視覺工作記憶的同類別存儲優勢*

孫彥良 宋佳汝 辛曉雯 丁曉偉 李壽欣

視覺工作記憶的同類別存儲優勢

孫彥良宋佳汝辛曉雯丁曉偉李壽欣

(山東師范大學心理學院, 濟南 250358) (中國石油大學(華東)黨委學生工作處, 山東 青島 266580) (中山大學心理學系, 廣州 510006)

概念規律如記憶項間的類別關系如何影響視覺工作記憶容量是一個有爭議的問題。針對該問題, 學界存在兩種預測截然不同的假說：(1)混合類別優勢假說, (2)同類別優勢假說。綜述文獻發現, 該類研究均采用帶有細節特征的真實客體作為實驗材料, 因此前人研究中發現的混合類別優勢效應或同類別優勢效應中必然混有低水平知覺特征的影響。故本研究采用去除細節信息的動物剪影作為記憶材料來排除上述因素的影響, 旨在厘清上述兩種假設, 并采用對側延遲活動作為神經指標, 來進一步探討概念規律影響工作記憶容量的內在機制。兩個行為實驗發現, 不論記憶項同時呈現還是序列呈現, 均存在同類別記憶優勢效應。腦電實驗結果發現相比記憶不同類別客體, 記憶同等數量的同類別客體誘發的對側延遲活動的幅值更小。上述結果一致表明, 視覺工作記憶可借助概念的方式將同類別客體加以組織, 從而有效擴大視覺工作記憶容量, 支持了同類別優勢假說。

視覺工作記憶, 類別信息, 對側延遲活動

1 前言

視覺工作記憶(visual working memory, VWM)是一個容量有限的認知系統, 僅能暫時存儲3～4個項目用于當前的認知加工(Cowan, 2001; Luck & Vogel, 1997)。盡管視覺工作記憶容量有限, 但諸多研究發現這種限制并非固定, 如刺激的復雜性可以調節視覺工作記憶的容量(Alvarez & Cavanagh, 2004; Brady & Alvarez, 2015; Brady et al., 2016; Song & Jiang, 2006; but see Awh et al., 2007 for a different view), 一般刺激越復雜, 視覺工作記憶容量越低(Alvarez & Cavanagh, 2004; Song & Jiang, 2006)。然而, 與簡單刺激相比, 真實客體盡管更復雜, 但視覺工作記憶對帶有細節特征的真實客體的存儲反而更多(Brady et al., 2016)。此外, 記憶項之間的關系如統計規律(Brady et al., 2009)、真實空間位置規律(Kaiser et al., 2014, 2015)及語義和功能關系(O’Donnell et al., 2018; Rudner et al., 2016)均影響視覺工作記憶容量。但是, 高層次概念規律如記憶項間的類別關系如何影響視覺工作記憶容量, 仍是一個有爭議的問題。

從理論上講, 客體類別對視覺工作記憶容量的影響存在兩種可能性：混合類別優勢和相同類別優勢?；旌项悇e優勢與神經資源理論(neural resource theory)的預測一致, 該理論認為同時加工多個客體的能力會受到客體神經表征重疊程度的限制。具體表現為客體間神經表征重疊程度越高, 大腦同時加工多個客體的能力會因競爭相同的神經資源而下降(Cohen et al., 2014)。因為同類客體更容易有重疊的神經表征, 故混合類別客體更可能表現出認知加工優勢。前人研究為該理論提供了諸多證據支持。Cohen等人(2014)讓被試記憶相同類別(例如, 4個面孔)或不同類別(例如, 2個面孔和2個場景)的4個項目并使用功能性核磁共振成像技術(functional magnetic resonance imaging, fMRI)來測量4個項目神經表征的皮層重疊程度, 結果發現被試對不同類別項目的記憶績效更優, 這表明存在混合類別優勢。同時, fMRI結果還顯示, 4個項目的神經表征皮層重疊程度能預測這種優勢的大小, 即皮層重疊程度越小, 混合類別優勢越大(Cohen et al., 2014)。隨后, Jiang和Lee等人(2016)為了探討神經資源如何限制視覺工作記憶容量, 重新分析了面孔和場景的混合類別優勢, 實驗重復出了Cohen等人(2014)的結果, 發現記憶兩個面孔和兩個場景比記憶4個面孔或4個場景效果更好。然而, 這種混合類別優勢僅特異于“面孔”刺激：當面孔與場景共同呈現時, 對面孔的記憶成績優于當面孔與其他面孔共同呈現時的記憶成績, 而對場景的記憶成績并不優于場景與其他場景共同呈現時的記憶成績。此外, 具有人臉特異性的混合類別優勢也出現在面孔與房子、蝴蝶或身體共同呈現時, 而只呈現人造客體作為記憶項時混合類別優勢效應就消失了(Wong et al., 2008)。

同類別優勢與率失真理論(rate-distortion theory)的預測一致。率失真理論認為任意容量有限的通信系統的績效均存在理論限制(Sims et al., 2012)?；谶@一理論的理想觀測者假設認為, 若環境中特征的變異增加, 記憶精度會下降(Sims et al., 2012, p. 812)。Sims等人(2012)分別通過一個朝向實驗和一個線段長度實驗證實了這一假設, 他們發現對低變異的箭頭朝向和線段長度的記憶成績比對高變異的箭頭朝向和線段長度的記憶成績更好。另外一些研究也支持了上述理論假設。例如, 對同一類別的顏色(如淺紅、玫紅、紫紅)的記憶成績優于不同類別的顏色(如紅綠藍; Lin & Luck, 2009); 記憶由相同身份面孔產生的平均面孔比由不同身份面孔產生的平均面孔更精確(Jiang, Lee, et al., 2016)。盡管這些研究均認為同類別的加工優勢來自知覺的相似性, 但不可否認類別信息也可能發揮了重要作用。綜上, 我們認為基于理想觀測者模型的同類別優勢能夠成立可能有兩方面的原因：首先, 同類客體的低層次知覺特征的變異通常比混合類別客體的知覺特征變異小; 其次, 同類客體其高層次的概念特征的變異也更小。

總之, 一方面, 盡管神經資源理論支持混合類別優勢, 然而幾乎所有支持證據僅適用于面孔(Jiang, Lee, et al., 2016; Wong et al., 2008), 因此神經資源理論的普適性受到限制; 另一方面, 盡管同類別優勢與理想觀測模型預期一致, 然而尚缺少這一假設從低層次知覺特征拓展到高層次概念特征的直接證據支持。另外, 刺激材料的選擇對探討視覺工作記憶容量的類別效應至關重要。總結前人研究發現, 以往關于類別對視覺工作記憶容量影響的研究均采用具有詳細信息的真實客體。前人研究中發現的混合類別優勢(如面孔特異的混合類別優勢, Jiang, Remington, et al., 2016; Wong et al., 2008)與同類別優勢效應(Quinlan & Cohen, 2016)存在矛盾的結果, 可能主要源于刺激材料的不同。這是因為類別信息的表達依賴于刺激材料的一些關鍵知覺屬性, 無關的知覺屬性應盡可能地加以控制或消除。否則, 前人發現的混合類別或者同類別優勢效應可能是由客體的某些低層次知覺屬性而非高層次類別關系所致。因此, 在當前研究中采用沒有詳細信息的動物剪影作為記憶材料。此外, 大量研究發現材料的相似性會影響工作記憶容量。記憶項目的相似性增加, 工作記憶成績提高(Lin & Luck, 2009; Peterson et al., 2015), 材料的相似性還會促進對記憶項的整體編碼, 從而降低記憶負荷, 增加記憶信息容量(Mate & Baqués, 2009; Zhang et al., 2015)。因此, 本研究對相同類別和不同類別動物剪影的姿態相似性也進行了控制, 以減少或消除知覺相似性的可能影響。例如, 實驗中貓這一基本類別包含12個剪影圖片, 其中6張具有高相似姿態, 6張具有低相似姿態(見圖1)。

