A cosa serve il tempo nella memoria di lavoro?

ali.ma@wecistanche.com

Fare clic su Cistanche NZ per la memoria

Astratto

Dare alle persone più tempo per elaborare le informazioni durante il lavoromemoriamigliorale loro prestazioni lavorativememoriacompiti. Si presume spesso che il tempo libero concesso dopo la presentazione di un articolo consenta ai processi di manutenzione di contrastare l'oblio di questo articolo, suggerendo che il tempo ha un vantaggio retroattivo. Altre due ipotesi - consolidamento a breve termine e distintività temporale - implicano un effetto locale del tempo sugli elementi immediatamente precedenti e successivi. Qui, mostriamo invece un nuovo vantaggio globale e proattivo del tempo di lavoromemoria. In tre esperimenti di richiamo seriale (Ns=21, 25 e 26 giovani adulti, rispettivamente), abbiamo variato la posizione e la durata del tempo libero all'interno di un elenco di sette elementi di consonanti. L'esperimento 1 ha mostrato che l'effetto è globale e non locale. Gli esperimenti 2a e 2b hanno mostrato che l'aumento del tempo intermedio ha giovato alle prestazioni solo per gli elementi successivi, implicando un vantaggio proattivo. Questa scoperta esclude processi di manutenzione, consolidamento a breve termine e distintività temporale come spiegazioni del beneficio del tempo libero, ma è coerente con la proposta di una risorsa di codifica a recupero graduale.

Parole chiave: memoria di lavoro cistance, tempo, conto delle risorse di codifica, beneficio proattivo, memoria, dati aperti, materiali aperti

Nel contesto di breve termine o di lavoromemoria, il passare del tempo è solitamente considerato un'opportunità per dimenticare (Donkin et al., 2015; Lewandowsky & Oberauer, 2009; Mercer & McKeown, 2014; Ricker et al., 2016, 2020). Un ruolo meno studiato del tempo è che, in alcune circostanze, aiuta a mantenere le informazioni nel lavoromemoria. Quando unmemorial'elenco viene presentato più lentamente, cioè con più tempo libero tra gli articoli, il richiamo seriale immediato è spesso migliore (Ricker & Hardman, 2017; Souza & Oberauer, 2017; Tan & Ward, 2008; per le recensioni, vedere Oberauer et al., 2018; Penney, 1975). Qui ci siamo chiesti che cosa causa questo effetto benefico del tempo per la memoria di lavoro.

Una possibile spiegazione è che il tempo libero tra le voci viene utilizzato per le prove. La prova è una strategia di manutenzione comunemente segnalata nelle attività di memoria di lavoro. Tre forme di prova potrebbero contribuire all'effetto benefico del tempo libero: la prova articolatoria (Tan

Nell'aggiornamento basato sull'attenzione, le informazioni vengono riattivate prestando attenzione deliberatamente ad esse durante la manutenzione. Nella prova elaborativa, le rappresentazioni degli stimoli da ricordare vengono arricchite associandole alla conoscenza della memoria a lungo termine.

Il tempo interinale gratuito può essere utilizzato anche per il consolidamento a breve termine (Jolicœur & Dell'Acqua, 1998) dell'elemento appena codificato. Il consolidamento a breve termine avviene dopo la codifica di un elemento; si stima che impieghi da 0,5 s a 1,5 s e si presume che richieda una risorsa di elaborazione centrale (Jolicœur & Dell'Acqua, 1998; Nieuwenstein & Wyble, 2014).

Una terza spiegazione viene dall'ipotesi della distinzione temporale. Secondo le teorie della memoria sulla distintività temporale, aumentare il tempo tra gli elementi diminuisce la somiglianza dei loro contesti temporali, che a sua volta dovrebbe diminuire la confondibilità temporale e aumentare l'accuratezza della memoria (Brown et al., 2007). Un'idea correlata è che tempi interitem eccezionalmente lunghi, ad esempio quando sottoinsiemi di elementi di un elenco sono raggruppati temporalmente (Ryan, 1969b), inducano un cambiamento di contesto, aumentando la specificità contestuale tra elementi in gruppi diversi.

Queste spiegazioni portano a previsioni diverse su quali elementi in un elenco di memoria traggono vantaggio dall'aumento del tempo libero. Consideriamo differenze di previsioni lungo due dimensioni (vedi Tabella 1), che possono essere meglio spiegate concentrandoci su un singolo intervallo interitem da qualche parte nel mezzo di un elenco di memoria: (a) L'effetto benefico del tempo libero in quell'intervallo può essere retroattivo (vale a dire, migliorare la memoria per gli elementi codificati prima dell'intervallo) o proattivo (vale a dire, migliorare la memoria per gli elementi successivamente codificati) e (b) l'effetto benefico può essere locale (vale a dire, migliorare la memoria solo per gli elementi immediatamente precedenti o successivi alla libera -intervallo di tempo) o globale (ovvero, miglioramento della memoria per tutte le voci dell'elenco che precedono o seguono l'intervallo).

Le tre forme di prova (prova articolatoria, prova elaborativa e aggiornamento attenzionale) possono essere applicate solo a elementi già codificati nella memoria di lavoro prima di un intervallo di tempo libero e, pertanto, il loro effetto deve essere principalmente retroattivo. Le prove articolatorie sono solitamente cumulative e, pertanto, l'effetto dovrebbe essere retroattivo e globale, a beneficio di tutti gli elementi codificati prima dell'intervallo di tempo libero utilizzato per le prove. Si presume inoltre comunemente che l'aggiornamento esegua il ciclo di tutti gli elementi nella memoria di lavoro, piuttosto che soffermarsi sull'ultimo elemento presentato, implicando un effetto retroattivo globale (Barrouillet et al., 2007; Lemaire et al., 2018; Oberauer & Lewandowsky, 2011 ). Al contrario, l'elaborazione potrebbe coinvolgere tutti gli elementi codificati fino a quel momento o solo l'ultimo elemento codificato, quindi l'effetto potrebbe essere globale o locale.

