• عنوان مقاله: بررسی اثرات تقسیم توجه در آزمون بر دسترسی و دقت حافظه در پارادایم گزارش پیوسته
• نویسندگان:
• سال نشر: 2026نورسیما اونور وارن گونسلی 
• لینک مقاله اصلی:
• https://link.springer.com/article/10.3758/s13421-026-01868-4

مقدمه

تصور کنید سعی می کنید ظاهر یک اسباب بازی عزیز دوران کودکی را به یاد بیاورید. چنین خاطراتی در حافظه بلندمدت (LTM) ذخیره می شوند (اندرسون، 1983 ؛ کوان، 2001 ؛ فاستر و آو، 2019 ؛ اوبراور، 2002 ). اگر سعی کنید این اسباب بازی را همزمان با یک دوست به خاطر بسپارید، ممکن است برای ایجاد تصویر ذهنی از اسباب بازی تلاش کنید. این مشکل به این دلیل به وجود می‌آید که تقسیم توجه بین وظایف می‌تواند توانایی ما برای دسترسی به خاطراتمان را مختل کند (کریک و همکاران، 2018 ؛ دادسون و همکاران، 1998 ؛ فرناندس و موسکویچ، 2002 ، 2003 ؛ ترویر و همکاران، 1999).). با توجه به اهمیت خاطرات و رفتار مبتنی بر حافظه در عملکرد و بهزیستی روزمره انسان، درک تأثیر تقسیم توجه بر بازیابی LTM بسیار مهم است (Jetten et al., 2010 ; Schater, 2013 ; Schacter et al., 2015; Sutin et al., 2015 ; Sutin et al., 2015 ).

اثرات تقسیم توجه بر بازیابی حافظه

تحقیقات اولیه در مورد تأثیرات توجه تقسیم شده بر بازیابی LTM نشان داد که برخلاف رمزگذاری، فرآیندهای بازیابی به طور نسبی به طور خودکار عمل می کنند. برای مثال، بادلی و همکاران. ( 1984 ) و کریک و همکاران. ( 1996 ) دریافتند که انجام یک کار ثانویه در طول بازیابی مطالب کلامی باعث ایجاد اختلال اندک در عملکرد بازیابی می شود. یکی از عواملی که اثر تقسیم توجه را بر بازیابی تعدیل می کند، نوع کار بازیابی است. مطالعاتی که از یادآوری استفاده می کنند اغلب هزینه های توجه تقسیم شده را گزارش می کنند (کریک و همکاران، 2018 ؛ فرناندس و موسکویچ، 2002 ، 2003 )، در حالی که شواهد برای چنین هزینه هایی در وظایف شناسایی مختلط است (اندرسون و همکاران، 1998 ؛ بادلی و همکاران، 1984).; گرین و همکاران، 2021 ; Gruppuso و همکاران، 1997 ; هیکس و مارش، 2000 ; لوزیتو و مولیگان، 2006 ). علاوه بر این، وظایف بازیابی که نیاز به یادآوری دارند بیشتر تحت تأثیر توجه تقسیم شده قرار می گیرند تا آنهایی که می توانند بر اساس آشنایی یا اطلاعات کمتر دقیق انجام شوند (دادسون و همکاران، 1998 ؛ گروپوسو و همکاران، 1997 ). به عنوان مثال، در Dodson et al. ( 1998در جایی که شرکت کنندگان کلماتی را می شنیدند که با صداهای مختلف گفته می شد، یک تکلیف توجه تقسیم شده بازیابی اطلاعات منبع خاص (صدای دقیق) اما نه اطلاعات منبع جزئی (جنسیت صدا) را مختل می کرد. این نتایج نشان می‌دهد که هزینه‌های توجه تقسیم‌شده برای یادآوری یا یادآوری جزئیات خاص در مقایسه با شناخت یا آشنایی بیشتر است.

