для початку обговорюються теорії пізнання подій, теорія сегментації подій і модель горизонту подій, а потім зв’язок між сегментацією та знаннями. Після цього описується література про експертизу та об’єднується з сегментацією подій, а також представлені загальні прогнози щодо поточного дослідження.

Теорія сегментації подій

Відповідно до теорії сегментації подій (EST; Kurby & Zacks, 2008; Zacks та ін., 2007), події переживаються постійно, але сприйняття цих подій – ні. Скоріше люди використовують перцептивні (наприклад, рух, положення тіла; Newtson, Enquist, & Bois, 1977; Zacks, 2004) і концептуальні (наприклад, знання, цілі; Levine et al., 2017; Radvansky & Zacks, 2014; Zacks, 2004) інформація для побудови ментальних уявлень про поточну діяльність, щоб уявлення про поточну подію зберігалося в робочому стані.пам'ятьдо тих пір, поки зміна не буде сприйнята, після чого створюється нове уявлення, щоб відобразити нову подію (наприклад, Zacks et al., 2007). Вважається, що цей процес оновлення відбувається, коли існує невідповідність між очікуваннями та реальністю (Rescorla & Wagner, 1972), що зумовлено невдалими прогнозами (Zacks та ін., 2007), відсутністю узгодженості (Gernsbacher, 1991) або змінами у контексті (Clewett & Davachi, 2017).

EST стверджує, що люди створюють прогнози щодо майбутніх аукціонів, і точність цих прогнозів контролюється. Наприклад, після того, як баскетболіст робить кидок, ймовірно, що гравець протилежної команди підхопить м’яч і переведе його на інший кінець майданчика. Однак, коли гравець з м'ячем досягає протилежного краю майданчика, подія стає менш передбачуваною. Гравець передасть м'яч чи виконає удар? Моменти часу, коли прогнози не виконуються, або коли люди помічають зміни та оновлюють своє представлення подій, називаються межами подій. Дослідження свідчать про те, що передбачуваність у межах події є високою, але за її межами передбачуваність низька (наприклад, Reynolds, Zacks, & Braver, 2007; Zacks, Kurby, Eisenberg, & Haroutunian, 2011). Цікаво, що люди надійно аналізують події на постійних кордонах (наприклад, Bower, Black, & Turner, 1979; Hard, Tversky, & Lang, 2006b; Newtson, 1973; Speer, Swallow, & Zacks, 2003; Zacks, Tversky, & Iyer, 2001a), навіть через 1 рік (тест-повторний тест; Speer et al., 2003).

Дослідження з використанням парадигми уніфікації, за якою люди позначають межі, спостерігаючи за розвитком подій, припускають, що події є ієрархічно структурованими (наприклад, Newtson, 1973; Sargent et al., 2013; Zacks, Tversky, et al., 2001a) так, що більші, грубозернисті події складаються з менших, дрібнозернистих подій (Tversky, Zacks, & Martin, 2008; Zacks & Swallow, 2007; Zacks, Tversky, et al., 2001a). Наприклад, баскетбольна гра в коледжі може складатися з першого та другого тайму

половина. Однак першу половину можна далі розділити на менші підподії, такі як серія ігор, виконаних кожною командою. Попередня робота виявила індивідуальні відмінності в тому, якою мірою люди сприймають узгодженість між дрібними та крупнозернистими подіями (наприклад, Hard, Lozano, & Tversky, 2006a; Kurby & Zacks, 2011; Sargent et al., 2013; Zacks et al. , 2001b), і дані свідчать про те, що ієрархічне кодування може бути важливим дляпам'ять(Kurby & Zacks, 2011).

Важливо, що модель горизонту подій (Radvansky, 2012), яка включає теорію сегментації подій (наприклад, Radvansky & Zacks, 2014, 2017), пояснює, що межі подій зменшують ретроактивне втручання, розділяючи інформацію на окремі моделі подій, що призводить до кращого загальногопам'ятьза діяльність. Справді, дані свідчать про те, що ступінь, до якої люди демонструють нормативну сегментацію (тобто, до якої міри вони погоджуються щодо розташування меж подій і мають кращу ієрархічну структуру), передбачає, наскільки добре вони пізніше запам’ятовують діяльність (Bailey et al., 2013). ; Flores та ін., 2017; Kurby та Zacks, 2011; McGatlin, Newberry та Bailey, 2018; Newberry та Bailey, 2019; Sargent та ін., 2013; Zacks та ін., 2006).

cistanche втрачена імперія трав

Що впливає на поведінку сегментації?

Імовірно, два типи факторів впливають на сегментацію: перцептивні та концептуальні (наприклад, Zacks, 2004; Zacks та ін., 2007). Значна частина досліджень сегментації зосереджена на впливі сприйняття. Наприклад, межі сприйнятих подій мають тенденцію узгоджуватися зі змінами положення тіла (Newtson та ін., 1977), просторового розташування (Magliano, Miller, & Zwaan, 2001), руху об’єкта (Zacks та ін., 2001b) та зміни сприйняття. (Хард та ін., 2006b). Наприклад, зміна сприйняття в баскетболі може включати зміни, що відбуваються навколо м’яча (наприклад, передачі, удари; Хафф та ін., 2017). Крім того, ділянки мозку, які обробляють емоції (наприклад, екстрастріальний руховий комплекс), виявляють підвищену активність на кордонах подій (Speer та ін., 2003; Закс та ін., 2001b), що свідчить про те, що рух є сильним предиктором сприйняття меж подій.

Навпаки, дослідження впливу концептуальних факторів на сегментацію неоднозначні: деякі дослідження показують, що концептуальні фактори не впливають на сегментацію (наприклад, Хард та ін., 2006b; Хафф та ін., 2017; Закс, Кумар, Абрамс та Metha, 2009), тоді як інші припускають, що так (контекст: Loschky, Larson, Magliano, & Smith, 2015; Newberry & Bailey, 2019; знайомство: McGatlin et al., 2018; Smith, Newberry & Bailey, 2020; Zacks & Bailey, 2020; Tversky, 2003; перспектива: Newberry & Bailey, 2019; схема та сценарії: Bartlett, 1932; McGatlin та ін., 2018; Schank & Abelson, 1977; цілі: Baldwin, Baird, Saylor & Clark; 2001; Wilder, 1978a, 1978b ; Закс, 2004). Наприклад, Уайлдер (1978a, 1978b) показав, що учасники сегментувалися частіше, коли цілі актора були неясні, ніж коли діяльність була цілеспрямованою та передбачуваною, вказуючи на те, що цілі впливають на те, як люди сприймають діяльність. Подібним чином Закс (2004) виявив, що рух меншою мірою передбачає сегментацію, коли події є цілеспрямованими, а не випадковими. Хоча загалом ці результати свідчать про те, що, коли присутні цільові знання, люди менше покладаються на перцептивні підказки під час сприйняття події, вплив був помірним або незначним.