Il miglioramento della memoria per gli elementi che precedono un intervallo di tempo libero potrebbe avere effetti indiretti anche sugli elementi successivi. Ad esempio, se il tempo libero viene utilizzato per migliorare la manutenzione di elementi precedentemente codificati, quando viene concesso abbastanza tempo, i processi di manutenzione come le prove o l'aggiornamento di questi elementi possono essere completati durante quel periodo. Ciò potrebbe ridurre il costo delle prove o dell'aggiornamento degli elementi precedenti durante la codifica o la manutenzione del successivo

Dichiarazione di rilevanza

La memoria di lavoro è la lavagna della nostra mente, dove possiamo mantenere brevemente le informazioni disponibili, ad esempio, possiamo tenere un nuovo numero di telefono nella memoria di lavoro e quindi digitarlo dalla memoria. Il passare del tempo è solitamente associato all'oblio delle informazioni contenute nella memoria di lavoro: molti ricercatori ritengono che le informazioni nella memoria di lavoro svaniscano rapidamente a meno che non le proviamo ripetendole a noi stessi. In contrasto con questa idea, la ricerca mostra che se ci fermiamo tra l'aggiunta di elementi alla memoria di lavoro, la nostra memoria migliora. Abbiamo studiato per cosa le persone usano queste pause. Ad esempio, si potrebbe usare una pausa per ripassare ciò che è già nella memoria di lavoro (ad esempio, le prove). Invece, abbiamo scoperto che le pause migliorano il richiamo delle informazioni che vengono aggiunte alla memoria di lavoro dopo la pausa senza portare alla dimenticanza di elementi già presenti nella memoria di lavoro prima della pausa. Questa scoperta suggerisce che le pause (cioè il tempo) aiutano la memoria di lavoro a prepararsi per informazioni future e richiede un nuovo modo di pensare al ruolo del tempo nella memoria di lavoro.

articoli e quindi migliorare la manutenzione degli articoli successivi. In questo caso, oltre all'effetto retroattivo potrebbe verificarsi un effetto proattivo.

Si presume comunemente che il consolidamento a breve termine si applichi solo all'ultimo elemento codificato. Inoltre, si basa su una risorsa di elaborazione limitata, quindi la maggior parte dei teorici presume che un solo elemento sia consolidato in qualsiasi momento (per una revisione, vedere Ricker et al., 2018). Questa concettualizzazione suggerisce che in ogni intervallo di tempo libero viene consolidato solo l'elemento immediatamente precedente. Se ogni voce viene consolidata solo fino a quando non viene interrotta dall'inizio della voce successiva, l'effetto benefico del tempo libero deve essere retroattivo e locale: un tempo libero più lungo consente un consolidamento più lungo di quello precedente. Ricker e Hardman (2017) hanno proposto un'ipotesi alternativa: il consolidamento a breve termine è balistico

processo che, una volta avviato, va a compimento. Quando non viene concesso il tempo sufficiente per completare il consolidamento, il consolidamento della voce successiva viene posticipato e quindi ridotto (Ricker & Hardman, 2017). L'aumento del tempo libero evita tale rinvio e quindi migliora la memoria per l'articolo successivo, prevedendo un beneficio proattivo locale solo per questo articolo. In una serie di esperimenti sulla memoria di lavoro visiva, Ricker e Hardman (2017) hanno ottenuto prove di un tale effetto locale e proattivo.

Secondo l'ipotesi della distinzione temporale, un tempo libero interitem più lungo dovrebbe aumentare la distintività temporale degli item immediatamente prima e dopo l'intervallo di tempo libero (Brown et al., 2007). Quindi, il carattere distintivo temporale prevede effetti locali che sono sia proattivi che retroattivi. Questa previsione è stata verificata in diversi studi. Mentre gli effetti previsti sono stati osservati nei test di riconoscimento (Morin et al., 2010) e in alcune versioni dei test di ricostruzione dell'ordine, sono vistosamente assenti nei test di richiamo seriale immediato (Lewandowsky et al., 2006; Nimmo & Lewandowsky , 2005, 2006; Parmentier et al., 2006; Peteranderl & Oberauer, 2018).

Allo stesso modo, i cambiamenti di contesto tra i gruppi temporali predicono vantaggi proattivi e retroattivi simmetrici che sono prevalentemente locali ma anche in una certa misura globali (Burgess & Hitch, 1999; Farrell, 2012). Tali effetti sono comunemente osservati nel ricordo seriale, portando a effetti di primato all'interno del gruppo e di recency (Frankish, 1989; Ryan, 1969a).

Per capire a cosa serve il tempo libero nella memoria di lavoro, abbiamo verificato (a) se il tempo libero ha effetti locali o globali e (b) se l'effetto del tempo libero è proattivo, retroattivo o entrambi. L'esperimento 1 si è concentrato sulla valutazione tra effetti globali e locali. Abbiamo variato le durate del tempo intermedio all'interno degli elenchi. I tempi intermedi erano o costantemente brevi nell'elenco, costantemente lunghi o variavano all'interno di un elenco in modo diverso per tutte le posizioni, in modo tale che il tempo intermedio medio fosse lungo quanto nella condizione costantemente lunga. Lo scopo della condizione di intervallo variabile era di verificare se la durata di ciascun intervallo interitem ha un effetto prevalentemente sugli elementi adiacenti (vale a dire, effetti locali) o si diffonde tra gli elementi dell'elenco (vale a dire, un effetto globale).

La manipolazione a intervallo variabile replica il progetto di Lewandowsky et al. (2006) per testare l'ipotesi della distinzione temporale. Gli studi di richiamo seriale con questo disegno non hanno trovato prove di effetti locali del tempo, il che contraddice le previsioni del carattere distintivo temporale. Una possibilità che dobbiamo considerare, tuttavia, è che le persone utilizzino intervalli interitem liberi per processi come prove elaborative o consolidamento a breve termine solo se la loro durata è prevedibile. In tal caso, gli intervalli imprevedibilmente variabili negli studi sulla distinzione temporale potrebbero non essere stati utilizzati per alcun processo che migliorasse la memoria. In tal caso, la memoria nella condizione di intervallo variabile dovrebbe essere più scarsa rispetto alla condizione con intervalli costantemente lunghi, nonostante fornisca complessivamente la stessa quantità di tempo libero interitem.