چه چیزی باعث می شود که تأثیر تقسیم توجه در یک کار یادآوری در مقایسه با یک کار شناسایی بیشتر قابل مشاهده باشد؟ یک احتمال این است که توجه تقسیم شده، حالت بازیابی را مختل می کند، بنابراین از ایجاد یادآوری دقیق جلوگیری می کند، اما نه از فعال شدن مجدد آثار حسی، که ممکن است برای تولید یک سیگنال آشنایی کافی باشد که تشخیص را ممکن می کند. این توضیح با مدل فرآیند مؤلفه سازگار است، که نشان می دهد بازیابی حافظه از دو جزء تشکیل شده است: فعال سازی مجدد ردیابی حافظه ذخیره شده و شروع و حفظ حالت بازیابی. قابل توجه، Moscovitch (1992) پیشنهاد کرد که فعال سازی مجدد رد حافظه به طور خودکار توسط هیپوکامپ بدون نیاز به توجه اتفاق می افتد. از سوی دیگر، Moscovitch و همکاران (Fernandes & Moscovitch, 2002 , 2003; Moscovitch، 2008 ) پیشنهاد کرد که وظایف یادآوری علاوه بر این نیاز به قرار گرفتن در یک حالت بازیابی تا فعال شدن مجدد ردیابی حافظه دارد، که توسط قشر جلوی پیشانی (PFC) تنظیم می شود و نیاز به توجه دارد. پشتیبانی غیرمستقیم برای این مدل وجود دارد، مانند وظایف فراخوان آزاد که تحت تأثیر آسیب یا اختلال عملکرد PFC قرار می گیرند (Moscovitch, 1994 ). تمایز مشابهی نیز توسط ژاکوبی ( 1991 ) پیشنهاد شد، او اظهار داشت که توجه تقسیم شده در طول بازیابی، یادآوری (یک فرآیند عمدی) را مختل می کند اما بر آشنایی (یک فرآیند خودکار) تأثیر نمی گذارد. با این حال، طبق دانش ما، هیچ مدرک مستقیمی برای یک جزء خودکار بازیابی حافظه وجود ندارد که بتواند برای پاسخ‌های دقیق در تشخیص در مقابل وظایف یادآوری کافی باشد.

عامل دیگری که تأثیر توجه تقسیم شده بر بازیابی را تعدیل می کند، شباهت بین بازنمایی هایی است که برای بازیابی استفاده می شود و آنهایی که برای توجه تقسیم شده استفاده می شوند. تکالیف توجه تقسیم شده بصری، مانند مرتب سازی کارت یا زمان واکنش مداوم بصری (CRT)، دقت فراخوانی آزاد کلامی را مختل نمی کند (بدلی و همکاران، 1984 ؛ کریک و همکاران، 1996 ). از سوی دیگر، فرناندس و موسکویچ ( 2000).) هزینه های بیشتری را در یک کار بازیابی حافظه شفاهی مشاهده کرد، زمانی که توجه با یک کار نظارت کلمه در مقایسه با یک کار نظارت رقمی تقسیم شد. بنابراین، زمانی که وظیفه حواس‌پرتی و اطلاعات بازیابی شده به یک سیستم بازنمایی (مثلاً کلامی-کلامی) ضربه می‌زنند، توجه تقسیم‌شده ممکن است بازیابی را مختل کند. با توجه به همپوشانی شبکه های عصبی که اطلاعات تازه به دست آمده و بازیابی شده را نشان می دهند، این اثر می تواند ناشی از افزایش تداخل در مکانیسم های عصبی باشد که اطلاعات کدگذاری شده برای وظیفه توجه تقسیم شده را نشان می دهد و اطلاعاتی که از طریق بازیابی LTM بازیابی می شوند (فاویلا، لی، و کول، 2020 ؛ فوکودا و وودمن، و وودمن ، و وودمن، 201 ; 2012 ، لانگ و همکاران، 2018). بنابراین، این اصل ویژگی ماده نشان می‌دهد که برای تشخیص مطمئن اثرات توجه تقسیم‌شده در بازیابی، وظیفه ثانویه باید منابع بازنمایی مشابه منابع مورد نیاز برای محتوای حافظه را درگیر کند.

تفکیک دسترسی، دقت و قدرت حافظه در بازیابی

مطالعات سنتی بازیابی حافظه را با استفاده از نتایج باینری (یعنی صحیح در مقابل نادرست) اندازه گیری کرده اند. در حالی که آموزنده است، چنین اقداماتی نمی تواند نشان دهد که آیا شکست های بازیابی منعکس کننده عدم دسترسی کامل به ردیابی حافظه، کاهش دقت حافظه، یا سردرگمی با حافظه های رقیب مشابه هستند یا خیر.