Сильніша маніпуляція: експертиза Недавні дослідження знань і сегментації перейшли до використання більш сильної маніпуляції попередніми знаннями: експертиза (наприклад, Bläsing, 2015; Levine et al., 2017). Використання експертних знань для оцінки впливу знань на сегментацію добре підходить до EST і моделі горизонту подій, оскільки численні докази свідчать про те, що попередні знання про діяльність покращують прогнозування під час перегляду подібних дій (наприклад, Ambrosini та ін., 2013; Kanakogi & Itakura, 2011; Möller, Zimmer, & Aschersleben, 2015; Sommerville, Woodward, & Needham, 2005), і дослідження показали, що люди з попередніми знаннями або досвідом діяльності також мають кращіпам'ятьдля цієї діяльності (наприклад, баскетбол: Allard, Graham, & Parsalu, 1980; танець: Allard & Starkes, 1991; шахи: Chase & Simon, 1973; бейсбол: Chiesi, Spilich & Voss, 1979; бридж: Engle & Bukstel, 1978; карти: Gilhooly, Wood, Kinnear, & Green, 1988; музика: Meinz & Salthouse, 1998). Враховуючи те, що передбачення вважається механізмом, на якому працює сегментація (наприклад, Zacks, Braver та ін., 2001b; Zacks, Kurby та ін., 2011), а ідентифікація меж подій є важливою дляпам'ять(наприклад, Radvansky & Zacks, 2014), це свідчить про те, що поведінка сегментації тапам'ятьможе відрізнятися, якщо людина має попередні знання або досвід діяльності, порівняно з відсутністю знань або досвіду.

Таке припущення підтверджується в експертній літературі, яка зосереджується на інших механізмах, задіяних у перцептивному навчанні (Goldstone, 1998): диференціація (здатність відокремлювати початково злиті категорії) та унітизація (здатність інтегрувати окремі частини у функціональні цілі). Докази свідчать про те, що експерти краще оцінюють, коли брати участь у кожному процесі (Herzmann & Curran, 2011). Під час кодування динамічної активності експерти можуть краще ідентифікувати концептуальні одиниці інформації та розрізняти дрібні деталі подій у їхній сфері (наприклад, Piras, Lobietti, & Squatrito, 2010). Наприклад, баскетбольний експерт може ідентифікувати кроки, пов’язані з киком і ролом (тобто краще розрізняти), тоді як новачок може сприймати ці кроки як одну дію або взагалі не сприймати, або баскетбольний експерт може сприймати той самий бір і кинути як частину більшої гри, тоді як новачок може сприймати це як власну подію (тобто кращу уніфікацію). Якщо експерти визначають значущі межі подій на основі спільної бази знань, що покращує точність їхніх прогнозів, можна очікувати, що експерти продемонструють більш нормативну сегментацію

з точки зору кращої узгодженості розташування меж події та/або кращого узгодження грубих і тонких меж.1 Два дослідження досліджували вплив досвіду на поведінку сегментації. У танцювальній сфері Bläsing (2015) досліджував вплив досвіду та знайомства з певним рухом на сегментацію танцювальної фрази. Танцюристи та нетанцюристи переглядали та сегментували відео танцюриста, який завершує хореографічну фразу. Bläsing (2015) виявив, що танцюристи рідше сегментуються порівняно з нетанцюристами, припускаючи, що досвід зменшує кількість сприйманих меж для подій у сфері знань. В іншому експерименті Блезінг оцінив причинно-наслідкову роль знань у сегментації, запропонувавши танцюристам середнього рівня сегментувати танцювальну фразу, потім вивчати та відпрацьовувати рухові рухи та знову сегментувати фразу. Як і в першому експерименті, збільшення знайомства та рухового досвіду з танцювальною фразою змусило танцюристів рідше сегментуватись. Подібним чином Levine та ін. (2017) виявили, що експерти з фігурного катання визначили більше схожих грубих подій порівняно з новачками під час сегментації олімпійської програми фігурного катання. Ці дослідження надали початкові докази того, що експертиза впливає на поведінку сегментації; однак деякі обмеження залишаються. Одним з обмежень є те, що ці дослідження оцінювали лише сегментацію за розміром однієї зернини. Вони або не надавали конкретних інструкцій щодо розміру зерна (Bläsing, 2015), або вони лише проінструктували учасників сегментувати на рівні грубого зерна (Levine та ін., 2017). Включивши як грубу, так і дрібну сегментацію в одному дослідженні, ми можемо оцінити ієрархічне вирівнювання малих подій у більші події, а також те, чи знання домену збільшує це вирівнювання. Важливо, що жодне дослідження не досліджувало здатність експертів до сегментації в області за межами їх компетенції. Крім того, жодне дослідження не вимірювалопам'ять, тому вплив знань предметної області та сегментації напам'ятьще не оцінені.

Враховуючи, що нормативна сегментація асоціюється з кращимпам'ятьдля подій (Bailey et al., 2013; Flores et al., 2017; Zacks et al., 2006), можливо, краща пам’ять експертів може бути пов’язана з більш нормативною сегментацією діяльності в межах їхньої області знань. Якщо сегментація є процесом, який посилюється накопиченням попередніх знань і досвіду, можна очікуватипам'ятькористь лише для більш обізнаної діяльності. Проте попередня робота показала, що люди використовують попередні знання, щоб заповнити прогалини під час пошуку (наприклад, Hasher & Griffin, 1978). Таким чином, знання можуть перекрити вплив сегментації на пам’ять, і деякі дані свідчать про те, що сегментація та знання впливаютьпам'ятьнезалежно (Sargent та ін., 2013). Якщо це правда, можна очікувати, що сегментація прогнозуватиме пам’ять лише для новачків, оскільки новачки не матимуть знань 1. Частота та узгодженість сегментації відрізняються. Хтось може сегментувати рідше, але все ж ідентифікувати кілька меж, визначених групою, і таким чином мати високу згоду.

на які можна покладатися під час отримання, окрім представлень подій, які вони створили під час кодування активності вперше.

Таким чином, поточне дослідження розширило Bläsing (2015) і Levine et al. (2017), досліджуючи поведінку сегментації та її зв’язок ізпам'ятьефективність у людей з високим і низьким рівнем знань (для спрощення ми називали їх відповідно «експертами» і «новачками з контролю») у двох різних областях: баскетбол (спорт) і Overwatch (відеоігри). Баскетбол — це командний вид спорту з обмеженим контактом, у якому гравці працюють разом, щоб досягти спільної мети (наприклад, кидати м’яч через кільце, щоб заробити очки). Overwatch, хоч і командна, це багатокористувацька відеогра-шутер від першої особи, розроблена Blizzard Entertainment, Inc.©. Баскетбол і Overwatch були обрані як види діяльності в цьому дослідженні з двох причин. По-перше, включення двох видів діяльності робить поточне дослідження унікальним у тому, що експерти перевірялися на діяльності як у межах, так і за межами своєї сфери знань. По-друге, баскетбол і Overwatch відрізняються від танців і фігурного катання (наприклад, Ericsson & Smith, 1991), що дозволяє розширити питання дослідження від діяльності одного актора до командної діяльності.

Гіпотези

Якщо експертиза впливає на поведінку сегментації, тоді експерти повинні рідше сегментувати в грубому зерні (частота сегментації; Bläsing 2015) і більше узгоджувати граничні місця (угода про сегментацію; Levine et al., 2017) для діяльності в межах своєї експертної сфери. Крім того, експерти можуть сегментувати частіше, особливо на дрібному зерні, якщо вони беруть участь у процесах сприйняття, таких як диференціація, щоб краще розрізняти більш дрібні субподії (Piras et al., 2010). Ми також припустили, що експерти демонструватимуть більшу відповідність грубих і тонких меж для діяльності в межах своєї експертної сфери (ієрархічне вирівнювання). Проте, якщо перцептивні ознаки мають сильніший вплив на сегментацію, ніж концептуальні фактори (Hard et al., 2006b; Huff et al., 2017; Zacks, Speer, & Reynolds, 2009), тоді експерти та новачки контрольної групи можуть продемонструвати подібну поведінку сегментації. тому що сигнали сприйняття (рух) легко доступні для обох груп. Крім того, ми припустили, що експерти покажуть кращепам'ятьпродуктивність для діяльності в межах їхньої сфери знань на основі значного обсягу експертних досліджень (для огляду див. Ericsson & Smith, 1991; Furley & Wood, 2016).

