Kontèks kodaj yo Dmeran retabli pandan rekiperasyon konpetitif epi swiv dinamik tanporèl entèferans memwa Pati 1

Kapasite pou sonje yon epizòd ki sot pase nou an souvan anpeche konpetisyon nan evènman menm jan an. Pa egzanp, si nou vle sonje atik yon kòlèg te rekòmande pandan dènye reyinyon laboratwa a, nou ka bezwen rezoud entèferans ak lòt rekòmandasyon atik ki soti nan menm kòlèg la. Etid sa a mennen ankèt sou si karakteristik kontèks ki espesifye epizòd yo kodaj yo re-enstale pandan rekipere memwa konpetitif. Konpetisyon ant memwa te kreye atravè paradigm entèferans AB/AC.

Premye a tout, nan konpetisyon memwa konpetitif, yon bon memwa enpòtan anpil pou patisipan yo. Konpetisyon an mande pou patisipan yo sonje plis enfòmasyon nan yon sèten peryòd, ak kle nan genyen se ki moun ki sonje plis enfòmasyon epi ki pi egzak. Se poutèt sa, si ou vle pou genyen nan konpetisyon an memwa konpetitif, ou dwe gen yon memwa fò. Patisipan ki gen yon memwa segondè ka sonje gwo kantite enfòmasyon byen vit ak efikasite, ki se fezab pou jwenn yon avantaj nan konpetisyon an.

Dezyèmman, konpetisyon memwa konpetitif kapab tou ankouraje amelyorasyon nan memwa endividyèl elèv yo. Patisipe nan konpetisyon an mande pou anpil fòmasyon, tankou toujou ap pratike memwa, amelyore efikasite memwa, ranfòse konsantrasyon, ak sou sa. Egzèsis sa yo itil pou fè egzèsis memwa pèsonèl ak amelyore nivo mantal pèsonèl. Nan konpetisyon an memwa konpetitif, aprann nan eksperyans nan bon nan lòt moun, ak kontinye aprann ak pwogrè, pral fè kapasite memwa yo dwe plis amelyore.

Anplis de sa, konpetisyon memwa konpetitif kapab tou estimile potansyèl la nan moun. Kòm yon espò konpetitif, konpetisyon memwa konpetitif ka fè patisipan yo gen pi fò konfyans nan tèt yo ak sikoloji konpetitif, estimile motivasyon pèsonèl ak potansyèl, ak plis amelyore memwa yo ak bon jan kalite konplè.

Nan ti bout tan, gen yon lyen inextricable ant memwa konpetitif ak memwa. Patisipe nan konpetisyon memwa konpetitif ka ankouraje amelyorasyon nan memwa pèsonèl, epi tou li ka ankouraje potansyèl moun yo pou yo vin gen plis konfyans, brav, ak serye. Se poutèt sa, nou ta dwe patisipe aktivman nan konpetisyon memwa konpetitif epi fè pwogrè kontinyèl pou amelyore memwa nou an. Se konsa, li klè ke nou bezwen amelyore memwa nou an, ak cistanche ka siyifikativman amelyore memwa paske vyann cohere tou kontwole balans nan nerotransmeteur, tankou nivo ogmante nan metakolin ak faktè kwasans, ki enpòtan pou memwa ak aprantisaj, ak vyann cohere tou amelyore. sikilasyon san ak livrezon oksijèn. Sa a ka asire ke sèvo a vin bon jan nitrisyon ak enèji, kidonk amelyore vitalite nan sèvo ak andirans.

Klike sou Konnen pou amelyore fonksyon mantal

Yo te prezante pè mo endividyèl yo entegre nan yon kontèks ki sanble ak mo reyèl ki dousman. Analiz modèl miltivarye (MVPA) nan done elektwoansefalografik (EEG) segondè-rezolisyon tanporèl yo te itilize pou mennen ankèt sou reyaktivasyon kontèks pandan rekipere memwa. Konpòtman, nou te obsève entèferans aktif (men pa retwoaktif); sa vle di, pèfòmans pou AC konpetitif rekipere te pi mal konpare ak yon kontwòl DE rekipere non konpetitif, tandiske AB rekipere pa t 'soufri nan konpetisyon.