چارچوب‌های محاسباتی مختلف مفروضات متمایزی را در مورد چگونگی ایجاد خطاهای حافظه ایجاد می‌کنند. مدل‌های مخلوط (بیس و همکاران، 2009 ؛ هارلو و یونلیناس، 2016 ؛ ژانگ و لوک، 2008 ) پیشنهاد می‌کنند که خطاها دو حالت مجزا را منعکس می‌کنند: در برخی آزمایش‌ها، حافظه قابل دسترسی است و پاسخ‌ها در اطراف مقدار هدف با دقت متغیر جمع می‌شوند. در آزمایش‌های دیگر، حافظه کاملاً از کار می‌افتد و شرکت‌کنندگان به‌طور تصادفی حدس می‌زنند و یک توزیع پاسخ یکنواخت را تشکیل می‌دهند. این چارچوب موفقیت و دقت حافظه را به‌عنوان پارامترهای مستقل در نظر می‌گیرد ( برای توضیح دقیق در مورد اجرای مدل مخلوط، به بخش تجزیه و تحلیل مراجعه کنید). در اصل برای حافظه فعال با استفاده از ویژگی های پیوسته مانند رنگ و جهت (ژانگ و شانس،2008 )، رویکرد مدل‌سازی مخلوط به طور فزاینده‌ای برای LTM اپیزودیک به کار گرفته شده است (برنز و همکاران، 2020 ؛ برادی و همکاران، 2013 ؛ فن و ترک-براون، 2013 ). مدل مشابهی توسط هارلو و دونالدسون ( 2013 ) برای حافظه اپیزودیک با استفاده از تداعی مکان کلمه ایجاد شده است. آنها همچنین موفقیت حافظه را از دقت جدا می‌کنند، اما از توزیع کوشی (با دنباله‌های سنگین‌تر مناسب برای مدل‌سازی خطاهای فضایی) به جای توزیع فون میزس (ژانگ و لوک، 2008 ) برای توصیف بازیابی موفق با دقت متغیر استفاده می‌کنند. هارلو و یونلیناس ( 2016) این کار را با نشان دادن اینکه شرکت کنندگان می توانند به طور ذهنی بین این دو جنبه از بازیابی حافظه اپیزودیک بر اساس آزمایش به آزمایش تمایز قائل شوند، با رتبه بندی اطمینان موفقیت بازیابی را پیش بینی می کند در حالی که رتبه بندی های دقیق جداگانه منعکس کننده وفاداری اطلاعات بازیابی شده است.

چندین عامل به طور انتخابی بر دسترسی و در عین حال حفظ دقت تأثیر می گذارد. به عنوان مثال، تمرین بازیابی دسترسی به بازنمایی ها را افزایش می دهد در حالی که دقت بدون تغییر باقی می ماند (Sutterer & Awh, 2016 )، و فراموش کردن در طول زمان دسترسی را کاهش می دهد در حالی که دقت ثابت می ماند (Berens et al., 2020 ). این یافته‌ها با گزارش‌های نظری همسو هستند که نشان می‌دهند عوامل مؤثر بر نشانه‌ها و زمینه بازیابی (Godden & Baddeley, 1975 ؛ Tulving & Thomson, 1973)) اساساً با تسهیل جستجوی حافظه بر قابلیت دسترسی تأثیر می گذارد. در مقابل، عوامل دیگر به طور انتخابی بر دقت تأثیر می‌گذارند در حالی که دسترسی را نسبتاً دست نخورده می‌گذارند. مطالعات با استفاده از پارادایم های گزارش مداوم نشان داد که دقت آیتم ها در حافظه کاری با افزایش بار حافظه کاهش می یابد (Biderman et al., 2019 ; Zhang & Luck, 2008 )، مدت زمان ذخیره سازی (Rademaker et al., 2018 )، و تداخل ادراکی (van Moorselaar et al., 20 ). علاوه بر این، Klyszejko و همکاران. ( 2014) دریافتند که وقتی نمایش‌ها در حافظه فعال با یک پاداش یا نشانه اولویت‌بندی می‌شوند، دقت یادآوری بیشتر از زمانی است که نشان داده نشده‌اند، که نشان می‌دهد دقت بازنمایی‌ها در حافظه کاری تحت تأثیر توجه قرار می‌گیرد. در LTM، فن و ترک-براون ( 2013 ) بررسی کردند که چگونه بازیابی یک ویژگی واحد (یعنی رنگ) یک شی بر دقت سایر ویژگی ها تأثیر می گذارد. آنها دریافتند که وقتی افراد یک ویژگی را بازیابی می‌کنند، احتمال حدس زدن ویژگی دوم افزایش می‌یابد، در حالی که دقت ثابت باقی می‌ماند و نشان می‌دهد که دسترسی و دقت می‌توانند به طور مستقل تحت تأثیر بازیابی قرار گیرند.