Con gli esperimenti 2a e 2b, abbiamo testato in che misura il beneficio del tempo libero fosse proattivo o retroattivo. Abbiamo aumentato solo una volta interitem, mentre il resto è stato risolto. La posizione del tempo intermedio più lungo è stata variata in tutto l'elenco. L'intervallo interitem più lungo potrebbe essere di 2.500 ms o 500 ms, mentre gli intervalli interitem regolari erano di 50 ms ciascuno. Abbiamo chiesto se l'intervallo lungo avesse un effetto per gli elementi precedenti (retroattivo), gli elementi seguenti (proattivo) o entrambi. Inoltre, ci aspettavamo di vedere effetti di raggruppamento temporale dovuti all'intervallo interitem deviante per intervalli di 500-ms e 2,{12}}ms. Poiché Ryan (1969b) non ha osservato differenze negli effetti di raggruppamento tra intervalli intergruppi brevi e lunghi, abbiamo previsto che questi effetti di raggruppamento fossero equivalenti per entrambe le lunghezze devianti. Lo scopo era osservare se il tempo libero extra (2,{16}} ms) fornito in diverse posizioni nell'elenco di memoria avrebbe giovato alle prestazioni degli elementi osservati prima o dopo l'intervallo manipolato, al di là degli effetti di raggruppamento temporale.

Metodo

Partecipanti

Ventuno, 25 e 26 giovani adulti hanno partecipato rispettivamente agli Esperimenti 1, 2a e 2b. Le dimensioni del campione sono state scelte sulla base di esperimenti precedenti che hanno mostrato effetti benefici di intervalli interitem più lunghi. La raccolta dei dati è stata interrotta quando abbiamo raggiunto una dimensione del campione target prespecificata (N più 1, se possibile, nel caso in cui fosse necessario escludere qualsiasi dato durante l'analisi). L'esperimento 1 aveva una dimensione del campione target di 20 e gli esperimenti 2a e 2b avevano una dimensione del campione target di 25. Gli esperimenti sono durati fino a 60 min. I partecipanti sono stati rimborsati per il loro tempo con un credito del corso o 15 franchi svizzeri all'ora.

Procedura

Ogni prova è iniziata con un punto di fissazione centrale presentato per 500 ms, seguito dalla presentazione dell'elenco degli studi. Le liste erano composte da sette consonanti presentate una alla volta (vedi Fig. 1). Nell'Esperimento 1, ogni elemento dell'elenco è stato presentato sullo schermo per 250 ms, seguito da uno schermo vuoto per il resto dell'intervallo interstimolo (ISI), qui definito come l'intervallo totale dall'offset di una consonante all'inizio della successiva . Negli esperimenti

Fig. 1. Cronologia della fase di codifica in ciascuna delle condizioni degli Esperimenti 1 e 2. In ciascuna condizione, sette consonanti, estratte casualmente da 21 consonanti, sono state presentate una alla volta. Questo è stato seguito da un test di richiamo seriale. Gli intervalli interstimolo (ISI), definiti come l'intervallo totale dall'offset di una consonante all'inizio della successiva, variavano tra le condizioni. I numeri sopra le liste indicano gli ISI per le consonanti sottostanti. Nell'Esperimento 1, l'ultima consonante era sempre presentata per 250 ms ed era seguita dall'intervallo di ritenzione. L'intervallo di ritenzione, il tempo tra l'offset dell'ultima consonante e il test, è stato fissato per tutte le condizioni (1.250 ms). Nella condizione a variabile lunga, sei diversi ISI sono stati assegnati casualmente a ciascuna posizione ISI all'interno di un elenco (50, 250, 550, 950, 1.450 e 1.950 ms). Nella condizione fissata a lungo, gli ISI sono stati corretti (870 ms); la somma degli ISI era approssimativamente la stessa della condizione a variabile lunga. Nella condizione short fixed, gli ISI erano fissi (50 ms) e la loro somma era inferiore rispetto alle altre condizioni. Nell'esperimento 2, uno degli ISI potrebbe essere più lungo degli ISI rimanenti, introducendo un divario nella fase di codifica e fornendo tempo libero tra gli elementi di studio. Questo divario era di 500 ms nella condizione di gap breve e di 2.500 ms nella condizione di gap lungo. Negli esempi delle condizioni di breve e lungo gap mostrati qui, il gap appare dopo il primo elemento nell'elenco di studio. Nell'esperimento vero e proprio, il divario potrebbe trovarsi in qualsiasi posizione nell'elenco. Tutti gli altri ISI nell'Esperimento 2 (compresi quelli nella condizione di assenza di gap [baseline]) erano di 50 ms. Solo l'Esperimento 2b presentava la condizione no-gap.

2a e 2b, ogni voce dell'elenco è stata presentata per 300 ms seguita da uno schermo vuoto per il resto dell'ISI. L'ISI standard negli esperimenti 2a e 2b era di 50 ms. In tutti gli esperimenti, la presentazione dell'elenco è stata seguita da un ritardo (1.250 ms per l'esperimento 1; 1,{10}} ms per gli esperimenti 2a e 2b), quindi i partecipanti hanno iniziato il test di richiamo seriale immediato. Ai partecipanti è stato chiesto di digitare le lettere nell'ordine di presentazione. Hanno dovuto inserire sette elementi prima di poter procedere al processo successivo.

Esperimento 1. L'esperimento consisteva in sei blocchi di 18 prove ciascuno, risultanti in 108 prove. Per verificare se l'effetto del tempo libero fosse globale o locale, abbiamo manipolato la durata degli ISI. Un ISI è un intervallo totale dall'offset di un elemento all'inizio dell'elemento successivo. C'erano tre condizioni: una condizione fissa breve costituita da ISI brevi (50 ms) nell'elenco, una condizione fissa lunga costituita da ISI più lunghi (870 ms) nell'elenco e una condizione a variabile lunga costituita da ISI variabili. Ciascun partecipante ha ricevuto un numero uguale di prove in ciascuna di queste condizioni, in ordine casuale.

La manipolazione chiave è stata la condizione a variabile lunga, che ha seguito il progetto di Lewandowsky et al. (2006). C'erano sei diversi ISI in questa condizione: 50 ms, 250 ms, 550 ms, 950 ms, 1.450 ms e 1.950 ms. In ogni prova della condizione a variabile lunga, ciascuno di questi ISI è stato assegnato a una posizione interitem nell'elenco. C'erano 720 possibili ordini di sei intervalli; questi ordini sono stati assegnati ai 20 partecipanti da un algoritmo che ha ridotto al minimo la variabilità nelle frequenze di utilizzo di ciascun ordine. In questo modo, l'ISI precedente o successivo a ciascun articolo non veniva confuso con la posizione seriale dell'articolo. La somma degli ISI nella condizione a variabile lunga (5.200 ms) era approssimativamente uguale alla somma degli ISI nella condizione a lungo fisso (5.220 ms). Il tempo dopo l'ultimo elemento negli elenchi è stato fissato per tutte le condizioni (1.250 ms).

