طویل مدتی میموری کی مداخلت کو ریپلشن اور درستگی کے ساتھ تشخیصی میموری کے طول و عرض کے ذریعے حل کیا جاتا ہے حصہ 3

تجزیہ کے طریقے

کارکردگی پر مبنی اخراج کا معیار ان تجزیوں کے لیے جن میں تعمیر نو کے کام کا ڈیٹا شامل تھا، ہم نے ایسوسی ایٹیو میموری ٹیسٹ کے راؤنڈ 9–12 کے دوران کارکردگی کی بنیاد پر شرکاء کی ایک چھوٹی تعداد کو خارج کر دیا۔ شرکاء کو خارج کر دیا گیا تھا اگر (a) ان میں سے کسی بھی راؤنڈ کے لیے غیر مسابقتی ٹرائلز کے لیے ان کی غلطی کی شرح 20% سے زیادہ تھی یا (b) انھوں نے ان راؤنڈز میں سے کسی کے لیے مسابقتی ٹرائلز کے 20% سے زیادہ پر لالچ والے چہرے کا انتخاب کیا۔

انسانی یادداشت بہت اہم ہے اور زندگی میں مختلف چیلنجوں کو بہتر طور پر سمجھنے اور ان سے نمٹنے میں ہماری مدد کرتی ہے۔ تاہم، جدید معاشرے میں، ہمیں بہت زیادہ معلومات کا سامنا ہے، اور ہماری یادداشت اکثر چیلنج اور تھکاوٹ کا شکار رہتی ہے۔

تاہم، ہم کچھ آسان طریقوں سے ٹاسک ڈیٹا اور میموری کے درمیان تعلق کو دوبارہ تشکیل دے سکتے ہیں۔ سب سے پہلے، ہم اپنی یادداشت کی صلاحیت کو بڑھانے کے لیے ورکنگ میموری کو استعمال کرنے کی کوشش کر سکتے ہیں۔ ورکنگ میموری سے مراد قلیل مدتی میموری میں معلومات کو رکھنے اور اس پر کارروائی کرنے کی صلاحیت ہے۔ یادداشت کے کاموں کو باقاعدگی سے انجام دینے سے، ہم اپنی ورکنگ میموری کو استعمال کر سکتے ہیں اور اس طرح اپنی یادداشت کو بڑھا سکتے ہیں۔

دوسرا، ہم اپنی حسی یادداشت میں ٹیپ کرکے اپنی یادداشت کو بہتر بنا سکتے ہیں۔ ہماری حسی یادیں اتنی طاقتور ہیں کہ ہم یاد کر سکتے ہیں، مثال کے طور پر، پہلی بار کھانے کا ذائقہ۔ اپنی حسی یادداشت کو بڑھا کر، ہم اپنی یادداشت کو بہتر بنا سکتے ہیں۔

اس کے علاوہ ہم میموری محل کا طریقہ استعمال کرکے بھی اپنی یادداشت کو مضبوط کرسکتے ہیں۔ یاد داشت کے محلات ایک قدیم تکنیک ہے جو وسیع مناظر کا استعمال کرتی ہے جو ہم ان معلومات کو جوڑنے کے لیے بناتے ہیں جسے ہم منظر سے یاد رکھنا چاہتے ہیں۔ اس طرح، ہم آسانی سے معلومات کو یاد کر سکتے ہیں.

آخر میں، ہم اپنی یادداشت کو بہتر بنانے کے لیے کچھ جسمانی مشقیں آزما سکتے ہیں۔ جسمانی سرگرمی میٹابولزم کو بڑھاتی ہے، جس کے نتیجے میں ہمارے دماغ کی سرگرمی بڑھ جاتی ہے۔ ورزش کے ذریعے، ہم خون کی گردش کو بھی فروغ دے سکتے ہیں تاکہ دماغ کو زیادہ آکسیجن اور غذائی اجزاء ملیں، اس لیے وہ معلومات کو بہتر طریقے سے پروسیس کر سکتا ہے۔

خلاصہ یہ کہ ہم مختلف طریقوں کا استعمال کرکے ٹاسک ڈیٹا اور میموری کے درمیان تعلق کو دوبارہ تشکیل دے سکتے ہیں۔ چاہے کام کرنے والی یادداشت کی ورزش کرنا ہو، حسی یادداشت کو مضبوط کرنا ہو، میموری کا محل استعمال کرنا ہو، یا جسمانی سرگرمی میں مشغول ہو، یہ ہماری یادداشت کو بہتر بنانے اور زندگی میں ہمیں زیادہ لچکدار اور موثر بنانے میں مدد کر سکتا ہے۔ یہ دیکھا جا سکتا ہے کہ ہمیں یادداشت کو بہتر بنانے کی ضرورت ہے، اور Cistanche deserticola یادداشت کو نمایاں طور پر بہتر بنا سکتا ہے کیونکہ Cistanche deserticola ایک روایتی چینی ادویاتی مواد ہے جس کے بہت سے منفرد اثرات ہیں، جن میں سے ایک یادداشت کو بہتر بنانا ہے۔ کیما بنایا ہوا گوشت کی افادیت اس میں موجود مختلف فعال اجزاء سے آتی ہے، بشمول ایسڈ، پولی سیکرائڈز، فلیوونائڈز وغیرہ۔ یہ اجزاء مختلف طریقوں سے دماغی صحت کو فروغ دے سکتے ہیں۔