圖1 一個基本類別的12張動物剪影示例。此示例中動物剪影來自開放版權的網站Pixabay (https://pixabay.com), 僅用于展示。

在當前研究中我們首先設計了兩個行為實驗來探討類別信息是否可以影響視覺工作記憶容量。如果研究結果支持神經資源理論, 那么應該出現混合類別優勢, 即對不同類別剪影的記憶效果會更好, 表現為在混合類別條件下記憶容量更大; 相反, 如果研究結果支持理想觀察者模型, 那么應該出現同類別優勢, 同類別剪影的記憶容量會更大。

工作記憶任務通常包含編碼(encoding)、保持(maintenance)和提取(retrieve)三個不同的認知加工階段。如果類別信息可以影響視覺工作記憶容量, 那么類別效應可能發生在工作記憶認知加工的哪個階段呢？行為實驗很難幫助我們回答這一問題, 而電生理測量如事件相關電位技術(event-related potentials, ERPs)對回答這一問題特別有用。因為它可以幫助我們區分效應可能的發生階段。因此, 本研究還設計了一個腦電實驗, 采用對側延遲活動(contralateral delay activity, CDA)這一電生理指標來進一步探討類別信息影響視覺工作記憶容量的認知神經機制。CDA是一個在記憶項呈現位置的對側大腦半球出現的負慢波, 它通常在頂葉和頂枕區域最大, 它的振幅與視覺工作記憶中保持的客體數量有關(Luria et al., 2016; McCollough et al., 2007; Vogel & Machizawa, 2004)。當視覺工作記憶中保持的項目數量增加時, CDA波幅會更大(Vogel & Machizawa, 2004); 當視覺工作記憶中保持的項目數量減小時, CDA波幅會降低(Vogel et al., 2005; Williams & Woodman, 2012)。因此, 記錄CDA可幫助我們確認類別效應是否發生在工作記憶的保持階段。CDA的重要功能還在于可進一步揭示類別效應的認知機制, 若同類別記憶優勢存在, 即類別信息可提升工作記憶容量, 從理論上存在兩種可能：(1)類別信息起到類似格式塔組織的作用, 將同類別信息通過組織形成一個大的組塊, 從而提升工作記憶容量。該假設預期相較于不同類別條件, 同類別條件下CDA幅值會降低; (2)類別信息使更多的信息存入視覺工作記憶, 但沒有形成組塊。該假設預期相比不同類別條件, 同類別條件下CDA的幅值會升高。

2 實驗1：識記項同時呈現時識記項的類別信息對視覺工作記憶容量的影響

實驗1檢驗同時呈現的識記項的類別信息是否會影響視覺工作記憶容量。我們預計Cowan’s在相同和不同類別條件下會有顯著差異。為避免低估視覺工作記憶容量, 識記項的持續時間會根據動物剪影數量(250 ms × 動物剪影數量)來設置。此外, 該實驗中還增加了一個同時進行的發音抑制任務, 以抑制在對動物剪影記憶過程中可能的言語編碼(Curby & Gauthier, 2007; Vogel et al., 2001)。

2.1 方法

2.1.1 被試

20名學生(13名女性, 年齡19～32歲, 平均年齡24歲)參加了實驗1。被試從山東師范大學招募, 自愿參加實驗, 實驗后給予相應學分或金錢報酬。所有人的視力或矯正視力正常。被試不知道研究目的, 并在實驗之前簽署了知情同意書。該程序符合世界醫學協會倫理規范(赫爾辛基宣言), 并經山東師范大學研究倫理委員會批準。

為了確保足夠的統計檢驗力, 樣本量由PANGEA (Westfall, 2015)基于預期的效應量進行的統計檢驗力分析來確定?；谝酝嚓P的行為研究(Jiang, Lee, et al., 2016; Jiang, Remington, et al., 2016), 為獲得較大程度的效應量(Cohen’s= 0.80), α水平設置為0.05, 統計功效為85%時, 計算出的樣本量約為17個被試。因此本研究招收的20名被試能夠確保足夠的統計檢驗力。

2.1.2 刺激

視覺刺激通過PsychoPy (Peirce, 2007)編寫的程序來控制, 呈現在經過線性矯正后的CRT顯示器(21英寸索尼G520; 分辨率：1024×768像素; 刷新率：100 Hz)。被試眼睛距離屏幕約70 cm。刺激呈現在平均亮度17.5 cd/m的灰色背景上。

該實驗采用了192張動物剪影圖片, 它們分屬于4個上位類別(食肉動物、靈長類動物、有蹄動物和鳥類)下的16種基本類別(貓、狗、狐貍、獅子; 猴子、狒狒、大猩猩、人類; 牛、羊、鹿、馬; 雞、鴨、孔雀、鴿子)。上述圖片選自谷歌圖片, 并經GIMP重新制作(版本2.8.16, GIMP Development Team, 2016)。每個基本類別中有12張剪影圖形(2°×2°), 其中6張姿態高相似(頭的朝向相同和腳踩地)和6張姿態低相似(見圖1)。我們招募了30名學生(22名女性, 年齡19～27歲, 平均年齡22歲)對動物剪影圖片進行了相似性評定, 5點計分(1為十分不相似, 5為十分相似), 結果表明相同類別的高相似圖片得分(= 4.21,= 0.65)高于低相似圖片(= 2.13,= 0.86),(29) = 14,< 0.001, Cohen’s= 2.56; 不同類別的高相似圖片得分(= 3.79,= 0.81)高于低相似圖片(= 1.83,= 0.6),(29) = 10.7,< 0.001, Cohen’s= 1.95。此外, 我們制作了8個由一系列隨機生成的非彩色圓形輪廓(大小0.1～ 0.36°, 亮度值0.3～74 cd/m)組成的掩蔽刺激(2°×2°)用以消除識記項的后像。

2.1.3 設計和程序

實驗1采用2 (記憶負荷：2, 4) × 2 (類別：相同, 不同) × 2 (姿態：高相似, 低相似)的被試內設計。記憶序列分別由2個或4個動物的剪影組成。在一半的試次中, 識記項屬于同一基本類別; 在另一半的試次中, 識記項屬于2個(或4個)不同的基本類別, 但屬于同一上位類別。在一半的試次中, 動物剪影姿態高相似, 而在另一半試次中, 動物剪影姿態低相似。實驗1和其它所有實驗都使用了單項目探測覺察任務(變化覺察范式的一種)。在該任務中, 探測階段只在屏幕中央呈現一個探測項目, 要求被試判斷該項目是否在記憶序列中呈現過。在一半的試次中探測項目與一個識記項相同, 在另一半試次中探測項目與任何一個識記項均不同。變化的探測項目是從對應記憶項所在基本類別下的4個動物剪影(排除識記剪影, 其中兩個剪影有高相似姿態, 另外兩個剪影有低相似姿態)中隨機選取。實驗試次為混合設計, 即每個block均包含實驗的所有處理水平, 且不同block內包含的同一種水平的次數相同。該情況會提前告知參與者。每個參與者共完成256個試次。

