Змодельована відстань перегляду погіршує взаємозв’язок впевненість–точність для великих, але не помірних відстаней: підтримка моделі, що включає роль неоднозначності функцій, частина 2

Досліди 1а і 1б

Експерименти 1a-3 були попередньо зареєстровані на Open Science Framework. Ці попередні реєстрації, Додаткові матеріали та всі матеріали та дані, використані для аналізу, доступні тутhttps://osf.io/7wdvy/.

Існує тісний зв’язок між науковими рамками та пам’яттю. Наукова основа — це спосіб організації знань і теорій разом, щоб допомогти нам краще зрозуміти й запам’ятати нові знання.

Засвоюючи нові знання, ми часто можемо запам’ятати лише деякі несуттєві деталі, але не можемо інтегрувати їх у значущі структури знань. У цей час стає очевидною роль наукової основи. Вивчаючи та розуміючи наукову структуру, ми можемо пов’язувати нові знання з наявними, щоб утворити органічне ціле, маючи таким чином глибше розуміння та пам’ять про нові знання.

Наприклад, вивчаючи екологію, ми можемо вивчити основні концепції та теорії про екологічні системи та застосувати їх до різних екологічних сценаріїв, щоб сформувати комплексну та впорядковану структуру знань. Ця основа може допомогти нам зрозуміти складність екосистем і краще запам’ятати основні концепції та принципи екології.

Крім того, наукові основи можуть допомогти нам краще зрозуміти та запам’ятати результати наукових експериментів. У наукових експериментах нам часто потрібно інтегрувати низку змінних і контролювати їх, щоб перевірити наші гіпотези. Розуміючи та запам’ятовуючи експериментальний процес, ми можемо краще зрозуміти значення експериментальних даних і застосувати їх до більш широкого кола наукових галузей.

Коротше кажучи, наукові основи не тільки допомагають нам краще розуміти та запам’ятовувати нові знання, але й допомагають нам побудувати глибше наукове розуміння та спосіб мислення. Поки ми активно вивчаємо та застосовуємо наукові основи, ми можемо досягти кращих результатів у навчанні та дослідженні. Видно, що нам потрібно вдосконалювати пам'ять. Cistanche deserticola може значно покращити пам'ять, оскільки Cistanche deserticola також може регулювати баланс нейромедіаторів, наприклад підвищувати рівень ацетилхоліну та факторів росту. Ці речовини дуже важливі для пам'яті та навчання. Крім того, м’ясо може також покращити кровообіг і сприяти доставці кисню, що може гарантувати, що мозок отримує достатню кількість поживних речовин і енергії, таким чином покращуючи життєздатність і витривалість мозку.

Клацніть «Знай, як покращити роботу мозку».

метод

Учасники

Ми визначили розмір вибірки на основі нашого попереднього дослідження (Davis et al., 2019), у якому ми виявили, що вибірки з 50 учасників на умову було достатньо для вивчення відмінностей між умовами на калібрувальних кривих. Учасниками експерименту 1a та 1b були 102 студенти коледжу Skidmore, які брали участь у частковому кредиті за курс (вік =19 років), з 51 учасником у кожному експерименті.

Матеріали та процедура

Процедура була подібна до експерименту 2 Девіса та ін. (2019). Подразниками були 60 чоловічих і жіночих облич різних рас (наприклад, європеоїдів, латиноамериканців, афроамериканців та азіатів) з нейтральним виразом закритого рота від Чиказька база даних облич (Ma et al., 2015). Відстань була змодельована (див. рис. 1 для прикладу стимулів) шляхом застосування розмиття за Гауссом 5 для Експерименту 1a та розмиття 10 для Експерименту 1b до фотографій за допомогою програмного забезпечення для редагування фотографій Sketch.

Розмиття за Гаусом — це метод згладжування фотографії, який створює середнє значення кольору для кожного пікселя на основі інших пікселів, які його оточують, зважуючи більш близькі пікселі. Рівень розмиття стосується кількості оточуючих пікселів, які враховуються в розрахунку; для розмиття за Гаусом 5 (для експерименту 1a) кожен піксель міститиме середнє зважене за Гаусом п’яти пікселів, які його оточують у кожному напрямку. В експерименті 1b для розмитих облич використовувався коефіцієнт розмиття за Гауссом 10, який усереднював для найближчих 10 пікселів і, таким чином, створював більш розмите зображення.

За нашими оцінками, гауссові розмиття 5 і 10 відповідають приблизно 43 і 172 футам (див. Loftus & Harley, 2005; але зауважте, що використаний тут фільтр розмиття за Гаусом дещо відрізняється від фільтра низьких частот).

