pre viac informácií:{0}}

pls kliknite sem pre časť 2

Benjamin Kowialiewski1,2,3 & Benoît Lemaire2 & Steve Majerus2,4 & Sophie Portrat4

Prijaté: 12. februára 2021 / Zverejnené online: 25. marca 2021

# Autor(i) 2021

KlikniteCistanche UK pre pamäť

Abstraktné

Udržiavanie informácií o sériových objednávkach je základnou súčasťou prácePamäť(WM). Mnohé teoretické modely predpokladajú existenciu špecifických mechanizmov sériového poradia. Tie sa považujú za nezávislé od jazykového systému, ktorý podporuje udržiavanie informácií o položke. Je to založené na štúdiách, ktoré ukazujú, že psycholingvistické faktory silne ovplyvňujú schopnosť uchovávať informácie o položke, zatiaľ čo poradie na vybavovanie zostáva relatívne nedotknuté. Nedávne správy založené na jazyku však naznačujú, že lingvistický systém by mohol poskytnúť mechanizmy, ktoré sú dostatočné na údržbu sériových objednávok. Silná verzia týchto účtov predpokladá udržiavanie sériových objednávok, ktoré vychádza zo vzoru aktivácie vyskytujúceho sa v lingvistickom systéme. V tejto štúdii sme tento predpoklad testovali prostredníctvom prístupu výpočtového modelovania implementáciou architektúry založenej výlučne na aktivácii. Testovali sme túto architektúru proti niekoľkým experimentom zahŕňajúcim manipuláciu so sémantickou príbuznosťou, psycholingvistickou premennou, o ktorej sa ukázalo, že interaguje so spracovaním sériového poradia komplexným spôsobom. Ukazujeme, že táto architektúra založená na aktivácii sa snaží zodpovedať za interakcie medzi sémantickými znalosťami a spracovaním sériových objednávok. Táto štúdia nepodporuje aktivované dlhodobéPamäťako exkluzívny mechanizmus podporujúci údržbu sériových objednávok.

Kľúčové slová: PrácaPamäť. Sériová objednávka. Výpočtové modelovanie. Sémantické znalosti

Úvod

Schopnosť udržiavať informácie o sériovom poradí je základnou súčasťou verbálnej prácePamäť(WM). Mechanizmy zapojené do udržiavania sériového poradia (tj sekvenčné poradie položiek, ktoré sa majú zapamätať) sa považovali za nezávislé od mechanizmov zapojených do udržiavania informácií o položke (tj jazykového obsahu položiek, ktoré sa majú zapamätať). položky). Tento predpoklad podporujú rôzne smery výskumu. Štúdie skúmajúce vplyv psycholingvistických faktorov, ako je lexikálnosť, na verbálny výkon WM, zvyčajne pozorujú účinky na zapamätanie si položiek s minimálnym vplyvom na vybavovanie sériových objednávok (Allen & Hulme, 2006; Hulme, 2003;

Katedra psychológie, Univerzita v Zürichu, Binzmühlestrasse 14, 8050, Zürich, Švajčiarsko

Univerzita v Liège, Liège, Belgicko

Laboratoire de Psychologie et NeuroCognition (LPNC), Université Grenoble Alpes, Bâtiment Michel Dubois prev. BSHM, 1251 Avenue Centrale, 38400 Saint-Martin-d'Hères, Francúzsko

Fond pre vedecký výskum – FRS-FNRS, Brusel, Belgicko

Rómčina, Mcalpine a Martin, 2008; Roodenrys, Hulme, Lethbridge, Hinton a Nimmo, 2002; Saint-Aubin & Ouellette, 2005; Walker & Hulme, 1999). Výkon sériového vybavovania objednávok je navyše silnejšie ovplyvnený rytmickými a artikulačnými rušivými úlohami ako udržiavanie informácií o položke (Gorin, Kowialiewski a Majerus, 2016; Henson, Hartley, Burgess, Hitch a Flude, 2003). Neuropsychologické štúdie tiež hlásili existenciu dvojitých disociácií medzi sériovým poradím a výkonnosťou pri spätnom získavaní položiek u niekoľkých pacientov s poranením mozgu a populácií postihnutých neurovývojovými poruchami (Brock & Jarrold, 2005; Majerus, Attout, Artielle a Kaa, 2015; Martinez Perez , Poncelet, Losos a Majerus, 2015). Nakoniec, udržiavanie informácií o položke a sériovej objednávke je podporované rôznymi nervovými substrátmi, ako uvádzajú neurostimulačné a neurozobrazovacie štúdie (Attout, Fias, Salmon a Majerus, 2014; Guidali, Pisoni, Bolognini a Papagno, 2019; Kalm & Norris , 2014; Majerus a kol., 2010; Papagno a kol., 2017).