Попередня робота показує, що нормативна сегментація пов’язана з кращимпам'ятьдля подій (наприклад, Bailey et al., 2013). Таким чином, ми припустили, що здатність сегментації буде передбачатипам'ятьпродуктивність, незалежно від діяльності чи знання предметної області, так що ті, хто має кращу узгодженість сегментації та/або ієрархічне вирівнювання, матимуть кращу пам’ять. Однак ми також передбачили, що зв’язок між сегментацією тапам'ятьбуде сильніше в експертній діяльності, якщо знання предметної галузі покращатьсяпам'ятьшляхом посилення сегментації. Крім того, деякі роботи припускають, що загальні знання можуть впливати на пам’ять незалежно від сегментації (Sargent et al., 2013), так що люди можуть покладатися на знання (наприклад, схеми, сценарії, очікування), коли вони доступні, щоб допомогти їм запам’ятати діяльності, на відміну від того, як вони кодують (сегментують) цей конкретний екземпляр цієї діяльності. У цьому випадку знання можуть перекрити зв’язок між сегментацією тапам'ять, так що експерти, які добре сегментують, і ті, хто погано сегментують, запам’ятовують однакові обсяги інформації.

Поточне дослідження

Мета цього експерименту полягала в тому, щоб дослідити взаємозв’язок між знаннями домену, здатністю до сегментації тапам'ятьдля подій у межах і поза областю знань. Попередня робота спостерігала вплив досвіду на сегментацію танцювальних фраз (Bläsing, 2015) і процедуру фігурного катання (Levine та ін., 2017); однак ці дослідження оцінювали лише сегментаційну поведінку експертів для подій у їхній сфері знань. Крім того, ієрархічне вирівнювання різних зерен сегментації та їх вплив напам'ятьще належить оцінити в цьому контексті. У поточному експерименті експерти з баскетболу та Overwatch, а також новачки з контрольної групи переглядали та сегментували відео баскетболу та Overwatch. Через проблеми з наймом у дослідженні взяла участь лише дуже невелика вибірка експертів Overwatch (див. розділ «Метод»). Поточний експеримент зрештою був зосереджений на внутрішньосуб’єктному порівнянні сегментації експертів з баскетболу тапам'ятьдля відео з баскетболу (сфера знань) і для Overwatch (сфера поза знаннями), а також міжпредметне порівняння сегментації тапам'ятьдля баскетбольних заходів між баскетбольними експертами та новачками.

метод

Учасники Загалом 165 учасників (див. таблицю 1) були набрані з Університету штату Канзас (KSU). Учасники були набрані з курсів психології та з інших

організації в кампусі. Щоб збільшити кількість експертів Overwatch, дослідження було рекламоване через KSU eSports Club, який сприяє професійним змаганням і глядачам для гравців і шанувальників відеоігор Overwatch. Набір дав 35 баскетбольних експертів (початківців Overwatch), 12 експертів Overwatch (троє з яких були баскетбольними новачками, дев’ять з яких мали «проміжні» або експертні результати з баскетболу), 61 новачка контрольної групи (новачки в обох видах діяльності), двоє без категорії та 55 " проміжні" особи, які отримали більше балів, ніж новачки, але нижчі за експертні пороги в обох областях (див. Опитування знань нижче).

Прогнози для поточного експерименту ґрунтувалися на порівнянні «експерта» та «початківця контрольної групи». Лише особи, які відповідали критеріям експерта або контрольного початківця, були включені в основні аналізи. Учасники, які набрали «проміжний» діапазон для будь-якої діяльності, були включені лише до дослідницького аналізу, де знання розглядалися як безперервна змінна (див. Додаткові матеріали). На жаль, найняти експертів Overwatch виявилося складно, навіть після того, як протягом кількох місяців націлювалися на гравців Overwatch з кіберспорту. Таким чином, через низький розмір вибірки, основні аналізи поточного експерименту також виключають цю групу (хоча вони включені до дослідницьких аналізів у Додаткових матеріалах). Крім того, дані восьми учасників (двох баскетбольних експертів, двох новачків контрольного рівня, двох середнього рівня та двох некатегоризованих) були втрачені через технічні проблеми. Учасники отримували компенсацію за рахунок курсу або брали участь у розіграші подарункових карток, залежно від того, де їх було залучено.

Оскільки учасники не були випадково розподілені по групах, усі учасники виконали ряд когнітивних заходів (швидкість обробки, словниковий запас, семантичні знання та робочіпам'ять; дивіться Додаткові матеріали для повного опису), щоб оцінити індивідуальні відмінності, які можна було б інакше пояснити можливою сегментацією тапам'ятьефекти. Для перевірки доказів нульової гіпотези (тобто відсутності різниці між групами; див. таблицю 2) використовували фактори Байєса. Фактори Байєса менше 1 запропонували суттєві докази нуля (наприклад, Wetzels & Wagenmakers, 2012), що свідчить про відсутність відмінностей між групами щодо цих когнітивних здібностей.

Матеріали

Опитування знань Опитування знань було використано для виявлення експертів і новачків у баскетболі та Overwatch. Баскетбольна частина опитування була модифікованою версією Феллера, Швана, Вімера та Мальяно (2018; адаптовано з French & Thomas, 1987), так що її було скорочено до 23 запитань, щоб відповідати опитуванню Overwatch , який був розроблений для використання в поточному дослідженні. Обидва опитування щодо баскетболу та Overwatch включали по 23 запитання щодо загальної інформації про кожну діяльність, а також сім запитань щодо знайомства та досвіду. Усі запитання мали п’ять варіантів відповіді, причому п’ятий варіант (e) завжди відповідав «не знаю». Експерти отримували оцінки в діапазоні від 17 до 23, тоді як новачки отримували оцінки в діапазоні від 0 до 7 (на основі відсічення відсотка попередньої роботи за допомогою опитувань знань; Rawson & van Overschelde, 2008). Обидва опитування включені в Додаток.

Відео У цьому експерименті було використано п'ять відео (один практичний; чотири експериментальних). Тренувальне відео зображує людину, яка використовує Лего для будівництва корабля (155 с). Два з експериментальних відео були іграми коледжу з баскетболу; зокрема, Мемфіс проти Каліфорнійського університету в Лос-Анджелесі (153 секунди; три скорочення) і Монтана проти Вебер Стейт (130 секунд; дев’ять скорочень; Feller et al., 2018). Два інших експериментальних відео були матчами турніру Overwatch; зокрема, Х'юстон проти Бостона (144 секунди; 11 скорочень) і Лондон проти Флориди (135 секунд; сім скорочень). Усі експериментальні відео були коротшими роликами безперервної гри (зберігаючи безперервність дії), взятими з довших відео, щоб мінімізувати вплив скорочень на сприйняття, хоча дослідження показують, що більшість скорочень залишаються нерозпізнаними та не впливають на сегментацію (Magliano & Zacks, 2011; TJ). Сміт і Хендерсон, 2008). Крім того, дані з літератури про пізнання подій свідчать про те, що зміни точки зору також не впливають на події, які сприймаються (Swallow, Kemp, & Simsek, 2018). Відео Overwatch було обрано тому, що вони були професійно записаними іграми, в які грали експерти Overwatch. Учасники переглянули всі експериментальні відео двічі (один раз на зерно сегментації).