یادداشت کو بہتر بنانے کے لیے سپلیمنٹس جانیں پر کلک کریں۔

ان معیارات کی بنیاد پر، ایک شریک کو تجربہ 1 میں تعمیر نو کے ٹاسک ڈیٹا کے تجزیے سے خارج کر دیا گیا تھا (این=35)، چار کو تجربہ 2 سے خارج کر دیا گیا تھا (این=37)، اور آٹھ کو تجربہ 3 سے خارج کر دیا گیا تھا۔ (حاصل کرنا N=49) (دیکھیں https://osf.io/dj6q2/ اخراج کے دیگر معیارات کے لیے جو قائم کیے گئے تھے لیکن لاگو نہیں ہوئے)۔ تعمیر نو کے کام کے تجزیے میں شرکاء کو شامل کرنے کے لیے ایک اونچی حد رکھنے کا استدلال یہ تھا کہ ایسے معاملات کو کم سے کم کیا جائے جہاں شرکاء نے مکمل طور پر غلط چہرے کو دوبارہ بنایا ہو اور اس کے بجائے صحیح طریقے سے یاد کیے گئے چہروں پر تعصب/صحت پر توجہ مرکوز کی جائے۔

ایسوسی ایٹیو میموری کی پیمائش

جیسا کہ اوپر بتایا گیا ہے، اس بات کی تصدیق کے لیے ایسوسی ایٹیو میموری ٹیسٹ کا استعمال کیا گیا تھا کہ شرکاء نے چہروں کے ساتھ اشارے جوڑنے میں اعلیٰ درستگی حاصل کی۔ ایسوسی ایٹیو میموری ٹیسٹ نے بھی ہیرا پھیری کی جانچ کی اجازت دی کہ آیا مسابقتی حالت نے غیر مسابقتی حالت کے مقابلے میں مداخلت (کم ایسوسی ایٹو میموری کی درستگی) کی حوصلہ افزائی کی۔ غیر مسابقتی آزمائشوں کے مقابلے میں غیر مسابقتی درستگی کے لحاظ سے سب سے پہلے ایسوسی ایٹو میموری ٹیسٹ کے ڈیٹا کا تجزیہ کیا گیا۔ ہم نے حالت کے عوامل (مسابقتی، غیر مسابقتی) اور لرننگ راؤنڈ (تجربہ 1 کے لیے 1–9، تجربات2 اور 3 کے لیے 1–12) کے ساتھ ہر تجربے کے لیے الگ الگ بار بار کیے جانے والے انووا چلائے۔

مسابقتی آزمائشوں کے لیے، ہم نے غلطیوں کو بھی اس کے مطابق الگ کیا کہ آیا وہ مسابقت (مداخلت کی غلطی) سے منسوب ہیں یا نہیں (لالچ)۔ اگر غلطیاں بے ترتیب تھیں، مداخلت کی غلطیاں ایرر ٹرائلز کے پانچویں (20%) میں واقع ہوں گی۔ یہ جانچنے کے لیے کہ آیا مداخلت کی غلطیاں موقع کی سطح سے اوپر واقع ہوئی ہیں، اس لیے ہم نے مداخلت کی غلطیوں کی اوسط فیصد (تمام سیکھنے کے راؤنڈز میں) کا 20% سے موازنہ کرتے ہوئے، ہر تجربے کے لیے ایک نمونہ ٹی-ٹیسٹ چلایا۔

تعصب کی پیمائش

جیسا کہ اوپر بیان کیا گیا ہے، تعمیراتی کام میں ہر آزمائش پر ہدف کا چہرہ چار مقامات میں سے ایک (چار کواڈرینٹ کا مرکز) میں واقع تھا۔ اس طرح، تلاش کی جگہ کے x اور y دونوں محوروں کے لیے، ہدف تلاش کی جگہ کے مرکز اور سرحد کے درمیان آدھے راستے پر تھا (تصویر 1a)۔ ممکنہ تعصب کی پیمائش کرنے کے لیے، ہر تجربے کے لیے تمام ردعمل کو ایک مشترکہ محور پر جوڑا گیا تھا اور ایک مشترکہ پیمانے پر دوبارہ اسکیل کیا گیا تھا، ہر خصوصیت کے لیے الگ الگ جہت (اثر، جنس)۔ دوبارہ اسکیل کیے گئے ڈیٹا کے لیے، ہر جہت کے لیے ممکنہ ردعمل کی رینج -2 سے 2 تھی، 0 چہرے کی جگہ کا مرکز (یعنی، ان آرچ اسپیس کا مرکز)۔