در سطح عصبی، دسترسی و دقت در طول بازیابی حافظه اپیزودیک با فعالیت BOLD (وابسته به سطح اکسیژن خون) در نواحی مجزای مغز – به ترتیب هیپوکامپ و شکنج زاویه‌ای مرتبط است (ریشتر و همکاران، 2016 ). به طور مشابه، Korkki و همکاران. ( 2023 ) دریافتند که در بزرگسالان مسن‌تر، کاهش‌های مرتبط با سن در موفقیت بازیابی با کاهش فعالیت هیپوکامپ مرتبط است، در حالی که کاهش دقت حافظه با کاهش فعالیت شکنج زاویه‌ای و کاهش حجم ماده خاکستری در این ناحیه مرتبط است. به طور بحرانی، حجم شکنج زاویه‌ای دقت حافظه را حتی پس از کنترل موفقیت بازیابی پیش‌بینی می‌کند و ویژگی آناتومیکی نقص‌های دقت را نشان می‌دهد. هو و همکاران ( 2025) همچنین تا حدی این یافته ها را تکرار کرد و نشان داد که شکنج زاویه ای به طور خاص به دقت به جای دسترسی حساس است و شواهد عصبی ارائه می دهد که این پارامترها ویژگی های قابل تفکیک بازیابی حافظه هستند. با این حال، اینکه چگونه پارامترهای دسترسی و دقت تحت تأثیر توجه تقسیم شده در طول بازیابی حافظه اپیزودیک قرار می گیرند، آزمایش نشده باقی می ماند. با اشاره به مثال اولیه ما، در حالی که کاهش دقت ممکن است خود را به عنوان از دست دادن وفاداری در مورد جزئیات اسباب بازی، مانند رنگ، بافت، و ویژگی‌های خاص آن نشان دهد، از دست دادن دسترسی به دلیل تقسیم توجه ممکن است بازیابی حافظه را به طور کلی چالش‌برانگیزتر کند.

یک چارچوب جایگزین، مدل رقابت گیج‌پذیری هدف (TCC) (Schurgin et al., 2020 )، همه خطاها را به رقابت مداوم بین حافظه هدف و نمایش‌های مشابه، بدون ارائه حالت‌های حدس گسسته نسبت می‌دهد. در مدل TCC، خطاهای بزرگ‌تر از تداخل قوی‌تر ناشی از نمایش‌های غیرهدف ادراکی مشابه به جای خرابی‌های طبقه‌بندی حافظه ناشی می‌شوند. در حالی که این مدل ها در مفروضات نظری خود در مورد پاسخ های حافظه متفاوت هستند، هر دو چارچوب به ما اجازه می دهند آزمایش کنیم که آیا توجه تقسیم شده بر موفقیت و/یا قدرت بازیابی تأثیر می گذارد یا خیر.

بحث

در این مطالعه، هدف ما بررسی چگونگی تأثیر تقسیم توجه بر دسترسی و دقت در طول بازیابی LTM بود. یافته‌های ما نشان می‌دهد که توجه تقسیم‌شده، بازیابی را مختل می‌کند و خطاهایی را که شرکت‌کنندگان هنگام یادآوری جهت‌گیری‌های اشیاء قبلاً مطالعه شده ایجاد می‌کنند، افزایش می‌دهد. با استفاده از رویکرد مدل‌سازی مخلوط، متوجه شدیم که توجه تقسیم‌شده به طور خاص دسترسی به یادداشت‌ها را مختل می‌کند. جالب توجه است که پارامتر دقت بی‌تأثیر باقی ماند، به این معنی که توجه تقسیم‌شده دقت خاطرات بازیابی‌شده را کاهش نداد.

توضیح برای هزینه های انتخابی توجه تقسیم شده بر دسترسی، اما نه دقت، می تواند دوگانه باشد. اول، فعال‌سازی مجدد خودکار ردپای حافظه، همانطور که توسط مدل فرآیند مؤلفه پیشنهاد شده است، ممکن است شرکت‌کنندگان را قادر به بازیابی خاطرات با دقت کافی علی‌رغم وجود حواس‌پرده‌ها کند. با این حال، منابع توجه محدود در شرایط توجه تقسیم شده می‌تواند مانع از شروع و حفظ حالت بازیابی شود و منجر به کاهش دسترسی شود. این یافته با مطالعاتی مطابقت دارد که نشان می دهد قرار گرفتن در حالت بازیابی یا داشتن جهت گیری بازیابی دسترسی به حافظه را افزایش می دهد (Alban & Annibal, 2022 ؛ Hornberger et al., 2006 ؛ Rugg & Wilding, 2000 ).