實驗1的流程如圖2所示。每個試次先呈現500 ms的發音抑制序列, 即從1到9中隨機選擇兩個數字在屏幕中心的兩側(間隔4°)呈現, 期間要求被試大聲復述這兩個數字, 直到完成對探測項目的反應。然后呈現一個500 ms的注視點, 實驗過程該注視點會一直呈現。接下來, 在兩個矩形區域內(4°×12°)呈現記憶序列500 ms或1000 ms (取決于識記項的數目, 目的是保證每個項目有相同的編碼時間：250 ms/項目)。其中任意兩個項目之間的距離不小于2.5°, 距離注視點中心4°。記憶項消失后會在識記項相同位置上呈現掩蔽刺激100 ms, 來消除識記項的后像。掩蔽刺激消失后呈現900 ms空屏, 然后在屏幕中心呈現單探測項目2000 ms或者直到被試反應。要求被試判斷探測項目是否在記憶序列中呈現過, 同時要求被試盡可能保證準確性而不是反應速度。

2.1.4 數據分析

VWM容量基于Cowan’s(Cowan, 2001)計算,= (H ? FA) × N, H (Hit rate)是當發生變化時被試判斷“是”的概率, FA (False Alarm rate)是當沒有發生變化時被試判斷“是”的概率, N (Set size)是記憶負荷。在反應正確的試次中, 刪除反應時間小于200 ms和超出3個標準差的試次(最終刪除的試次少于1%)。我們首先對進行了記憶負荷(2, 4) × 類別(相同, 不同) × 姿態(高相似, 低相似)三因素重復測量方差分析。然后根據三因素重復測量方差分析的結果再做進一步的分析。

2.2 結果和討論

不同條件下的值見表1。對進行三因素重復測量方差分析發現, 記憶負荷主效應顯著,(1, 19) = 79.34,< 0.001, η= 0.81, 類別主效應顯著,(1, 19) = 47.65,< 0.001, η= 0.72, 姿態主效應不顯著,(1, 19) = 2.73,= 0.115, 記憶負荷和類別的交互作用顯著(1, 19) = 34.94,< 0.001, η= 0.65, 記憶負荷和姿態的交互作用顯著(1, 19) = 9.57,= 0.006, η= 0.34, 類別和姿態的交互作用顯著(1, 19) = 14.51,= 0.001, η= 0.43, 三因素交互作用不顯著(1, 19) = 1.19,= 0.289。

對記憶負荷與類別之間顯著的交互作用進行簡單效應分析(將姿態的兩個水平合并, 如圖3a), 當記憶負荷為2時, 同類別試次的(= 1.61,= 0.21)顯著大于不同類別試次的(= 1.47,= 0.10),(19) = 3.36,= 0.003, Cohen’s= 0.75; 當記憶負荷為4時同樣存在同類別優勢效應[同類：= 2.79,= 0.53; 不同類：= 1.81,= 0.53,(19) = 6.69,< 0.001, Cohen’s= 1.50]。此外, 我們分別用記憶負荷為2和4時相同類別的值減去不同類別的值, 得到同類別優勢效應量, 并對該效應量進行檢驗, 發現記憶負荷為4時的同類別優勢效應量(= 0.98,= 0.66)顯著大于記憶負荷為2時的同類別優勢效應量(= 0.14,= 0.19),(19) = 5.91,< 0.001, Cohen’s= 1.32。該結果表明, 無論記憶負荷是2還是4均存在同類別優勢, 但記憶負荷為4時, 同類別優勢更大。

圖2 實驗1流程圖(記憶項為4個)

表1 實驗1八種條件下的K (M ± SD)

圖3 實驗1結果 記憶負荷(a)和姿態(b)對相同或不同類別試次的作用, 記憶負荷對高相似低相似姿態試次的作用(c)。誤差線代表被試內95%的置信區間, * p < 0.05, ** p < 0.01

對類別與姿態之間顯著的交互作用進行簡單效應分析(將記憶負荷的兩個水平合并, 如圖3b), 當動物剪影姿態高相似時, 同類別試次(= 2.36,= 0.30)顯著大于不同類別試次(= 1.58,= 0.35),(19) = 9.18,< 0.001, Cohen’s= 2.05; 當姿態低相似時, 存在同樣的類別效應[同類：= 2.05,= 0.43; 不同類：= 1.70,= 0.31,(19) = 3.15,= 0.005, Cohen’s= 0.70]。此外, 我們分別對高相似姿態和低相似姿態時相同類別和不同類別的值做差, 得到同類別優勢效應量, 對該效應量進行檢驗, 發現高相似姿態的同類別優勢效應量(= 0.78,= 0.38)顯著大于低相似姿態的同類別優勢效應量(= 0.35,= 0.50),(19) =3.81,< 0.001, Cohen’s= 0.85。為了進一步排除姿態相似性誘發同類別優勢的可能性, 我們比較了低相似姿態同類別與高相似姿態不同類別在值上的差異, 發現低相似姿態同類別條件下的值(= 2.05,= 0.43)依然顯著大于高相似姿態不同類別條件下的值(= 1.58,= 0.35),(19) = 3.82,= 0.001, Cohen’s= 0.85。這些結果表明無論動物剪影姿態高相似還是低相似均存在同類別優勢, 且同類別優勢效應確實由類別信息而非姿態相似性造成。

對記憶負荷與姿態之間顯著的交互作用進行了簡單效應分析(將類別的兩個水平合并, 如圖3c), 當記憶負荷為2時, 姿態高相似試次的(= 1.48,= 0.13)顯著小于姿態低相似試次的(= 1.59,= 0.19),(19) = ?2.82,= 0.011, Cohen’s= ?0.63; 當記憶負荷為4時, 高相似姿態試次的(= 2.46,= 0.47)顯著大于低相似姿態試次的(= 2.15,= 0.51),(19) = 2.55,= 0.020, Cohen’s= 0.57。這些結果表明姿態相似性會影響視覺工作記憶的容量, 并且這種效應受到存儲記憶負荷的調節。

總的來說, 我們發現類別信息能影響視覺工作記憶容量, 并產生同類別優勢效應。

3 行為實驗2：識記項序列呈現時識記項的類別信息對視覺工作記憶容量的影響

在實驗1中, 我們發現在識記項同時呈現時同類別條件下記憶容量更大。在工作記憶的研究中, 記憶項的呈現方式通常有同時呈現和序列呈現兩種。以往研究表明, 這兩種呈現方式存在多種差異(Allen et al., 2006; Atkinson et al., 2018; Ding et al., 2015; Gao et al., 2016)。首先, 兩種呈現方式在編碼階段涉及的加工有所不同。序列呈現需要涉及內容的更新而同時呈現不需要(Allen et al., 2006)。其次, 兩種呈現方式下對工作記憶的容量估計會有所不同。例如, 序列呈現可能會因前攝抑制和后攝抑制低估工作記憶的容量(Allen et al., 2006; Atkinson et al., 2018)?？紤]到以上兩種呈現方式的差異, 實驗2旨在探討識記項序列呈現時同類別優勢效應是否仍然存在。