مسابقتی حالت کے لیے، تشخیصی جہت=1 پر ہدف والے چہرے کا مقام اور پریمیٹ چہرے کا مقام=-1 (تصویر 1c)۔ اس طرح، پرائمیٹ چہرے سے تعصب کی نمائندگی 1 سے زیادہ قدروں سے کی جائے گی، جب کہ پرائمیٹ چہرے کی طرف (یا چہرے کی جگہ کے مرکز کی طرف) کی جانب سے تعصب کی نمائندگی 1 سے کم اقدار کے ذریعے کی جائے گی۔ غیر تشخیصی جہت کے لیے، مقام ہدف والے چہرے اور جوڑے کے ساتھی چہرے کا=1۔ اگرچہ تعمیر نو کے کام میں غیر مسابقتی حالت کے چہرے شامل تھے، لیکن ان چہروں کے لیے تعصب کی پیمائش نہیں کی گئی کیونکہ تشخیصی اور غیر تشخیصی جہتوں کے درمیان فرق موجود نہیں تھا۔ بلکہ، غیر مسابقتی چہرے ایسوسی ایٹو میموری ٹیسٹ میں اہم اہمیت کے حامل تھے، جہاں انہوں نے مجموعی طور پر یادداشت میں مداخلت کا اثر قائم کیا۔

یہ نوٹ کرنا ضروری ہے کہ تعمیر نو کے کام کے لیے، ہر آزمائش پر ردعمل کی حد کو ہدف کے ارد گرد غیر متناسب طور پر تقسیم کیا گیا تھا۔ اگر رسپانس رینج کو ٹارگٹ کے ارد گرد متوازی طور پر تقسیم کیا گیا ہوتا، تو ہر ٹرائل پر درست جواب، تعریف کے مطابق، ان آرچ اسپیس کا مرکز ہوتا - جس کی وجہ سے ممکنہ طور پر شرکاء مرکز میں صرف جواب دینا سیکھتے۔ تاہم، ہم نے جو نقطہ نظر استعمال کیا اس کی خرابی یہ ہے کہ، مسابقتی حالت میں تشخیصی جہت کے لیے، پرائمیٹ چہرے (-2 اور 1 کے درمیان کی قدروں) کے مقابلے پرائمیٹ چہرے (1 سے 2 کی قدریں) کی طرف جواب دینے کا زیادہ موقع تھا۔ )۔

بلاشبہ، یہ ہم آہنگی ریپلشن (1 سے زیادہ اقدار) کے ہمارے پیش گوئی شدہ اثر کے خلاف کام کرتی ہے۔ بہر حال، غیر متناسب طور پر محدود ردعمل کی حد کے حساب سے، اعداد و شمار میں کٹی ہوئی عام تقسیم کو فٹ کر کے حقیقی معنی کا اندازہ لگایا گیا۔ ہر شریک کے لیے، تشخیصی اور غیر تشخیصی طول و عرض کے لیے الگ الگ ماڈلز چلائے گئے تھے، ہر ماڈل میں ڈیٹا پوائنٹس کی کافی تعداد کو شامل کرنے کے لیے چہرے اور فیچر کے طول و عرض (اثر، جنس) پر ڈیٹا جمع کیا گیا تھا۔ اس طرح، ہر ماڈل میں 32 ڈیٹا پوائنٹس شامل تھے (مسابقتی حالت میں آٹھ چہرے × فی چہرہ چار تعمیر نو کے ٹرائلز)۔ زیادہ سے زیادہ امکان کے تخمینے کا استعمال ایک کٹی ہوئی عام تقسیم کے اوسط اور معیاری انحراف کو تلاش کرنے کے لیے کیا گیا تھا جو ڈیٹا کے لیے بہترین ہے۔ تقسیم کو ٹرانسفارم اور MASS پیکجز inR کا استعمال کرتے ہوئے ماڈل بنایا گیا تھا۔

ہم نے وسط کی تلاش کی جگہ کو ہدف (± 1 یونٹ) کے دونوں طرف یکساں طور پر متوازن ممکنہ اقدار کی حد تک محدود کر دیا اور معیاری انحراف کو زیادہ سے زیادہ 1 اور کم از کم .1 تک محدود کر دیا۔ اگرچہ ہم ماڈل شدہ ذرائع کو صحیح ذرائع کے بہتر اندازے کے طور پر دیکھتے ہیں، لیکن تغیر کے کچھ ذرائع ایسے ہیں جن کا ماڈل حساب نہیں کرتا۔ مثال کے طور پر، ماڈلز ہر خصوصیت کے طول و عرض اور/یا محرک کے لیے ممکنہ طور پر منفرد تقسیم کا حساب نہیں رکھتے۔ مزید برآں، اس بات کے شواہد موجود ہیں کہ چہرے کی خصوصیات کو بعد میں کس طرح واپس بلایا جاتا ہے اس میں موروثی، عالمی تعصبات ہوسکتے ہیں (Bülthof & Zhao, 2020; Won et al., 2020)۔ تاہم، تنقیدی طور پر، کوئی بھی عالمی تعصب تشخیصی اور غیر تشخیصی جہتوں کو یکساں طور پر متاثر کرے گا۔ لہذا، ہمارا تجزیہ بنیادی طور پر تشخیصی بمقابلہ غیر تشخیصی طول و عرض کے نمونے کے ذرائع میں فرق پر مرکوز ہے۔