Примітка. Стандартна помилка середнього в дужках. Порівняння літер і порівняння шаблонів були показниками швидкості обробки. Назви об'єктів і словниковий запас були мірами семантичного знання. R-SPAN був мірою роботипам'ятьмісткість. BF=Фактор Байєса, доказ нуля.

Завдання уніфікації Завдання уніфікації (Newtson, 1973) використовувалося як явний показник сприйняття учасниками

Таблиця 3. Бали знань за експертними групами

Баскетбольні експерти Controls (новачки)

межі подій у відео. Під час перегляду відео учасників просили натискати пробіл кожного разу, коли «закінчується одна значуща одиниця діяльності та починається інша». Учасникам доручили визначити більші

(грубі) або менші (тонкі) одиниці значущої діяльності, натиснувши пробіл (наприклад, Sargent et al., 2013). Учасники були підготовлені до виконання цього завдання за допомогою навчального відео (див. Zacks et al., 2009). Процедура формування вимагала від учасників визначення принаймні 3 більших (грубіших) одиниць або 6 менших (тонших) одиниць, щоб перейти до експериментальних випробувань. Якщо цей поріг не досягався, учасники отримували відгуки про те, що інші люди зазвичай ідентифікують більше одиниць; однак їм не надали чітких прикладів того, як дії у відео можна сегментувати. Отримавши це повідомлення, учасники повторювали процедуру формування, поки не переступили поріг.

Заходи пам'яті подій

визнанняпам'ятьбуло оцінено за допомогою двоальтернативного тесту вимушеного вибору. Було проведено 20 випробувань на відео, кожне з яких містило одну мішень і одне відволікаюче зображення, одночасно представлене пліч-о-пліч. Цільові зображення завжди надходили з відео, які переглядали учасники, а відволікаючі зображення завжди надходили з частин того самого відео, які учасники не бачили. Порядок представлення пар зображень був однаковий для кожного учасника. Учасники отримували 1 бал за кожне правильно визначене зображення (до 20 балів). Оцінки учасників були повідомлені як правильні.

порядокпам'ять2 Пам’ять про порядок оцінювали за допомогою двоальтернативного тесту примусового вибору, заснованого на вимірюванні, використаному Dubrow and Davachi (2014). Для кожного відео учасникам було представлено вісім пар зображень на комп’ютері. Усі зображення надійшли від перегляду учасників відео. На екрані з’явилася підказка «останніше?», і учасникам було запропоновано вибрати зображення, що зображує останні дії.

Дизайн і процедура

Експертиза була міжпредметною змінною. Учасники (NBasketballExperts=33, NControlNovices=59) були згруповані на основі їхніх результатів опитування про баскетбол і Overwatch (початківець менше або дорівнює 7; експерт більше або дорівнює 17; див. Таблицю 3 див. Додаткові матеріали для аналізу цього

включити досвід як безперервну змінну, включаючи учасників із середніми знаннями). Щоб було зрозуміло, кожен у групі баскетбольних експертів також був новачком у Overwatch, окремо від тих у контрольній групі, які були визначені як новачки контрольної групи в обох видах діяльності. Діяльність (баскетбол і Overwatch) розглядалася як суб’єктна, так що всі учасники переглядали та сегментували відео обох видів діяльності. Учасники сегментували кожне відео двічі: один раз на зерно (грубий або дрібний). Завдання щодо відео та відволікання були збалансовані між учасниками. Зернистість сегментації була врівноважена, так що учасники сегментували всі відео в одному зерні, а потім, виконавши останній блок завдань для останнього відео, вони знову сегментували всі відео (у тому ж порядку презентації) в іншому зерні.

Усі учасники входили в лабораторію невеликими групами по три-чотири й сиділи за комп’ютером. Спочатку вони підписали форму інформованої згоди, а потім заповнили опитування. Після цього їм дали демографічний бланк і наказали не заповнювати його, поки експериментальна програма на комп’ютері не підкаже їм це зробити. Потім кожному учаснику було представлено практичне відео, яке формувало поведінку кожного учасника сегментації відповідно до того порядку зернистості сегментації, який був призначений кожному учаснику (тобто, принаймні три натискання кнопки для грубої зернистості; принаймні шість для дрібної зернистості). Після завершення процедури формування почалися експериментальні випробування. Експериментальні випробування складалися з чотирьох блоків. У кожному блоці було представлено експериментальне відео, і учасникам було дано вказівку «натискати пробіл щоразу, коли вони відчували, що значуща одиниця діяльності закінчилася і почалася нова». Після кожного відео учасники виконували відволікаюче завдання (тобто одне з вимірювань індивідуальних відмінностей, перерахованих вище), а потім переходили до розпізнавання та порядку.пам'ятьзавдання. Порядок завдання пам'яті не був урівноважений, оскільки перегляд цільових зображень у порядкупам'ятьзавдання могло допомогти учасникам у виконанні завдання розпізнавання. Після замовленняпам'ятьзавдання для останнього відео останнього блоку, учасникам знову показали практичне відео та потренувалися виконувати завдання сегментації для альтернативного зерна. Потім учасники повторно сегментували кожне відео в цьому новому зерні в тому самому порядку, в якому відео було представлено спочатку. Наприкінці експерименту учасники завершили роботупам'ятьзавдання. Нарешті, вони були підбиті, подякували та отримали винагороду за витрачений час.

Результати

Підготовка даних

Проблеми найму зосередили аналіз поточного експерименту на баскетбольних експертах (N=33) і контрольних новачках (N=59; див. розділ «Учасники» вище). Особи з проміжними оцінками знань та експерти Overwatch були включені в додаткові пошукові аналізи, розглядаючи знання як безперервну змінну (див. Додаткові матеріали). В іншому випадку викидів виявлено не було.

Підхід

Основний аналіз проводився з використанням узагальнених методів багаторівневого моделювання. Ці методи враховували ненормальний розподіл похибок (наприклад, Пуассона для даних підрахунку, логістику для біноміальних) залежних заходів і дисперсію помилок, пов’язану з випадковими ефектами. Крім того, експериментальна версія (на основі порядку активності та порядку зерен) не була значущим предиктором (всі пс

>.09). Спочатку ми оцінили процеси кодування (частота сегментації, узгодженість та ієрархічне вирівнювання), а потім оцінили процеси пошуку (розпізнавання). Потім ми оцінили, наскільки кодування передбачало пошук. Зверніть увагу, що ми також провели аналіз повного набору даних (N=157) із знаннями, які розглядалися як безперервний предиктор, і відтворили загальну модель результатів (див. Додаткові матеріали).

Чи впливає знання домену на кодування подій?

Унітізація Було використано два показники уніфікації, щоб оцінити, наскільки добре люди ідентифікували та узгодили розташування кордонів.