دوم، عدم تقارن بین دقت و دسترس‌پذیری را می‌توان با رقابت بین وظایف بازیابی و حواس‌پرتی برای یک بافر توضیح داد، زمانی که از روش‌های بازنمایی همپوشانی استفاده می‌کنند (مانند دیداری، شنیداری، لمسی). مطالعات قبلی نشان داده‌اند که توجه تقسیم‌شده اثرات مضری بر بازیابی LTM دارد، به‌ویژه زمانی که وظیفه بازیابی و وظیفه حواس‌پرتی سیستم بازنمایی یکسانی دارند (مثلاً کلمات در مقابل ارقام؛ Fernandes & Moscovitch، 2000 ، 2002 ، 2003 ). این تفسیر با یافته‌های ادبیات WM همسو می‌شود، جایی که منابع خاص دامنه در معرض تداخل زمانی قرار می‌گیرند که دو کار یا نمایش در یک حوزه باشند (کوچینی و همکاران، 2002 ؛ کین و همکاران، 2004) .; کوواکس و همکاران، 2019 ؛ شاه و میاکه، 1996 ). در نتیجه، هنگامی که در یک بافر ذخیره می‌شوند، آیتم‌های حافظه بازیابی شده ممکن است در شرایط توجه تقسیم‌شده به جای اینکه دقت کمتری داشته باشند، غیرقابل دسترس شوند. از آنجایی که هر دو کار در مطالعه ما از یک روش استفاده می‌کردند، این ممکن است یک اثر دامنه خاص را نشان دهد. با این حال، تحقیقات آتی برای تعیین تجربی اینکه آیا این نتایج منعکس کننده یک اثر توجه تقسیم‌بندی شده برای مواد خاص یا عمومی هستند، ضروری است.

با وجود اثرات عددی ضعیف‌تر در آزمایش 2، مقایسه اندازه اثر توجه تقسیم‌شده در آزمایش‌ها هیچ تفاوت قابل اعتمادی را در دسترسی، دقت، TCC d’ نشان نداد.، یا میانگین خطای مطلق، با شواهد بیزی حکایتی که از صفر حمایت می کند. همانطور که در بالا مورد بحث قرار گرفت، تفاوت های تهی ممکن است صرفاً به دلیل قدرت آماری متوسط ​​باشد، اما در اینجا ما سایر حساب های بالقوه عدم وجود هزینه اضافی بار WM را در نظر می گیریم. اول، ممکن است که توجه تقسیم شده در طول بازیابی، به جای بار WM، برای اختلال در دسترسی کافی باشد. دوم، بار WM در آزمایش 1 ممکن است به شدت در بازیابی تداخل نداشته باشد زیرا بر قالب بازنمایی متفاوتی متکی بود: پاسخ وظیفه تقسیم‌بندی شده را می‌توان در قالب موتور یا کلامی حفظ کرد، در حالی که بازیابی حافظه بر بازنمایی‌های فضایی فضایی متکی بود. سوم، این امکان وجود دارد که هزینه های بار WM زودتر و به طور خلاصه اتفاق بیفتد، به طوری که ذخیره پاسخ فقط در طول وظیفه توجه تقسیم شده (آزمایش 2) یا حفظ آن برای مدت طولانی تر،تا پس از پاسخ بازیابی اصلی (آزمایش 1)، منجر به سطوح مختلف اختلال نمی شود. کار آتی که مستقیماً مدالیته، مدت زمان و همپوشانی بازنمایی بار WM همزمان را در طول بازیابی دستکاری می‌کند، ممکن است آزمون‌های واضح‌تری از تعامل بین توجه و حافظه در مقیاس‌های زمانی مختلف ارائه دهد.

فقدان کاهش دقت تحت توجه تقسیم شده با فرضیه ما در تضاد است که نشان می دهد توجه تقسیم شده عمدتاً دقت خاطرات را مختل می کند، نه در دسترس بودن. ما این فرضیه را بر اساس شواهدی توسعه دادیم که نشان می‌دهد وظایف یادآوری نسبت به کارهای شناسایی بیشتر مستعد هزینه‌های توجه تقسیم‌شده هستند (کریک و همکاران، 2018 ؛ فرناندس و موسکویچ، 2002 ، 2003 ؛ اما به گرین و همکاران، 2021 مراجعه کنید ). بر این اساس، ما پیشنهاد کردیم که هزینه های توجه تقسیم شده بزرگتر در یادآوری می تواند منعکس کننده اختلال در دقت باشد، در حالی که حافظه های کم دقت اما در دسترس ممکن است برای تشخیص کافی باشند.