درستگی کی پیمائش

اس درستگی کی پیمائش کرنے کے لیے کہ ہر چہرے کے لیے تشخیصی اور غیر تشخیصی خصوصیات کو کس کے ساتھ یاد رکھا گیا تھا، ہم نے ہر چہرے کے لیے چار تعمیر نو کے ٹرائلز کے جوابات کے معیاری انحراف کا حساب لگایا، الگ الگ تشخیصی اور غیر تشخیصی خصوصیات کے لیے۔ پھر ہم نے تشخیصی اور غیر تشخیصی جہتوں کے لیے الگ الگ، ہر شریک کے لیے ان معیاری انحراف کی قدروں کے اوسط کی گنتی کی۔

تعمیر نو کے تعصب اور ایسوسی ایٹیو مداخلت کے درمیان تعلق کی پیمائش

اس بات کا تعین کرنے کے لیے کہ آیا تشخیصی خصوصیت کا طول و عرض میموری کی مداخلت کو کم کرنے میں ایک انکولی کردار ادا کرتا ہے، ہم نے مخلوط اثرات کے ماڈلز کا ایک سلسلہ چلایا جس میں تعمیر نو کے کام کے دوران ماپا جانے والے تعصب اور ایسوسی ایٹیو میموری ٹیسٹ پر درستگی کے درمیان تعلق پر توجہ مرکوز کی گئی (گزشتہ چار دوروں میں اوسط سیکھنے کی آخری حالت)۔ اگرچہ یہ تجزیہ انفرادی اشیاء (چہروں) کی سطح پر کیا گیا تھا، لیکن ہر چہرے کے لیے درستگی کی قدر کو اس چہرے اور اس کے جوڑے کے لیے اوسط درستگی کے طور پر بیان کیا گیا تھا۔ اس طرح، ہر سیٹ کے ساتھ دونوں پریمیٹ کی درستگی کی قدر یکساں تھی۔ پرائمیٹ میں اوسط درستگی کا اصول یہ تھا کہ اگر، مثال کے طور پر، شرکاء دو مسابقتی چہروں (پریمیٹ) کو ایک ہی کیو لفظ (پیشہ) کے ساتھ جوڑتے ہیں، بجائے اس کے کہ ان میں سے کسی ایک کو "درست" اور دوسری کو "غلط" سمجھا جائے۔ غلطی کو دونوں چہروں پر بانٹنے کے لیے۔

ایسوسی ایٹیو میموری کی درستگی کے لیے تعمیر نو کے تعصب سے متعلق تجزیوں کے لیے، ہم نے ان شرکاء کو خارج کر دیا جو کامل درستگی کے حامل تھے، تمام ٹرائلز میں، ایسوسی ایٹو میموری ٹیسٹ کے آخری چار راؤنڈز میں۔ اس اخراج کا استدلال یہ تھا کہ، ان شرکاء کے لیے، ماڈل کے لیے وضاحت کرنے کے لیے کوئی متغیر غیر مربوط میموری نہیں تھی۔ مزید برآں، ہم نے یہ تجزیہ تجربہ 1 کے لیے نہیں چلایا کیونکہ پچھلے چار راؤنڈز (11 شرکاء (31%) میں 100% درستگی تھی، اور بقیہ شرکاء کی اوسط درستگی 95.96± 3.01 تھی۔ 3.62 ±1.70 کے شریک کے اندر اوسط SD کے ساتھ %)۔ تجربات 2 اور 3 کے لیے - جس میں زیادہ ملتے جلتے پرائمیٹ استعمال کیے گئے تھے - ایسوسی ایٹیو میموری کی درستگی کم تھی اور اس لیے، کم شرکاء کو زیادہ سے زیادہ کارکردگی کی وجہ سے خارج کر دیا گیا تھا (7 شرکاء (19%) Exp. 2 میں اور چھ شرکاء (12%) Exp. 3 میں؛ مطلب بقیہ شرکاء کے لیے درستگی، Exp. 2: M=92.47 ± 7.58%, Exp. 3: M =93.56 ± 6.26%)۔

ان ماڈلز کے لیے، انفرادی چہروں کی سطح پر تعمیر نو کے تعصب کا حساب لگانا اہم تھا۔ تاہم، ٹرائلز/چہروں پر جمع کر کے شرکاء کے اوسط تعصب کا تخمینہ لگانے کا اوپر بیان کردہ طریقہ اس تجزیہ کے لیے ممکن نہیں تھا، مشاہدات کی کم تعداد (فی چہرے پر چار آزمائشیں) کے پیش نظر۔ اس طرح، اس تجزیے کے لیے، ہم نے محض تعمیر نو کے ردعمل کا مطلب استعمال کیا (فی چہرہ چار آزمائشوں میں)۔ اس تشویش کو دور کرنے کے لیے کہ تعمیر نو کے تعصب اور ایسوسی ایٹیو میموری کی درستگی کے درمیان کسی بھی مشاہدہ شدہ تعلق کو ممکنہ "سویپ ایررز" کے ذریعے کارفرما کیا جا سکتا ہے، ہمارا پہلے سے رجسٹرڈ نقطہ نظر کسی بھی انفرادی ردعمل (ٹرائلز) کو خارج کرنا تھا جس کے لیے {{0}} کے درمیان چھوٹا ردعمل تھا۔ اور 0 اور صرف ان جوابات کو برقرار رکھنے کے لیے جن کے لیے پیمانہ جواب 0 اور 2 کے درمیان تھا۔ تشخیصی جہت کے لیے، کوئی بھی ردعمل جو ہدف کے مقابلے مسابقتی پرائمیٹ کے قریب تھا اس لیے خارج کر دیا گیا تھا۔ تمام باقی جوابات ہر چہرے کے اوسط جواب میں شامل تھے۔

