مزید معلومات کے لیے:ali.ma@wecistanche.com

براہ کرم حصہ 1 کے لیے یہاں کلک کریں۔

پر کلک کریں۔cistanche tubulosa کے فوائد اور یادداشت کے لیے مضر اثرات

ماڈل ٹیسٹ اس مطالعہ میں، ایک سخت سیریل-ریکال کسوٹی کے تحت معنوی طور پر متعلقہ اور غیر متعلقہ حالات کے درمیان اوسط فرق 0.107 تھا۔ اس قدر کا استعمال ماڈل میں λ کا تخمینہ لگانے کے لیے کیا گیا تھا۔ جیسا کہ تصویر 2 میں دیکھا جا سکتا ہے، ماڈل مجموعی طور پر یاد کرنے کی کارکردگی پر معنوی تعلق کے جہت کے اثرات کو دوبارہ پیش کرتا ہے۔ ایک ہی وقت میں، ماڈل میں معنوی وابستگی بھی آرڈر کی واپسی کی کارکردگی کو بڑھاتی ہے (متعلقہ اور غیر متعلقہ حالات میں بالترتیب M=0.841 اور M=0.729)۔ تجرباتی اعداد و شمار میں اس کا مشاہدہ نہیں کیا گیا ہے۔ اس کے بجائے، انسانی مضامین کے درمیان آرڈر-ریکال کی کارکردگی نسبتاً غیر تبدیل شدہ رہتی ہے (بالترتیب متعلقہ اور غیر متعلقہ حالات میں M=0.782 اور M=0.812)۔ تخروپن میں پایا جانے والا معنوی اثر (تصویر 3 دیکھیں) ماڈل کا منطقی نتیجہ ہے۔ جیسا کہ آرڈر-ریکال کی کارکردگی طویل مدتی میں ایکٹیویشن لیول سے چلتی ہے۔یاداشت، بڑھتی ہوئی ایکٹیویشن آئٹم کے درمیان بہتر امتیاز کا باعث بنتی ہے اور اس وجہ سے اعلی آرڈر کی کارکردگی

ڈیٹاسیٹ #2: Kowialiewski, Lemaire, and Portrat (2021)

ڈیٹا یہ حال ہی میں دکھایا گیا تھا (Kowaliewski et al., 2021) کہ یاد رکھنے والی فہرست میں معنوی تعلق کی موجودگی WM وسائل کو آزاد کرتی ہے، جیسا کہ پہلے ٹکڑوں کے استعمال سے مشاہدہ کیا گیا تھا (پورٹریٹ، گائیڈا، فینکس، اور لیمیر، 2016؛ تھلمن ، سوزا، اور اوبراؤر، 2019)۔ اس مطالعے میں، لفظی تعلق کو یا تو شروع میں (T1) یا آخر میں (T2) چھ چیزوں کی یاد رکھنے والی فہرست کے تین حصوں میں لفظی طور پر متعلقہ اشیاء کو پیش کرکے ہیرا پھیری کی گئی۔ ان شرائط کا موازنہ غیر متعلقہ اشیاء (NT) کی فہرستوں سے کیا گیا تھا۔ معنوی طور پر متعلقہ ٹرپلٹس نے بعد میں آنے والی، غیر متعلقہ آئٹمز کے لیے یاد کرنے کی کارکردگی کو فعال طور پر بڑھایا، ان چیزوں کے مقابلے میں جو متعلقہ ٹرپلٹ سے پہلے نہیں ہیں۔ تاہم، معنوی طور پر متعلقہ ٹرپلٹ نے واپسی کی کارکردگی پر اثر انداز نہیں کیا۔ جیسا کہ ہم دیکھیں گے، T2 حالت ماڈل کا ایک اہم امتحان ہے۔

ماڈل ٹیسٹ پوزیشن 1، 2، اور 3 کے مقابلے T1 اور NT حالات کے درمیان اوسط فرق 0.122 تھا۔ اس قدر کا استعمال ماڈل میں λ کا تخمینہ لگانے کے لیے کیا گیا تھا۔ میں سے کسی میں ترمیم کیے بغیر

