Success story: Елена Чуклина

В академическом мире вопрос выбора места учебы или работы и переездов остается актуальным в течение долгих лет — магистратура, аспирантура, постдоки… Процесс проходит по-разному в зависимости от части света, этапа карьеры, областей науки и личных обстоятельств, но в каждой хорошо рассказанной «истории успеха» есть что-то, что можно почерпнуть. Сегодня — история Елены Чуклиной из Цюриха, с массой хороших советов, полезных не только биологам.

Кстати, Швейцария — отличная страна для нейронаук. В частности, в ETH Zurich есть отличная аспирантская программа, включающая в том числе и когнитивное направление.

charodeika-ya.livejournal.com/3117.html

Рабочая память: модели и подходы к изучению

Модели рабочей памяти и подходы к ее изучению

Рабочая память — кратковременное (до нескольких секунд) хранение сенсорной информации и возможность ею оперировать. Рабочая память — один из ключевых когнитивных процессов, лежащий в основе широкого спектра наших возможностей — от восприятия до когнитивного контроля и принятия решений. Недавно вышедшая в Nature Neuroscience обзорная статья описывает современное положение дел в области изучения рабочей памяти, включая различные экспериментальные процедуры, предлагаемые теории и соответствующие им данные, а также обсуждение вопросов, над которыми ученые будут работать в ближайшее время.

Пользуясь материалами этой статьи и одной из иллюстраций, мы сегодня расскажем о современных моделях рабочей памяти.

Итак, рисунок иллюстрирует четыре модели рабочей памяти. Для каждой модели на верхних двух схемах показаны репрезентации (сохранение объектов в памяти) в случае малого (слева) и большого (справа) количества запоминаемых объектов, а на нижних двух схемах — предсказываемое моделью распределение ответов испытуемых. Для удобства можно представлять себе эксперимент, где испытуемому нужно запомнить ориентацию в пространстве нескольких отрезков и затем воспроизвести один из них. Отклонение ориентации, данной испытуемым, от той, которая была ему предъявлена, и будет величиной ошибки. Основное, на что смотрят ученые при анализе данных таких экспериментов — параметры распределения ответов. Фактически, это ключ к тому, что происходит в рабочей памяти.

Теперь к самим моделям. В рамках классического подхода к рабочей памяти считается, что она жестко ограничена по объему и способна удерживать лишь несколько объектов — по числу имеющихся в ней «ячеек"/"слотов». Количество таких ячеек в разных теориях предлагается разное (пресловутые семь плюс-минус два, или четыре, или любое другое экспериментально обнаруженное число), и не исключается что для разных видов памяти это количество будет разным. Но суть остается прежней — либо объект входит в это число и попадает в рабочую память, либо не входит и не попадает. На рисунке (а) показано, как объекты попадают в одну из трех независимых ячеек памяти. Каждый объект хранится там в «хорошем качестве». Поэтому распределение ответов отражает небольшой разброс ошибок вокруг истинного значения запомненного объекта (например, оттенка цвета или ориентации в пространстве). Когда объектов больше, чем ячеек, часть из них не попадает в память. Согласно этой модели, в этом случае распределение ответов испытуемых будет состоять из очень точных ответов для запомненных объектов (серая часть распределения) и угадывания (зеленая часть).

Несмотря на большую поддержку со стороны данных, у этой модели есть существенный недостаток — она отрицает, что объекты могут запоминаться с разным уровнем точности. Например, в ситуации, если вы помните что фигура была синяя, но не можете припомнить оттенок. Альтернативный и активно разрабатываемый сейчас взгляд на рабочую память — ресурсный — основан на результатах, демонстрирующих, что объекты могут запоминаться с разной точностью, и чем больше объектов мы пытаемся удержать в памяти, тем менее точными будут их следы-репрезентации. Предполагается, что существует некий ограниченный ресурс «памяти», который может гибко распределяться между тем количеством объектов, которое нам нужно запомнить. В результате, с увеличением количества объектов точность их репрезентаций падает, хотя все они в определенной степени будут представлены в рабочей памяти. Рисунок (b) демонстрирует равномерное распределение ограниченного ресурса памяти (желтая масса) между всеми предъявляемыми объектами. Распределения демонстрируют, что точность репрезентаций равномерно снижается с увеличением количества объектов.

У базовой ресурсной модели есть две мощные вариации. Первая — модель дискретных репрезентаций. Ключевое ее отличие — наличие фиксированного «потолка» в отношении количества запоминаемых объектов (как в классической модели слотов).