Esperimento 2a. L'esperimento consisteva in otto blocchi di 36 prove ciascuno, risultando in 288 prove. In ogni prova, c'era un ISI deviante in una posizione intermedia, corta (500 ms) o lunga (2.500 ms). Entrambi hanno creato un gap temporale in contrasto con lo sfondo dei restanti ISI standard, che erano tutti di 50 ms. È noto che tale divario dà origine a raggruppamenti temporali (Ryan, 1969b), ma poiché Ryan (1969a) ha mostrato effetti di raggruppamento equivalenti per intervalli brevi e lunghi, non ci aspettavamo differenze negli effetti di raggruppamento tra il gap breve e quello lungo condizioni di divario. Abbiamo studiato se, oltre al vantaggio di raggruppamento comune, il tempo libero extra concesso nella condizione di gap lungo migliora la memoria per gli elementi che precedono il tempo libero o per gli elementi successivi al tempo libero. C'erano sei posizioni nell'elenco di studio in cui poteva essere inserito il divario: dopo qualsiasi punto dal primo al sesto. In totale, c'erano 12 condizioni: sei posizioni gap per due durate gap. Ogni blocco consisteva in tre prove di ciascuna condizione, risultando in 24 prove per condizione.

Esperimento 2b. L'esperimento 2 era lo stesso dell'esperimento 1, tranne per una differenza. Abbiamo aggiunto una condizione di base in cui non c'erano gap, al fine di esaminare gli effetti generali del gap, come il raggruppamento temporale. Nella condizione di base, non c'era ISI deviante; tutti gli ISI erano 50 ms. Ciò ha creato un totale di 13 condizioni. Ogni blocco consisteva in tre prove di ciascuna condizione, risultando in 312 prove complessive.

Materiali

Per ogni lista, sette consonanti sono state estratte a caso senza sostituzione dalle 21 consonanti dell'alfabeto tedesco.

Analisi dei dati

Abbiamo stimato i modelli lineari bayesiani a effetti misti utilizzando la funzione lmBF del pacchetto BayesFactor (versione 0.9.{3}}.2; Morey & Rouder, 2018) implementata in R ambiente di programmazione (versione 4.0.1; R Core Team, 2020). La nostra analisi ha seguito un approccio di selezione del modello incentrato solo sull'insieme di "modelli plausibili" implicati dal principio di marginalità (Rouder et al., 2016). Più specificamente, per ogni esperimento, abbiamo stimato l'intero set di modelli plausibili e quindi confrontato tutti i modelli con il modello nullo, che conteneva solo un'intercetta e un effetto casuale di soggetti, utilizzando fattori di Bayes (BF). Il modello con il BF più grande è stato utilizzato per determinare quale degli effetti (vale a dire, effetti principali e interazione) i dati hanno fornito prove a favore o contro. Poiché i nostri dati contenevano misure ripetute (per tutti i fattori in tutti gli esperimenti), abbiamo eseguito questo passaggio due volte: una volta per il modello minimo in cui la struttura a effetti casuali conteneva solo intercettazioni casuali e una volta per la struttura a effetti casuali massimi giustificata dal progetto (Barr et al., 2013). Di seguito riportiamo i risultati basati sul modello massimale. Salvo diversa indicazione, il modello dei BF (ossia, fornendo prove a favore o contro un effetto specifico) era lo stesso per l'insieme di modelli che utilizzavano la struttura a effetti casuali minimi. I risultati completi sono forniti anche nel materiale supplementare disponibile online. Tutte le analisi sono state eseguite sui dati aggregati per partecipante e cella del disegno. Pertanto, la struttura massima degli effetti casuali giustificata dal progetto non comportava pendenze casuali per l'effetto di ordine più alto (ad esempio, interazione di ordine più elevato; Singmann & Kellen, 2020).

Fig. 2. La proporzione di risposte accurate sull'attività di richiamo seriale immediato nelle tre condizioni dell'Esperimento 1. I grafici mostrano (a) prestazioni medie per ciascuna condizione su posizioni seriali, (b) prestazioni per ciascuna condizione mediate su posizioni seriali in funzione del tempo pre-oggetto e (c) prestazioni per ciascuna condizione mediate su posizioni seriali in funzione del tempo post-oggetto. L'accuratezza del richiamo seriale è stata determinata assegnando una risposta corretta a ciascuna voce dell'elenco solo se tale voce è stata richiamata nella posizione di uscita corretta. Le barre di errore indicano il 95% di intervalli di confidenza all'interno dei soggetti.

I risultati riportati di seguito sono spesso forniti sotto forma di BF10, che indica la forza dell'evidenza per un particolare modello focale, il Modello 1, rispetto a un modello di confronto, il Modello 0. Il valore di BF10 indica quanto più probabile sia il modello 1 rispetto al modello 0. Se il valore di BF10 è maggiore di 1, ciò indica l'evidenza per il modello alternativo (ad esempio, il modello 1 rispetto al modello 0). Se il valore di BF10 è inferiore a 1, ciò indica l'evidenza per il modello più semplice (ad esempio, Modello 0 rispetto al Modello 1). In quest'ultimo caso, riportiamo invece BF01, che è dato da BF01=1/BF10 in modo che valori di BF01 maggiori di 1 indichino prove per il modello più semplice. I BF non possono essere interpretati come valori p e non forniscono un limite di significatività. Un BF più grande indica una prova più forte per il modello vincente. Come linea guida interpretativa, i BF inferiori a 3 sono considerati un'evidenza debole, i BF tra 3 e 10 sono considerati un'evidenza sostanziale e i BF maggiori di 10 o inferiori a 0,1 sono considerati un'evidenza forte (Kass & Raftery, 1995).

Per l'Esperimento 1, la prima analisi includeva due fattori, posizione seriale e condizione, e la seconda analisi includeva un solo fattore, ISI, che richiedeva il confronto di un solo Modello 1 rispetto al Modello 0. Per gli esperimenti 2a e 2b, l'analisi ha incluso tre fattori, che hanno portato a diversi modelli plausibili che potrebbero spiegare i dati. Per le analisi che includevano più di un fattore, abbiamo prima esaminato il BF10 per ciascun modello rispetto al modello nullo e abbiamo trovato il modello che descrive i dati con l'evidenza più forte mostrata dal valore BF10. Il modello con il BF10 più alto è stato quindi confrontato con modelli aggiuntivi per testare ipotesi specifiche sulla presenza o assenza di effetti individuali. Questo può essere fatto semplicemente dividendo un BF10 del modello che include l'effetto con un BF10 del modello che esclude l'effetto, che fornisce un BF a favore dell'effetto. I modelli nulli di questi valori BF10 devono essere gli stessi affinché il nuovo BF sia significativo. In alcuni casi, le analisi di follow-up hanno utilizzato anche t-test bayesiani. In tutti gli esperimenti, le prestazioni si riferiscono all'accuratezza del richiamo seriale, che assegna una risposta corretta a ciascuna voce dell'elenco solo se quella voce è stata richiamata nella posizione di uscita corretta.