تصویر 2 Kowialiewski and Majerus (2020) کے مطالعہ میں تجرباتی ڈیٹا (بائیں پینل) اور ماڈل (دائیں پینل) کے لیے سیریل پوزیشن میں کارکردگی کو یاد کریں۔ تجرباتی حالات میں لفظی طور پر متعلقہ (گرین لائن) یا غیر متعلقہ (ماؤ لائن) اشیاء کی پیشکش شامل تھی۔

تصویر 3 کوویالیوسکی اور میجرس (2020) کے مطالعہ میں تجرباتی اعداد و شمار (بائیں پینل) اور ماڈل (دائیں پینل) کے لیے سیمنٹک حالت کے فنکشن کے طور پر آرڈر-ریکال کارکردگی

بنیادی پیرامیٹرز، ماڈل T1 حالت (تصویر 4) میں لفظی طور پر متعلقہ ٹرپلٹ پر مشاہدہ کرنے والے واپسی فائدہ کی پیش گوئی کرتا ہے۔ تاہم، ماڈل بعد میں غیر متعلقہ اشیاء پر معنوی تعلق کے فعال اثر کی پیش گوئی نہیں کرتا ہے۔ یہ مؤخر الذکر نتیجہ، ہمارے خیال میں، اہم نہیں ہے۔ فعال اثرات دیکھ بھال کے میکانزم کو عمدہ انداز میں ماڈلنگ کرنے سے (پورٹریٹ ایٹ ال۔، 2016) یا محدود وسائل کے طریقہ کار (پوپوف اینڈ ریڈر، 2020) کو شامل کرکے سامنے آسکتے ہیں، جو موجودہ مطالعے کے دائرہ کار سے باہر ہے۔ ان نقالیوں کا اہم نتیجہ یہ ظاہر کرنا ہے کہ لفظی طور پر متعلقہ ٹرپلٹس کا یاد کرنے کی کارکردگی پر ایک سابقہ ​​نقصان دہ اثر پڑتا ہے: جب لسٹ (T2) کے آخر میں لفظی طور پر متعلقہ ٹرپلٹ ہوتا ہے، تو تیسرے آئٹم کی واپسی کی کارکردگی اس سے زیادہ خراب ہوتی ہے۔ غیر جانبدار حالت. یہ ماڈل میں ایکٹیویشن کے پیٹرن میں ترمیم کا براہ راست نتیجہ ہے: چونکہ پوزیشنز 4، 5، اور 6 میں متعلقہ آئٹمز دیگر آئٹمز کے مقابلے زیادہ فعال ہیں، اس لیے ان کو پہلے سیریل پوزیشنوں کی طرف واپس بلائے جانے کا بھی زیادہ امکان ہے۔ اس صورت میں، آئٹمز 3 اور 4 ان کی ایکٹیویشن لیول کی وجہ سے غلطی سے منتقل ہونے کا سب سے زیادہ امکان ہے۔ یہ نمونہ تجرباتی اعداد و شمار میں غائب ہے۔ اس کے بجائے، سابقہ ​​اثر کی غیر موجودگی کا مشاہدہ کیا جاتا ہے۔

ڈیٹاسیٹ #3: Poirier et al. (2015)

Data Poirier et al. (2015) نے مشاہدہ کیا کہ معنوی تعلق کی ہیرا پھیری نے اشیاء کی منتقلی کا طریقہ بدل دیا۔ تجربہ 1 میں، انہوں نے ایسی اشیاء پیش کیں جن میں سے پہلی تین کا تعلق سیمنٹیکل تھا۔ ہیرا پھیری کا تعلق پانچویں آئٹم سے ہے جو تجرباتی حالت میں بھی متعلقہ تھا، جیسا کہ تعارف میں بیان کیا گیا ہے۔ تنقیدی طور پر، پانچویں آئٹم کو کنٹرول کی حالت کے مقابلے میں تجرباتی حالت میں زیادہ تر پوزیشن 3 کی طرف منتقل کیا جاتا تھا۔