Эта модель основана на предположении о том, что ресурс памяти исходно распределен на ограниченное количество «квантов» (рисунок с). Если объектов мало, кванты могут объединяться и обеспечивать лучшее качество репрезентации. Если объектов много, каждому объекту либо достанется «кусочек памяти» и какая-то репрезентация, либо не достанется, и объект в памяти представлен не будет. В соответствии с этим, ошибки в задачах на память будут двух видов — ошибки, вызванные шумом репрезентации (имеют нормальное распределение), и ошибки, вызванные угадыванием (имеют равномерное распределение). На рисунке © изображено, как для большого количества объектов кванты «разделяют ресурс», так что качество репрезентации отдельного объекта падает (серая часть распределения). При этом объекты, которым не хватило квантов, остаются не представленными в памяти, что будет вызывать ответы-«угадывания"(зеленая часть). Обратите внимание, как это распределение отличается от тех, что были в случаях (b) и (а).

Вторая вариация ресурсного подхода — модель переменной точности. Ее главное отличие — ресурсы распределяются между объектами неравномерно. Какие-то объекты могут быть представлены хуже, какие-то — лучше, но в целом в память попадают они все (рисунок d). Когда испытуемых просят восстановить из памяти объект, который они запомнили лучше всего, они справляются с задачей удачнее, чем когда им предлагается случайно выбранный объект. Следовательно, качество репрезентаций нескольких одновременно запомненных объектов обязательно различается, даже если все остальные параметры равны. А вот средняя точность будет зависеть от количества объектов, поскольку ресурс ограничен. На рисунке (d) показано, что в случае одного объекта, как и в остальных моделях, мы получаем репрезентацию хорошего качества и, соответственно, точные ответы. В случае большого количества объектов распределение будет состоять из большого количества нормальных распределений разной ширины (обратите внимание на специфическую форму и высокие «края» итогового распределения). Эта модель действительно хорошо описывает данные, но вот причины таких вариаций точности и их нейронные основания еще предстоит найти.

Исследование рабочей памяти — это увлекательнейшая область, использующая весь арсенал методов современной экспериментальной психологии и нейронауки, от работы с единичными нейронами до бихевиоральных экспериментов, включая клинические исследования и компьютерное моделирование. И несмотря на длительную историю, область все еще продолжает активно развиваться, постепенно улучшая наши представления о самой рабочей памяти и об огромном количестве зависящих от нее процессов.

Выступление Игоря Уточкина на Science Slam

Замечательный московский ученый, заведующий научно-учебной лабораторией когнитивных исследований НИУ ВШЭ и эксперт TCTS Игорь Уточкин с увлекательным рассказом о зрительном внимании для Science Slam.

https://www.youtube.com/watch?v=BpFOakwGrOI

СПбГУ: семинары Web of Science

Для #горячихюныхкогнитивных СПбГУ — мастер-класс об эффективном использовании базы данных Web of Science и менеджера цитирования EndNote. Поиск, хранение и использование онлайн-литературы — навыки, без которых сложно в современной науке, так что не пропустите.

www.psy.spbu.ru/news/1095-web-of-science

Кейс по систематизации работы с информацией

По просьбам некоторых наших подписчиков публикую ряд рассылок из своей feedly-ленты. Я постарался перечислить самые интересные рассылки, которые я смотрю в первую очередь. Менее интересные, или которые обновляются очень редко, или которые просто носят более локальный характер (по psycholinguistics, human-computer Interaction, social network analysis etc.) я не стал вносить в этот список, чтобы не создавать лишний информационный шум (в моей ленте порядка 130 рассылок, все перечислять избыточно). Если вы знаете интересные блоги/рассылки — делитесь, пожалуйста, в комментариях.

Stats

arxiv.org/archive/stat/ - группа рассылок ArXive по статистике. Интересно будет, в первую очередь профессиональным математикам и методологам стататистики. Прикладникам-аналитикам будет сложно и временами бессмысленно, я сам нередко пропускаю эти записи.

www.theanalysisfactor.com/ - неплохой блог, авторы которого достаточно много времени уделяют регрессионным моделям и работе в SPSS, вплоть до проведения вебинаров. Правда, в последнее время ощущается медленная миграция в R.

www.thejuliagroup.com/blog/ - блог лидера группы разработчиков языка Julia (вроде как еще более гибкого и быстрого аналога R), про сам язык не так уж и много, скорее, различные заметки из жизни аналитика. Например, один из постов: Drinking and teaching statistics: Day 10 of the 20-day blogging challenge.

statswithcats.wordpress.com/ - симпатичный блог, в котом рассказываются различные нюансы проведения стат. анализов — моделирование, написание отчетов и т. д. И, естественно, котики. Недавно была серия постов о том, как писать отчеты, например, последний пост серии: statswithcats.wordpress.com/2013/09/22/how-to-write-data-analysis-reports-lesson-6/. К сожалению, блог обновляется весьма нечасто.

andrewgelman.com/ - блог достаточно известного статистика, заметки и размышления по моделированию, правилах сообществ (недавно был пост о том, ка кписать статьи) и так далее. Достаточно регулярно встречаются иллюстративные вставки на R.