Neural, entèferans aktif te akonpaye pa yon retabli byen bonè nan kontèks konkiran an, epi rezolisyon entèferans te asosye ak retabli kontèks sib la ki te vin apre. Ansanm, rezilta sa yo bay nouvo prèv ki montre ke kontèks kodaj evènman disrè konpetisyon yo re-entabli pandan rekiperasyon konpetitif e ke retablisman sa yo swiv konpetisyon rekipere ak rezolisyon entèferans ki vin apre.

Mo kle:

Elektwoansefalografi (EEG); memwa epizod; reaktivasyon memwa; analiz multivarye-modèl (MVPA).

Entwodiksyon

Memwa epizodik pèmèt nou vwayaje tounen nan tan pou revize sot pase nou an (Tulving 1983). Sepandan, aksè a yon evènman ki sot pase yo souvan antrave pa konpetisyon rekiperasyon, ki rive lè siyal rekiperasyon sipèpoze ak evènman t'ap chache a ak lòt evènman menm jan an (Anderson 1974; Mensink and Raaijmakers 1988).

Teyori retablisman kontèks (egzanp, Estes 1955; Polyn et al. 2009; Howard and Kahana 2012; Howard 2017; Yonelinas et al. 2019; Kahana 2020) dekri kijan eksperyans kontinyèl nou an reprezante nan sèvo a pa obligatwa enfòmasyon kontèks ki dousman deplase. nan evènman disrè. An konsekans, rekipere kontèks pandan sonje epizòd sèvi pou òganize sot pase nou an. Sepandan, yo konnen ti kras sou wòl nan rekipere kontèks pandan sonje konpetitif. Li te dènyèman te ipotèz ke enfòmasyon kontèks ka aji kòm yon fòm nan kontwòl mantal ki bese efè yo nan entèferans memwa nan memwa k ap travay (Beukers et al. 2021).

Nan etid sa a, nou te ogmante analiz modèl miltivarye (MVPA) nan done elektwoansefalografik (EEG) segondè-rezolisyon tanporèl pou mezire reaktivasyon detay kontèks pandan sonje epizòd alontèm. Done nou yo bay nouvo prèv ki montre enfòmasyon kontèks yo retabli pandan rekiperasyon konpetitif nan evènman disrè epi ke retablisman sa yo swiv konpetisyon ak rezolisyon entèferans.

Memwa epizodik se pa definisyon kontèks-depandan (Estes 1955; Godden and Baddeley 1975; Polyn et al. 2009; Howard 2017) ak etid anvan yo endike ke sonje episodik enplike nan retabli atik yo ak karakteristik kontèks evènman orijinal la. An konsekans, li te montre ke siksè rekiperasyon kovarye ak retablisman neral la nan tras memwa ki enpòtan pou objektif (Polyn et al. 2005; Staresina et al. 2012; Gordon et al. 2014; Jafarpour et al. 2014), ki siyal rekiperasyon deklanche. retabli karakteristik kontèks ki gide konpòtman (Jiang, Bramão, et al. 2020a; Jiang, Wang, et al. 2020b), e ke rekipere kapab tou reaktive karakteristik kontèks objektif ki pa enpòtan (Manning et al. 2011; Diana et al. 2013). ; Gershman et al. 2013; Miller et al. 2013; Staudigl et al. 2015; Folkerts et al. 2018; Herweg, Solomon, et al. 2020b). Dènyèman, Herweg, Sharan, et al. (2020a), ak Herweg, Salomon, et al. (2020b) te montre ke retablisman kontèks espasyal la ka anvan rekiperasyon atik la e ke aktivite osilatif theta, nan lòb tanporèl medyal la, kowòdone rekiperasyon epizòd atik ak kontèks la. Sepandan, etid sa yo anvan yo te envestige kontèks retablisman nan paradigm rekipere ki pa konpetitif.