ماڈل ٹیسٹ ان اعداد و شمار میں کوئی غیر معنوی حالت نہیں ہے جو ماڈل کے بنیادی پیرامیٹرز کے تخمینہ کو روکتی ہے۔ لہذا، ہم نے دوسرے ڈیٹاسیٹ سے تخمینہ شدہ پیرامیٹرز کو دوبارہ استعمال کیا (اوپر دیکھیں)۔ شکل 5 نتائج دکھاتا ہے۔ کنٹرول کنڈیشن میں لفظی وابستگی کی موجودگی (یعنی، پہلی تین اشیاء جو سیمنٹیکل طور پر متعلقہ ہیں) یاد کرنے کی کارکردگی کے اچھے نمونے پیدا کرتی ہے۔ تاہم، ایک بار جب پانچویں آئٹم کا تعلق لفظی طور پر ٹرپلٹ سے ہو جاتا ہے، تو پوزیشن 4 اور 5 پر کارکردگی میں زبردست کمی دیکھی جاتی ہے۔

تجرباتی حالت میں پوزیشن 4 اور 5 پر کارکردگی میں اس کمی کی وضاحت سیریل کے پیٹرن سے ہوتی ہے۔

تصویر 4 کوویالیوسکی، لیمیر، اور پورٹریٹ (2021) کے مطالعہ میں تجرباتی اعداد و شمار (بائیں پینل) اور ماڈل (دائیں پینل) کے لیے سیریل پوزیشن میں کارکردگی کو یاد کریں۔ تجرباتی ہیرا پھیری میں فہرست کے شروع (T1) یا آخر (T2) میں الفاظ کے لفظی طور پر متعلقہ ٹرپلٹس کی موجودگی شامل تھی اور اس کا موازنہ ایک غیر متعلقہ حالت (NT) سے کیا گیا تھا۔

تصویر 5 تجرباتی ڈیٹا (بائیں پینل) اور ماڈل (دائیں پینل) کے لیے سیریل پوزیشن میں کارکردگی کو یاد کریں۔ ہر لائن دو تجرباتی حالات کی نمائندگی کرتی ہے جو اصل میں Poirier et al کے ذریعہ جوڑتی ہے۔ (2015)

ترتیب کی غلطیاں، جو تصویر 6 میں دکھائی گئی ہیں۔ تنقیدی طور پر، تجرباتی حالت میں سیریل آرڈر کی غلطیوں کی اکثریت پوزیشن 4 میں واقع ہوئی ہے۔ یہ تجرباتی اعداد و شمار کے خلاف ہے جہاں وہ تبدیلیاں پوزیشن 3 سے بڑھ جاتی ہیں۔ یہ رجحان ایک بنیادی خاصیت ہے۔ ماڈل کا: سیریل آرڈر کی غلطیاں طویل مدتی میں ایکٹیویشن کے پیٹرن کی وجہ سے محدود ہیںیاداشت. ایک آئٹم کے ایکٹیویشن لیول کو بڑھانے کے نتیجے میں براہ راست سابقہ ​​آئٹم کی طرف منتقلی کی غلطیوں میں خودکار اور لازمی اضافہ ہوتا ہے۔

کوئی یہ بحث کر سکتا ہے کہ یہ نتائج صرف ماڈل کی خاصیت کی عکاسی کرتے ہیں صرف پیرامیٹرز کے مخصوص سیٹ کے لیے جو ہم نے مصنوعی اینیلنگ الگورتھم کا استعمال کرتے ہوئے پایا۔ اس کے بجائے، پیرامیٹرز کی کچھ تشکیلات ہوسکتی ہیں جو Poirier et al کے مشاہدہ کردہ نتائج کو دوبارہ پیش کرسکتی ہیں۔ (2015)۔ ہم نے پیرامیٹرز کے ایک بڑے نمونے میں ماڈل کی جانچ کرکے اس امکان کو تلاش کیا۔ جیسا کہ ضمیمہ A میں رپورٹ کیا گیا ہے، ماڈل ہمیشہ پوزیشن 3 پر بڑھتی ہوئی منتقلی کی غلطیوں، اور پوزیشن 4 کے مقابلے میں بڑھتی ہوئی منتقلی کی غلطیوں کی عدم موجودگی کی پیش گوئی کرنے میں ناکام رہتا ہے۔