Iné štúdie zároveň naznačujú, že sériové vybavovanie objednávok môže tiež interagovať s lingvistickými znalosťami. Hoci lexikálne znalosti výrazne zlepšujú vybavovanie si informácií o položke, obmedzujú aj chyby pri migrácii foném v rámci položiek a medzi nimi (Jefferies, Frankish, & Lambon Ralph, 2006). Podobne aj neslovné slová, aj keď sa horšie vybavujú v porovnaní so slovami na úrovni položky, môžu vykazovať relatívnu výhodu, pokiaľ ide o stiahnutie sériovej objednávky (Fallon, Mak, Tehan, & Daly, 2005; Kowialiewski & Majerus, 2018; Saint-Aubin & Poirier , 1999). Kalm a Norris (2014) nedávno ukázali, že poradie neslov je možné dekódovať na základe nervových vzorcov vyvolaných dorzálnymi jazykovými dráhami, ktoré podporujú kódovanie a udržiavanie verbálnych informácií. Podobne Papagno a kol. (2017) ukázali, že výkonnosť sériového vyvolávania objednávky klesá v porovnaní s výkonnosťou vyvolávania položky, keď je zadná časť dorzálnej jazykovej dráhy stimulovaná pomocou priamej elektrickej stimulácie u neurochirurgických pacientov.

Na teoretickej úrovni sa tvrdilo, že dočasnú údržbu informácií o sériovej objednávke je možné vykonávať bez potreby špecifickej položky a reprezentačných úrovní sériovej objednávky (Acheson & MacDonald, 2009; Jones & Macken, 2018; Schwering & MacDonald, 2020 ). Silná verzia takéhoto účtu zastáva názor, že informácie o sériovej objednávke sa uchovávajú výlučne prostredníctvom vzoru aktivácií vyskytujúcich sa v rámci lingvistického systému (Acheson, MacDonald, & Postle, 2011; Martin & Saffran, 1997; Poirier, Saint-Aubin, Mair, Tehan & Tolan, 2015). Napríklad podľa Martin & Saffran (1997, s. 672):

"V princípe by interaktívne aktivačné procesy mohli hrať úlohu aj pri udržiavaní poradia sériových čísel. Uzol slova reprezentujúci prvé slovo v sekvencii je aktivovaný ako prvý, a preto má viac času na získanie podpory od aktivovaných fonologických a sémantických reprezentácií v porovnaní s uzlami, ktoré sú primované." neskôr v sekvencii. Slovné uzly by teda mali vykazovať gradient úrovní aktivácie naprieč sériovými pozíciami. [ … ] Účinky aktuálnosti v supraspanovom pripomenutí odrážajú zvýšenú fonologickú podporu, ktorá je spôsobená skutočnosťou, že v čase pripomenutia sa úrovne aktivácie koncové položky boli menej ovplyvnené funkciou rozpadu, ktorá je súčasťou aktivačného modelu."

Cistanche môže zlepšiť pamäť

Podobne Acheson a kol. (2011, s. 45 – 46) naznačili, že k chybám pri sériovom objednávaní môže dôjsť priamo prostredníctvom relatívnej úrovne aktivácie položky v jazykovej sieti:

"Tieto interaktívne aktivačné rámce poskytujú potenciálne vysvetlenie toho, ako môže sémantická reprezentácia ovplyvniť poradie plánov výpovede na lexikálnej úrovni. Keď niekto počuje slovo alebo sekvenciu slov, aktivácia z tohto vstupu sa súčasne posúva dopredu k fonologickým reprezentáciám a spätne aj sémantické reprezentácie. Po počiatočnom kódovaní je lexikálna aktivácia určená opakovanou interakciou so sémantickými a fonologickými reprezentáciami. K chybám sériového usporiadania dochádza, keď sa v dôsledku tejto interakcie zmenia relatívne aktivačné úrovne lexikálnych jednotiek."