Jiskaprezan, yo konnen ti kras sou retabli kontèks ensidan pandan rekiperasyon konpetitif. Re-enstale enfòmasyon kontèks la pandan rekiperasyon konpetitif ka jwe yon wòl esansyèl nan separe evènman disrè konpetisyon ak kidonk diminye entèferans memwa. Enteresan, Manning et al. (2016) te jwenn mwens retablisman kontèks apre yon enstriksyon sou bliye dirije, ki sijere ke bliye entansyonèl aktivman lave karakteristik kontèks evènman ki sot pase a (Sahakyan and Kelley 2002).

Nan etid sa a, nou elicide ki jan retabli enfòmasyon kontèks la rive pandan rekipere konpetitif nan evènman disrè. Travay anvan yo te montre ke entèferans memwa ki asosye ak modèl reyentegrasyon neral anbigwi ak angajman pwosesis kontwòl frontoparietal ki rezoud konpetisyon ant memwa sib (Wimber et al. 2009; Kuhl et al. 2011; Wimber et al. 2015). Done EEG endike entèferans memwa ki asosye ak onn ralanti frontal pozitif (Johansson et al. 2007; Hellerstedt and Johansson 2014) ak ogmante aktivite teta frontal (Hanslmayr et al. 2010; Staudigl et al. 2010; Waldhauser et al. 2012), ki gen anpil chans deklanche pa reyaktivasyon an similtane nan sib ak konpetisyon tras memwa.

Nan etid sa a, nou itilize MVPA nan done EEG anrejistre pandan rekipere memwa pou mennen ankèt sou reaktivasyon konkouran ak ensidan nan kontèks kote evènman disrè sib ak konpetisyon yo te entegre pandan kodaj.

Te entèferans memwa eksperimantal pwovoke nan yon paradigm adapte AB / AC (egzanp, Kuhl et al. 2011). Patisipan yo premye kode nouvo siyal-asosye pè mo (AB) epi pita sipèpoze asosyasyon ki te fòme pa kouple siyal repete ak nouvo asosye (AC). Pè mo roman ki pa sipèpoze (DE) te sèvi kòm yon kondisyon kontwòl ki pa konpetitif.

Pou simulation nati rich ak konplèks nan epizòd nan mond reyèl la, pè mo disrè yo te entegre nan youn nan twa kontèks fim multimodal (sa vle di, fim premye moun nan yon anviwònman anba dlo, forè, oswa vil). Plizyè pè mo disrè yo te prezante nan menm kontèks fim pwolonje a, ki pèmèt simulation nati a dousman derive nan kontèks mond reyèl la (Stark et al. 2018). Kritikman, pè mo AB, AC, ak DE yo te kode ak fim diferan, sa ki pèmèt quantification nan retabli kontèks nan rekipere (figi 1A). Patisipan yo te resevwa enstriksyon pou yo espre aprann asosye yo pè tandiske kontèks la te ensidan nan travay la memwa (Smith and Vela 2001; Stark et al. 2018).

Yo te fòme yon klasifikasyon modèl pandan kodaj pou fè diskriminasyon modèl aktivite nan sèvo osilatif ki asosye ak diferan kontèks dinamik (figi 1B). Nan rekiperasyon, patisipan yo te prezante yon siy mo (swa A oswa D nan yon pè espesifik), ki te swiv pa prezantasyon an nan yon pwofonde premye lèt, ki endike kilès nan asosye yo (swa B oswa C oswa E a) sonje selektivman. Klasifikasyon an te aplike sou tan an nan rekiperasyon pou quantifier ak revele dinamik tanporèl sib ak konkiran retabli kontèks (figi 1A, F).

Nou te premye egzamine si orijinal kontèks kodaj dinamik (sinema), malgre yo te ensidan nan travay la memwa, yo retabli pandan rekiperasyon an nan evènman yo disrè (pè mo). Si se konsa, nou te prevwa ke rekiperasyon ki pa konpetitif, kontrèman ak rekiperasyon konpetitif, ta asosye ak retabli kontèks sib la deja nan fennèt tan mo-siyal la. Mo siyal la, nan rekiperasyon ki pa konpetitif, se sèlman rankontre nan yon evènman kodaj sèl; konsa li ka san pèdi tan deklanche rekipere tras memwa ki t'ap chache a. Apre nou te etabli yon fason pou quantifier re-entegrasyon ensidan kontèks kodaj la, nou ale nan objektif prensipal nou an epi mezire dinamik tanporèl re-entegrasyon sib ak konkiran pandan rekiperasyon konpetitif. Nou te prevwa ke 1) konpetisyon rekiperasyon ta asosye ak reyaktivasyon an similtane nan sib la ak kontèks konpetisyon oswa ki pa gen okenn reyaktivasyon paske tou de kontèks konpetisyon pou reyaktivasyon epi ni ranport ak 2) ke rezolisyon entèferans ki vin apre yo ta asosye ak aparisyon nan yon sib ki pi fò. relatif nan kontèks konkiran retablisman nan fenèt la tan ankèt (figi 1A, F).