شاذ و نادر ہی، اگر کوئی چہرہ تعمیر نو کی چاروں آزمائشوں پر خارج کیے گئے ردعمل سے منسلک تھا، تو اس چہرے کو مکمل طور پر تجزیہ سے خارج کر دیا گیا تھا۔ Experiment2 کے لیے، یہ کل چار چہروں کے لیے ہوا جو چار شرکاء میں تقسیم کیے گئے تھے۔ تجربہ 3 کے لیے، یہ چھ شرکاء میں تقسیم کیے گئے کل چھ چہروں کے لیے ہوا۔ اگرچہ ممکنہ تبادلے کی غلطیوں کو خارج کرنے کے لیے یہ پہلے سے رجسٹرڈ نقطہ نظر کا مقصد انتہائی غلطیوں کے اثر کو ختم کرنے کے لیے ایک قدامت پسند نقطہ نظر کے طور پر تھا، ہمارے تمام اہم نتائج اس وقت نمایاں رہے جب کوئی ردعمل خارج نہیں کیا گیا۔ مزید برآں، تحقیقی تجزیوں میں جنہوں نے تجربات 2 اور 3 میں ڈیٹا کو یکجا کیا، انتہائی ردعمل کو مکمل طور پر خارج کرنے کے بجائے، -2 اور 0 کے درمیان جوابات کو 0 کی قدر پر محدود کیا گیا، جس سے تمام آزمائشوں کی اجازت دی گئی۔ ماڈل میں برقرار رکھا جائے، لیکن انتہائی ردعمل کے اثر کو کم کر دیا جائے۔

Thelme4 پیکیج (Bates et al.، 2014) کا استعمال کرتے ہوئے R میں مخلوط اثرات کے ماڈل لاگو کیے گئے تھے۔ امکانات کے تناسب کے ٹیسٹ کا استعمال متعلقہ متغیر کے ساتھ ماڈلز کا موازنہ کرنے کے لیے ان متغیرات کو خارج کرنے والے null ماڈلز سے کیا جاتا تھا۔ تشخیصی جہت کا اثر جنس کے مقابلے میں تھا یا نہیں اس سے متعلق ممکنہ اختلافات کا محاسبہ کرنے کے لیے، تمام ماڈلز نے اس واضح متغیر کو ایک مقررہ اثر کے طور پر شامل کیا۔ تعمیر نو کے تعصب اور ایسوسی ایٹو میموری کی درستگی کے درمیان تعلق کو ہر ایک شریک کے لیے مختلف ہونے کی اجازت دینے کے لیے، ہم نے جہاں ممکن ہو، ہر ایک شریک کے لیے بے ترتیب وقفوں اور بے ترتیب ڈھلوانوں کے ساتھ تعصب اور ایسوسی ایٹو میموری کی درستگی کے درمیان تعلق کو ماڈل بنایا۔

ان ماڈلز کے ساتھ ڈیل کرنے کے لیے ہمارا پہلے سے رجسٹرڈ طریقہ کار جو یکجا ہونے میں ناکام رہے یا جو کہ واحد فٹ تک پہنچ گئے تعصب کو ہٹانے کے لیے بے ترتیب سلوپ کے ساتھ اسی ماڈل کو دوبارہ چلانا تھا (دیکھیں Barr et al.، 2013)۔ جب کہ ہمارے تمام پہلے سے رجسٹرڈ ماڈلز آپس میں مل گئے، ایک تحقیقی ماڈل جس نے تشخیصی بمقابلہ غیر تشخیصی جہت کے تعصب میں فرق کو پیشین گوئی کرنے والے کے طور پر استعمال کیا جب بے ترتیب ڈھلوان کو شامل کیا گیا تھا؛ اس طرح، ہم نے randomslope کو ہٹا دیا۔ تحقیقاتی ماڈلز جن میں صرف غیر دستخط شدہ غلطی کی درستگی کو پیشین گوئی کے طور پر شامل کیا گیا تھا (بغیر تعصب کے) جب ان متغیرات کے لیے بے ترتیب ڈھلوان شامل کیے گئے تھے؛ اس طرح، ہم نے ان متغیرات کے لیے بے ترتیب ڈھلوانوں کو ہٹا دیا۔

آخر میں، تحقیقی ماڈل جن میں تعصب کے ساتھ ساتھ درستگی اور غیر دستخط شدہ غلطی بھی پیشین گو کے طور پر شامل ہونے میں ناکام رہے جب تمام متغیرات کے لیے بے ترتیب ڈھلوانوں کو شامل کیا گیا تھا۔ بے ترتیب ڈھلوانوں کو ہٹاتے وقت، ہم نے تعصب کے لیے بے ترتیب ڈھلوان کو برقرار رکھنے کو ترجیح دی، جس کی وجہ سے درستگی اور غیر دستخط شدہ غلطی کے لیے بے ترتیب ڈھلوانوں کو خارج کر دیا گیا۔