3.1 方法

3.1.1 被試

實驗2樣本量的選擇方式與實驗1相同。一組新的20名學生(15名女性, 年齡在19～25歲之間, 平均21歲)參加了實驗2。

3.1.2 設計和程序

識記項在隨機選擇的不同位置上序列呈現, 每個呈現250 ms。除此以外, 實驗2的設計和流程均與實驗1相同。

3.2 結果和討論

不同條件下的值見表2。對進行記憶負荷(2, 4) × 類別(同類, 不同類) × 姿態(高相似, 低相似)三因素重復測量方差分析, 記憶負荷主效應顯著,(1, 19) = 60.11,< 0.001, η= 0.76; 類別主效應顯著,(1, 19) = 82.06,< 0.001, η= 0.81; 記憶負荷和類別的交互作用顯著,(1, 19) = 61.37,< 0.001, η= 0.76; 記憶負荷和姿態的交互作用顯著,(1, 19) = 7.50,= 0.013, η= 0.28。然而姿態的主效應[(1, 19) = 1.62,= 0.219], 類別和姿態的交互作用[(1, 19) = 0.55,= 0.467]和三因素交互作用[(1, 19) = 0.14,= 0.710]均不顯著。

對記憶負荷和類別的交互作用進行簡單效應分析(將姿態的兩個水平合并, 如圖4a)表明, 當記憶負荷為2時同類試次的(= 1.52,= 0.22) 顯著大于不同類試次的(= 1.38,= 0.26),(19) = 2.50,= 0.022, Cohen’s= 0.56; 當記憶負荷為4時同樣存在同類別優勢效應[同類：= 2.63,= 0.33; 不同類：= 1.58,= 0.45,(19) = 9.52,< 0.001, Cohen’s= 2.13]。此外, 我們分別用記憶負荷為2和4時相同類別的值減去不同類別的值, 得到同類別優勢效應量, 并對該效應量進行檢驗, 發現記憶負荷為4時的同類別優勢效應量(= 1.04,= 0.49)顯著大于記憶負荷為2時的同類別優勢效應量(= 0.14,= 0.25),(19) = 7.83,< 0.001, Cohen’s=1.75。該結果表明, 無論記憶負荷是2還是4均存在同類別優勢, 但記憶負荷為4時, 同類別優勢更大。

盡管類別與姿態交互作用不顯著, 基于實驗1的結果, 計劃比較表明(將記憶負荷的兩個水平合并, 如圖4b), 當動物剪影的姿態高相似時同類試次的(= 2.15,= 0.28)顯著大于不同類試次的(= 1.50,= 0.34),(19) = 7.59,< 0.001, Cohen’s= 1.70; 當姿態低相似時存在同樣的差異[同類試次：= 2.00,= 0.25; 不同類試次：=1.46,= 0.43,(19) = 4.88,< 0.001, Cohen’s= 1.09]。這些結果表明無論記憶項目的姿態相似程度高低均存在同類別優勢效應。為了進一步排除姿態相似性誘發同類別優勢的可能性, 我們比較了低相似姿態同類別與高相似姿態不同類別在值上的差異, 發現低相似姿態同類別條件下的值(= 2.00,= 0.25)顯著大于高相似姿態不同類別條件下的值(= 1.50,= 0.34),(19) = 6.17,< 0.001, Cohen’s= 1.38。這些結果再一次表明同類別優勢效應確實由類別信息而非知覺相似性造成。

表2 實驗2八種條件下的K (M ± SD)

圖4 實驗2結果 記憶負荷(a)和姿態(b)對同類或不同類試次的作用, 記憶負荷對高低相似姿態試次的作用(c)。誤差線代表被試內95%的置信區間, * p < 0.05, ** p < 0.01

對記憶負荷與姿態之間顯著的交互效應進行簡單效應分析(將類別的兩個水平合并, 如圖3c), 當記憶負荷為2時, 高相似試次的(= 1.42,= 0.21) 顯著小于低相似試次的(= 1.49,= 0.24),(19) = ?2.11,= 0.049, Cohen’s= ?0.47; 當記憶負荷為4時, 高相似試次(= 2.24,= 0.41)與低相似試次(= 1.97,= 0.44)的差異邊緣顯著,(19) = 2.01,= 0.059。這些結果表明姿態相似性會影響視覺工作記憶的容量, 當記憶負荷較低時, 相似性有抑制作用, 當記憶負荷較高時, 相似性有促進作用。

總的來說, 實驗2的結果與實驗1的結果基本相同, 證實了即使識記客體是以序列方式呈現, 同類別優勢效應依然存在。

4 腦電實驗3：識記項同時呈現時識記項的類別信息對視覺工作記憶容量影響的ERPs研究

在實驗1和2中, 我們均發現視覺工作記憶容量具有同類別優勢。在實驗3中, 除了測量工作記憶容量的行為指標Cowan’ s外, 我們還測量了電生理指標CDA, 以進一步探究同類別優勢效應的認知神經機制。如果同類別信息只是增加了視覺工作記憶單元的數量, 那么同類別條件下的CDA幅值要大于不同類別條件下的CDA幅值。如果同類別信息通過將同類客體加以概念組織來提高視覺工作記憶單個單元的信息容量, 那么同類別條件下的CDA幅值要小于不同類別條件下的CDA幅值。因為在實驗1和實驗2中, 不管姿態相似程度高低均發現了同類別優勢, 所以在實驗3中識記項均采用低相似姿態的材料, 其它方面均與實驗1相同。

4.1 方法

4.1.1 被試

基于之前相關的CDA研究(Brady et al., 2016), 本實驗采用的樣本量為18。一組新的20名被試(9名女性, 年齡19～21歲, 平均19歲)參加了實驗3。兩名被試因過度的眼動等偽跡被排除在分析之外。

4.1.2 設計和程序

實驗3采用了2 (記憶負荷：2, 4) × 2 (類別：同類, 不同類)的被試內設計。為了測量CDA, 在注視點的提示側呈現識記項。根據同樣的規則選取控制項并將控制項呈現在識記項的對側, 即識記項和控制項數量相同, 且識記項為相同(或不同)類別時, 控制項也為相同(或不同)類別。此外, 為了減少腦電偽跡, 本實驗未采用發音抑制任務。每個參與者進行了800個試次。其他方面均與實驗1相同。

實驗3的流程如圖5所示。每個試次開始時, 屏幕上顯示兩個同向箭頭提示向左或向右200 ms, 然后呈現300～400 ms的隨機延遲, 在此期間只顯示一個注視點。接下來在兩個矩形區域內(視角為4°×12°, 距離中心4°)呈現兩個記憶序列(記憶項或控制項) 500或1000 ms (取決于識記項數量：2或4, 250 ms / 項目)。接下來呈現只有注視點的空屏1000 ms, 然后在矩形區域的中心呈現兩個項目2000 ms或者直到被試做出反應。被試需要判斷線索指向側的探測項是否在同側記憶序列呈現過, 并強調準確性而不是反應速度。

4.1.3 EEG記錄

采用美國NeuroScan公司的CURRY 7系統, 按國際10～20系統擴展的64導電極帽記錄EEG。前額FPz接地, 雙眼外側約1.5 cm處安置電極記錄水平眼電, 左眼上下約1 cm處安置電極記錄垂直眼電。以左側乳突為參考電極, 離線分析時再轉換為雙側乳突的平均值作參考。濾波帶通為0.05～ 100 Hz, 采樣頻率為500 Hz, 每個電極的頭皮電阻阻抗小于5 k?。

圖5 實驗3記憶流程圖(記憶負荷為2)

