Ich meine, von Kognitionspsychologen. Ich habe ein paar Artikel aus dem Journal of Cognitive Neuroscience und Trends in Cognitive Science überflogen und bin zu dem Schluss gekommen, dass ANOVAs und t-Tests hauptsächlich verwendet werden (ohne Effektgrößen). Ich bin mir sicher, dass es mehr wissenschaftliche Zeitschriften zur kognitiven Psychologie gibt als diese beiden, und ich vermute, dass es auch fortgeschrittenere statistische Werkzeuge gibt als den Vergleich von Gruppen. Beispielsweise sind in der Sozialpsychologie die Modellierung von Strukturgleichungen und die Mediationsanalyse in Mode.
Bei dieser Frage hatte ich das Arbeitsgedächtnis im Sinn. Gängige Methoden zur empirischen Messung des Arbeitsgedächtnisses sind unter anderem: Dual-Task-Paradigmen, n-Back-Tasks und Composites einfacher Gedächtnismaße. Die wichtigsten statistischen Werkzeuge, die auf diese Maße angewendet werden, scheinen hauptsächlich ANOVAs, t-Tests und andere Variationen der traditionellen linearen Modellierung zu sein, aber was sind die Alternativen?
Was sind die am häufigsten verwendeten statistischen Methoden in der WM-Forschung neben der (verallgemeinerten) linearen Modellierung?
Es ist schwierig, das Ausmaß zu überschätzen, in dem die Analyse der varianzbasierten linearen Modellierung auf der Grundlage verschiedener Gruppen die Kognitionswissenschaften dominiert. Eine kürzlich durchgeführte methodische Überprüfung der psychologischen Literatur legt nahe, dass diese Analysen verwendet werden, um Hypothesen in bis zu 95% der Studien zu testen (Zitat, bis ich es wiedergefunden habe). Es gibt Alternativen im Arbeitsgedächtnis, aber sie haben aufgrund der Dominanz der oben genannten Analysen oft eine begrenztere empirische Unterstützung.
Eine Alternative, die sich nicht zu weit von etablierten Praktiken entfernt, ist die Verwendung eines hierarchischen Modellierungsansatzes, wie Sie vorschlagen. Zum Beispiel schlugen Lee und Webb (2005) eine bayessche hierarchische Modellierung des Arbeitsgedächtnisses vor, die sowohl individuelle Unterschiede als auch aggregierte Gruppendaten berücksichtigt. Der Hauptvorteil besteht hier darin, sowohl die Variabilität auf individueller als auch auf Gruppenebene zu nutzen, aber wir landen letztendlich bei einem linearen Modell.
Viele Auswertungen kognitiver Modelle beruhen auf Daten, die über alle Versuchspersonen hinweg gemittelt oder aggregiert wurden , und berücksichtigen daher nicht die Möglichkeit wichtiger individueller Unterschiede zwischen Versuchspersonen. Andere Auswertungen werden auf Einzelsubjektebene durchgeführt und profitieren daher nicht von der Reduzierung des Rauschens, die die Datenmittelung oder -aggregation möglicherweise bietet. Um diese Schwächen zu überwinden, haben wir einen allgemeinen Ansatz zur Modellierung individueller Unterschiede unter Verwendung von Familien kognitiver Modelle entwickelt, in denen verschiedene Gruppen von Subjekten mit unterschiedlichem psychologischem Verhalten identifiziert werden.Separate Modelle mit separaten Parametrisierungen werden auf jede Gruppe von Probanden angewendet, und eine Bayes'sche Modellauswahl wird verwendet, um die geeignete Anzahl von Gruppen zu bestimmen.
Ein aufkommender, aber derzeit eher nischenorientierter Ansatz ist die Verwendung von Topologie. Die Topologie macht einige spannende Fortschritte in der psychologischen Methodenliteratur (z. B. Butner et al., 2014), hat es jedoch bisher nicht geschafft, eine substantielle Verwendung in der empirischen WM-Literatur zu finden. Allerdings gibt es einige Frühaufsteher, die einige Versuche unternommen haben, WM in einen topologischen Kontext einzuordnen, nämlich Glassmans Arbeit an einer „Relativitätstheorie“ für das Arbeitsgedächtnis (Glassman, 1999; Glassman, 2003).
Im folgenden Auszug erklärt er, warum die menschliche verbale Gedächtniskapazität aus topologischer Sicht 3-4 Items beträgt:
Daher wird hier die Hypothese aufgestellt, dass das WM eines Moments in unzähligen aktivierten kortikalen planaren „Patches“ residiert, die jeweils in bis zu vier amöboide „Subpatches“ unterteilt sind. Zwei verschiedene topologische Argumentationslinien legen geordnete Assoziationen solcher Darstellungen nahe. (1) Das Vier-Farben-Prinzip der Kartentopologie und das damit verbundene K4 is planar Theorem der Graphentheorie implizieren, dass, wenn ein kleiner kortikaler Bereich dynamisch in nicht mehr als vier diskret begrenzte planare Unterbereiche unterteilt wird, jedes dieser Segmente ausreichend ist freien Zugang zu jedem der anderen. (2)Eine hypothetische Alternative zu einer solchen assoziativen Nachbarschaft gleichzeitig aktiver kortikaler Repräsentationen von Chunk-Attributen ist die assoziative Überlappung, wobei sich in dichtem kortikalen Neuropil aktivierte Unterflecken wie Venn-Diagramme sich überschneidender Mengen verhalten. Da die Anzahl von Venn-ähnlichen koaktiven Subpatches innerhalb eines Patches zunimmt, erfordert die Aufrechterhaltung der Ad-hoc-Assoziativität zwischen allen Kombinationen exponentiell wachsende Schnittpunkte. Jenseits von vier sind schlangenförmige Subpatch-Formen erforderlich, die leicht zu Auslassungs- oder Kommissionspathologien führen könnten.
Ich bin mir der damit verbundenen Versuche bewusst, eine Theorie des (Arbeits-)Gedächtnisses als eine Form des Nahrungssuchverhaltens zu entwickeln , aber nicht ausreichend, um eine Zusammenfassung davon zu geben. Hoffentlich ist der Link aufschlussreich.
AliceD
Kleiner Hummer
AliceD
Eoin
Christian Hummeluhr
Kleiner Hummer