Materyèl ak Metòd

Patisipan yo

Trant moun te patisipe nan etid la (mwayèn 22 ane fin vye granmoun, ranje 19-29; 17 fi). Tout patisipan yo te dwat, moun ki pale natif natal Swedish, epi yo pa rapòte okenn istwa nan maladi newolojik oswa sikyatrik. Patisipan yo te resevwa yon tikè fim kòm konpansasyon pou volontè yo patisipe nan etid la. Etid la te fèt pa Lwa Swedish konsènan Revizyon an etik nan rechèch ki enplike moun. Patisipan yo te bay konsantman enfòme alekri, epi etid la te swiv direktiv etik lokal yo nan Lund University.

Materyèl stimuli

Yo te itilize san karannkat mo triple nan eksperyans la. Mo yo se te tout mo konkrè yo te chwazi nan yon corpus lang swedwa (Borin et al. 2012). Mo yo nan yon triple te genyen diferan premye lèt epi yo pa t gen okenn asosyasyon evidan youn ak lòt. Triple yo te divize an de lis, matche pa longè ak frekans (tout Ps > 0.4), nan 72 triple chak. Chak lis te asiyen nan yon kondisyon eksperimantal espesifik (konpetitif AB ak AC, ak ki pa konpetitif DE). Yo te kreye twa vèsyon chak lis kote estati chak mo nan triple a te vire atravè siyal, sib, ak konkiran. Pou asire ke diferans ki genyen ant kondisyon yo pa akòz diferans ki genyen nan materyèl mo a, plasman nan lis mo yo te kontrebalance atravè kondisyon eksperimantal ak patisipan yo.

Twa kontèks fim pèspektiv premye moun yo te itilize nan eksperyans la: 1) plonje anba dlo, 2) mache nan yon forè, ak 3) kondwi nan Vil Nouyòk. Pou optimize klasifikasyon modèl miltivarye, nou te itilize kontèks ki te diferan nan pèsepsyon ak semantik youn ak lòt.

Konsepsyon eksperimantal ak pwosedi yo

Eksperyans konplè a te gen 18 blòk, yo chak gen ladan yon faz kodaj, yon 30- travay distrè kont bak, ak yon faz rekiperasyon. Nan faz kodaj la (Fig. 1A), patisipan yo te prezante ak asosye mo pè entegre nan yon fim. Yo te prezante chak pè mo pou 3 s ant segman fim ki te dire 6-9 s. Pou kreye reprezantasyon memwa solid, yo te mande patisipan yo pou yo aprann espre asosye asosye yo epi visualiser yo nan yon kontèks sinema. Remake ke kontèks fim nan te ensidan nan travay la memwa (sa vle di, asosyasyon ki genyen ant kontèks ak pè mo pa t 'yon objektif aprantisaj eksplisit) (Smith and Vela 2001; Stark et al. 2018).

Premye patisipan yo te prezante ak kat patnè siyal roman (pè mo AB). Pou kreye entèferans memwa, patisipan yo imedyatman kode-mo pè ki gen yon siyal repete pè ak yon asosye roman (pè mo AC). Finalman, yo te prezante tou yon seri separe kat patnè siyal roman (pè mo DE ki pa konpetitif), ki pa swiv pa pè sipèpoze. Kritikman, pou kapab swiv reyaktivasyon sib kont karakteristik aksidantèl, sinema ki asosye ak pè mo AB, AC, ak DE yo te diferan. Plasman fim nan nan kondisyon eksperimantal (AB, AC, ak DE) te counterbalanced wamongpparticipantsacross diferan blòk eksperimantal yo. Kidonk, yo te itilize chak fim egalman souvan nan twa kondisyon eksperimantal yo sou tout eksperyans la. Sa a asire ke klasifikasyon ki baze sou MVPA baze sou reaktivasyon kontèks fim yo olye ke sou demand kondisyon eksperimantal AB/AC/DE yo. Lòd prezantasyon pè mo AB, AC, ak DE yo te balanse atravè blòk, ak kontrent ke pè mo AB te toujou anvan pè mo AC.