بحث

اس مطالعہ نے اس مفروضے کی چھان بین کے لیے ایک کمپیوٹیشنل ماڈلنگ اپروچ کا استعمال کیا کہ سیریل آرڈر کی دیکھ بھال طویل مدتی میں ایکٹیویشن کے نمونوں سے ہوتی ہے۔یاداشت. ماڈل نے WM کی کارکردگی پر سیمنٹک تعلق کے مجموعی اثر کو کامیابی کے ساتھ پکڑ لیا۔ تاہم، یہ سیریل آرڈر کی معلومات کی پروسیسنگ پر معنوی تعلق کے مخصوص اثر و رسوخ کی پیش گوئی کرنے میں ناکام رہا۔ ماڈل آرڈر-ریکال کی کارکردگی پر معنوی تعلق کے اثرات کی عدم موجودگی کی پیش گوئی کرنے میں ناکام رہا، اور اس کے بجائے لفظی طور پر متعلقہ اشیاء کے لیے بہتر آرڈر-ریکال کارکردگی کی پیش گوئی کی۔ اس کے علاوہ، جب کہ انسانی شرکاء غلطی سے کسی شے کو اس کے، معنوی ہمسایوں کی پوزیشن پر یاد کرنے کا رجحان رکھتے ہیں، کمپیوٹیشنل ماڈل نے غیر متعلقہ اشیاء کی طرف ہجرت پر مشتمل ٹرانسپوزیشن غلطیاں پیدا کیں۔ مسئلہ فن تعمیر میں سیریل آرڈر کی معلومات اور طویل مدتی ایکٹیویشن کے درمیان تفریق کی کمی میں ہے۔یاداشت. ڈیٹاسیٹ # 1 کی نقل نے یہ ظاہر کیا۔

تصویر 6 تجرباتی ڈیٹا (بائیں پینل) اور ماڈل (دائیں پینل) کے لیے سیریل پوزیشن میں آئٹم 5 کی منتقلی کی شرح

آئٹمز کی ایکٹیویشن کی بڑھتی ہوئی سطح کی وجہ سے بہتر ہوا۔یاداشتآرڈر کی معلومات کے لیے، اس کے برعکس جو عام طور پر ادب میں پایا جاتا ہے (Ishiguro & Saito، 2020)۔ یہ ماڈل میں اس لیے پیش آیا کیونکہ ایکٹیویشن کی اعلیٰ سطح اشیاء کو یاد کرنے کے وقت ہونے والے زوال کے نقصان دہ اثر سے بچاتی ہے، بہت سے کمپیوٹیشنل آرکیٹیکچرز (برجیس اینڈ ہچ، 2006؛ اوبراؤر اور لیوینڈوسکی، 2011؛ ​​صفحہ اور نورس، 1998)۔ اس کے علاوہ، ڈیٹاسیٹ #2 اور ڈیٹاسیٹ #3 کے نقالی تجویز کرتے ہیں کہ اگر سیریل آرڈرنگ کی غلطیاں کم از کم کسی شے کی طویل مدتی ایکٹیویشن کی رشتہ دار سطح کی وجہ سے محدود ہوںیاداشت، پھر دوبارہ کال کی کارکردگی پر معنوی طور پر متعلقہ اشیاء کا ایک سابقہ ​​اثر دیکھا جانا چاہئے تھا۔ اس کے بجائے، WM ادب سے تجرباتی ثبوت سیریل-ریکال کارکردگی پر نفسیاتی عوامل کے سابقہ ​​اثر کی عدم موجودگی کی طرف متوجہ ہوتے ہیں (کووان ایٹ ال۔ )، اس کا نتیجہ یہ ہے کہ ہمارا ایکٹیویشن پر مبنی فن تعمیر دوبارہ پیش نہیں کر سکتا۔ لہذا، ایک خالصتاً ایکٹیویشن پر مبنی فن تعمیر WM میں سیریل آرڈر کے مسئلے کو حل کرنے کے لیے مشکل دکھائی دیتا ہے، اس کے برعکس جو پہلے فرض کیا گیا تھا (Acheson et al., 2011; Martin & Saffran, 1997; Poirier et al., 2015) .