Частота сегментації оцінювалася як загальна кількість натискань кнопок (тобто загальна кількість сприйнятих меж подій) на відео. Bläsing (2015) виявив, що експерти визначили менше меж подій порівняно з новачками; отже, ми передбачили різницю між суб’єктами, таку, що експерти з баскетболу будуть рідше сегментувати, незалежно від зернистості, під час відео про баскетбол, порівняно з відео Overwatch. Ми також очікували виявити різницю між суб’єктами, таку, що баскетбольні експерти будуть сегментувати рідше порівняно з новачками контрольної групи для баскетбольних відео. Нарешті, ми очікували, що учасники рідше сегментуватимуть грубу зернистість порівняно з дрібною, незалежно від експертних знань і діяльності.

Щоб дослідити ці гіпотези, була використана узагальнена багаторівнева модель Пуассона для прогнозування частоти сегментації на основі повного факторіалу фіксованих ефектів групи, активності та сегментації, а також випадкових ефектів учасника та відео (див. рис. 1). Значний основний ефект зернистості був присутній (z=−49,63, p < 0,001),="" так="" що="" учасники="" визначили="" менше="" грубих="" меж="" (m="19.51," se="1.80," 95="" відсоток="" ді="" [15,94,="" 23,10]),="" ніж="" точні="" межі="" (m="39.59," se="2.76," 95="" відсотків="" ді="" [34,11,="" 45,07]),="" незалежно="" від="" знань="" чи="" діяльності.="" основні="" ефекти="" групи="">

активність не була значущою, що вказує на те, що не було вихідних відмінностей у кількості сприйнятих подій між групами або між видами діяльності; однак ці фіксовані ефекти взаємодіяли з зерном. Була значна двостороння взаємодія між групою та зерном (z=−11,11, p< .001)="" such="" that="" control="" novices="" identified="" fewer="" fine="" boundaries="" (m="34.95," se="3.22," 95%="" ci="" [28.50,41.39]),="" compared="" with="" basketball="" experts="" (m="47.60," se="4.82," 95%="" ci="" [37.78,="" 57.42]),="" regardless="" of="" activity,="" but="" no="" group="" differences="" were="" present="" at="" the="" coarse="">

Ці результати були кваліфіковані суттєвою тристоронньою взаємодією між групою, діяльністю та сегментацією (z =−3,17, p=.002), так що учасники ідентифікували значно більше тонких меж, ніж грубих меж для баскетбольних відео, порівняно з Overwatch, і ця різниця була більшою для експертів з баскетболу (баскетбольний грубий: M=19.95, SE=2.42, 95 відсотків ДІ [ 15.03, 24.88]; баскетбольне добре: M=53.20, SE=5.55, 95 відсотків ДІ [41.89, 64.51]; Overwatch грубе: M =17.61, SE {{ 27}}.23, 95 відсотків ДІ [13.07, 22.14]; Overwatch добре: M =42.00, SE=5.73, 95 відсотків ДІ [30.34, 53.66]), порівняно з новачками контрольної групи (баскетбол грубий: M=23.09, SE=3.56, 95 відсотків ДІ [15.95, 30.23]; баскетбольний штраф: M=37.43, SE {{ 54}}.07, 95 відсотків ДІ [31,28, 43,58]; Overwatch грубо: M=17.55, SE=2.50, 95 відсотків ДІ [12,55, 22,56]; Overwatch добре: M { {70}}.17,SE=4.00, 95 відсотків ДІ [24,15, 40,20]). Інших ефектів не було (усі ps > 0,05).

Ці результати не підтверджують гіпотезу про те, що експерти проводили сегменти рідше порівняно з новачками з контрольної групи, особливо щодо діяльності у своїй галузі знань. Натомість результати свідчать про те, що експерти та новачки в контролі визначили однакову кількість грубих меж, незалежно від виду діяльності, і що експерти визначили більш тонкі межі для діяльності в межах своєї сфери знань. Цей результат узгоджується з попередньою роботою, яка показує, що експерти краще розрізняють дрібні деталі подій у своїй області (наприклад, Piras et al., 2010).

Сегментаційна згода стосується того, наскільки добре люди погоджуються з іншими щодо розташування сприйманих меж подій. Вища згода сегментації відповідає більш нормативній сегментації. Щоб обчислити згоду, дані сегментації кожного учасника були згладжені шляхом підгонки функції ядерної щільності Гауса навколо кожної межі події (натискання кнопки) для кожного відео. Кожен кадр кожного відео отримав значення в діапазоні від 0 до 1, що вказує ймовірність того, що кадр був межею події. Пропускна здатність 25 (тобто 25 кадрів на секунду) використовувалася для відповідності 1-другим інтервалам часу, таким чином, що кадри ближче до місця, де учасник

кожен кадр співвідносився з нормативними межами.3 На основі Levine et al. (2017), ми передбачили значний ефект між суб’єктами, таким чином, що згода експертів з баскетболу щодо сегментації буде вищою, ніж новачки контрольної групи, для відео про баскетбол, незалежно від зернистості. Проте ми також очікували спостерігати ефект у межах суб’єктів, тобто згода експертів з баскетболу щодо сегментації буде вищою для відео баскетболу порівняно з відео Overwatch, незалежно від зернистості.

Щоб оцінити ці гіпотези, була використана узагальнена лінійна багаторівнева модель для прогнозування узгодженості сегментації на основі повного факторіалу фіксованих ефектів групи, активності та сегментації, а також випадкових ефектів учасника та відео (див. рис. 2). Був присутній значний основний ефект зернистості (t=−4,05, p < 0,001),="" такий,="" що="" збіг="" дрібних="" меж="" (m="0,32," se="0,15," 95="" відсотків="" ді="" [0,28,="" 0,34])="" був="" вищим,="" ніж="" узгодження="" грубих="" меж="" (m="0,26," se="0,01," 95="" відсотків="" ді="" [0,24,="" 0,28]).="" однак="" цей="" ефект="" був="" кваліфікований="" значною="" тристоронньою="" взаємодією="" між="" групою,="" діяльністю="" та="" зерном="" (t="2.29," p=".02)." усі="" учасники="" показали="" вищу="" згоду="" для="" відео="" про="" баскетбол="" (m=".35," se=".01," 95="" відсотків="" ді="" [.32,="" .38])="" порівняно="" з="" відео="" overwatch="" (m="" {{33}="" }="" .22,="" se=".01," 95="" відсотків="" ді="" [.20,="" .24]),="" але="" експерти="" (m=".36," se=".02," 95="" відсотків="" ді="" [="">

0,41]) показали значно вищу згоду порівняно з новачками контрольної групи (M=0,29, SE=0,02, 95% ДІ [0,25, 0,32]), лише на грубому зерні . Внутрішньосуб’єктний ефект (d=0,96) був більшим, ніж ефект між суб’єктами (d=0,42). Інші ефекти не були значущими (усі ps > 0,05).

Ці результати частково підтверджують нашу гіпотезу в тому, що експерти продемонстрували кращу згоду сегментації, порівняно з новачками контрольної групи, для дій у межах їхньої експертної області, але лише у грубому зерні. Однак нагадаємо, що експерти не визначили значно більш грубих меж, ніж контрольні новачки (див. рис. 1). Загалом це свідчить про те, що краща згода експертів щодо грубої сегментації була не завдяки визначенню більш грубих меж, а скоріше визначенню більш подібних грубих меж, ймовірно, завдяки їхнім спільним знанням про баскетбол.