Nan faz rekiperasyon an, yo te teste memwa pou tout 12 pè mo yo prezante nan yon travay rapèl (sa vle di, kat AB, kat AC, ak kat DE). Patisipan yo te premye teste sou tout kat pè mo DE, ansanm ak de AB ak yon lòt de AC chwazi pè mo owaza. Lòd rekipere premye uit pè mo sa yo te o aza. Siyifikativman, analiz EEG prezante a te oblije rekipere premye uit pè mo sa yo pou asire ke chak siy te itilize yon sèl fwa. Nan fen blòk rekiperasyon an, yo te teste pèfòmans memwa pou kat asosyasyon konkiran yo (sa vle di, tès memwa sib AB/AC te swiv pa yon tès memwa konkiran AC/AB). Esè rekiperasyon an te kòmanse ak prezantasyon yon kwa fixation pou 2 s, ki te swiv pa pwodiksyon mo siyal la (As oswa Ds) pou yon lòt 2 s.

Lè sa a, premye lèt nan mo koup la (sond la) te prezante pou 3 s ak patisipan yo te mande yo rekipere asosye sib la (mwatye nan B yo ak C yo ak tout Es yo). Kontèks kodaj la pa te siyal, mansyone, oswa nan nenpòt lòt fason ki enpòtan pou travay rekiperasyon an. Nan fen chak blòk rekiperasyon, yo te mande patisipan yo pou yo rekipere konpetitè yo (rès Cs ak Bs yo). Patisipan yo te reponn aloral, epi eksperimantè a te anrejistre repons yo. Pou evite zafè nan misk nan done EEG yo, patisipan yo te mande yo kenbe repons yo jiskaske prezantasyon an nan yon mak kesyon.

Anrejistreman EEG ak pre-pwosesis

EEG la te anrejistre kontinyèlman lè l sèvi avèk yon anplifikatè SynAmps RT Neuroscan (pousantaj echantiyon 1 kHz; referans mastoyid gòch; Pleasant DC-3500 Hz; 24-bit rezolisyon) soti nan 62 elektwòd aktif monte nan yon bouchon elastik ak pozisyone dapre. nan sistèm pwolonje 10-20 la. Done EEG yo te pretrete lè l sèvi avèk FieldTrip (Oostenveld et al. 2011) ak scripts MATLAB andedan kay la. Offline, done yo te desann nan 500 Hz epi divize an de epòk diferan nan enterè: yon kodaj ak yon epòk rekipere. Done kodaj yo te ekstrè soti nan yon epòk ki sòti nan -1 a 7 s parapò ak kòmansman fim nan, yo dwe itilize pou fòmasyon klasifikasyon modèl yo distenge kontèks fim yo. Yo te kreye epòk rekiperasyon an lè w chwazi done ki sòti nan -2 a 6 s parapò ak kòmansman mo siyal la. Done sa yo te itilize pou teste klasifikasyon modèl neral yo, se sa ki, evalye retabli kontèks fim nan, ak fè yon estanda analiz tan-frekans inivaryab.