Na základe tejto myšlienky Poirier et al. (2015) vypracovali prepracovanejší popis takýchto modelov, nazvaný účet ANet. Podľa tohto účtu sú položky v zozname, ktorý si treba zapamätať, postupne zakódované v lingvistickom dlhodobomPamäťsystém s klesajúcou silou podľa aktivačného gradientu1, ako je znázornené na obr. 1. Informácie o sériovom poradí sú udržiavané prostredníctvom tohto aktivačného gradientu. Sériové volanie sa vykonáva výberom najsilnejšie aktivovanej položky pri každom pokuse o zvolanie. Vzhľadom na to, že mechanizmus výberu je hlučný, nakoniec sa vyskytnú chyby v sériovom poradí. Dôležitou predikciou z tohto modelu je, že modifikácia úrovne aktivácie položky v rámci jazykového systému by mala tiež ovplyvniť vzor sériových chýb v WM (Achesonetal., 2011).

Zdá sa, že nedávne dôkazy podporujú túto teoretickú pozíciu. Poirier et al. (2015) manipulovali so sémantickou príbuznosťou prezentovaním trojíc sémanticky súvisiacich položiek v prvej polovici zoznamov, ktoré si treba pamätať. Nasledujúce položky zoznamov v kontrolnom stave významovo nesúviseli (napr. dôstojník – odznak – siréna – hudba – turista – žltá). V experimentálnych podmienkach piata položka sémanticky súvisela s trojitým cínom prvej polovice zoznamu. V porovnaní s kontrolným stavom autori pozorovali nárast migračných chýb piatej položky smerom k skorším sériovým pozíciám, teda smerom k sémanticky príbuzným tripletom slov. Autori predpokladali, že keďže tieto sémanticky príbuzné triplety boli vopred aktivované, sémanticky príbuzný cieľ (tj prestup aktivácie v rámci semantickej siete ), tento cieľ by mal mať vyššiu úroveň aktivácie v experimentálnych podmienkach (obr. 1c) v porovnaní s kontrolnými podmienkami (obr. 1b). Keďže vyvolanie informácií o sériovej objednávke sa vykonáva výberom najviac aktivovanej položky, gradient aktivácie v dlhodobom horizontePamäťmohol teoreticky predpovedať viac migrácií sémanticky súvisiaceho cieľa smerom k skorším sériovým pozíciám. Manipulácia so sémantickou príbuznosťou je ako taká kritickým a priamym testom modelov založených na aktivácii, pretože sa predpokladá, že modifikuje relatívny vzorec aktivácie vyskytujúci sa v rámci jazykového systému. Táto relatívna aktivácia by mala následne ovplyvniť spracovanie informácií o sériovej objednávke (Acheson et al., 2011), ktoré údaje Poiriera a kolegov zrejme podporujú. Toto bola skutočne hlavná predpoveď z ich účtu Anet:

"V experimente 1 sme manipulovali s úrovňou aktivácie cieľovej položky, aby sme otestovali predpoveď, že by to zvýšilo chyby objednávky pre túto položku, čím je pravdepodobné, že mechanizmus CQ [Competitive Queuing] vyberie túto položku skôr kvôli jej zvýšenej aktivácii. skorý výber by znamenal, že aktivácia ovplyvnila poradie, v ktorom boli položky stiahnuté." (Poirier et al., 2015, s. 492).

Obr. 1 Ilustrácia aktivačného gradientu (a) v sémanticky nesúvisiacom stave, (b) v stave, v ktorom položky A, B a C sémanticky súvisia, a (c) v stave, v ktorom položky A, B, C a E sú sémanticky príbuzné. Sémanticky súvisiace položky sú označené hviezdičkou. Ako je možné vidieť, prítomnosť sémantickej príbuznosti zvyšuje úroveň aktivácie položky pre súvisiace položky

Vzhľadom na to, že tento teoretický účet je v výraznom kontraste s väčšinou výpočtových modelov WM, ktoré kladú odlišné úrovne spracovania položiek a sériových objednávok, cieľom tejto štúdie bolo otestovať výpočtovú vierohodnosť čisto aktivačného lingvistického účtu na reprezentáciu sériovej objednávky. informácie v kontexte WM. Väčšina výpočtových modelov WM skutočne explicitne predpokladá existenciu mechanizmov sériového poradia, ktoré sú odlišné od mechanizmov zapojených do informácií o položke. To je napríklad prípad architektúr TBRS* a SOB-CS (Oberauer & Lewandowsky, 2011; Oberauer, Lewandowsky, Farrell, Jarrold, & Greaves, 2012), ale aj výpočtové modely Burgess a Hitch (1999, 2006) a Brown, Hulme a Preece (2000). Tieto typy architektúr predpokladajú, že informácie o sériovom poradí sú udržiavané prostredníctvom vytvárania asociácií pozície položky, pričom pozície sú reprezentované špecifickými reprezentačnými mechanizmami. Tieto modely, aj keď sa výrazne líšia v povahe reprezentácií sériovej polohy, spoľahlivo reprodukujú dôležité javy sériového poradia, vrátane efektov primácie a aktuálnosti a vzorcov chýb transpozície.