Risultati

Esperimento 1

Il nostro obiettivo nell'Esperimento 1 era di esaminare gli effetti locali e globali del tempo libero nella memoria di lavoro. Il confronto del modello ha mostrato una forte evidenza per il modello completo. C'era un'interazione tra condizione (corta fissa, lunga fissa e lunga variabile) e posizione seriale (BF10 > 10,000 rispetto sia al modello nullo che al secondo modello migliore, che consisteva in entrambi gli effetti principali) . Come si può vedere dalla Figura 2a, le prestazioni nelle condizioni fissata lunga e variabile lunga erano migliori delle prestazioni nella condizione fissata corta (entrambi BF10 > 10,000 dai test bayesiani t che confrontano le prestazioni tra le condizioni aggregato attraverso la posizione seriale). Inoltre, le prestazioni nelle condizioni fisse e variabili lunghe non differivano (BF01=7.7, che implica prove per il modello nullo di nessuna differenza tra le due condizioni).

In secondo luogo, abbiamo analizzato la condizione della variabile lunga, osservando in dettaglio come il tempo pre-item e post-item – gli ISI immediatamente precedenti o successivi a un item – hanno influenzato la memoria di ciascun item. Per questa analisi, le posizioni seriali 1 e 7 sono state escluse, poiché la posizione seriale 1 non aveva un tempo pre-item e la posizione seriale 7 non aveva un tempo post-item. Gli effetti fissi per la seconda analisi erano (a) la durata del tempo pre-item e (b) la durata del tempo post-item. Sia il tempo pre-oggetto che il tempo post-oggetto variavano tra 0,3 s e 2,2 s e c'erano sei durate. Se il tempo interitem gratuito ha un effetto locale, le prestazioni dovrebbero migliorare con un tempo pre-oggetto più lungo, un tempo post-oggetto più lungo o entrambi. Se il tempo interitem libero ha un effetto globale, non sarebbe previsto alcun effetto del genere perché il tempo interitem libero totale era costante per tutte le prove della condizione a variabile lunga.

Non abbiamo riscontrato alcun effetto della durata del tempo per articolo o post articolo sulle prestazioni (vedi Fig. 2b e 2c). C'erano prove evidenti sia contro il tempo pre-oggetto (BF01 > 10,{7}}) che contro il tempo post-oggetto (BF01 > 10,000), escludendo qualsiasi effetto locale del tempo.

Esperimenti 2a e 2b

Il nostro obiettivo negli Esperimenti 2a e 2b era di verificare se il beneficio del tempo libero è proattivo, retroattivo o entrambi. Inoltre, il vantaggio del tempo libero potrebbe essere locale o globale. Per testare queste possibilità, ci siamo concentrati sull'effetto del tempo libero in funzione del ritardo tra il gap e gli item presentati. Così facendo, potremmo analizzare separatamente l'impatto del tempo libero sulle voci precedenti e successive. Il ritardo è stato calcolato come la distanza con segno di un elemento dalla posizione dello spazio vuoto nell'elenco. Ad esempio, se il divario fosse tra il terzo e il quarto elemento, il terzo elemento sarebbe in ritardo − 1 e il quarto elemento sarebbe in ritardo più 1. Di conseguenza, c'erano 10 ritardi: −5, −4, −3, −2, − 1, più 1, più 2, più 3, più 4 e più 5. I ritardi negativi includevano elementi che precedono il divario e sono stati utilizzati per testare gli effetti retroattivi. I ritardi positivi includevano elementi successivi al divario e sono stati utilizzati per testare gli effetti proattivi. Ad esempio, un ritardo di più 2 includerebbe (a) un articolo in posizione di serie 4 se lo spazio era tra gli articoli 2 e 3, (b) un articolo in posizione di serie 5 se lo spazio era tra gli articoli 3 e 4 e ( c) un articolo in posizione di serie 6 se il divario era tra gli articoli 4 e 5. Le prestazioni di memoria per il ritardo più 2 sarebbero quindi calcolate calcolando la media delle prestazioni di richiamo di serie per questi articoli nelle condizioni di posizione del gap appropriate.

Per esaminare gli effetti proattivi e retroattivi del tempo libero sulle prestazioni della memoria, abbiamo testato le interazioni del tempo libero aggiunto nel gap (450 ms vs. 2.450 ms) con il segno del ritardo e il suo valore assoluto. Il segno del ritardo indicava se un elemento precedeva (ritardo negativo) o seguiva (ritardo positivo) l'intervallo manipolato, e quindi l'interazione della durata del tempo libero con il segno del ritardo ci diceva se l'effetto del tempo libero era più retroattivo o più proattivi. L'interazione della durata del tempo libero con il valore assoluto del ritardo, in particolare il contrasto tra i ritardi ±1 e i ritardi assoluti maggiori, ci ha indicato se l'effetto era locale o globale.1

La figura 3 presenta le prestazioni in tutte le condizioni negli esperimenti 2a e 2b. C'era un notevole effetto proattivo sulla memoria; la performance è stata migliore per le poste che seguono un gap lungo rispetto alle voci che seguono un gap breve. Non vi è stata alcuna differenza tra l'effetto del tempo libero lungo e quello breve sulla performance delle voci precedenti. In altre parole, non vi è stato alcun effetto retroattivo della durata del gap.

Per l'Esperimento 2a, il modello migliore includeva gli effetti principali di tempo libero, segno di ritardo e ritardo assoluto, nonché l'interazione tempo libero per segno di ritardo, ma nessuna interazione che coinvolgeva tempo libero e ritardo assoluto (BF {{5 }} rispetto al modello completo, che includeva tutte le interazioni a due vie e l'interazione a tre vie, e BF=3.7 rispetto al secondo modello migliore, che includeva tutte le interazioni a due vie ma non le tre -interazione via). Per l'Esperimento 2b, il modello migliore era il modello completo (BF=495 rispetto al secondo modello migliore senza interazione a tre vie).