Ієрархічне вирівнювання — це ступінь, до якого кожна ідентифікована груба межа в часі відповідає визначеній тонкій межі (Kurby & Zacks, 2011; Sargent et al., 2013; Zacks et al., 2001a). Це міра організації сегментації або ступінь, до якого грубі події кожного учасника містять групи пов’язаних тонких подій (Sargent et al., 2013). Одним із способів вимірювання ієрархічного вирівнювання є обчислення замкнутості, що стосується ступеня, до якого групи пов’язаних тонких подій містяться в грубих подіях (Hard, Recchia, & Tversky, 2011;

визначена межа події отримала більше значення порівняно з кадрами, розташованими далі. Далі ймовірність, пов’язану з кожним натисканням кадру чи кнопки, була усереднена для учасників, щоб створити нормативні межі події. Нарешті, ймовірність сегментації кожного учасника при

Сарджент та ін., 2013). Грубі межі оцінювали на основі того, чи передували вони найближчій тонкій межі для кожного відео. Оцінка огородження кожного учасника була тоді часткою грубих меж, які слідували (а не передували) найближчій тонкій межі, враховуючи очікуване огородження через випадковість. Вищі значення вказують на краще вирівнювання. Ми передбачили такий ефект між суб’єктами, що баскетбольні експерти, порівняно з новачками контрольної групи, демонструватимуть краще вирівнювання грубих і тонких меж для баскетбольних відео, порівняно з Overwatch. Ми також передбачили а

ефект всередині суб’єкта, таким чином, що самі баскетбольні експерти демонструватимуть краще вирівнювання грубих і тонких меж для баскетбольних відео, порівняно з Overwatch, оскільки вони самі були новачками в Overwatch.

Узагальнену лінійну багаторівневу модель використовували для прогнозування замкнутості на основі фіксованих ефектів групи, діяльності та їх взаємодії, а також випадкових ефектів учасника та відео. Значний основний ефект групи (t=2.07, p=.04) і незначний основний ефект активності (t=3.27, p {{7} } .07) були присутні; однак ці ефекти були кваліфіковані як значущі

взаємодія між групою та діяльністю (t=2.03, p=.04). Баскетбольні експерти продемонстрували кращий захист для баскетболу (M= .57, SE=.03, 95 відсотків ДІ [.50, .63]), порівняно з Overwatch (M=.47 , SE=0,03, 95 відсотків ДІ [0,41, 0,52]), тоді як контрольні новачки (баскетбол: M=0,46, SE=0,02, 95 відсотків ДІ [ 0,42, 0,51]; Overwatch: M= 0,43, SE=0,02, 95 відсотків ДІ [0,38, 0,47]), не відрізнялися за своєю здатністю огородження в двох видах діяльності (див. рис. 3). Цей результат підтверджує нашу гіпотезу в тому, що експерти показали кращу організацію кодування діяльності в межах своєї експертної області.

Чи впливає досвід на пам'ять для динамічної діяльності?

Більшість роботи, проведеної з експертами, показали, що експерти володіють кращою пам’яттю для інформації в межах своєї сфери знань (для огляду див. Ericsson & Smith, 1991; Vicente & Wang, 1998). Виходячи з цього, ми припустили, що знайдемо ефект всередині суб’єкта, завдяки якому експерти з баскетболу демонструватимуть краще визнанняпам'ятьдля відео баскетболу порівняно з відео Overwatch. Ми також припустили, що знайдемо взаємодію групи × активності так, щоб експерти запам’ятовували більше, ніж контрольні новачки для баскетбольних відео, але вони не відрізнялися б у своєму розпізнаванніпам'ятьпродуктивність для відео Overwatch.

Розпізнавання Узагальнену логістичну багаторівневу модель використовували для прогнозування ефективності розпізнавання на основі фіксованих ефектів групи, діяльності та їх взаємодії, а також випадкових ефектів учасника та відео. Значна взаємодія між групою та діяльністю була присутня (z=5.05, p <.001), так="" що="" експерти="" з="" баскетболу="" показали="" значно="" кращі="" показники="" розпізнавання="" баскетболу="" (m=".68," se="" {{5}="" }="" .02,="" 95%="" ді="" [.63,="" .72]),="" порівняно="" з="" overwatch="" (m=".59," se=".02," 95%="" ді="" [.55,="" .63]),="" у="" той="" час="" як="" новачки="" контрольної="" групи="" (баскетбол:="" m=".56," se=".01," 95="" відсотків="" ді="" [.53,.58];="" overwatch:="" m=".59," se="" {{26="" }}="" 0,01,="" 95%="" ді="" [0,56,="" 0,62]),="" не="" відрізнялися="" за="" ефективністю="" розпізнавання="" в="" різних="" видах="" діяльності="" (див.="" рис.="" 4).="" інших="" ефектів="" не="" було="" (усі="" ps=""> 0,05). Цей результат підтверджує нашу гіпотезу експертів і відтворює позитивний вплив досвіду на пам’ять інформації в експертній області.

Чи краща здатність експертів до сегментації пояснює переваги пам’яті?

Угода про сегментацію пов'язана зпам'ятьдля подій (наприклад, Bailey et al., 2013; Flores et al., 2017; Sargent et al., 2013); таким чином, ми припустили, що учасники з високою здатністю до сегментації також матимуть кращу пам’ять, незалежно від активності. Крім того, ми передбачили, що угода про сегментацію буде взаємодіяти з групою таким чином, що експерти з баскетболу демонструватимуть ще сильніший зв’язок між згодою та пам’яттю порівняно з новачками контрольної групи для баскетбольних відео. Це передбачення ґрунтується на ідеї, що знання покращить узгодження сегментації, що, у свою чергу, покращить пам’ять.

Угода сегментації Узагальнену багаторівневу модель Пуассона використовували для прогнозування ефективності розпізнавання на основі повного факторіалу фіксованих ефектів узгодження сегментації4, групи та активності та випадкових ефектів учасника та відео. Значний основний ефект узгодження сегментації (z=1.96, p =

.05) показало, що розпізнавання справді було кращим для людей із вищою згодою щодо сегментації, повторюючи попередню роботу (Bailey та ін., 2013; Flores та ін., 2017; Sargent та ін., 2013; Zacks та ін., 2006). Однак угода про сегментацію × Група 4 Ми використали тут узгодження грубої сегментації, але угода про точну сегментацію дала той самий шаблон результатів.

взаємодія не була значною, що вказує на вплив сегментації напам'ятьне був сильнішим для експертів.

Значна двостороння взаємодія між знаннями та діяльністю була присутня (z=−2,97, p=,003), так що визнання баскетбольних експертів було кращим для баскетбольних відео, порівняно з Overwatch, але контроль новачків ' визнання не відрізнявся активністю. Значна двостороння взаємодія між грубою згодою сегментації та активністю (z=−2,23, p=0,03) показала, що згода сегментації більш точно передбачила визнання Overwatch, ніж баскетболу. Однак ці двосторонні взаємодії були кваліфіковані тристоронньою взаємодією між угодою сегментації, групою та діяльністю були незначними (z=1.90, p =.06). Угода про сегментацію передбачає лише ефективність розпізнавання для експертів у відео Overwatch (r =

.38; див. рис. 5). Інших ефектів не було (усі ps > 0,05).