4.1.4 EEG預處理

采用裝有ERPLAB插件(Lopez-Calderon & Luck, 2014)的EEGLAB軟件(Delorme & Makeig, 2004)對反應正確試次(剔除29%的錯誤試次)的EEG數據進行離線處理, 采用0.1～30 Hz零相位Butterworth過濾器濾波(48 dB/oct slope)。分析時程(epochs)截取記憶項呈現前200 ms至呈現后1500 ms (2個記憶負荷)或者2000 ms (4個記憶負荷), 并以識記項呈現前200 ms作為基線。采用ERPLAB插件中的簡單電壓閾限函數剔除所有電極中波幅閾值大于75 μV的時程, 并采用step函數剔除垂直眼電超過100 μV和水平眼電超過32 μV的時程。如果觀察者的數據中有超過10%的試次因眼動或者運動偽跡而剔除, 那么剔除該觀察者的數據(有2個被試被排除)。

4.1.5 EEG分析

對側差異波通過相對于提示側的對側活動減去同側活動得到。選擇記憶序列消失后400～1000 ms的時間窗來測量對側減同側差異波。這個間隔的選取是基于以往研究確定的(Brady et al., 2016; Kang & Woodman, 2014)。選擇頂葉(P8/P7、P6/P5、P4/P3)和頂枕(PO8/PO7、PO6/PO5、PO4/PO3)區域具有代表性的電極位點進行進一步分析。電極位點的選擇也是基于以往以CDA作為視覺工作記憶容量指標的研究(Gao et al., 2011; Qi et al., 2014)。對于任意一對電極位置, 通過對雙側電極位置的波幅差值求平均, 最終得到CDA指標。對時間窗內CDA的平均波幅進行記憶負荷(2, 4) × 類別(同類, 不同類)的兩因素重復測量的方差分析。

4.2 結果和討論

4.2.1 行為結果

不同條件下的值見表3。對的結果進行負荷(2, 4) × 類別(同類, 不同類)的兩因素重復測量方差分析, 結果發現記憶負荷主效應顯著,(1, 17) = 134.98,< 0.001, η= 0.46, 類別主效應顯著,(1, 17) = 95.54,< 0.001, η= 0.37, 記憶負荷和類別的交互作用顯著,(1, 17) = 52.70,< 0.001, η= 0.26。簡單效應分析表明當記憶負荷為2時, 同類試次的(= 0.97,= 0.23)顯著大于不同類試次的(= 0.86,= 0.24),(17) = 3.62,= 0.002, Cohen’s= 0.85; 當記憶負荷為4時, 存在同樣的同類別優勢效應[同類試次：= 1.95,= 0.41; 不同類試次：= 1.08,= 0.40,(17) = 8.90,< 0.001, Cohen’s= 2.10；見圖6]。此外, 我們分別用記憶負荷為2和4時相同類別的值減去不同類別的值, 得到同類別優勢效應量, 并對該效應量進行檢驗發現, 記憶負荷為4時的同類別優勢效應量(= 0.88,= 0.42)顯著大于記憶負荷為2時的同類別優勢效應量(= 0.11,= 0.13),(17) = 7.26,< 0.001, Cohen’s= 1.71。該結果與實驗1和實驗2的結果一致, 表明無論記憶負荷是2還是4均存在同類別優勢, 但記憶負荷為4時, 同類別優勢效應更大。

表3 實驗3四種條件下的K (M ± SD)

圖6 實驗3行為結果記憶負荷對同類或不同類試次的作用。誤差線代表被試內95%的置信區間, **p < 0.01

4.2.2 CDA結果

CDA的波幅如圖7a所示。對CDA的結果進行記憶負荷(2, 4) × 類別(同類, 不同類)的兩因素重復測量的方差分析, 結果發現類別的主效應顯著,(1, 17) = 32.15,< 0.001, η= 0.65; 記憶負荷的主效應不顯著,(1, 17) = 0.43,= 0.520; 記憶負荷和類別的交互作用不顯著,(1, 17) = 0.16,= 0.697。計劃比較(圖7b)表明, 當記憶負荷為2時, 同類試次CDA的平均波幅(= ?0.72 μV,= 0.62)顯著小于不同類試次(= ?0.90 μV,= 0.67),(17) = 2.53,= 0.022, Cohen’s= 0.60。當記憶負荷為4時, 存在同樣的效應[同類試次：= ?0.64 μV,= 0.63; 不同類試次：= ? 0.87 μV,= 0.62,(17) =3.43,= 0.003, Cohen’s= 0.81]。

圖7 (a)記憶負荷為2和4時大腦頂葉(P8/P7、P6/P5、P4/P3)和頂枕(PO8/PO7、PO6/PO5、PO4/PO3)區域對側減同側波幅。灰色線段表示記憶項序列呈現時段?；疑匦伪硎綜DA時間窗口。(b)圖為平均的對側延遲活動(CDA)波幅。CDA從記憶序列消失后400 ms開始測量, 誤差線表示95%的置信區間, * p < 0.05, ** p < 0.01。

CDA結果表明, 不論記憶負荷大小, 類別信息對CDA的波幅均有影響, 使得同類的CDA的平均波幅小于不同類的CDA的平均波幅。CDA結果與行為結果相結合表明, 類別信息可以通過概念組織的方式對同類客體的表征進行壓縮, 從而擴大視覺工作記憶的總體容量。

3 總討論

本研究考察了客體類別信息對視覺工作記憶容量的影響, 兩個行為實驗的結果表明, 不論識記項是同時還是序列呈現, 動物剪影識記項姿態是高相似還是低相似, 與識記項相關的類別信息都可以影響視覺工作記憶容量。具體表現為同類別客體的記憶容量顯著大于不同類別客體的記憶容量; ERPs數據顯示, 與不同類的客體相比, 同類別客體引起的CDA波幅更小。上述研究結果表明, 類別信息可以作為一種組織線索, 壓縮同類客體的表征, 從而擴大視覺工作記憶的容量。

本研究結果與理想觀察者模型的預測一致, 即特征變化越大, 記憶精度越差(Sims et al., 2012)。具體而言, 識記項的類別關系變化越小, 視覺工作記憶的容量越大。除客體之間的類別關系外, 最近有研究表明, 客體間其它語義和功能關系也會影響視覺工作記憶容量(O’Donnell et al., 2018; Rudner et al., 2016)。例如, 對語義相關的成對物體(如, 高爾夫球桿和高爾夫球, 打火機和香煙)的記憶績效要好于對語義無關的成對物體(如, 打火機和高爾夫球, 高爾夫球桿和香煙)的記憶績效。這些發現表明理想觀察者模型的預測可以從低層次知覺特征(如顏色和形狀)擴展到高層次概念特征(如類別關系)。

當前研究的結果與神經資源理論的預測不一致。根據神經資源理論, 不同類客體對應的不重疊神經資源更多, 應該能提高視覺工作記憶容量而不是起到干擾作用(Cohen et al., 2014)。導致這種不一致的原因可能有兩個。首先, 神經資源理論的適用性存在局限。多項研究表明, 混合類別的優勢只存在于人臉刺激(Jiang, Lee, et al., 2016; Wong et al., 2008)。此外, 當采用具有詳細信息的人造客體(如家具和樂器)作為記憶項時, 沒有觀察到類別對視覺工作記憶的影響(Quinlan & Cohen, 2016)。其次, 在本研究中, 與支持神經資源理論的研究(Cohen et al., 2014; Jiang, Lee, et al., 2016; Wong et al., 2008)相比, 本研究有如下兩項不同：(1)本研究使用剪影而不是帶有細節信息的真實客體作為記憶項, 排除了細節信息對記憶容量的可能影響; (2)本研究沒有使用人臉刺激, 因為人臉作為一種特殊的客體在視覺工作記憶中擁有獨特的加工優勢(Curby & Gauthier, 2007)。當然對細節信息的記憶也是工作記憶非常重要的方面。細節信息的有無可能會調控觀察者在工作記憶任務中關注的是整體還是細節。例如, 如果識記項存在細節信息, 那么觀察者可能關注細節, 產生混合類別優勢; 而如果識記項不存在細節信息, 那么觀察者可能關注整體, 產生同類別優勢。因此本研究結論的適用范圍也可能存在一定局限。未來的研究可以繼續探討細節信息對視覺工作記憶容量及類別效應的影響。