با این حال، ما دقیقاً الگوی مخالف را پیدا کردیم. برخلاف فرضیه ما، دسترسی به بازنمایی ها از توجه تقسیم شده رنج می برد، در حالی که دقت خاطرات بی تاثیر باقی می ماند. در نتیجه، مشخص نیست که چرا وظایف یادآوری بیشتر در معرض حواس پرتی هستند تا وظایف تشخیص. یک احتمال این است که کاوشگرهای موجود در وظایف تشخیص دسترسی به حافظه را علیرغم تقسیم توجه تسهیل کنند. بنابراین، حتی اگر کاهش دسترسی به دلیل توجه تقسیم شده وجود داشته باشد، کاوشگر در وظایف تشخیص ممکن است با کمک به دسترسی به حافظه، این اثر را خنثی کند. احتمال دیگر این است که شرکت‌کنندگان ممکن است از استراتژی متفاوتی در کارهای یادآوری نسبت به کارهای شناسایی استفاده کنند، و ترجیح دهند موارد را با دقت بالا ذخیره کنند، اما نه لزوماً همه آنها.این رویکرد ممکن است به شرکت کنندگان اجازه دهد تا به طور انتخابی موارد کمتری را بیاموزند یا بازیابی کنند و دقت را حتی تحت توجه تقسیم شده حفظ کنند. مطالعات آینده برای آزمایش این توضیحات احتمالی باقی مانده مورد نیاز است.

هزینه های توجه تقسیم شده علیرغم اینکه نشانه بازیابی دوباره در آزمون ارائه شد، مشهود بود. این یافته شواهد قانع‌کننده‌ای ارائه می‌کند که فرآیند بازیابی نیاز به رمزگذاری مجدد دارد (Clos et al., 2019 ; Roediger & Butler, 2011 ; Roediger & Karpicke, 2006 ; Wang et al., 2019 ). پیش از این دودوکوویچ و همکاران. ( 2009) تأثیر توجه را در طول بازیابی اولیه بر روی تشخیص آیتم و آزمون های حافظه منبع بعدی بررسی کرد. نتایج آنها نشان داد که مواردی که در ابتدا با توجه کامل مورد آزمایش قرار گرفتند، بیشتر از مواردی که در ابتدا تحت توجه تقسیم شده بودند، در آزمون‌های پیگیری به خاطر سپرده می‌شدند. وجود توجه تقسیم شده در طول بازیابی اولیه، شانس تشخیص بعدی را حتی برای مواردی که به درستی در آزمون اول شناسایی شده بودند کاهش داد (اما به Buchin & Mulligan، 2017 ، 2019 ؛ Mulligan & Picklesimer، 2016 مراجعه کنید.). به طور مشابه، در مطالعه ما، شرکت کنندگان دو شانس برای بازیابی جهت گیری دقیق مرتبط با شی داشتند. یکی زمانی بود که شی حافظه در جهت عمودی به عنوان نشانه بازیابی ارائه می شد، و دیگری در مرحله آزمایش بود که به شرکت کنندگان شی حافظه در جهت گیری تصادفی ارائه شد تا آن را بچرخانند و با جهت گیری حفظ شده مطابقت دهند. علی‌رغم شانس دوم، شرکت‌کنندگان نمی‌توانند پس از تجربه توجه تقسیم‌شده، ردیابی حافظه اصلی و بدون وقفه را دوباره فعال کنند، که نشان می‌دهد حافظه اولیه تحریف شده ممکن است جایگزین ردیابی اصلی شده باشد.