زیادہ عام طور پر، طویل مدتی میں ایک بنیادی میلان کے ذریعے سیریل آرڈر کی معلومات کی دیکھ بھالیاداشتکئی وجوہات کے لئے مسئلہ ہے. سب سے پہلے، یہ واضح نہیں ہے کہ ماڈل سادہ کاموں کو کیسے انجام دے گا، جیسے کہ ریہرسل/ریفریشنگ (Barrouillet, Bernardin, & Camos, 2004)۔ اس کی وجہ یہ ہے کہ آئٹم کا انتخاب سب سے زیادہ فعال معلومات کو منتخب کرکے انجام دیا جاتا ہے۔ ماڈل مسلسل سب سے زیادہ چالو آئٹم پر پھنس جائے گا، جو زیادہ تر حالات میں پہلا ہوتا ہے۔ اس کے بجائے، شرکاء کئی آئٹمز کی مشق کر سکتے ہیں، اور مجموعی طور پر (ٹین اینڈ وارڈ، 2008)۔ اصل پرائمسی ماڈل ریہرسل کو ایک فونولوجیکل لوپ (پیج اینڈ نورس، 1998) کے اندر انجام دینے کے طور پر فرض کرتا ہے، لیکن اس سے سیریل آرڈر کا مسئلہ پہلی جگہ حل نہیں ہوتا ہے۔ دوسرا، اور جیسا کہ Norris (2017) نے ذکر کیا ہے، ایک خالصتاً ایکٹیویشن پر مبنی ماڈل کبھی بھی کسی آئٹم کو دو بار یاد نہیں کر سکے گا (مثال کے طور پر، "9-2-5-4-9-7" کو یاد کرنا)۔ اس کام کے لیے طویل مدتی سے باہر پڑی عارضی نمائندگی کی ضرورت ہے۔یاداشت. نوٹ کریں کہ یہ مطالعہ خود پرائمیسی ماڈل کو ایک عام طریقہ کار کے طور پر مسترد نہیں کرتا ہے جس کے ذریعے سیریل آرڈر کی معلومات کو طویل مدتی سے باہر کوڈ کیا جا سکتا ہے۔یاداشت، جیسا کہ اصل صفحہ اور نورس (1998) ماڈل کے ذریعہ وضع کیا گیا ہے۔ موجودہ مطالعہ سیریل آرڈر کی معلومات کو برقرار رکھنے کے لیے ایک خصوصی میکانزم کے طور پر طویل مدتی میموری میں ایکٹیویشن کے بنیادی میلان کو مسترد کرتا ہے۔