Кожен учасник закодував 30 облич, 15 з яких були чіткими, а 15 — розмитими. Ми називатимемо стан чіткості умовою близької відстані, а умови розмитості – умовами середньої (Експеримент 1a) або далекої (Експеримент 1b) умови. Порядок представлення ближніх і змодельованих віддалених облич був рандомізований окремо для кожного учасника, а призначення даного обличчя для вивчення чи ні, а також для ближнього чи віддаленого було збалансовано між учасниками.

Перед кодуванням учасникам сказали, що вони побачать серію облич, деякі розмиті, інші нерозмиті, і що їхню пам’ять на ці обличчя перевірять пізніше. Потім вони кодували кожне обличчя протягом 1,5 с. Після фази кодування учасники виконували серію словесних головоломок протягом 2 хвилин, а потім отримували інструкції щодо тесту на розпізнавання. Під час тесту всі 60 облич (30 раніше закодованих і 30 нових) були представлені без розмиття, подібно до того, як свідок дивиться на обличчя в рядку.

Обличчя представляли по одному у випадковому порядку, і учасників спочатку попросили вказати, бачили чи ні бачили дане обличчя, а потім висловили свою впевненість у своїй відповіді за шкалою від 0 (припущення) до 100 ( певний). І старе/нове завдання розпізнавання, і судження про впевненість були самостійними. Після завершення тесту учасники відповіли на ряд демографічних запитань і пройшли підсумки.

Результати

Дослід 1а

Спочатку ми перевіряємо вплив симульованої відстані перегляду на загальну продуктивність пам’яті (див. таблицю 1 для підсумку звернень, помилкових тривог і d-простих балів). D прості бали являють собою стандартизовану міру, яка вираховує помилкові тривоги2 (неправильна відповідь «Побачено» на нове обличчя) зі звернень (правильна відповідь «Бачено» на старе обличчя), з нульовими оцінками, що вказують на те, що старі та нові обличчя не можна розрізнити, а вищі оцінки представляють кращі рівні розрізнення. Не дивно, що розрізнення облич було набагато гіршим для облич, які були закодовані на середній змодельованій відстані (M=0.99), ніж для облич, які були закодовані на близькій змодельованій відстані (M=1.77), t(50 )=6.14, с<0.001, d=0.86.

Критичний інтерес викликало калібрування між впевненістю та точністю. Враховуючи більшу прикладну та теоретичну важливість старих відповідей порівняно з новими відповідями, ми аналізували лише дані для облич, які учасники ідентифікували як старі (див. Weber & Brewer, 2003 для обговорення того, чому старі відповіді важливіші для розуміння взаємозв’язку впевненість–точність у пам’яті очевидців).

Ми розділили старі відповіді на чотири довірчі зони, розмір яких базувався на наших попередніх дослідженнях (див. Daviset al., 2019 для обговорення цього методу), і побудували загальну точність (наприклад, кількість разів, коли учасник правильно відповів на старі запитання, поділена на загальна кількість старих відповідей) як функція кожного з цих чотирьох рівнів достовірності.3 Як видно на рис. 2, калібрування загалом було досить хорошим для облич, які були закодовані під обома.

умови ближньої та середньої відстані. Чотири t-критерию парної вибірки підтвердили, що не було суттєвої різниці між двома умовами на будь-якому з чотирьох рівнів довіри, ts<1.69. Thus, whereas memory was impaired overall when faces were encoded at a medium distance, there was no impact on the relationship between confidence and accuracy. This is largely consistent with the extant literature that has examined the impact of estimator variables on the confidence–accuracy relationship (e.g., Davis et al., Palmer et al., 2013).

Дослід 1б

Знову ж таки, ми спочатку перевірили точність пам’яті між чіткими та змодельованими віддаленими обличчями, використовуючи d-просте як залежну міру (див. таблицю 1). Як і в Експерименті 1a, здатність розрізняти була нижчою для облич, які були представлені на далекій симульованій відстані (M=0.58), ніж коли вони були представлені чітко для імітації близької відстані (M=1.77), t( 50)=11.42, с<0.001, d=1.60.

Знову ж таки, нас насамперед цікавив зв’язок між впевненістю та точністю, зображений на рис. 3. Тут не було відмінностей між умовами на перших трьох рівнях довіри, це<1.41, but accuracy was significantly worse for faces encoded at a far simulated distance relative to faces that were encoded at the near simulated distance at the highest bin of confidence, t(35)=3.39, p=0.002, d=0.57.4

Обговорення

Експерименти 1a і 1b виявили, здавалося б, різнорідну пару результатів, подібних до Lockamyier et al. (2020) і Nyman et al. (2019). У той час як кодування на змодельованій відстані справді погіршило пам’ять в цілому в обох експериментах, вплив змодельованої відстані перегляду на співвідношення достовірності й точності залежав від рівня відстані. В експерименті 1а достовірність передбачає точність у всіх чотирьох довірчих діапазонах. Однак на більшій змодельованій відстані учасники були менш точними для облич, які були закодовані на дальній змодельованій відстані, ніж на близькій відстані.