نتائج

ایسوسی ایٹیو میموری ٹیسٹ

یہ جانچنے کے لیے کہ آیا مسابقتی اور غیر مسابقتی حالات کے درمیان ایسوسی ایٹیو میموری کی درستگی مختلف ہے، ہم نے ہر تجربے کے لیے بار بار ANOVAs کا انعقاد کیا جس میں حالت کے عوامل (مسابقتی، غیر مسابقتی) اور راؤنڈ (Exp. 1: پہلے نو راؤنڈ؛ Exp. 2 اور Exp. 3: 12 راؤنڈز)۔ ہر تجربے کے لیے، حالت کا ایک اہم اثر تھا (Exp. 1: F(1,35) {{10}}.14, p < 0۔{32}}01، 휂2G=0.034؛ exp. 2: F(1,40)=67.43, p <0.001, 휂2G=0.10; Exp. 3: F(1, 56)=88.21, p <0.001, 휂2G=0.16), مسابقتی حالت میں کم درستگی کے ساتھ (تصویر 2a)۔ اس بات کی تصدیق کرنے کے لیے کہ اس فرق نے خاص طور پر مداخلت کو رد کیا، ہم نے غلطیوں کی اقسام پر غور کیا۔ مسابقتی حالت کے لیے، غلطیاں مدمقابل کے چہرے یا چار غیر مسابقتی لالچوں میں سے کسی ایک کو منتخب کرنے کے مساوی ہو سکتی ہیں (تصویر 2b)۔ اگر غلطیاں بے ترتیب تھیں، تو حریف کو غلطی کی آزمائشوں کے پانچویں حصے پر منتخب کیا جائے گا۔ تاہم، تمام راؤنڈز میں غلطی کے ٹرائلز کو یکجا کرتے ہوئے، مدمقابل کو اوپر کی سطحوں پر منتخب کیا گیا تھا (Exp. 1: M=60.18 ± 19.68%, t(35)=12.25, p< 0.001, d = 2.04; Exp. 2: M = 71.29 ± 15.78%, t(40) = 20.82, p < 0.001, d = 3.25; Exp. 3: M = 78.63 ± 11.58%, t(56) = 38.21, p < 0.001, d = 5.06), confirming that increased errors in the competitive condition refected interference from the competitor face.

یہ جانچنے کے لیے کہ آیا چہرے کی تعمیر نو کی درستگی موقع سے زیادہ تھی، ہم نے ہر جواب اور ہدف کے چہرے کے مقام کے درمیان یوکلیڈین فاصلہ ماپا (دو جہتی ردعمل کی جگہ میں؛ تصویر 1c)۔ ہر شریک کے لیے، جوابات اور ہدف کے مقامات کے درمیان اوسط یوکلیڈین فاصلہ ایک اجازت شدہ تقسیم کے مقابلے میں تھا (شرکا کے 10،000 بار کے اندر جوابات کی تبدیلی سے شمار کیا جاتا ہے)۔ ہر شریک (تصویر 3) کے لیے زیادہ درستگی (منظور شدہ ذرائع کے 97.5% سے بہتر) دیکھی گئی۔

تعمیر نو کے تعصب کا سامنا کریں۔

تشخیصی چہرے کے طول و عرض کے ساتھ تنزلی کی ہماری تنقیدی پیشین گوئی کو جانچنے کے لیے، ہم نے مسابقتی حالت میں تشخیصی بمقابلہ غیر تشخیصی جہتوں کے لیے خصوصیت کے تعصب (طریقے دیکھیں) کا موازنہ کیا (تصویر 4a)۔ ہم نے پہلے تجربات 1 اور 2 میں پیشین گوئیوں کا تجربہ کیا، اور پھر تجربہ 3 میں نقل کے لیے تجربہ کیا۔ جہتوں کے عوامل (تشخیصی، غیر تشخیصی) اور تجربہ کے ساتھ ایک بار بار کی جانے والی پیمائش ANOVA (Exp. 1، Exp. 2) نے پیچھے ہٹنے کی طرف نمایاں طور پر زیادہ تعصب کا انکشاف کیا۔ تشخیصی جہت (F(1,70)=22.25، p< 0.001, 휂2 G = 0.061). There was a trend toward a significant interaction between dimension and experiment (F(1,70) = 3.96, p = 0.0506, 휂2 G = 0.011), with a relatively weaker effect size in Experiment 1 (d = 0.27) than in Experiment 2 (d = 0.73). As predicted, Experiment 3 replicated, with a large effect size and preregistered hypothesis, the greater bias toward repulsion on the diagnostic dimension (t(48) = 5.87, p < 0.001, d = 0.83).