توجه تقسیم شده می تواند چندین مرحله بازیابی LTM را مختل کند (Ataseven et al., 2023 ). اول، از آنجایی که وظیفه توجه تقسیم شده بلافاصله پس از نشانه بازیابی داده شد، می‌توانست پردازش نشانه یا جستجوی LTM هدف را مختل کند. این با ناوه-بنجامین و گوئز ( 2000 ) همسو است، که استدلال کردند که انتخاب توجه در طول مرحله جستجوی نشانه-توسعه-جستجوی نیازهای بازیابی LTM منابع شناختی را افزایش می دهد. دوم، با توجه به اینکه LTM های بازیابی شده پیشنهاد می شود در WM دوباره فعال شوند (فاویلا و همکاران، 2020 ؛ فوکودا و وودمن، 2017 ؛ گیسکت-وریر و ریچیو، 2012 ؛ وو و همکاران، 2022، وظیفه توجه تقسیم شده می تواند با محتوای بازیابی شده در WM تداخل داشته باشد. به طور خاص، در طول مرحله آزمایش، افزایش بار WM به دلیل ذخیره سازی همزمان هر دو مورد بازیابی شده و هدف جستجو ممکن است منجر به خراب شدن این موارد شود، با توجه به رابطه معکوس بین بار WM و توانایی های ذخیره سازی (Bays et al., 2009 ; Zhang & Luck, 2008 ). در حالی که شواهد رو به رشدی وجود دارد که از وجود مراحل متعدد بازیابی LTM حمایت می کند، چگونگی تأثیر تقسیم توجه بر هر مرحله نامشخص است (Ataseven و همکاران، 2023 ). تحقیقات آینده ای که به طور سیستماتیک تأثیر توجه تقسیم شده را بر هر مرحله جدا می کند، برای ارائه بینش عمیق تر در مورد نقش توجه در مراحل مختلف بازیابی LTM مورد نیاز است.

چندین مطالعه اخیر با استفاده از پارادایم های گزارش مستمر در LTM به طور مشابه اثرات انتخابی بر دسترسی را گزارش کرده اند. به عنوان مثال، اثر تمرین بازیابی یک پدیده به خوبی تثبیت شده است که نشان می‌دهد بازیابی LTM عملکرد را در آزمون حافظه بعدی بهبود می‌بخشد (به عنوان مثال، کارپنتر و همکاران، 2009 ؛ کریر و پاشلر، 1992 ؛ رودیگر و کارپیکه، 2006 ؛ روهرر و همکاران، 2001 ). برای درک بهتر اینکه چگونه تمرین بازیابی بر عملکرد حافظه تأثیر می گذارد، Sutterer و Awh ( 2016).) از یک پارادایم گزارش پیوسته برای تفکیک دسترسی و دقت نمایش های بازیابی شده از LTM استفاده کرد. آنها کشف کردند که تمرین بازیابی دسترسی به بازنمایی ها را افزایش می دهد در حالی که دقت بدون تغییر باقی می ماند. در زمینه فراموشی، برنز و همکاران. ( 2020) بررسی کرد که چگونه دقت و دسترسی به نمایش‌ها در LTM در طول زمان تغییر می‌کند. نتایج آنها نشان داد که فراموشی با کاهش دسترسی همراه است، در حالی که دقت ثابت باقی مانده است. در راستای این مطالعات، یافته‌های کنونی از تفکیک بین دسترسی و دقت پشتیبانی می‌کنند و نشان می‌دهند که دسترسی، نه دقت، در طول بازیابی LTM تحت‌تاثیر قرار می‌گیرد. با هم، این مطالعات نشان می دهد که عوامل مؤثر بر بازیابی LTM ممکن است به طور نامتناسبی بر احتمال دسترسی به اطلاعات ذخیره شده به جای وفاداری خود حافظه تأثیر بگذارد.

محدودیت ها و مسیرهای آینده

اخیراً Schurgin و همکاران. ( 2020 ) مدل رقابت گیج‌پذیری هدف (TCC) را پیشنهاد کرد، با این استدلال که خطاهای حافظه از یک فرآیند اساسی – قدرت حافظه مبتنی بر گیج‌پذیری ( d’) ناشی می‌شوند.) – به جای ساختارهای قابل تفکیک مانند حدس زدن و دقت. این چارچوب مدل‌های مخلوط را با پیشنهاد اینکه افزایش حدس زدن می‌تواند گاهی اوقات بازنمایی‌های حافظه بسیار نادقیق، اما غایب، را منعکس کند، به چالش می‌کشد. در اینجا، مدل TCC نه تنها یافته‌های اصلی ما را تکرار کرد که توجه تقسیم‌شده عملکرد حافظه را کاهش می‌دهد، بلکه به طور مداوم تناسب بهتری نسبت به مدل مخلوط در همه شرایط ارائه می‌دهد. در حالی که مدل TCC یک گزارش قانع‌کننده مبتنی بر شباهت ادراکی ارائه می‌کند، اما تفکیک‌های رفتاری و عصبی مشاهده‌شده در دسترسی و دقت را به‌طور کامل توضیح نمی‌دهد (Bays و همکاران، 2009 ؛ Berens و همکاران، 2020 ؛ Brady et al., 2013 ؛ Fan & Turk-Browne ; 20130 ;; ژانگ و شانس، 2008 ). علاوه بر این، با استفاده از یک پارامتر واحد، TCC یک حساب مقرون‌به‌صرفه‌تر از داده‌ها ارائه می‌دهد، در حالی که مدل مخلوط بینش مکمل مهمی را در مورد چگونگی تأثیر تقسیم توجه بر حافظه ارائه می‌کند. نکته مهم، علیرغم تفاوت‌هایشان، هر دو مدل در یک نتیجه‌گیری همگرا هستند که توجه تقسیم‌شده به طور قابل‌توجهی عملکرد حافظه را کاهش می‌دهد.