čo je kritický psycholingvistický faktor na testovanie vierohodnosti čisto aktivačnej architektúry. Aby sme získali prehľad o výpočtovej architektúre, najprv sme predpokladali, že informácie o sériovom poradí sa dlhodobo udržiavajú prostredníctvom gradientu aktivácie Primacy.Pamäť(Martin & Saffran, 1997; Page & Norris, 1998; Poirier et al., 2015). Potom sme túto architektúru prispôsobili pridaním bočných excitačných spojení k modelovým sémantickým efektom.

Cistanche môže zlepšiť pamäť

Výpočtové modelovanie

Architektúra

Architektúra, ktorú sme použili, je konekcionistický model zložený z jednej vrstvy. Po zakódovaní sa položka stane aktívnou. Predpokladá sa, že k tejto aktivácii dôjde priamo v znalostnej báze dlhodobej pamäte. Sémanticky súvisiace položky sú prepojené prostredníctvom priamych obojsmerných excitačných spojení, ktorých vierohodnosť pri modelovaní sémantických efektov vo WM už bola demonštrovaná v troch nezávislých modeloch (Haarmann & Usher, 2001; Kowialiewski & Majerus, 2020; Kowialiewski, Portrat a Lemaire , 2021). Položky sa postupne aktivujú s klesajúcou silou pomocou aktivačného gradientu. Každá zakódovaná položka automaticky rozšíri aktiváciu na ostatné sémanticky súvisiace položky. Vyvolanie sa vykonáva postupným načítaním každej položky podľa jej aktivačnej hodnoty. Pre jednoduchosť sme použili poslednú implementáciu modelu Primacy, ktorú sprístupnili Norris, Kalm a Hall (2020). Naša Julia implementácia architektúry, ktorú navrhujeme, je voľne dostupná na Open Science Framework (OSF): https://osf.io/9e4hu/.

Kódovanie V pôvodnom modeli Primacy sa kódovanie riadi aktivačným gradientom, ktorý označujeme V. Ten je definovaný špičkovou hodnotou a hodnotou kroku . Hodnota je voľný parameter a predstavuje počiatočnú hodnotu, s ktorou je spojená prvá položka. Hodnota predstavuje mieru zníženia hodnoty v každej fáze kódovania. Tento parameter je pevne stanovený na 1. Napríklad pri hodnote 20 je aktivačný gradient [20, 19, 18, 17, 16, 15] pre zoznam so šiestimi položkami. Všimnite si, že skúšanie nie je nikdy výslovne modelované v modeli Primacy. To zahŕňa aj poslednú implementáciu Norrisom a kolegami. Aktivácia v rámci modelu je jednoducho odvodená od toho, čo by sa dalo očakávať, ak by teoreticky nastala skúška.

Šírenie aktivácie Počas kódovania sa aktivácia šíri smerom k sémanticky príbuzným uzlom. Toto je modelované zahrnutím obojsmerných budiacich spojení. Sila týchto spojení je voľný parameter, λ. V každej fáze kódovania sa položky aktivujú pomocou aktivačného gradientu V. Aktivácia sa potom šíri obojsmerne v rámci siete:

kde Ai predstavuje konečnú aktivačnú hodnotu spojenú s položkou i aAj je aktivácia pochádzajúca z každej sémanticky súvisiacej položky j, meraná váhou spojenia λ. Dolný index t predstavuje časovú pečiatku.

Je dôležité poznamenať, že nemáme v úmysle explicitne reprezentovať sémantické znalosti. To, čo chceme prostredníctvom tohto šíriaceho sa aktivačného princípu reprezentovať, je skutočnosť, že sémanticky súvisiace položky sa navzájom reaktivujú. Na druhej strane sa predpokladá, že táto reaktivácia zmení relatívnu aktiváciu položky, a teda aj vzor chýb sériového poradia (Acheson et al., 2011). Inými slovami, úprava relatívnej úrovne aktivácie položiek v sémantickej sieti tiež mení internú reprezentáciu modelu ich sériového poradia.