اگرچہ ہمارے پہلے سے رجسٹرڈ تجزیوں نے تشخیصی اور غیر تشخیصی جہتوں کے درمیان موازنہ پر توجہ مرکوز کی، لیکن ہم نے یہ بھی جانچا کہ آیا تشخیصی جہت کی تعمیر نو ہدف کے چہروں کے درست مقام سے نمایاں طور پر مختلف ہے۔ درحقیقت، تینوں تجربات میں ڈیٹا کو یکجا کرتے ہوئے، تشخیصی جہت کے لیے وضع کردہ ذرائع 1 (t(120)=4.39، p < 0 کی حقیقی قدر سے نمایاں طور پر زیادہ تھے۔ 60}}01، d=0.40)، مقابلہ کرنے والے چہرے سے دور تعصب کی عکاسی کرتا ہے۔ یہ اثر تمام تجربات میں نمایاں طور پر مختلف نہیں تھا (F(2,118)=2.15, p=0.12, 휂2G =0.035)۔ اس کے برعکس، غیر تشخیصی جہت پر چہرے کی جگہ کے مرکز کی طرف ایک چھوٹا لیکن اہم تعصب تھا (ماڈل کا مطلب <1; t(120)=-2.33, p=0.021, d {{ 25}}.21)۔ یہ اثر تمام تجربات میں نمایاں طور پر مختلف ہے (F(2,118)=9.56, p <0.001, 휂2G=0.14)۔ درحقیقت، تجربہ 1 میں جوابات نمایاں طور پر 1 (t(34)=2.15،p=0.039، d=0.36 سے اوپر تھے، اور تجربات 2 اور 3 میں وہ نمایاں طور پر 1 سے نیچے تھے (Exp. 2: t(36)=-2.45, p=0.019, d =0.40; Exp. 3: t(48) {{58} }.98، ​​p <0.001، d=0.57)۔ جب کہ دوبارہ تشکیل شدہ جوابات کی مطلق اقدار کو کچھ احتیاط کے ساتھ تشریح کی جانی چاہیے (ممکنہ عالمی تعصبات کی وجہ سے)، تشخیصی جہت پر پسپائی کی طرف مسلسل تعصب ہماری پیشین گوئی کی تائید کرتا ہے کہ مقابلہ تشخیصی جہت پر ٹارگٹ ریپلیشن کو متحرک کرتا ہے۔

چہرے کی تعمیر نو کی درستگی

ہم نے اگلی بار جانچ کی کہ آیا تشخیصی بمقابلہ غیر تشخیصی طول و عرض (تصویر 4b) میں تعمیر نو کی درستگی مختلف ہے۔ ہم نے درستگی کی تعریف ایک ہی چہرے کی بار بار کی تعمیر نو کے درمیان معیاری انحراف کے طور پر کی ہے (طریقے دیکھیں)۔ مسابقتی حالت کے لیے، طول و عرض کے عوامل (تشخیصی، غیر تشخیصی) اور تجربے کے ساتھ بار بار کیے جانے والے انووا (Exp. 1، Exp. 2) نے نمایاں طور پر زیادہ درستگی کا انکشاف کیا - یعنی، کم تعمیر نو کی تغیر - تشخیصی جہت (F(1,7) پر {{10})=16.81، p <0.001، 휂2G=0.044)۔ اس اثر نے تجربے کے ساتھ تعامل نہیں کیا (F(1,70)= 0.34, p=0.56, 휂2G=0.001)۔ تشخیصی جہت پر زیادہ درستگی کا اثر تجربہ 3 (t(48)=5.45,p <0.001, d=0.74) میں نقل کیا گیا (ہماری پہلے سے رجسٹرڈ پیشین گوئی کے مطابق)۔

اگرچہ ہمارا درستگی کا پیمانہ ریاضیاتی طور پر ہمارے تعصب کے پیمانوں سے آزاد تھا، لیکن یہ قابل ذکر ہے کہ ان اقدامات کو اس طرح باہم مربوط کیا گیا تھا کہ زیادہ درستگی کے ساتھ دوبارہ تعمیر کیے گئے چہرے بھی زیادہ تعصب سے منسلک ہوتے تھے (تصویر S2A، OSM دیکھیں)۔ تاہم، اہم بات یہ ہے کہ، تشخیصی بمقابلہ غیر تشخیصی جہت پر زیادہ درستگی کا اثر اس وقت بھی نمایاں رہا جب اعلیٰ تعصب والی اشیاء کو تجزیہ سے خارج کر دیا گیا تھا (دیکھیں تصویر S2B، OSM)۔