Per analizzare l'interazione della durata del tempo libero con il segno di ritardo, abbiamo esaminato i confronti a coppie tra tempo libero lungo e breve separatamente per gli elementi successivi (ritardi positivi) e gli elementi precedenti (ritardi negativi) con i test bayesiani t. In entrambi gli Esperimenti 2a e 2b, il tempo libero extra nella condizione di tempo libero lungo ha migliorato le prestazioni per gli elementi successivi rispetto alla condizione di tempo libero breve, fornendo una forte evidenza di un beneficio proattivo (Esperimento 2a: BF10=1 ,137; Esperimento 2b: BF10=885). Al contrario, l'evidenza dei benefici retroattivi era piuttosto debole. Nell'Esperimento 2a, il tempo libero extra ha migliorato le prestazioni degli elementi precedenti solo di una piccola quantità (evidenza ambigua di un vantaggio retroattivo; BF10=1.15). Nell'Esperimento 2b, non c'erano prove di un vantaggio retroattivo del tempo libero extra, e invece c'erano prove deboli contro tale vantaggio (BF01=2.6).

La nostra prossima analisi si è concentrata sul fatto se l'effetto del tempo libero cambia con il ritardo assoluto. Qualsiasi effetto locale sarebbe segnalato da un'interazione del tempo libero con il ritardo assoluto. Abbiamo ingrandito questa interazione separatamente per gli elementi precedenti e successivi.

I risultati dell'Esperimento 2a non hanno indicato alcuna interazione di tempo libero e ritardo assoluto per entrambi

Fig. 3. La proporzione di risposte accurate sull'attività di richiamo seriale immediato per gli articoli precedenti e successivi in ​​funzione del ritardo (da -5 a 5) e della quantità di tempo libero (lungo, breve) negli Esperimenti 2a (a) e 2b (b). L'accuratezza del richiamo seriale è stata determinata assegnando una risposta corretta a ciascuna voce dell'elenco solo se tale voce è stata richiamata nella posizione di uscita corretta. Le barre di errore indicano il 95% di intervalli di confidenza all'interno dei soggetti.

voci precedenti e successive. Per gli elementi successivi, il modello migliore includeva solo i due effetti principali (BF rispetto al modello completo=6). Per le voci precedenti, il miglior modello prevedeva solo un effetto principale di lag assoluto; tuttavia, l'evidenza a favore di questo modello rispetto al secondo modello migliore, che includeva i due effetti principali, era ambigua (BF10=1.17).

I risultati dell'Esperimento 2b hanno fornito evidenza di un'interazione tra ritardo assoluto e tempo libero solo per gli item precedenti e non per gli item successivi. Per gli elementi successivi, il modello migliore includeva solo i due effetti principali (BF rispetto al modello completo=9.53). Per gli item precedenti, c'era evidenza di un'interazione tra il ritardo assoluto e il tempo libero (BF10 rispetto al secondo miglior modello > 1,000). L'interazione sembra essere guidata dal ritardo assoluto 5 per gli elementi precedenti, che è il ritardo -5 nella Figura 3b. Come si può vedere dalla Figura 3b, al ritardo -5, le prestazioni erano inferiori per il tempo libero lungo rispetto al tempo libero breve. Tale effetto è l'opposto di un beneficio del tempo libero e pertanto non supporta l'assunzione di un beneficio retroattivo del tempo.

Effetti di raggruppamento temporale

Gli esperimenti 2a e 2b sono stati progettati per esaminare il vantaggio del tempo libero concedendo tempo libero extra in uno degli ISI. È noto che un divario temporale in un ISI introduce il raggruppamento temporale e, pertanto, è necessario distinguere l'effetto del tempo libero dall'effetto di raggruppamento. Abbiamo ipotizzato che sia il divario corto che il divario lungo inducano il raggruppamento nella stessa misura in modo che qualsiasi effetto aggiuntivo di un divario lungo rispetto a un divario breve rifletta l'effetto del tempo libero. Qui, forniamo prove per questa congettura.

Gli effetti di raggruppamento temporale sono tipicamente caratterizzati da un forte aumento dei tempi di inter-risposta per il richiamo dell'oggetto dopo il divario e da un aumento delle prestazioni di richiamo seriale sia prima che dopo il divario (Farrell et al., 2011). Per verificare se il raggruppamento temporale equivalente è stato indotto sia per le condizioni di breve che di lungo gap, abbiamo esaminato i dati dell'esperimento 2b per gli effetti di raggruppamento temporale comunemente osservati sul richiamo seriale. Abbiamo scelto l'esperimento 2b perché in questo esperimento è stata inclusa una condizione di base, che potrebbe fungere da elenco di controllo.

Abbiamo calcolato la differenza tra i tempi di risposta al richiamo e l'accuratezza del richiamo seriale tra le tre condizioni in due fasi. In primo luogo, abbiamo sottratto le prestazioni (ossia, tempi di risposta e accuratezza) della condizione di assenza di gap dalla condizione di short gap. Questa differenza dovrebbe riflettere principalmente gli effetti di raggruppamento temporale. In secondo luogo, abbiamo sottratto la performance nella condizione di gap breve dalla performance nella condizione di gap lungo. Questa differenza dovrebbe riflettere l'effetto del tempo al di sopra dell'effetto del raggruppamento. Queste differenze sono tracciate in funzione del ritardo nella Figura 4. La Figura 4 mostra che l'effetto del tempo era qualitativamente diverso

Fig. 4. Effetti del raggruppamento temporale e del tempo su (a) tempi di risposta e (b) richiamo seriale nell'Esperimento 2b. L'effetto di raggruppamento temporale è stato determinato calcolando la differenza di prestazioni tra le condizioni short gap e no gap e l'effetto temporale è stato determinato calcolando la differenza di prestazioni tra le condizioni long gap e short gap. La linea rossa in 0 non indica alcuna differenza tra le condizioni. L'accuratezza del richiamo seriale è stata determinata assegnando una risposta corretta a ciascuna voce dell'elenco solo se tale voce è stata richiamata nella posizione di uscita corretta; la proporzione di tali risposte corrette è stata utilizzata come indicatore di accuratezza. Differenze in entrambi i tempi di risposta

e le prestazioni di richiamo seriale sono mostrate in funzione del ritardo. Le barre di errore indicano il 95% di intervalli di confidenza all'interno dei soggetti.

dall'effetto di raggruppamento temporale. Mentre il raggruppamento ha aumentato in modo selettivo i tempi di risposta all'elemento Lag più 1 (cioè l'elemento che segue il divario), l'effetto tempo non è stato così. Inoltre, l'effetto di raggruppamento temporale sull'accuratezza del richiamo seriale era simmetrico - entrambi i lati del divario miglioravano a causa del raggruppamento temporale - mentre l'effetto del tempo era asimmetrico, a vantaggio solo degli elementi che seguivano il divario (per il supporto statistico di queste osservazioni, vedere il Supplemental Materiale). In conclusione, gli effetti del raggruppamento e del tempo libero esteso sono qualitativamente differenti, a dimostrazione che l'effetto tempo non è solo un effetto amplificato del raggruppamento.