Vyvolanie Po zakódovaní všetkých položiek musí model tieto položky získať. Robí sa to pomocou konkurenčného mechanizmu zaraďovania do frontu.2 Sťahovanie je dvojkrokový proces.

2 Poirier a kolegovia navrhli, aby sa konkurenčný mechanizmus zaraďovania do fronty modeloval pomocou akumulátorového modelu podľa Hurlstonea a Hitcha (2015). Zaviedli sme takýto konkurenčný čakací mechanizmus založený na princípoch akumulátora (dostupný na OSF). To neposkytlo žiadne vylepšenie modelu, s výnimkou, že akumulátorový model poskytuje ďalšiu príležitosť na predpovedanie latencií, čo je nad rámec účelu tejto štúdie. Preto sme jednoducho zostali pri poslednej dostupnej implementácii modelu Primacy.

Najprv sa vyberie položka ako potenciálny kandidát. Tento proces podlieha hluku:

Toto je modelované pridaním dočasného náhodného Gaussovho šumu s nulovým stredom k aktivácii každej položky so štandardnou odchýlkou ​​σ, voľným parametrom. Potom sa vyberie najviac aktivovaná položka. Potlačenie odozvy (Duncan & Lewandowsky, 2005) už nastáva v tejto fáze nastavením vyvolanej položky na veľmi nízku hodnotu (tj -999). To bráni modelu vyvolať položku dvakrát. Po druhé, aktivačná hodnota vybranej položky sa porovná s prahom vynechania. Tento prah je odvodený z náhodného Gaussovho rozdelenia N(θ, σ′), kde θ a σ′ sú dva voľné parametre. Ak je aktivačná hodnota vybranej položky (bez šumu pridaného počas prvého kroku) nad prahom obnovenia, položka sa správne vyvolá. V opačnom prípade dôjde k vynechaniu. Je potrebné zdôrazniť, že táto implementácia predpokladá, že potlačenie odozvy sa vždy použije počas prvého kroku vyhľadávania, bez ohľadu na to, či došlo k vynechaniu počas druhého kroku. Tento výber implementácie Norrisom a kol. (2020) pravdepodobne nebude hodnoverný. Ale zo skúseností, ktoré sme získali mnohonásobným spustením modelu, je to jediný spôsob, ako môže model Primacy produkovať chyby vynechania pri modelovaní realistických kriviek sériovej polohy. Všimnite si, že je možné vytvoriť realistické sériové pozičné krivky, pričom sa vyhnete tomuto implementačnému problému bez ovplyvnenia základných predpokladov modelu. Pre jednoduchosť sme však radšej ostali pri pôvodnej implementácii. V čase každého následného pokusu o stiahnutie sa všetky položky rozpadli:

kde D je voľný parameter v rozsahu od 0 do 1. Kvôli tomuto parametru rozpadu sú položky vyvolané neskôr v zoznamoch viac vystavené šumu, pretože aktivačné hodnoty konvergujú k asymptote. Všetky parametre modelu sú uvedené v tabuľke

1. Spôsob

Súbory údajov Platnosť tohto modelu bola testovaná na troch rôznych súboroch údajov: dva súbory údajov (Kowialiewski a kol., 2021; Kowialiewski & Majerus, 2020), ktoré zahŕňajú sémantické a neutrálne podmienky (tj neutrálna podmienka je sémanticky nesúvisiaca podmienka ) a údaje z Poirier et al. (2015), ktorý sme už opísali v Úvode. Model je založený na niekoľkých parametroch, ktoré čiastočne závisia od úlohy. Parametre sa preto odhadli nezávisle pre každý súbor údajov. Po prvé, parametre, ktoré nezávisia od sémantickej príbuznosti, boli odhadnuté na základe neutrálu

stavu, aby sa získal základný model, ktorý by bol schopný reprodukovať štandardný výkon sériového vyvolávania. Po druhé, sémantická podmienka sa použila na odhad parametra λ, ktorý riadi úroveň sémantickej príbuznosti medzi položkami.