Цей висновок є особливо проблематичним для тих, хто розглядає факти в системі кримінального правосуддя, оскільки ідентифікації з високою достовірністю найімовірніше слугуватимуть доказовими доказами в суді. Таким чином, якщо впевненість не є показником точності на високих рівнях впевненості для облич, які спостерігаються на великій відстані, рекомендації щодо найкращих практик за цих умов, ймовірно, включатимуть заборону таким очевидцям взагалі давати свідчення. Тому ми вважали доцільним відтворити цей висновок, використовуючи інший зразок в одному експерименті (див. Open ScienceCollaboration, 2015; для обговорення важливості відтворюваності в психологічній науці). Зокрема, ми порівняли різницю між умовами на близькій --, середній і дальній відстані в одному експерименті за допомогою працівників Amazon Mechanical Turk.

Експеримент 2

метод

Учасники, оформлення, матеріали та порядок проведення

Сто п’ять працівників MTurk взяли участь у отриманні грошової винагороди (вік =40 років), з них 53 учасники в умовах ближньої дистанції та 52 учасники в умовах далекої дистанції. Матеріали, які тут використовувалися, були ідентичними тим, що використовувалися в експериментах 1a і 1b. Однак ми маніпулювали ступенем розмиття за Гаусом (на середній і дальній відстані) між суб’єктами в одному експерименті. Таким чином, дизайн був змішаним дизайном 2 (відстань до обличчя: близько проти віддаленого) × 2 (рівень відстані: середній проти далекого), де відстань до обличчя,e регулювалася в межах суб’єктів, а рівень відстані – між суб’єктами.

Результати і обговорення

Спочатку ми перевірили загальну продуктивність пам’яті за допомогою змішаного дисперсійного аналізу 2 (відстань до обличчя: близько проти віддаленого) 2 (рівень відстані: середня або далека) (див. таблицю 1). Був основний ефект відстані до обличчя, F(1, 103)=50.69,p<0.001, ηp 2=0.33, with lower discriminability for faces that were encoded at a simulated distance. Tere was also a nearly significant main effect on the Level of Distance, F(1, 103)=3.97, p=0.05, ηp 2=0.04, with lower discriminability in the Far Distance condition than the Medium Distance condition. Te interaction was not signifcant, F(1, 103)<0.001, p=0.99, ηp 2<0.001.Thus, memory performance was worse for distant faces than near faces and was worse still for the far distance relative to the medium distance.

Як і в експериментах 1a і 1b, нас насамперед цікавив вплив різних рівнів відстані на співвідношення між впевненістю та точністю (див. рис. 4). Як зазначено в нашій попередній реєстрації, ми провели чотири окремі змішані дисперсійні аналізи 2 (відстань до обличчя: близька чи віддалена) × 2 (рівень відстані: середня або далека) для кожного рівня достовірності. На перших трьох рівнях достовірності не було основних ефектів або взаємодій, F<1.79. At the highest level of confdence, there was a main efect of Face Distance, F(1, 67)=21.39, p<0.001,ηp 2=0.24, as well as a main efect of Level of Distance, F(1, 67)=8.08, p=0.006, ηp 2=0.11. These main effects were qualified by significant interaction, F(1, 67)=4.90, p=0.03, ηp 2=0.07. 

Подальші тести на цьому найвищому рівні достовірності (з використанням поправки Бонферроні для багатьох порівнянь, критичний альфа=0.013) показали, що в умовах середньої відстані порівняння між близькими та віддаленими обличчями наближалося, але не досягало значущості t(39) =2.41, p=0.02, d=0.38. В умовах далекої відстані порівняння між близькими та далекими обличчями було значним, t(28)=3.59, p=0.001, d=0.67, з меншою точністю для облич, які були закодовані на великій відстані (M=0.60), ніж для облич, які були закодовані на близькій відстані (M=0.85). Жодної різниці між умовами середньої та далекої відстані для облич не було закодовано на близькій відстані, t(89)=1.20, p=0.23, d=0.25 . Однак точність була нижчою для облич, закодованих на великій відстані (M=0.60), ніж для облич, закодованих на середній відстані (M=0.82), t(70){{37} }.98, p=0.004, d=0.71.

Подібно до експериментів 1a і 1b, здається, що змодельована відстань мало вплив на співвідношення достовірності й точності на нижчому рівні відстані. Однак на більшій відстані учасники були значно більш самовпевнені щодо чітких облич і облич, на які дивилися із середньої відстані.

Мета Експерименту 3 полягала в тому, щоб спробувати реалізувати навчальне попередження (див. Blank & Launay, 2014, для мета-аналізу подібних маніпуляцій із попередженнями в дезінформаційній літературі), призначене для покращення ефекту кодування облич на великій симульованій відстані на співвідношення впевненість–точність.

For more information:1950477648nn@gmail.com