類別信息是如何擴大視覺工作記憶容量的呢？本研究表明, 類別信息可以作為一種組織線索來整合同類客體的表征, 從而擴大視覺工作記憶的容量。容量有限是工作記憶的核心特征(Bays & Husain, 2008; Cowan, 2001; Luck & Vogel, 2013), 解決這一限制的一種方法是將幾個特征綁定或組織到一個整體表征中。格式塔原則如相似性(Gao et al., 2011; Peterson et al., 2015)和共同命運(Luria & Vogel, 2014)都可以通過組織過程影響視覺工作記憶容量。Gao等人(2011)發現4個相同顏色的方形能夠被整合到一個表征, 從而使4個相同顏色的方形與一個方形的CDA沒有差異, 二者的CDA均低于4個獨特顏色的方形。就共同命運而言, 共同運動的客體也會被組織成一個整體的表征(Luria & Vogel, 2014)。此外, 還有其他非知覺因素, 例如客體之間的語義和功能關系(O’Donnell et al., 2018)和現實世界的規律(Kaiser et al., 2014, 2015), 均可以作為視覺工作記憶中客體組織的方式。本研究的結果表明, 客體之間的類別關系也可以作為一種在視覺工作記憶中對客體進行組織的方式。

基于知覺相似性的組織和基于來自長時記憶中的類別信息的組織有何不同呢？Brady等人(2011)提出的工作記憶的層級理論認為, 工作記憶表征存在層級, 包括低層次的特征表征、客體表征和整合表征。此外, 這些表征還受到長時記憶信息的影響。知覺相似性屬于低層次的表征方式, 能影響工作記憶的編碼階段。相似的客體能夠整合成一個整體進行編碼, 進而促進記憶表征(Brady & Tenenbaum, 2013)。研究表明, 當記憶項數量增加時, 高相似客體引發的CDA波幅增加, 低相似客體引發的CDA波幅不增加; 當記憶項目數量相同時, 高相似客體的CDA波幅低于低相似客體(Zhang et al., 2015)。也就是說, 個體傾向于將相似客體通過組織的方式進行整合表征, 降低記憶負荷, 進而擴大記憶容量。此外, 存儲在長時記憶中的信息, 可以為當前的工作記憶表征提供編碼模型。這一編碼模型由多個特征維度構成, 包括知覺特征和特定類別的概念特征; 在編碼同類信息時, 已有的編碼模型可以促進對同類別客體的編碼(Brady et al., 2011)。例如, 近來有研究表明來自長時記憶中的語義和功能關系可以通過組織的方式擴大視覺工作記憶容量(O’Donnell et al., 2018; Rudner et al., 2016)。我們的實驗結果更加明確地支持了這種類別編碼模型解釋, 3個實驗的行為結果均表明類別信息可以擴大工作記憶保持信息的容量, 并且腦電結果表明同類別客體誘發的CDA波幅比混合類別客體誘發的CDA波幅低, 進一步說明同類別優勢效應是通過類似知覺組織的方式實現的。總之, 基于知覺相似性的組織和基于來自長時記憶中的類別的組織在認知神經機制方面存在諸多相似之處, 兩者的差異主要來自于是否有長時記憶信息的幫助。而來自長時記憶的類別信息對工作記憶容量調控的神經基礎還有待于進一步的探索。

記憶負荷對3個實驗的行為結果均有影響, 但在CDA結果中該影響消失。這種差異可能是由于當使用動物剪影等復雜客體作為記憶項時, 視覺工作記憶容量會降低。一般來說, 當使用簡單的刺激(例如, 圓形和正方形)作為記憶項時, 視覺工作記憶容量大概有3到4個。然而, 大量研究表明記憶項的復雜性會降低視覺工作記憶的容量。Gao等人(2009)以CDA波幅作為視覺工作記憶容量的指標, 發現視覺工作記憶容量不是固定的, 而會受到識記項復雜性的影響。當記憶復雜多邊形時, 記憶負荷從2個增加到4個, CDA波幅不會隨之增加; 而當記憶簡單特征客體時, 記憶負荷從2個增加到4個, CDA波幅會隨之增加。還有研究者(Luria et al., 2010)發現兩個隨機多邊形就能使視覺工作記憶容量趨于飽和。因此, 即便動物剪影相對于真實動物圖片已經做了盡可能多的簡化, 然而動物剪影仍屬于復雜客體而不是簡單特征客體, 所以視覺工作記憶的容量也可能被兩個動物的剪影信息就占滿。如圖3和4所示, 實驗1和實驗2中的記憶負荷效應主要是由于在同類別記憶負荷為4時視覺工作記憶容量比同類別(或不同類別)記憶負荷為2時更大引起的(實驗1：通過在相同類別和不同類別兩條件下, 分別用記憶負荷為4時工作記憶容量減去記憶負荷為2時的工作記憶容量計算得到記憶負荷效應量, 對兩種條件下記憶負荷效應量配對檢驗發現同類別條件下的記憶負荷效應量顯著大于不同類別條件下的記憶負荷效應量,(19) = 5.91,< 0.001, Cohen’s= 1.32; 實驗2：同樣發現同類別條件下的記憶負荷效應量顯著大于不同類別條件下的記憶負荷效應量,(19) = 7.83,< 0.001, Cohen’s= 1.75)。但是, 如上所述, 這種容量增加效應主要是通過對同類客體加以組織引起的。CDA的結果顯示, 不論呈現2個還是4個項目, 在視覺工作記憶中存儲的單元數量相同, 但當記憶負荷為4時, 每個單元內壓縮的信息更多, 這可以解釋3個實驗的行為結果均出現記憶負荷效應而CDA結果中沒有出現記憶負荷效應的矛盾。此外, 由于動物剪影不再屬于具有紋理、斑點、彩色等細節信息的真實客體, 因此其在工作記憶中的存儲容量也與以往研究發現的真實客體的存儲容量(Brady et al., 2016)相較于簡單客體的存儲容量有所增加不同, 即動物輪廓并未像具有細節信息的真實客體一樣容量有顯著提高。

行為實驗的結果表明記憶負荷不僅可以調節類別信息對工作記憶容量的影響, 還可以調節姿態相似性對工作記憶容量的影響。之于前一種影響, 3個實驗的行為結果均表明記憶負荷為4時的同類別優勢效應均顯著大于記憶負荷為2時的同類別優勢效應。這可能是因為記憶負荷為2時不管基于類別的組織有沒有發生, 工作記憶的容量基本夠用, 所以同類別優勢效應較小; 而當記憶負荷為4時, 記憶負荷已經超過工作記憶的容量, 只有通過基于類別的組織來降低對有限工作記憶容量的占用才能將更多的識記項保存在工作記憶中, 即只有識記項在組織前超過工作記憶容量時組織后基于類別的組織效應才能更好的表現出來。之于記憶負荷對姿態相似性效應的影響, 實驗1和實驗2的結果均顯示, 當記憶負荷為2時, 姿態相似性對容量有抑制效果, 而當記憶負荷為4時, 姿態相似性對容量有促進效果。這可能是由于當記憶項目數量為2時, 工作記憶資源充足, 根據工作記憶的層級理論(Brady et al., 2011), 個體不但會對每個項目進行客體水平的表征還會進行特征水平的表征。在姿態相似的條件下, 識記項會消耗容量資源對每個項目的特征進行精細的加工, 且相似的特征還會相互干擾, 因而工作記憶容量會降低。而在姿態不相似的條件下, 記憶項特征差異較大, 易于進行特征表征, 且相互之間來自特征的干擾較小, 因而工作記憶容量相對于姿態相似條件會升高。因此, 在記憶負荷為2時, 姿態相似對容量總體表現出抑制效果。而當記憶項數量為4時, 工作記憶資源無法滿足對每個記憶項進行客體水平的表征, 個體傾向于對項目進行整體表征, 姿態的相似性能夠促進整體表征(Son et al., 2020)。因此, 在記憶負荷為4時, 姿態相似性對工作記憶容量的總體影響表現為促進效果。記憶負荷對類別效應和姿態相似性效應的不同調節, 也反映出類別信息和知覺相似性對工作記憶容量影響機制存在不同之處。