سیریل آرڈر کی نمائندگی کیسے کی جاتی ہے؟

WM کے بہت سے نظریاتی ماڈل سیریل آرڈر کی معلومات کی دیکھ بھال میں شامل نمائندگیی کوڈز کی نوعیت اور آئٹم کی معلومات میں شامل افراد کے درمیان آزادی کو پیش کرتے ہیں۔ اس رشتہ دار آزادی کا واضح طور پر WM کے پوزیشنی ماڈلز (Burgess & Hitch, 2006; Oberauer et al., 2012; Oberauer & Lewandowsky, 2011) سے کیا گیا ہے۔ تنقیدی طور پر، ان ماڈلز کو آئٹم اور سیریل آرڈرنگ کوڈز کے درمیان ممکنہ تعاملات پر بھی غور کرنا چاہیے، لیکن ان تعاملات کو ابھی تک اچھی طرح سے سمجھا نہیں گیا ہے۔ جیفریز وغیرہ۔ (2006) نحوی ڈھانچے کی سطح پر، غیر الفاظ کے درمیان فونیمز کی منتقلی کے رجحان کا مظاہرہ کیا (مثال کے طور پر، "ڈیگ فل" کی بجائے "ڈگ فال" کو یاد کرنا)۔ اسی طرح، Poirier et al کی طرف سے مشاہدہ کردہ ٹرانسپوزیشن غلطیوں کا نمونہ۔ (2015) کی وضاحت یہ فرض کر کے کی جا سکتی ہے کہ ڈبلیو ایم سیمینٹک خصوصیات کو بھی انکوڈ کرتا ہے۔ چونکہ لفظی طور پر متعلقہ اشیاء اوورلیپنگ سیمنٹک خصوصیات کا اشتراک کرتے ہیں اور/یا اس سے بھی زیادہ ملتے جلتے ہیں (Dell, Schwartz, Martin, Saffran, & Gagnon, 1997; Ishiguro & Saito, 2020)، زیادہ دور دراز مقامات سے لفظی طور پر متعلقہ اشیاء کے درمیان منتقلی کی غلطیاں نظریاتی طور پر اس وقت ہوسکتی ہیں۔ بازیافت کا لمحہ۔ متبادل طور پر، جیسے ہی شرکاء کو معنوی طور پر متعلقہ ٹرپلٹ کی موجودگی کا پتہ چل جاتا ہے، وہ معلومات کا ٹکڑا کر سکتے ہیں اور ایک واحد لفظی نمائندگی کو برقرار رکھ سکتے ہیں (مثال کے طور پر، "پتے کے درخت کی شاخ" کی بجائے "فطرت")۔ دوبارہ کال کرنے پر، سیمنٹک ٹکڑا کے ڈیکمپریشن کی وجہ سے، آئٹمز کی خود ساختہ ترتیب ختم ہو سکتی ہے (Kowaliewski & Majerus, 2020)، جس کے نتیجے میں متعلقہ لفظ3 کو غلط طریقے سے یاد کیا جا سکتا ہے۔

یہ مطالعہ اس خیال کی حمایت کرنے میں ناکام ہے کہ سیریل آرڈر کی معلومات کو لسانی نظام میں آئٹم سے متعلق ایکٹیویشن کے ذریعے برقرار رکھا جاتا ہے۔ ایک ہی وقت میں، یہ مطالعہ اس امکان کو رد نہیں کرتا ہے کہ سیریل آرڈر کی دیکھ بھال کو زبان کی نمائش (Schwering & MacDonald، 2020) سے سیکھے جانے والے شماریاتی ریگولیٹریٹیز سے مکمل طور پر روکا جا سکتا ہے۔ اس اکاؤنٹ کے مطابق، لسانی نظام اپنے سیریل آرڈر مینٹیننس میکانزم رکھتا ہے۔ مثال کے طور پر، اس کی تائید ان مطالعات سے ہوتی ہے جو ظاہر کرتے ہیں کہ لسانی کارپورا سے اخذ کردہ شماریاتی ریگولیٹریز زبانی WM کاموں میں سیریل-ریکال کارکردگی کی پیش گوئی کر سکتی ہیں (جونز اینڈ میکن، 2015، 2018)۔ تنقیدی طور پر، ایک خالصتاً زبان پر مبنی سیریل آرڈر مینٹیننس میکانزم کی فضیلت کو ایک بار بار چلنے والے نیورل نیٹ ورک (Botvinick & Plaut، 2006) کا استعمال کرتے ہوئے ظاہر کیا گیا ہے، جس کے ابھرتے ہوئے رویے کو سیکھنے کے آسان اصولوں کا استعمال کرتے ہوئے کنکشن کے وزن کی ایڈجسٹمنٹ کے ذریعے تشکیل دیا گیا ہے۔ تصوراتی سطح پر، یہ ہمارے بنائے ہوئے ایکٹیویشن پر مبنی فن تعمیر سے یکسر مختلف ہے، جو طویل مدتی میں آئٹم سے متعلق ایکٹیویشن پر مبنی ہے۔یاداشت.