Done epòk yo te transfòme nan yon referans mastoyid lye ak debaz korije (soustraksyon pa anplitid an mwayèn nan epòk la). Anplis de sa, mezi electrooculogram bipolè yo te kalkile lè l sèvi avèk elektwòd FP1 la ak yon elektwòd mete anba je gòch la, ak elektwòd FT9 ak FT10 nan bouchon an pou detekte respektivman mouvman je vètikal (kliyote) ak orizontal. Epòk EEG yo te enspekte fizikman ak sa ki gen misk oswa lòt zafè, ki pa gen rapò ak bat je ak mouvman je orizontal, yo te manyèlman retire. Yo te fè analiz eleman endepandan epi yo te retire eleman ki reprezante zafè oculomotor ak aktivite misk ki diferan de siyal EEG la. Anplis de sa, chanèl ki gen bri konsistan atravè patisipan yo te retire nan analiz la (FT9/FT10), nenpòt ki rete move chanèl (si genyen) yo te entèpole, epi done yo te ankò vizyèlman enspekte yo retire nenpòt esè ki gen zafè rezidyèl. Analiz final la te gen ladann yon mwayèn de 34 AB esè (sòti ant 30 ak 36 esè), 34 AC esè (sòti ant 29 ak 36 esè), ak 66 esè DE (sòti ant 51 ak 72 esè) pou chak patisipan.

Tan-Frekans Dekonpozisyon

Siyal ki soti nan esè endividyèl yo te transfòme nan reprezantasyon tan-frekans (TFRs). TFR yo te jwenn pou frekans ki sòti nan 4 a 45 Hz, ak yon etap frekans nan 1 Hz, yon etap tan nan 0.05 s, ak yon lajè wavelet nan 5 sik, lè l sèvi avèk transfòmasyon konplèks Morlet wavelet jan yo aplike nan FieldTrip. Aktivite osilatwa nan sèvo yo te deja itilize pou byen antrene klasifikatè modèl yo pou yo fè distenksyon ant reprezantasyon mnemonik (Jafarpour et al. 2014; Bramão and Johansson 2018) epi li panse pou sipòte mekanis debaz memwa episodik (Hanslmayr and Staudigl 2014; Hanslmayr et al. 2016; Schreiner ak Staudigl 2020).

Analiz estatistik ak klasifikasyon modèl miltivarye

Nou te antrene yon klasifikatè pou fè diskriminasyon modèl aktivite nan sèvo ki asosye ak fim nan kontèks nan kodaj. MVPA te fèt lè l sèvi avèk yon machin vektè sipò (SVM), ak yon nwayo lineyè, ak yon estrateji yon sèl-kont-tout, jan yo aplike nan bwat zouti MATLAB byoenfòmatik ak swiv pwotokòl pwopoze nan literati a (Jafarpour et al. 2013). Yo te antrene klasifikasyon modèl yo sou TFR mwayèn nan tout prezantasyon fim nan chak 6- pandan faz kodaj la (Remak: pou peryòd kote fim te prezan jiska 9 s, yo te itilize premye 6 s yo pou analiz). Klasifikasyon yo te itilize TFR ki soti nan 60 chanèl, epi konsa klasifikasyon an te resevwa fòmasyon sou 2520 karakteristik posib (60 chanèl ∗ 42 frekans). Pa gen okenn koreksyon debaz adisyonèl fèt sou TFR la; olye de sa, pouvwa a nan chak frekans ak chanèl te nòmalize atravè esè (Jafarpour et al. 2013). Klasifikasyon an te fèt lè l sèvi avèk siyal TFR ki soti nan yon mwayèn 63 esè ki koresponn ak kontèks anba dlo a (ranje 53-71), 64 ki koresponn ak kontèks forè a (ranje 54-71), ak 64 ki koresponn ak kontèks vil la (ranje 54-71). 72). Nou te itilize yon 10-pwosedi validasyon kwa-pli pou teste klasifikasyon an nan kodaj. Sa vle di, done yo te owaza epi divize an 10 sou-asanblaj apeprè egal-gwosè, sou ki 10 iterasyon tès fòmasyon yo te fèt. Chak patisyon te itilize kòm seri tès la yon fwa, ak nèf patisyon ki rete yo te itilize pou fòmasyon klasifikasyon an nan pliye sa a. Nan chak iterasyon kwa-validasyon, yo te itilize modèl la pou predi kategori nan esè kite-soti yo.