綜上所述, 該研究證實了視覺工作記憶容量的同類別優勢效應, 這表明客體的類別關系可以通過將相同類別的客體加以組織的方式來擴大視覺工作記憶容量。同時說明視覺工作記憶的容量不是固定的, 而是可以靈活地變化。如何變化取決于何種類型的信息被識記。此外, 該研究進一步表明理想觀察者模型的預測可以從低水平的知覺特征拓展到高水平的概念特征。

Allen, R. J., Baddeley, A. D., & Hitch, G. J. (2006). Is the binding of visual features in working memory resource- demanding?,(2), 298–313. https://doi.org/10.1037/0096-3445.135.2. 298

Alvarez, G. A., & Cavanagh, P. (2004). The capacity of visual short-term memory is set both by visual information load and by number of objects.,(2), 106–111. https://doi.org/10.1111/j.0963-7214.2004.01502006. x

Atkinson, A. L., Berry, E. D., Waterman, A. H., Baddeley, A. D., Hitch, G. J., & Allen, R. J. (2018). Are there multiple ways to direct attention in working memory?,(1), 115–126. https://doi.org/10.1111/nyas.13634

Awh, E., Barton, B., & Vogel, E. K. (2007). Visual working memory represents a fixed number of items regardless of complexity.(7), 622–628. https://doi.org/10.1111/j.1467-9280.2007.01949.x

Bays, P. M., & Husain, M. (2008). Dynamic shifts of limited working memory resources in human vision.,(5890), 851–854. https://doi.org/10.1126/science.1158 023

Brady, T. F., & Alvarez, G. A. (2015). No evidence for a fixed object limit in working memory: Spatial ensemble representations inflate estimates of working memory capacity for complex objects.,(3), 921–929. https://doi.org/10.1037/xlm0000075

Brady, T. F., Konkle, T., & Alvarez, G. A. (2009). Compression in visual working memory: Using statistical regularities to form more efficient memory representations.,(4), 487–502. https://doi.org/10.1037/a0016797

Brady, T. F., Konkle, T., & Alvarez, G. A. (2011). A review of visual memory capacity: Beyond individual items and toward structured representations.(5), 1–34. https://doi.org/10.1167/11.5.4

Brady, T. F., St?rmer, V. S., & Alvarez, G. A. (2016). Working memory is not fixed-capacity: More active storage capacity for real-world objects than for simple stimuli.,(27), 7459–7464. https://doi.org/10.1073/pnas. 1520027113

Brady, T. F., & Tenenbaum, J. B. (2013). A probabilistic model of visual working memory: Incorporating higher order regularities into working memory capacity estimates.,(1), 85–109. https://doi.org/10. 1037/a0030779

Cohen, M. A., Konkle, T., Rhee, J. Y., Nakayama, K., & Alvarez, G. A. (2014). Processing multiple visual objects is limited by overlap in neural channels.,(24), 8955–8960. https://doi.org/10.1073/pnas. 1317860111

Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity.,(1), 87–114. https:// doi.org/10.1017/S0140525X01003922

Curby, K. M., & Gauthier, I. (2007). A visual short-term memory advantage for faces.,(4), 620–628. https://doi.org/10.3758/BF03196811

Delorme, A., & Makeig, S. (2004). EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.,(1), 9–21. https://doi.org/10.1016/j.jneumeth. 2003.10.009

Ding, X., Zhao, Y., Wu, F., Lu, X., Gao, Z., & Shen, M. (2015). Binding biological motion and visual features in working memory.(3), 850–865. https://doi.org/10.1037/xhp0000061

Gao, Z., Gao, Q., Tang, N., Shui, R., & Shen, M. (2016). Organization principles in visual working memory: Evidence from sequential stimulus display.,, 277–288. https://doi.org/10.1016/j.cognition.2015.10.005

Gao, Z., Li, J., Liang, J., Chen, H., Yin, J., & Shen, M. (2009). Storing fine detailed information in visual working memory -- Evidence from event-related potentials.,(7), 17. https://doi.org/10.1167/9.7.17

Gao, Z., Xu, X., Chen, Z., Yin, J., Shen, M., & Shui, R. (2011). Contralateral delay activity tracks object identity information in visual short term memory.,, 30–42. https://doi.org/10.1016/j.brainres.2011.06.049

Jiang, Y. V., Lee, H. J., Asaad, A., & Remington, R. (2016). Similarity effects in visual working memory.,(2), 476–482. https://doi.org/10.3758/ s13423-015-0905-5

Jiang, Y. V., Remington, R. W., Asaad, A., Lee, H. J., & Mikkalson, T. C. (2016). Remembering faces and scenes: The mixed-category advantage in visual working memory.,(9), 1399–1411. https://doi.org/10. 1037/xhp0000228

Kaiser, D., Stein, T., & Peelen, M. V. (2014). Object grouping based on real-world regularities facilitates perception by reducing competitive interactions in visual cortex.,(30), 11217–11222. https:// doi.org/10.1073/pnas.1400559111

Kaiser, D., Stein, T., & Peelen, M. V. (2015). Real-world spatial regularities affect visual working memory for objects.,(6), 1784–1790. https://doi.org/10.3758/s13423-015-0833-4

Kang, M. -S., & Woodman, G. F. (2014). The neurophysiological index of visual working memory maintenance is not due to load dependent eye movements.,, 63–72. https://doi.org/10.1016/j. neuropsychologia.2013.12.028

Lin, P.-H., & Luck, S. J. (2009). The influence of similarity on visual working memory representations.,(3), 356–372. https://doi.org/10.1080/13506280701766313

Lopez-Calderon, J., & Luck, S. J. (2014). ERPLAB: An open-source toolbox for the analysis of event-related potentials.,(1), 213. https://doi.org/10.3389/fnhum.2014.00213

Luck, S. J., & Vogel, E. K. (1997). The capacity of visual working memory for features and conjunctions.,(6657), 279–281. https://doi.org/10.1038/36846

Luck, S. J., & Vogel, E. K. (2013). Visual working memory capacity: From psychophysics and neurobiology to individual differences.,(8), 391–400. https://doi.org/10.1016/j.tics.2013.06.006

Luria, R., Balaban, H., Awh, E., & Vogel, E. K. (2016). The contralateral delay activity as a neural measure of visual working memory.,, 100–108. https://doi.org/10.1016/j.neubiorev.2016.01.003

Luria, R., Sessa, P., Gotler, A., Jolicoeur, P., & Dell'Acqua, R. (2010). Visual short-term memory capacity for simple and complex objects.,(3), 496–512. https://doi.org/10.1162/jocn.2009.21214