Celkový postup hodnotenia Krivky sériových pozícií sa vykresľujú pomocou prísneho kritéria sériového stiahnutia, v ktorom je položka hodnotená ako správna iba vtedy, ak je vyvolaná na správnej sériovej pozícii. Napríklad vzhľadom na cieľovú sekvenciu „Položka 1 – Položka 2 – Položka 3 – Položka 4 – Položka 5 – Položka 6“ a výstup z odvolania „Položka 1 – Položka 2 – prázdna – Položka 3 – Položka 4 – Položka 6“, iba položky 1, 2 a 6 budú hodnotené ako správne. Na prispôsobenie experimentálnych údajov sme tiež použili kritérium stiahnutia položky, v ktorom je položka hodnotená ako správna, ak je správne vyvolaná, nezávisle od jej sériovej polohy. Vo vyššie uvedenom príklade budú položky 1, 2, 3, 4 a 6 hodnotené ako správne. Na posúdenie celkového vplyvu sémantickej príbuznosti na výkonnosť vyvolania objednávky sme vypočítali skóre vyvolania objednávky pre každú experimentálnu podmienku. Dosiahlo sa to vydelením počtu prípadov stiahnutia položiek na správnej pozícii (tj prísne kritérium sériového stiahnutia) počtom prípadov stiahnutia položiek bez ohľadu na ich sériovú pozíciu (tj kritérium stiahnutia položky).

Transpozičná rýchlosť Vzor transpozičných chýb v Poirier et al. (2015) štúdia bola vynesená pomocou mier transpozície. Vypočítali sme počet chýb transpozície, ktoré sa vyskytli pre položku 5 (ktorá sémanticky nesúvisí s položkami 1, 2 a 3) a pre každú pozíciu, do ktorej by mohla migrovať položka 5. Potom sme tieto počty chýb transpozície vydelili celkovým počtom odvolaní položky 5. Toto bolo vypočítané samostatne pre každú experimentálnu podmienku.

Odhad parametrov Odhad základných parametrov modelu bol vykonaný pomocou algoritmu simulovaného žíhania

(French & Kus, 2008; Kirkpatrick, Gelatt, & Vecchi, 1983) na nájdenie najnižšej efektívnej štvorcovej chyby (RMSE) medzi experimentálnym a simulovaným skóre vyvolania sériovej pozície, na oboch prísnych a kritériá stiahnutia položky. RMSE sa preto vždy počítala z 12 dátových bodov: šesť dátových bodov pre prísne kritérium sériového stiahnutia a šesť dátových bodov pre kritérium stiahnutia položky. Dolné a horné hranice každého voľného parametra sú uvedené v tabuľke 1. Odhad sémantického parametra λ bol oveľa jednoduchší a vyžadoval iba vyhľadávanie v mriežke v [0,0,1] s krokom 0,0001. Dôležité je, že λ sa vždy odhadovalo pri zachovaní konštantných základných parametrov modelu. Potom sa použila hodnota λ, ktorá vytvorila najmenší priemerný rozdiel medzi neutrálnymi podmienkami a experimentálnymi podmienkami k empirickým údajom. Cieľom bolo vybrať hodnotu λ, ktorá vytvára rozdiel medzi neutrálnym a experimentálnym skóre podobným ľudskému. Toto bolo operacionalizované minimalizovaním rozdielu medzi priemerným rozdielom u ľudí a priemerným rozdielom modelu. Teraz uvádzame tri súbory údajov, ako aj simulácie týchto zodpovedajúcich experimentov. Súhrn rôznych experimentálnych podmienok s príkladmi zoznamu štúdií je uvedený v tabuľke 2.

Hodnotenie modelu

Súbor údajov č. 1: Kowialiewski a Majerus (2020)

Dáta Tento súbor údajov sa použil na posúdenie schopnosti modelu reprodukovať celkový vplyv sémantickej príbuznosti na výkonnosť sériového vyvolávania a spúšťania objednávky. Je dobre známe, že sémantická príbuznosť silne zvyšuje výkonnosť vybavovania na úrovni položky (pozri metaanalýzu Kowialiewski & Majerus, 2020). Sémantická príbuznosť má tiež malý škodlivý vplyv na schopnosť vyvolať informácie o sériovej objednávke, aj keď je efekt jemný (pozri tiež

Ishiguro & Saito, 2020). V súlade s tým očakávame, že architektúra bude mať malý alebo žiadny vplyv na výkonnosť vyvolania objednávky. Použili sme údaje uvedené v Kowialiewski a Majerus (2020), kde manipulovali so sémantickou príbuznosťou v zoznamoch so šiestimi položkami za rušivých podmienok alebo pri úlohách okamžitého sériového vyvolávania. Uvádzali sa len výsledky z posledného stavu.