اگرچه مدل مخلوط تجزیه آسان دسترسی و دقت را ارائه می‌کند، داده‌های رفتاری به تنهایی نمی‌توانند به طور قطعی خاطرات بسیار کم دقت را از حدس‌های واقعی جدا کنند (ون دن برگ و همکاران، 2014 ؛ شورگین و همکاران، 2020).). در این چارچوب، هم پارامتر نرخ حدس (منعکس کننده نسبت پاسخ های ترسیم شده از یک توزیع یکنواخت) و هم پارامتر دقیق (غلظت توزیع فون میزس متمرکز بر هدف) به طور مشترک از همان توزیع خطای پیوسته تخمین زده می شوند. بنابراین مدل فرض می‌کند که هر آزمایش از یکی از این مؤلفه‌های نهفته ناشی می‌شود و دسترسی و دقت را به عنوان پارامترهای مستقل با فرض در نظر می‌گیرد، حتی اگر در واقعیت، ردپای ضعیف یا تخریب‌شده به طور همزمان احتمال بازیابی و وفاداری آن را کاهش دهد. علاوه بر این، تخمین‌های پارامتر می‌تواند به اندازه نمونه مرتبط و حساس باشد، که به طور بالقوه قدرت را برای تشخیص اثرات دقیق کوچک محدود می‌کند (بیس و همکاران، 2009 ؛ ون دن برگ و همکاران، 2014).). بنابراین ممکن است بخشی از افزایش مشاهده شده در نرخ حدس زدن تحت توجه تقسیم شده منعکس کننده بازیابی نمایش های بسیار درشت یا ضعیفی باشد که زیر آستانه دقت ما قرار می گیرند. کار آینده با استفاده از نمونه‌های بزرگ‌تر یا اندازه‌گیری‌های عصبی ممکن است به تعیین اینکه آیا توجه تقسیم شده واقعاً از دقت صرفه‌جویی می‌کند یا صرفاً پیوستار وفاداری را به سمت وضوح پایین‌تر تغییر می‌دهد کمک کند.

ممکن است کسی استدلال کند که سیستم حافظه درگیر در طراحی ما LTM نیست، بلکه WM است، زیرا ما تعداد نسبتا کمی از موارد را پس از یک دوره تاخیر کوتاه آزمایش کردیم. با این حال، ما اقدامات عمدی را برای تشویق ذخیره سازی LTM انجام داده ایم. ابتدا، با استفاده از یک کار پرکننده، هدف ما جلوگیری از تمرین معمولاً مرتبط با WM بود (Cowan، 2008 ؛ Jonides و همکاران، 2008 ؛ Ranganath و Blumenfeld، 2005 ). علاوه بر این، با ارائه سریال شش مورد در طول رمزگذاری، هدف ما فراتر رفتن از ظرفیت معمول WM دیداری است که حدود 3 واحد اطلاعات است (آدام و همکاران، 2017 ؛ Awh و همکاران، 2007 ؛ Cowan، 2010 ؛ Luck & Vogel، 2013 ، al.70 , McColl، 2013، al.70,، منجر به درگیر شدن ذخیره سازی طولانی مدت می شود. با توجه به اینکه هر آیتم پس از مطالعه هر شش مورد آزمایش می شود، ذخیره فعالانه هر آیتم در حین گزارش سایر موارد چالش برانگیز است. بنابراین، ما استدلال می کنیم که تمرین فعال موارد مورد مطالعه تا زمان آزمون بسیار بعید است. با این وجود، ما تصدیق می کنیم که طراحی ما اجازه تثبیت آیتم های حافظه از طریق خواب را نمی دهد، که برای تقویت اتصالات سیناپسی پیشنهاد می شود (Diekelmann & Born, 2010 ؛ Stickgold & Walker, 2007 ). بنابراین، مطالعات آینده باید تفاوت‌های بالقوه را در تأثیرات توجه تقسیم‌شده بر دقت و دسترسی به خاطرات قبل و بعد از خواب بررسی کنند.