Luria, R., & Vogel, E. K. (2014). Come together, right now: Dynamic overwriting of an object's history through common fate.,(8), 1819–1828. https://doi.org/10.1162/jocn_a_00584

Mate, J., & Baqués, J. (2009). Short article: Visual similarity at encoding and retrieval in an item recognition task.(7), 1277–1284. https://doi.org/10.1080/17470210802680769

McCollough, A. W., Machizawa, M. G., & Vogel, E. K. (2007). Electrophysiological measures of maintaining representations in visual working memory.,(1), 77–94. https://doi.org/10.1016/S0010-9452(08)70447-7

O'Donnell, R. E., Clement, A., & Brockmole, J. R. (2018). Semantic and functional relationships among objects increase the capacity of visual working memory.(7), 1151–1158. https://doi.org/10.1037/ xlm0000508

Peirce, J. W. (2007). PsychoPy--Psychophysics software in Python.,(1-2), 8–13. https://doi.org/10.1016/j.jneumeth.2006.11.017

Peterson, D. J., G?zenman, F., Arciniega, H., & Berryhill, M. E. (2015). Contralateral delay activity tracks the influence of Gestalt grouping principles on active visual working memory representations.,(7), 2270–2283. https://doi.org/10.3758/ s13414-015-0929-y

Qi, S., Ding, C., & Li, H. (2014). Neural correlates of inefficient filtering of emotionally neutral distractors from working memory in trait anxiety.,(1), 253–265. https://doi.org/ 10.3758/s13415-013-0203-5

Quinlan, P. T., & Cohen, D. J. (2016). The precategorical nature of visual short-term memory.,(11), 1694–1712. https://doi.org/10.1037/xlm0000274

Rudner, M., Orfanidou, E., Cardin, V., Capek, C. M., Woll, B., & R?nnberg, J. (2016). Preexisting semantic representation improves working memory performance in the visuospatial domain.,(4), 608–620. https:// doi.org/10.3758/s13421-016-0585-z

Sims, C. R., Jacobs, R. A., & Knill, D. C. (2012). An ideal observer analysis of visual working memory.,(4), 807–830. https://doi.org/10.1037/a0029856

Son, G., Oh, B.-I., Kang, M.-S., & Chong, S. C. (2020). Similarity-based clusters are representational units of visual working memory.(1), 46–59. https://doi. org/10.1037/xlm0000722

Song, J.-H., & Jiang, Y. (2006). Visual working memory for simple and complex features: An fMRI study.,(3), 963–972. https://doi.org/10.1016/j.neuroimage.2005. 10.006

Vogel, E. K., & Machizawa, M. G. (2004). Neural activity predicts individual differences in visual working memory capacity.,(6984), 748–751. https://doi.org/10. 1038/nature02447

Vogel, E. K., McCollough, A. W., & Machizawa, M. G. (2005). Neural measures reveal individual differences in controlling access to working memory.,(7067), 500–503. https://doi.org/10.1038/nature04171

Vogel, E. K., Woodman, G. F., & Luck, S. J. (2001). Storage of features, conjunctions, and objects in visual working memory.,(1), 92–114. https://doi. org/10.1037//0096-1523.27.1.92

Westfall, J. (2015).. Unpublished manuscript. Retrieved from http://jakewestfall.org/publications/pangea.pdf

Williams, M., & Woodman, G. F. (2012). Directed forgetting and directed remembering in visual working memory.,(5), 1206–1220. https://doi.org/10.1037/ a0027389

Wong, J. H., Peterson, M. S., & Thompson, J. C. (2008). Visual working memory capacity for objects from different categories: A face-specific maintenance effect.,(3), 719–731. https://doi.org/10.1016/j.cognition.2008. 06.006

Zhang, Q., Li, S., Wang, X., & Che, X. (2015). The effects of direction similarity in visual working memory: Behavioural and event-related potential studies.(9), 1812–1830. https://doi. org/10.1080/17470218.2015.1100206

Same-category advantage on the capacity of visual working memory

SUN Yanliang, SONG Jiaru, XIN Xiaowen, DING Xiaowei, LI Shouxin

(School of Psychology, Shandong Normal University, Jinan 250358, China)(Department of Party Committee Student Affairs, China University of Petroleum, Qingdao 266580, China)(Department of Psychology, Sun Yat-Sen University, Guangzhou 510006, China)

Visual working memory (VWM) is a limited-capacity cognitive system that is responsible for temporarily storing up to three or four items, maintaining their availability for current cognitive processing. Although VWM capacity is limited, the limit is not fixed. Factors such as the complexity, statistical regularity, real-world spatial regularity, and perceptual grouping principles of memory objects can modulate this capacity. However, the potential influence of higher-order conceptual regularities, such as categorical relationships among memory objects, remains an open and controversial issue. The effect of object category on VWM capacity, if any, has two possibilities: a mixed-category advantage and a same-category advantage. The first is consistent with the neural resource theory, by which the ability to simultaneously process multiple items is limited by the extent to which those items are represented by nonoverlapping neural representations. The same-category advantage is consistent with a prediction yielded by an ideal-observer analysis of VWM, based on the rate-distortion theory. Although the mixed-category advantage is predicted by the neural resource theory, almost all current supporting evidence solely involves faces. On the other hand, although the same-category advantage is consistent with the ideal-observer prediction, there is still lack of direct evidence to support the generalization of this prediction from low-level to high-level features. Hence, in the present study, we used behavioral and electrophysiological methods to explore this issue.

Here, we report two behavioral experiments and one event-related-potentials (ERPs) experiment that assess whether category knowledge affects VWM capacity. The experiments were carried out on 60 undergraduate students.

A 2 (memory load: two or four) × 2 (category: same or different) × 2 (posture: high similar or low similar) within-subject design was used in Experiment 1. The results showed that category knowledge modulates the capacity of the VWM and leads to a same-category advantage.

In Experiment 2, we changed the presentation of MIs from simultaneous to successive and replicated the findings from Experiment 1, demonstrating that category knowledge leads to larger memory capacity in the same-category rather than in the different-category condition, even if the MIs are sequentially presented.

In Experiment 3, in addition to Cowan’s, the contralateral delay activity (CDA, an electrophysiological index of VWM capacity) was measured to further explore the processing mechanism underlying the same-category advantage. The CDA results show for the first time that same-category objects can induce a smaller contralateral delay activity (an index of VWM capacity) than different-category objects. The CDA results combined with behavioral results indicated that category knowledge can help compact the representations of same-category objects and therefore enlarge the total information capacity of VWM.

In conclusion, our data clearly demonstrate an advantageous same-category effect on the capacity of VWM, which indicates that categorical relationships among objects play an important role in expanding the capacity of VWM by enabling the grouping of same-category objects. This suggests that VWM capacity is not fixed but can be flexible depending on the type of information to be remembered. Moreover, our data also suggest that the ideal-observer prediction can be extended from low-level to high-level features.

visual working memory, category information, contralateral delay activity

2020-10-15

* 國家自然科學基金青年項目(31800911)、國家自然基金面上項目(31871100)、教育部人文社會科學研究一般項目(19YJC190004)、高?；究蒲袠I務費中山大學青年教師重點培育項目(19wkzd23)和廣東省自然科學基金(2021A1515011103)資助。

B842

丁曉偉, E-mail: dingxw3@mail.sysu.edu.cn, 李壽欣, E-mail: shouxinli@sdnu.edu.cn