نتیجہ

اس مطالعہ نے سیریل آرڈر کی معلومات کو عارضی طور پر برقرار رکھنے میں شامل قابل عمل میکانزم کی حد کو دیکھا۔ ایک کمپیوٹیشنل ماڈلنگ اپروچ کے ذریعے، ہم نے ظاہر کیا کہ سیریل آرڈر کی معلومات کی دیکھ بھال طویل مدتی میں ایکٹیویشن کے پرائمسی گریڈینٹ کے ذریعےیاداشتناقابل فہم ہے. چاہے سیریل آرڈر کو آزاد سیریل آرڈر میکانزم کے ذریعے کوڈ کیا گیا ہو یا براہ راست لینگویج پروسیسنگ میں ہونے والی شماریاتی ریگولیٹیز کے ذریعے یا دونوں کو باقاعدہ طور پر قائم کیا جانا باقی ہے۔

اپینڈکس اے

اس تجزیہ میں، ہم نے λ=0 کے ساتھ اپنے ماڈل کے پیرامیٹر اسپیس کے 16,807 پوائنٹس پر گرڈ تلاش کی۔ دریافت کردہ پیرامیٹرز کی رینج ٹیبل A1 میں دکھائی گئی ہے۔ ہم نے پیرامیٹرز کا مجموعہ منتخب کیا (N=13,103) جس نے سخت سیریل-ریکال اور آئٹم-ریکال کے معیار دونوں میں یاد کرنے کی کارکردگی پر کامیابی کے ساتھ ایک بنیادی اثر کو دوبارہ پیش کیا۔ تجزیے کے پیرامیٹر کی جگہ میں پوائنٹس کی ایک وسیع رینج کا احاطہ کرنے کو یقینی بنانے کے لیے تجدید اثر پر غور نہیں کیا گیا۔

اس کے بعد، ہم نے پیرامیٹرز کے اس مجموعے پر λ (4 اقدار) کو ماڈیول کرکے ان میں سے ہر ایک پر، کنٹرول اور Poirier et al کے تجرباتی حالات دونوں پر ایک نئی گرڈ تلاش کی۔ (2015)۔ پیرامیٹرز کے ہر سیٹ کا تخمینہ 10،000 تخروپن کا استعمال کرتے ہوئے لگایا گیا تھا۔ اس کے بعد ہم نے ان تجرباتی حالات میں سے ہر ایک میں پوزیشن 3 اور 4 میں واقع پانچویں آئٹم کی ٹرانسپوزیشن غلطیوں کی تعداد (ٹارگٹ کو واپس بلائے جانے کی کل تعداد کے لیے درست کیا گیا) کی گنتی کی۔ نتیجہ کے درست ہونے کے لیے، ہم نے استدلال کیا کہ تجرباتی حالت میں کم از کم ٹرانسپوزیشن کی غلطیوں میں اضافہ ہونا چاہیے جو پوزیشن 3 سے زیادہ پوزیشن 4 پر ٹرانسپوزیشن کے ممکنہ اضافے سے زیادہ ہو۔ اس معیار پر. وہاں کوئی نہیں تھا۔

Universität Zürich کی طرف سے فراہم کردہ Open Access کی فنڈنگ۔ کھلی رسائی یہ مضمون تخلیقی العام انتساب 4 کے تحت لائسنس یافتہ ہے (s) اور ماخذ، Creative Commons لائسنس کا لنک فراہم کریں، اور نشاندہی کریں کہ آیا تبدیلیاں کی گئی ہیں۔ اس آرٹیکل میں موجود تصاویر یا دیگر فریق ثالث کا مواد آرٹیکل کے تخلیقی العام لائسنس میں شامل کیا جاتا ہے جب تک کہ مواد کو کریڈٹ لائن میں دوسری صورت میں اشارہ نہ کیا جائے۔ اگر مواد آرٹیکل کے تخلیقی العام لائسنس میں شامل نہیں ہے اور آپ کے مطلوبہ استعمال کی قانونی ضابطے کی طرف سے اجازت نہیں ہے یا اجازت شدہ استعمال سے زیادہ ہے، تو آپ کو کاپی رائٹ ہولڈر سے براہ راست اجازت حاصل کرنے کی ضرورت ہوگی۔ اس لائسنس کی کاپی دیکھنے کے لیے، http://creativecommons.org/licenses/by/4 ملاحظہ کریں۔{4}}/۔