Riepilogo

Questi risultati indicano collettivamente che (a) il tempo libero migliora la memoria per gli elementi successivi e non per gli elementi precedenti, indicando un vantaggio puramente proattivo, e (b) il vantaggio del tempo libero proattivo non interagisce con il ritardo assoluto, indicando un effetto. Quest'ultimo risultato è importante perché l'ipotesi di consolidamento balistico a breve termine (Ricker & Hardman, 2017) prevede un tale effetto proattivo solo per Lag più 1 e non per altri lag. Nei presenti esperimenti, l'effetto proattivo non era specifico del Lag 1 e, pertanto, non può essere spiegato con un consolidamento a breve termine.

Discussione

Abbiamo dimostrato che il tempo libero ha un effetto globale e proattivo sulle prestazioni di richiamo seriale immediato. I risultati del primo esperimento hanno mostrato che l'effetto del tempo libero non è locale ma globale, come indicato da un vantaggio della diffusione del tempo libero tra le voci dell'elenco. Il secondo esperimento e la sua replica hanno fornito prove di un vantaggio puramente proattivo. La natura puramente proattiva del beneficio di tempo nella memoria di lavoro è coerente con la constatazione che il tempo aggiuntivo è utile solo tra la presentazione degli elementi ma non dopo la presentazione dell'intero elenco (Oberauer & Lewandowsky, 2016).

Questi risultati non possono essere spiegati con le prove o con il consolidamento a breve termine, il che presuppone che il tempo libero possa essere utilizzato per rafforzare le rappresentazioni degli elementi precedenti. I nostri risultati implicano o che il tempo libero extra (oltre a 250-300 ms di tempo di presentazione) non è stato utilizzato per questi processi o che questi processi non sono stati utili.2

I nostri risultati, inoltre, non possono essere spiegati da un carattere distintivo temporale o da un cambiamento di contesto. Il carattere distintivo temporale prevede vantaggi locali simmetricamente proattivi e retroattivi, contrariamente a quanto abbiamo riscontrato. Nell'Esperimento 2, il divario temporale deviante ha probabilmente indotto un passaggio a un nuovo contesto di gruppo (Burgess & Hitch, 1999; Farrell, 2012). Forse un divario più lungo ha indotto un raggruppamento più forte? A fronte di ciò, abbiamo riscontrato che la segnatura empirica del raggruppamento era qualitativamente diversa da quella del beneficio del tempo libero (vedi Fig. 4).

Forse il modello di Farrell (2012) potrebbe fornire una spiegazione basata sul raggruppamento del motivo per cui il lungo divario ha avvantaggiato solo gli elementi post-gap. In questo modello, l'ultimo gruppo gode di un'accessibilità particolarmente elevata perché il suo contesto è ancora attivo alla fine dell'elenco. Tuttavia, poiché il nostro compito era un richiamo seriale, i partecipanti hanno dovuto iniziare a ricordare prima il primo gruppo, il che richiede il ripristino del contesto del primo gruppo, a quel punto l'ultimo gruppo perde il suo beneficio. Pertanto, il modello di raggruppamento di Farrell non può spiegare i risultati attuali.

Poiché i nostri risultati non concordano con nessuna proposta teorica stabilita, abbiamo chiesto come potremmo spiegarli. Una possibile spiegazione è che il tempo libero consenta di suddividere ad hoc gli elementi precedenti o di esternalizzarli nella memoria a lungo termine (o entrambi), riducendo così il carico sulla memoria di lavoro, il che facilita la manutenzione degli elementi successivi. Questa spiegazione solleverebbe la questione del perché questi processi lasciano invariata una memoria per gli elementi precedenti. Il Chunking è solitamente accompagnato da una memoria sostanzialmente migliorata per le informazioni in blocchi (Chen & Cowan, 2005; Miller, 1956; Thalmann et al., 2019). Ci si può aspettare che l'esternalizzazione delle informazioni nella memoria a lungo termine riduca l'accuratezza perché le informazioni nella memoria a lungo termine sono vulnerabili alle interferenze proattive che si accumulano durante le prove. Sarebbe un incidente improbabile se tali trasformazioni delle rappresentazioni delle prime voci dell'elenco lasciassero invariata la loro accessibilità.

In alternativa, una recente teoria di Popov e Reder (2020) ha proposto che esiste una risorsa limitata per codificare le informazioni nella memoria episodica che si esaurisce con ogni elemento codificato e questa risorsa si recupera gradualmente nel tempo. Se trasferiamo quell'idea nel dominio della memoria di lavoro, potrebbe spiegare i risultati del nostro studio: (a) ogni prova inizia con una risorsa di codifica limitata, (b) ogni evento di codifica prende una proporzione fissa delle risorse disponibili e ( c) durante ogni intervallo intermedio, la risorsa recupera progressivamente. Ne consegue che la risorsa recupera di più con ISI più lunghi. Questo vantaggio si verifica solo per gli articoli che seguono l'ISI, portando a un vantaggio puramente proattivo. Il vantaggio è globale perché ogni elemento prende una proporzione costante della risorsa disponibile. Dopo che la risorsa è stata reintegrata durante un lungo intervallo, tale proporzione è un importo maggiore per tutti gli elementi successivi.3

L'account della risorsa di codifica è un'idea nuova e quindi non è stato ancora applicato al richiamo immediato. Abbiamo costruito un modello semplice che incorpora l'idea della risorsa di codifica per vedere se i modelli di dati osservati nei nostri esperimenti possono essere previsti da essa.4 La figura 5 mostra i dati simulati per gli esperimenti 1 e 2, insieme alle equazioni e alle descrizioni del modello. Il modello prevede prestazioni equivalenti per condizioni fisse e variabili lunghe per l'Esperimento 1, in linea con la nostra scoperta, e anche l'interazione della condizione con la posizione seriale. Tuttavia, il modello prevede anche prestazioni leggermente inferiori per tempi pre-articolo più brevi, che non abbiamo osservato. Il modello ha riprodotto accuratamente il vantaggio di tempo globale e proattivo nell'Esperimento 2.