Ці результати частково підтвердили нашу гіпотезу про те, що згода сегментації була пов’язана з кращоюпам'ять; однак загалом цей зв’язок не був сильнішим для експертів. Угода експертів щодо сегментації не пояснює покращену продуктивність пам’яті в їхній експертній області. Швидше, згода експертів щодо сегментації лише передбачила їхпам'ятьпродуктивність для незнайомої діяльності, припускаючи, що сегментація може принести більше користі пам’яті, коли людям потрібно покладатися на ефективність кодування, а не на семантичні знання, щоб допомогти запам’ятати дію.

Обговорення

Поточне дослідження повторило та розширило літературу про предметні знання та пізнання подій, оцінивши чи

знання домену впливає на сегментацію тапам'ятьдля подій у сфері знань і поза ними. Загалом, сегментація баскетбольних експертів і здатність пам’яті для діяльності в межах їхньої сфери знань відрізнялися від сегментації новачків у контрольній групі (порівняння між групами), а також відрізнялися від їх власної сегментації тапам'ятьздатність до діяльності поза межами своєї сфери знань (внутрішньопредметне порівняння). Важливо, однак, що чудова пам’ять експертів не була результатом їх більш нормативної здатності сегментувати, що свідчить про те, що вплив знань і сегментації може впливати напам'ятьсамостійно. Пояснення цих висновків наведено нижче.

Відмінності кодування

Ідентифікація кордонів. Попередня робота, яка оцінювала вплив досвіду та знайомства на сегментацію, виявила, що менше субподій ідентифікується, коли люди отримують знання або знайомство з діяльністю (наприклад, Bläsing, 2015; Hard та ін., 2006b; Levine та ін., 2017). Поточне дослідження не повторило ці висновки. На грубому рівні баскетбольні експерти не відрізнялися від новачків контрольної за кількістю сприйнятих меж подій. Однак на тонкому рівні експерти визначили більше меж подій, особливо для діяльності, у якій вони мали більше знань. Ні Bläsing (2015), ні Levine et al. (2017) розрізняють грубу та тонку ідентифікацію меж.

Одна з можливостей полягає в тому, що експерти краще розрізняють інформацію в своїй сфері знань (Herzmann & Curran, 2011). Оцінка вищої диференціації експертів

здібності були обмежені категоризацією об’єктів і обробкою ознак, на відміну від сприйняття динамічних подій. Ґрунтуючись на доказах поточного дослідження, експерти можуть брати участь у обробці диференціації під час визначення дрібних підподій для динамічної діяльності в межах своєї сфери знань. У майбутніх дослідженнях слід додатково оцінити вплив знань на грубу та тонку сегментацію, щоб краще зрозуміти, як експерти сприймають структуру подій у своїй області.

Угода про кордон Levine et al. (2017) виявили, що експерти з фігурного катання дійшли згоди щодо основних подій у програмі фігурного катання. Поточне дослідження відтворило цей ефект на грубому рівні. Цікаво, що така висока згода експертів щодо грубої зернистості не була зумовлена ​​тим, що вони ідентифікували більш грубі межі, оскільки вони визначили таку саму кількість грубих меж, як новачки контрольної групи. Серед грубих меж, визначених учасниками, експерти визначили більш схожі межі для баскетболу, тоді як новачки контрольної групи продемонстрували більш ідіосинкратичну грубу ідентифікацію меж (нижча згода). Експерти можуть використовувати подібну базу знань, щоб керувати своєю сегментацією. Незважаючи на те, що це явно не перевірялося в цьому дослідженні, експерти можуть продемонструвати більшу згоду в своїй області, оскільки вони можуть краще відстежувати узгодженість подій або відчувати менше помилок прогнозування, оскільки вони можуть передбачати ширший діапазон результатів. Також можливо, що експерти будуть більш точними у визначенні меж у порівнянні з новачками, які можуть повільніше помічати важливі зміни. Дослідження моторного сприйняття показують, що моторні навички модулюють очікування дій (баскетбол: Aglioti, Cesari, Romani, & Urgesi, 2008; музика: Wöllner & Cañal-Bruland, 2010), таким чином, що спостерігачі краще передбачають дії інших, якщо вони самі мають досвід. виконуючи однакові дії.

мирицетин

Цікаво, що згода щодо тонкої сегментації для експертів і новачків у контролі не відрізнялася, незважаючи на те, що експерти визначили більш тонкі межі для баскетболу. Цілком можливо, що ідентифікація тонких меж може бути зумовлена ​​змінами в сигналах сприйняття (наприклад, рух: коли один баскетболіст передає м’яч іншому). Якщо і експерти, і новачки покладаються на рух, щоб керувати сегментацією дрібних подій, вони могли б визначити схожі межі.

Організація меж Попередні дослідження не виявили впливу знань на відмінності в ієрархічному вирівнюванні (Sargent et al., 2013). Однак поточне дослідження показало, що експерти продемонстрували краще огородження грубих і тонких меж для баскетболу. Подібним чином Feller et al. (2018) виявили, що баскетбольні експерти краще сприймають структуру баскетбольних ігор, ніж новачки, концептуально відтворюючи ефекти організації кодування, виявлені у баскетбольних експертів у поточному дослідженні. Ці дослідження показують, що знання впливають на кодування організації кордонів; однак майбутні дослідження повинні продовжувати досліджувати вплив структури подій на сегментацію.

Загалом, експерти та новачки контрольної групи відрізнялися щодо більшості залежних показників кодування, що свідчить про те, що експерти кодують динамічну інформацію в межах своєї галузі знань інакше, ніж інформацію за межами своєї галузі. Ці висновки підтверджують EST, оскільки знання цієї області вплинули на здатність сегментації. Важливо, що поточні результати могли б бути відсутніми, якби розмір зерна (грубий і дрібний) не був включений. Ця маніпуляція дозволила нам дослідити рівні кодування або онлайн-обробки подій, на які знання можуть мати вплив, що важливо для перегляду EST або перенесення цих ефектів у прикладні сценарії (наприклад, освіта).

Відмінності в отриманні. Поточне дослідження відтворило десятиліття досліджень, демонструючи перевагу експертівпам'ятьдля отримання інформації в межах своєї галузі знань. Баскетбольні експерти продемонстрували точнішу ефективність розпізнавання порівняно з новачками контрольної групи, особливо для баскетбольних відео, що свідчить про те, що знання сприялипам'ять.

Чи передбачає кодування пошук? Це залежить

Головною метою поточного дослідження було оцінити ступінь передбачуваної здатності експертів до сегментаціїпам'ятьу своїй галузі знань. Ми виявили, що експерти мали більше знань про баскетбол, і ці знання були пов’язані з кращою здатністю сегментації під час кодування частин баскетбольної гри. Вплив знань на грубу сегментацію між суб’єктами був помірним (d=0,42), а ефект всередині суб’єктів був великим (d=0,96), таким чином показуючи розмір ефекту, порівнянний з попередньою роботою, яка показала помірний вплив знань (наприклад, d=.33; Newberry & Bailey, 2019) і великий вплив досвіду (наприклад, ƞ2=.26; Levine et al., 2017). Крім того, здатність до сегментації передбачила розпізнавання в поточному дослідженні, яке повторило попередню роботу, яка показала, що краща згода сегментації була пов’язана з кращою пам’яттю (наприклад, Bailey et al., 2013; Flores et al., 2017; Sargent et al., 2013) і в цілому підтримує четвертий принцип моделі горизонту подій. Однак цей зв’язок був присутній лише тоді, коли експертам не вистачало знань для діяльності, що свідчить про те, що краща пам’ять експертів у їхній області знань не була пов’язана з кращою сегментацією.