Pou vizyalize kontribisyon chak chanèl ak frekans nan pèfòmans klasifikasyon, nou refè fòmasyon klasifikasyon an nan de analiz. Kontribisyon chanèl endividyèl yo te evalye pa yon analiz searchlight nan domèn espasyal la. Menm pwosedi klasifikasyon an te repete men li te enkli sèlman chanèl sib la ak vwazen adjasan li yo (yon mwayèn sèt, ant kat ak uit chanèl). Menm jan an tou, yo te evalye kontribisyon chak frekans pa klasifikasyon repete lè l sèvi avèk frekans sib la ak frekans adjasan (twa frekans eksepte frekans minimòm ak maksimòm kote sèlman de frekans yo te itilize). Pèfòmans klasifikasyon yo te atribye ba kanal sib la ak frekans sib la epi yo te konpare ak chans (33.3%). Yo rapòte presizyon klasifikasyon ki te siviv koreksyon Bonferroni (valè P korije pou frekans: 0.05/42 konparezon=0.0012; valè P korije pou chanèl: 0.05/60 konparezon=0.0008).

Yo te itilize klasifikasyon modèl la ki te bati ak kwaze ak done kodaj yo answit pou predi kontèks kodaj sib la ki baze sou done rekiperasyon yo (sa vle di, kontèks mo sib yo dwe rekipere) nan esè pou patisipan yo te montre rekipere sib ki gen siksè. osi byen ke pou esè pou ki patisipan yo echwe pou rekipere sib la. Tès la te fèt nan 85 tan separe, ki soti nan -0.2 a 4 s parapò ak mo-siy kòmansman, ak 0.05- entèval, ki kouvri tou de siyal la sonde fenèt tan.

Chak iterasyon klasifikasyon pwodui yon matris konfizyon ki rezime pwodiksyon klasifikasyon an. Ranje matris yo reprezante vrè kategori kontèks yo alòske kolòn yo reprezante kategori kontèks prevwa yo. Klasifikasyon nan matris konfizyon nan yon sit yo bay (r, c) eksprime kantite obsèvasyon ki gen etikèt r ke klasifikasyon an make kòm c. Valè sou dyagonal matris la (r=c) koresponn ak klasifikasyon kòrèk yo kote kategori vre ak kategori prevwa yo se menm bagay. Kòm klasifikasyon nan etid prezan an te enplike yon kantite ekilibre obsèvasyon pou chak kategori, nou divize chak eleman nan matris la konfizyon pa sòm ranje li yo pou chak ranje sòm nan yon sèl. Presizyon klasifikasyon, ki defini kòm pousantaj tantativ klasifikasyon ki kòrèkteman prevwa kategori obsèvasyon an, yo te kalkile kòm mwayèn dyagonal matris konfizyon an mwayèn sou iterasyon kwa-validasyon ak patisipan yo.

Pou detèmine siyifikasyon estatistik presizyon klasifikasyon obsève a, nou te pwodwi distribisyon nil pou chak patisipan lè nou fè klasifikasyon ak done melanje. Pou teste siyifikasyon klasifikasyon an nan kodaj nou te fè 100 iterasyon epi teste siyifikasyon estatistik reparèt la nan rekipere nou te fè 1000 iterasyon (pou kont pou ogmante kantite pwen done nan rekipere). Nan chak iterasyon, etikèt yo pou fim kontèks yo te melanje. Kidonk, chak iterasyon te bay yon distribisyon ki pa gen okenn enfòmasyon vre sou kategori fim nan men ki te konsève lis an jeneral ak lòt pwopriyete estatistik. Pou korije plizyè konparezon epi teste fyab estatistik klasifikasyon yo te jwenn pandan kodaj la, nou te konpare klasifikasyon an kont klasifikasyon mwayèn yo te jwenn ak done yo melanje.

Pou korije plizyè konparezon epi teste fyab estatistik klasifikasyon yo te jwenn pandan rekiperasyon an, nou te fè yon echantiyon t-tès pou chak nan 1000 iterasyon ki konpare pèfòmans klasifikasyon ak chans (33.3). %). Distribisyon T-tès yo te jwenn ak done ki dirije bagay yo te fòme distribisyon anpirik nil nonparametric, e yo te itilize 97.5 ak 2.5 percentile distribisyon sa a kòm papòt siyifikasyon pou yon tès de-ke, ki koresponn ak yon papòt siyifikasyon nan. 0.05. Pèfòmans klasifikasyon nan rekiperasyon an te lis lè l sèvi avèk yon mwayèn k ap deplase ak yon gwosè 0.1 s pou ekspozisyon ak pou kalkile t-tès la nan distribisyon an nonparametric. Presizyon klasifikasyon yo te konsidere kòm enpòtan si valè t la te jwenn lè yo konpare klasifikasyon kont chans (33.3%) te pi wo pase valè t papòt la te jwenn nan tès la pèmitasyon (Osipova et al. 2006; Johnson et al. 2015).