Abbiamo esplorato se il modello può anche accogliere il vantaggio proattivo locale del tempo libero osservato da Ricker e Hardman (2017) per gli stimoli visivi. Abbiamo scoperto che, con un più rapido esaurimento delle risorse e un più rapido rifornimento, questo era il caso (vedi Fig. S2 nel materiale supplementare). Pertanto, l'assunzione della risorsa di codifica implica un effetto proattivo che, a seconda dei parametri del modello, può essere più globale o più locale.

In sintesi, in tre esperimenti, abbiamo documentato un nuovo effetto benefico del tempo libero sulla memoria di lavoro che è proattivo e globale. I processi di mantenimento che potrebbero aver luogo nel tempo libero predicono un beneficio retroattivo, mentre il conto di consolidamento a breve, così come l'ipotesi del carattere distintivo temporale, prevedono un beneficio locale. Un cambio di contesto, come previsto in alcuni modelli di raggruppamento temporale, prevede vantaggi simmetrici proattivi e retroattivi. Pertanto, i risultati attuali non possono essere spiegati da conti di mantenimento, consolidamento, distinzione temporale o cambio di contesto nella loro forma attuale (per le previsioni di questi conti, vedere la tabella 1). Al momento, solo un nuovo resoconto delle risorse di codifica offre una spiegazione promettente dei risultati attuali. I nuovi risultati empirici qui supportano la possibilità che la memoria di lavoro sia soggetta a una limitazione di una risorsa di codifica che si esaurisce con ogni elemento codificato e si ripristina nel tempo.

Trasparenza

Azione Editor: Daniela Schiller

Editore: Patricia J. Bauer

Contributi dell'autore

Entrambi gli autori hanno progettato e programmato gli esperimenti e raccolto i dati. E. Mızrak ha analizzato i dati e ha redatto il manoscritto iniziale e K. Oberauer ha fornito feedback critici e revisioni. Entrambi gli autori hanno approvato il manoscritto finale per la presentazione.

Dichiarazione di conflitto di interessi

L'autore(i) ha dichiarato che non vi erano conflitti di interesse rispetto alla paternità o alla pubblicazione di questo articolo.

Fig. 5. Dati simulati per l'Esperimento 1 (a, b, c) e l'Esperimento 2 (d) insieme alle equazioni del modello (e). I grafici mostrano (a) prestazioni medie per ciascuna condizione su posizioni seriali, (b) prestazioni per ciascuna condizione mediate su posizioni seriali in funzione del tempo pre-elemento, (c) prestazioni per ciascuna condizione mediate su posizioni seriali in funzione di tempo successivo all'articolo e (d) prestazioni sull'attività di richiamo seriale immediato per articoli precedenti e successivi in ​​funzione del ritardo e della quantità di tempo libero. In tutti i grafici, l'accuratezza del richiamo seriale è stata determinata assegnando una risposta corretta a ciascuna voce dell'elenco solo se tale voce è stata richiamata nella posizione di uscita corretta; la proporzione di tali risposte corrette è stata utilizzata come indicatore di accuratezza. I dati sono stati generati con un modello che simula l'evoluzione di una risorsa di codifica limitata durante la codifica di un elenco. Ogni prova inizia con una quantità massima di risorsa, Rmax, e ogni elemento, i, consuma una proporzione costante p della risorsa disponibile Ri per essere codificato. La quantità di risorse Memoria assegnata all'elemento determina la sua forza di memoria (Equazione 1). Durante il tempo intermedio ti successivo al punto i, la risorsa viene reintegrata con un tasso r costante, fino al massimo Rmax (Equazione 2). La probabilità di richiamo è stata calcolata con una funzione logistica della forza della memoria basata sull'equazione 1, con parametri τ e guadagno. Pertanto, il modello ha quattro parametri: primo, p, la proporzione di risorsa che ogni elemento consuma dal pool di risorse disponibile, tra 0 e 1; secondo, r, la velocità con cui la risorsa viene reintegrata al secondo: ciò determina l'aumento delle risorse con il tempo libero; terzo, guadagno; e quarto, τ , determinando congiuntamente la conversione della forza della memoria nella probabilità di richiamo. I valori dei parametri utilizzati per questa simulazione sono p=.23, r=.11, gain=13 e τ=0.11.

Finanziamento

Questa ricerca è stata sostenuta da una sovvenzione della Fondazione nazionale svizzera per la scienza (progetto 100014_179002) a K. Oberauer.

Pratiche aperte

Tutti i dati sono stati resi pubblicamente disponibili tramite OSF e sono accessibili su https://osf.io/egz64. I piani di progettazione e analisi per gli esperimenti non erano preregistrati.

Questo articolo ha ricevuto badge per Open Data e Open Materials. Maggiori informazioni sull'Open Prac-

I badge tices possono essere trovati su http://www.psychologi calscience.org/publications/badges.

ID ORCIDO

Klaus Oberauer https://orcid.org/0000-0003-3902-7318

Materiale supplementare

Ulteriori informazioni di supporto possono essere trovate su http:// journals.sagepub.com/doi/suppl/10.1177/0956797621996659

Appunti

1. Dato che il primo elemento di un elenco di studio non può essere un elemento successivo e l'ultimo elemento di un elenco di studio non può essere un elemento precedente, abbiamo escluso questi elementi dall'analisi. Pertanto, abbiamo escluso Absolute Lag 6, che includeva solo il primo o l'ultimo elemento.

2. I nostri risultati non escludono un contributo di consolidamento a breve termine su scale temporali più brevi: Ricker e Hardman (2017) hanno mostrato un beneficio proattivo locale di intervalli interitem liberi fino a circa 500 ms. Tale rapido consolidamento contribuirebbe poco al beneficio del tempo libero nell'intervallo da 300 ms a diversi secondi che abbiamo studiato qui.

3. Nel modello originale di Popov e Reder (2020), la risorsa assunta da ciascun evento di codifica è un importo fisso, che non cambia con le risorse disponibili. Qui lo abbiamo modificato in una proporzione fissa delle risorse disponibili.

4. Lo script R per il modello qui descritto e per la simulazione dei dati è disponibile su https://osf.io/egz64.