Одне з пояснень полягає в тому, що сегментація допомагає організувати та інтегрувати вхідну інформацію під час кодування, але семантичні структури знань (якщо доступні) можуть впливати на пошук більше, ніж епізодичні представлення пам’яті, створені під час сегментації. Однак, коли знань для діяльності немає або вони збіднені, у людей немає іншого виходу, окрім як покладатися на ці епізодичніпам'ятьпредставлення для керівництва пошуком. Поточні результати не вперше демонструють такий ефект. Сміт та ін. (2020) маніпулювали знаннями учасників про різні повсякденні дії та виявили, що здатність до сегментації лише передбачуванапам'ятьакуратність у незнайомій діяльності як для молоді, так і для людей старшого віку. Це може свідчити про вплив як сегментації, так і знаньпам'ять, але вони роблять це незалежно один від одного. Однак ми хочемо бути обережними, роблячи такі заяви, оскільки ми виявили цей ефект лише в нашій експертній групі (предбачувана сегментація пам’яті у відео Overwatch), а не в нашій групі новачків, якій бракувало знань для обох типів діяльності. Крім того, сегментація — не єдиний механізм кодування, який може принести користь пам’яті. Баскетбольні експерти в поточному дослідженні могли задіяти інші механізми кодування (наприклад, семантичне поділ або розробка), щоб керувати своїм кодуванням і пошуком баскетбольних подій. Майбутні дослідження мають спробувати розрізнити залежність експертів і новачків від схеми та структури подій при запам’ятовуванні інформації про події всередині та за межами сфери знань.

Інше важливе зауваження полягає в тому, що мірапам'ятьу поточному дослідженні було визнання. У попередній роботі, присвяченій дослідженню зв’язку між сегментацією та пам’яттю, використовувалися показники запам’ятовування (наприклад, Flores et al., 2017; Sargent et al., 2013). Цілком можливо, що вплив знань на сегментацію іпам'ятьможе бути більш помітним через відкликання. Розпізнавання легше, ніж пригадування, оскільки воно надає відповідні сигнали та дозволяє людям покладатися на пошук і відчуття знайомства (наприклад, Graesser & Nakamura, 1982; Schwartz, 2018). Пригадування, з іншого боку, не використовує (або використовує обмежено) підказки та вимагає, щоб особа відновила інформацію, а не ідентифікувала інформацію. Тут ефект пам’яті, можливо, був недостатньо великим, щоб побачити користь від знань про прогнозування сегментаціїпам'ятьзавдяки наявності київ. Ми не використовували пригадування в поточному дослідженні, тому що новачки контрольної групи можуть опинитися в невигідному становищі через незнання термінології для опису того, що вони переглянули.

cistanche pharma special

Обмеження

Поточне дослідження мало деякі обмеження. По-перше, набір експертів Overwatch був складним, навіть після націлювання на гравців Overwatch. Частково ці труднощі могли бути пов’язані з невдалим часом випуску нової, більш популярної відеоігри Fortnite (Ranker, 2018). Майбутня робота може мати більший успіх, якщо залучати експертів з відеоігор онлайн через такі сайти, як Amazon Mechanical Turk. Крім того, майбутня робота має бути зосереджена на відтворенні цих експертних ефектів у додаткових сферах знань. Попередні дослідження були зосереджені на танцях і фігурному катанні, які мають кілька спільних характеристик, таких як вивчення хореографічних рухів і часто покладаються на індивідуальні навички. Для поточного дослідження ми вибрали види діяльності, які включають інший набір навичок; однак обидві дії були командними та залучали кількох гравців. Таким чином, враховуючи обмежену кількість перевірених на сьогоднішній день доменів, майбутня робота повинна зосередитися на більш широкому спектрі доменів.

При цьому слід зазначити, що переваги поточної роботи залишаються значними. Було проведено порівняння як між суб’єктами, так і всередині суб’єктів, що відрізняє цю роботу від попередніх робіт (наприклад, Bläsing, 2015; Levine та ін., 2017), і, що важливо, новачки контрольної групи не показали такої ж переваги сегментації, як експерти з баскетболу, припускаючи, що показані ефекти були наслідком відмінностей у знаннях, а не стимулів.

По-друге, подіяпам'ятьбуло оцінено лише за допомогою одного завдання пам’яті. На жаль, порядокпам'ятьрезультати не можна було інтерпретувати через надзвичайно низьку надійність (альфа=.22). Крім того, відкликання не оцінювалося через можливі відмінності у словниковому запасі, які могли поставити новачків у невигідне становище під час спроби описати події баскетболу та Overwatch. Однак, враховуючи, що пригадування може бути більш чутливим до впливу знань (наприклад, Anderson & Pichert, 1978; Bransford & Johnson, 1972), у майбутніх дослідженнях слід розглянути можливість включення вимірювання пригадування, незважаючи на обмеження словникового запасу.

Висновки

Зрештою, було знайдено підтримку моделі горизонту подій і EST, що свідчить про те, що знання допомагаютьпам'ятьі що знання впливають на здатність сегментації. Поточне дослідження показало, що експертиза справді впливає на здатність сегментації подій, але переважає експертівпам'ятьдля подій у їхній сфері знань не було пов’язано з кращою здатністю сегментації. Існували докази відмінностей як у кодуванні, так і в пошуку між експертами та новачками в контролі; однак попередні дані свідчать про те, що сегментація та знання впливаютьпам'ятьнезалежно один від одного.

Додаткова інформація Онлайн-версія містить додаткові матеріали, доступні за адресою https://doi.org/10.3758/s13421-020-01118-1

Подяка Щира подяка всім, хто брав участь у цьому проекті: д-ру Хізер Бейлі, д-ру Лестеру Лошкі та д-ру Джозефу Магліано за їхні чудові поради та конструктивні відгуки протягом усього проекту; Даніелю Феллеру та Джордану Бранднеру за допомогу в розробці стимулів; Маверік Сміт за допомогу в статистичному аналізі; Дестіні Белл і доктору Барбарі Піттс за їхні загальні відгуки та підтримку; Дженніці Роджерс і нашій команді студентів-дослідників, включаючи Джейдана Бруну, Еллісон Гріффін, Маріссу Муто, Сідні Пачек, Ніколаса Паркера та Ребекку Райан, за допомогу у зборі даних, оцінці даних, введенні даних і загальних відгуках.

Заява про відкриті практики

Опитування, використані в цьому дослідженні, наведено в Додатку. Наразі дані доступні електронною поштою з авторами, але можуть бути доступні лише після публікації через Open Science Framework (https:// osf.io/a{{0}}hz/?view_ =1411cb0d128146c697f912de198162e5). Цей експеримент не було попередньо зареєстровано.

Авторський внесок К. Ньюберрі та Х. Бейлі зробили внесок у концепцію та дизайн дослідження. Д. Феллер надав матеріали дослідження та довідкові джерела. К. Ньюберрі взяв на себе керівництво розробкою програми, збором даних і оцінкою даних. К. Ньюберрі також підготував рукопис, тоді як Д. Феллер і Х. Бейлі зробили редакції. Усі автори схвалили остаточний варіант рукопису.