تعمیر نو کے تعصب اور ایسوسی ایٹیو مداخلت کے درمیان تعلق

آخر میں، ہم نے اپنی پیشین گوئی کا تجربہ کیا کہ تشخیصی جہت پر زیادہ سے زیادہ تعمیر نو کا تعصب (ریپلیشن) بہتر ایسوسی ایٹو میموری ٹیسٹ کی کارکردگی (کم مداخلت) سے وابستہ ہے۔ تجربہ 1 (تصویر 2) میں قریب کی حد سے منسلک میموری کی کارکردگی کی وجہ سے، ہم نے تجربہ 2 کے ڈیٹا پر توجہ مرکوز کی۔ ہم نے ایک مخلوط اثرات کا ماڈل چلایا جس میں (a) تشخیصی جہت (مسلسل متغیر) پر تعصب اور (b) آیا تشخیصی طول و عرض متاثر ہوا تھا یا صنف (طبی متغیر) کے مقررہ اثرات کے ساتھ آئٹم کی سطح کی ایسوسی ایٹو میموری کی درستگی کی پیش گوئی کرتا ہے۔ تعصب کو ہر ایک شریک کے لیے randomintercepts اور ڈھلوانوں کے ساتھ ماڈل بنایا گیا تھا۔ امکانات کے تناسب کے ٹیسٹ کا استعمال کرتے ہوئے، ہم نے اس ماڈل کا موازنہ بغیر تعصب کے ماڈل سے کیا۔ تنقیدی طور پر، ماڈل ft نمایاں طور پر بہتر تھا جب تعصب کو شامل کیا گیا (χ2(1)=4.67, p=0.031)، تعصب کے ساتھ مثبت طور پر ایسوسی ایٹو میموری کی درستگی کی پیشن گوئی ( تعصب=3.58، SE =1.62)۔ ایک کنٹرول کے طور پر، ہم نے وہی تجزیہ دہرایا، لیکن غیر تشخیصی جہت پر تعصب کے ساتھ؛ یہاں، تعصب ماڈل فٹ (χ2(1)=0.021، p=0.89، تعصب=-0.31،SE=2.14) کو بہتر بنانے میں ناکام رہا۔ تجربہ 3 کے لیے، ہم نے تشخیصی جہت کے تعصب اور اسوسی ایٹو میموری کی درستگی کے درمیان تعلق کی نقل کی پیش گوئی کی (ایک پہلے سے رجسٹرڈ تجزیہ کا استعمال کرتے ہوئے)۔ ہم نے پیش گوئی کی گئی سمت میں ایک چھوٹا اثر دیکھا، لیکن یہ اہم نہیں تھا (χ2(1)=0۔ 24، p=0.63، تعصب=0.69، SE= 1.41)۔

ہمارے پہلے سے رجسٹرڈ تجزیے میں، ہم نے تعمیر نو کے جوابات (مقدمات) کو خارج کر دیا جو ہدف کے مقابلے میں مسابقتی سے زیادہ مماثل تھے۔ اس کا استدلال یہ تھا کہ اس بات کو یقینی بنایا جائے کہ انتہائی ردعمل (ممکنہ ادل بدل کی غلطیاں) کا ماڈل پر غیر معمولی اثر و رسوخ نہیں ہے (طریقے دیکھیں)۔ تاہم، اس نقطہ نظر نے ان آزمائشوں کو ان کے اثر و رسوخ کو کم کرنے کے بجائے مکمل طور پر ختم کردیا۔

لہذا، ایک تحقیقی تجزیہ کے طور پر، ہم نے ان انتہائی تعمیر نو کے اسکور کو {{0}} کی قدر سے بدل دیا (ہدف اور حریف کے درمیان مساوی فاصلہ، طریقہ دیکھیں)۔ اس نے تمام آزمائشوں کو شامل کرنے کی اجازت دی لیکن انتہائی ردعمل کے اثر کو کم کیا (دیکھیں تصویر. S4 (OSM) مزید تجزیہ کے لیے کہ یہ انتہائی ردعمل کس چیز کی نمائندگی کر سکتے ہیں)۔ اس تحقیقی تجزیے کے لیے، ہم نے تجربات 2 اور 3 کے اعداد و شمار کو یکجا کیا، تجربہ (Exp. 2، Exp.3) کو ایک مقررہ اثر کے طور پر شامل کیا گیا۔ null ماڈل کے مقابلے میں، تشخیصی جہت پر تعصب کا اضافہ کرنے سے ماڈل ft (χ2(1)=15.88، p <0.001 میں نمایاں طور پر بہتری آئی ہے، مثبت تعصب (ریپلیشن) کے ساتھ اعلیٰ ہم آہنگی میموری کی درستگی کی پیشن گوئی ( تعصب {{12}) }.45، SE=1.04)۔

تجربہ اور تعصب کے درمیان تعامل کو شامل کرنے سے ماڈل فٹ میں بہتری نہیں آئی (χ2(1) =1.39, p=0.24, exp×bias=-2.47, SE=2 .08)، اس بات کی نشاندہی کرتا ہے کہ تعصب اور ایسوسی ایٹیو میموری کے درمیان تعلق تمام تجربات میں مختلف نہیں ہے۔ مزید برآں، صرف تجربہ 3 ڈیٹا پر لاگو ہونے پر تعصب نمایاں طور پر بہتر ہوا ماڈل فٹ(χ2(1)=3.98، ​​p=0.046، تعصب=2.45، SE=1 .19)، اس بات کی تصدیق کرتے ہوئے کہ تعصب اور ایسوسی ایٹیو میموری کے درمیان تعلق صرف تجربہ 2 کے ڈیٹا سے نہیں چلایا گیا تھا۔ ایک کنٹرول کے طور پر، ہم نے ایک ہی ماڈل کا موازنہ کیا لیکن ایک پیش گو کے طور پر غیر تشخیصی جہت پر تعصب کے ساتھ؛ ماڈلز (χ2(1)=0.14، p=0.71، تعصب =-0.40، SE=1.08) کے درمیان کوئی خاص فرق نہیں تھا۔

مزید، تشخیصی جہت پر تعصب کی ڈگری غیر تشخیصی جہت (یعنی تعصب کے فرق کے اسکور) کے مقابلے میں بھی نمایاں طور پر بہتر ماڈل فٹ کے مقابلے میں بغیر کسی تعصب کے، χ2(1)=19.87، p< 0.001, βbias. dif = 2.71, SE = 0.60 (random slopes were excluded due to reaching singularity).

For more information:1950477648nn@gmail.com