视觉客体工作记忆的表征机制-回顾与思考

视觉客体工作记忆的表征机制-回顾与思考

ID:27847735

大小:55.97 KB

页数:15页

时间:2018-12-06

视觉客体工作记忆的表征机制-回顾与思考_第1页
视觉客体工作记忆的表征机制-回顾与思考_第2页
视觉客体工作记忆的表征机制-回顾与思考_第3页
视觉客体工作记忆的表征机制-回顾与思考_第4页
视觉客体工作记忆的表征机制-回顾与思考_第5页
资源描述:

《视觉客体工作记忆的表征机制-回顾与思考》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、视觉客体工作记忆的表征机制:回顾与思考摘要:本文通过回顾视觉客体工作记忆的表征范围和方式,进一步思考了工作记忆表征单位的界定,并提出了通过新的研究范式以及统计方法来综合表征单位中的数量和保真度。另外,通过前人关于信息压缩和个体差异的研究,引申出信息压缩和个体差异在视觉客体工作记忆表征中的中要作用,进而形成对工作记忆表征机制的回顾和思考。关键词:变化觉察范式,工作记忆表征,信息压缩,个体差异工作记忆是在大脑中保持信息活跃并在执行认知任务时操纵这些信息[1]。自从Baddeley和Hitch在1974年提出并在1983年完善的工作记忆模型[2],随后关于言

2、语工作记忆的研究大量并持续涌现,而对视觉客体工作记忆的研究则在近17年才开始出现大量的研究[3]。视觉客体工作记忆研究[3-6]以及视觉客体工作记忆与其他认知任务之间关系的研究,特别是视觉客体工作记忆和注意两者关系的研究[7,8]o研究的重点主要集中在两个方:视觉客体工作记忆容量的与短时记忆等研究一样,记忆的容量问题一直都得到重视。因此在工作记忆容量的研究中,出现了许多有差别的研究结论。但因为工作记忆具有与短时记忆不同的暂时性加工功能,所以在研究工作记忆容量的时候,更应该关注其表征的内容和表征的方式。工作记忆被划分为视觉空间模板系统、语音环和中央执行系

3、统三个成分。进一步地,视觉空间模板又被进一步地划分为视觉客体工作记忆(visual-objectworkingmemory)和视觉空间工作记忆(visual-spatialworkingmemory)两个子系统。前者是关于客体形状、颜色、方向以及大小等自身固有的物理属性和特征的记忆,而后者是关于客体空间位置以及运动等空间属性的记忆[9]。综上所述,对视觉客体工作记忆的研究,既要区别于一般的短时记忆,进一步也要区别于客体空间工作记忆。因此,对视觉客体工作记忆的表征机制进行研究是极具研究意义。1.视觉客体工作记忆表征的范围和方式自视觉客体工作记忆从研究空间

4、位置到视觉特征信息[3]以来,关于视觉客体工作记忆容量的研究普遍都得到“容量有限性”的结论,并且都认为工作记忆容量为3-4[3,10]o随着对视觉客体工作记忆容量研究不断的深入,研究者们开始对视觉客体工作记忆容量的“单位”进行研究并建立起不同的模型。这种从关注视觉客体工作记忆可以存储多少个客体项目转移到关注视觉客体工作记忆表征内容的本质,使得视觉客体工作记忆容量的研究工作进入了一个全盛的时期[3,4]。就视觉客体工作记忆表征的研究范围而言,从研究单一客体内部的特征以及特征组合开始,后续发展到研究记忆序列中多客体之间规律关系;而对视觉客体工作记忆容量表征

5、方式的研究,更是出现了不同的争论。1.1客体内表征1.1.1基于客体的表征Luck和Vogel在1997年通过变化觉察范式得到了视觉客体工作记忆容量为3-4个客体,而不论这些客体是单一特征还是多种特征,因此他们认为视觉客体工作记忆的存储是基于客体而非基于特征。随后有研究证据进一步支持了这种“插槽模型”,该模型认为视觉客体工作记忆是能够存储固定数目的客体项目[11]oJonathan等在2013年的一项研究中表明,通过整合特征能够使两个客体和一个客体的记忆效果_样[12]。1.1.2基于特征的表征但是,有研究者认为Luck和Vogel等使用的标准觉察范式

6、并不能够很好地反映被试对每一个进入工作记忆中的客体所包含信息的编码和保持,更不能反映客体的保真度[4]。已有研究表明在视觉客体工作记忆中存储的项目数和每一个项目的保真度存在着权衡,也即使用低分辨率表征可以存储更多的项目,而使用高分辨率表征则会影响存储项目的数量[13]o他们通过使用单一特征精确连续性报告和富有细节信息的3D方块等复杂客体等一系列研究,表明视觉客体工作记忆容量是基于特征而非基于客体,并且证明信息总量的有限性是限制工作记忆容量的主要原因[13-15]o1.1.3分层特征捆绑关于视觉客体工作记忆表征单位的研究中,出现了一种“特征一一客体”分层

7、的单位结构。这种分层表征单位结构的表征方式是分层特征捆绑。最初的编码过程是基于客体,但不同于基于整合特征的客体表征方式以及基于特征分离的特征表征方式,分层特征捆绑表征既包含高层次的客体表征单位也包含低层次的特征表征单位,并且这两个层次的表征单位是平衡加工[16,17]。因此分层特征捆绑表征方式既具有在低层次中进行独立表征的存储能力,也具有在高层次中进行整合客体存储的能力;低层次表征的存储是独立的,这使得既可以独立地调节特征的灵活性,也可以独立地遗忘部分特征[4]。根据这种解释,那么可以认为当对一个新客体的任何特征进行记忆,会比对一个已存在的客体新加的特

8、征进行编码所付出的代价大。同样,这可以说明Luck&;Vogel(1997)等得到的基于

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。