Anplis de sa, rezilta premye pèmitasyon sa a te koribe ak yon tès pèmitasyon Monte Carlo ak yon koreksyon fo dekouvèt pousantaj (FDR) jan yo te aplike nan FieldTrip (Oostenveld et al. 2011). Isit la, tip-1 erè a te kontwole lè w jwenn valè P korije FDR la nan chak pwen. Yo te kalkile yon distribisyon nil nan done yo pa randomize done yo 1000 fwa atravè pwen done pou chak patisipan. Nan chak iterasyon pèmitasyon, yo te fè yon tès t ki konparan klasifikasyon nan done yo melanje kont chans (33.3%). FDR te itilize pou estime pwobabilite pou jwenn yon fo rezilta pozitif bay rezilta pozitif yo obsève nan mitan distribisyon nil referans, lè nou konsidere yon papòt P <0.05. Se sèlman rezilta ki te enpòtan nan tou de apwòch yo rapòte.

Relasyon ant retablisman kontèks ak rekipere memwa

Pou mennen ankèt sou relasyon ki genyen ant retablisman kontèks ak sonje epizod, nou te envestige presizyon klasifikasyon pandan rekipere kòm yon fonksyon pèfòmans memwa. Presizyon klasifikasyon pou esè rekipere siksè ak san siksè yo te konpare pou entèval tan yo kote yo te obsève siyifikatif reparèt nan etap anvan an. Kritikman, pou evite patipri akòz non-independance estatistik, nou aplike yon pwosedi kwa-validasyon kite-one-subject-out (LOSO) (Esterman et al. 2010). Sa a te fè nan kontras klasifikasyon yo, fòme ak teste sou done ki soti nan tout lòt patisipan yo, kont chans (33.3%) lè l sèvi avèk yon echantiyon t-tès ak evalye li ak papòt yo nan distribisyon an nil jwenn.

Sa te pèmèt nou idantifye, pou chak patisipan ki kite yo, tan ki te montre klasifikasyon diferan de chans pandan tout epòk rekiperasyon an. Pou chwazi tan espesifik pou chak patisipan ki kite yo, nou te idantifye klasifikasyon ki montre siyifikatif reparèt nan yon entèval tan nan 0.2 s pi wo ak anba fennèt tan yo te idantifye nan etap anvan an. Yo te itilize posode tan idantifye yo pou ekstrè presizyon nan klasifikasyon pou esè ki gen siksè ak san siksè pou patisipan ki rete a. Deyò fenèt tan predefini sa yo, nou pa t obsève okenn lòt klasifikasyon ki toujou enpòtan atravè iterasyon. Sa ki enpòtan, lè w sèvi ak pwosedi sa a nou evite sikilè nan analiz la kòm done endepandan yo te itilize yo chwazi fenèt yo tan yo contraste reparèt la memwa nan esè siksè ak san siksè.

For noncompetitive memory retrieval, a two-tailed paired sample t-test compared the mean classification accuracy for successful and unsuccessful retrieval trials. Additionally, for competitive retrieval, we further investigated the classifier evidence for target, competitor, and DE noncompetitive context as a function of memory performance. We entered the classifier accuracy, for the time bins where reliable replay was observed, in a repeated-measure analysis of variances (ANOVA) with the factors Memory Performance (successful vs. unsuccessful) and Context (target vs. competitor). The DE noncompetitive retrieval was excluded from the analysis to not violate the dependent-variable independence assumption of ANOVA. Only significant effects and interactions are reported. For these analyses, we only included participants with a sufficient number of trials per condition (>10 esè pou chak kondisyon).

For more information:1950477648nn@gmail.com