R

feeds.feedburner.com/RBloggers/ - аггрегатор блогов, которые посвящены R и Revolutions. Достаточно активная лента, за пару дней может накопиться несколько десятков постов. Еще есть различные рассылки-листы наподобие Nabble (http://r.789 695.n4.nabble.com/), но я в какой-то момент отказался от них — слишком уж часто появляются новые сообщения, многие из которых весьма бессмысленны.

r-statistics.livejournal.com/ - русскоязычное ЖЖ-коммьюнити, посвященное R. Отпочковалось в свое время от аналогичного сообщества, посвященного SPSS, поэтому активные участники одни и те же. Обновления не так уж часты, в основном информационные сообщения или просьбы помощи.

Mathematical psychology

В России область математической психологии, которая посвящена методологии и практике анализа данных психологических экспериментов, в лучшем случае является непризнанной дисциплиной. Между тем, существует достаточно много журналов, в которых рассматриваются логика и методология статистического вывода, нюансы применения, мощность или ограничения различных методов анализа и т. д. Вот некоторые из них:

Psychometrika, Springer

Behavior Research Methods, Springer

Journal of Mathematical Psychology, Elsevier

Cognitive psychology

Журналов по когнитивной психологии, естественно, намного больше, и многие из них носят более узкую специализацию, например, Attention, Perception, Psychophysics (издательство Springer) или Brain And Cognition, Elsevier. Ниже перечислены самые общие журналы.

Trends In Cognitive Sciences, Elsevier

Cognition, Elsevier

Cognitive Psychology, Elsevier

Fun

whatshouldwecallgradschool.tumblr.com/ - блог со смищными гифками, все посвящено одной теме — тяготам жизни аспирантов (PhD-students).

Visualisation

flowingdata.com/ - блог посвящен визуализации данных. Очень много интересных решений, нестандартных кейсов визуализации и так далее.

infosthetics.com/ - еще один блог по визуализации, еще больший акцент на конкретные кейсы.

_____________

Филипп Управителев

Computing for Vision Science

Эта запись больше для продвинутых #горячихюныхкогнитивных. Есть такая вещь, как исследования зрения, которыми занимаются когнитивисты всех мастей. Это самая что ни на есть hard science, требующая серьезного подхода и серьезных инструментов. Тем, кто работает или планирует работать в этой области, мы очень советуем обратить внимание на страницу «Software for visual psychophysics: an overview» (http://www.hans.strasburger.de/psy_soft.html), где представлено множество полезных материалов. Пусть название не вводит вас в заблуждение, там не только программы и не только психофизические. Там есть такие вещи как собрание статей, посвященных проблемам задания точного времени предъявления на современных мониторах, набор приложений для анализа с использование теории обнаружения сигнала, куча программ для психофизики, ссылки на полезные обсуждения на форумах, интересные материалы для студентов, и т. д., и т. п. В общем, для исследователей зрения это настоящая сокровищница.

TNquG7cjgTU

Мария Фаликман на ПостНауке

Московский психолог, Мария Вячеславовна Фаликман, обладает даром рассказывать просто о сложном. Вот серия ее выступлений на ПостНауке.

Выступления Марии Кувалдиной

Когнитивная психология — это не обязательно сложно и непонятно. Вот, например, замечательное выступление на питерском Science Slam Марии Борисовны Кувалдиной, которая, кстати, 13 марта будет делать доклад в Москве (https://vk.com/wall-64 839 783143)

Доклад Марии Кувалдиной в ПИ РАО

Московские #горячиеюныекогнитивные — 13 марта у вас есть прекрасная возможность послушать доклад доцента факультета психологии СПбГУ Марии Борисовны Кувалдиной! Тема доклада достаточно провокационна: «Феномен слепоты по невниманию: существует ли он на самом деле?». Надо пояснить, что слепота по невниманию изучалась Марией Борисовной в исследованиях на протяжении нескольких последних лет, и в России нет никого, кто знал бы об этом феномене больше нее. Так что очень советуем сходить!

Тезисы доклада:

------------------------

Доклад будет посвящен феномену слепоты по невниманию — одному из проявлений субъективной уверенности в безошибочности нашего восприятия, известной как Великая иллюзия сознания. Слепота по невниманию представляет собой перцептивную ошибку пропуска яркого и неожиданного объекта при субъективной уверенности в отсутствии такой ошибки. Наиболее известным примером слепоты по невниманию является пропуск гориллы в популярном демонстрационном ролике Дэниела Саймонса.

Слепота по невниманию достаточно часто встречается в задачах зрительного поиска и слежения и была известна давно, однако соответствующий термин появился лишь в конце 90-х гг. ХХ века благодаря работам Ариен Мак и Дэниела Саймонса. Несмотря на кажущуюся простоту, феномен слепоты по невниманию сложен для исследования из-за вероятностной природы его проявления и многофакторной детерминации. В докладе будут представлены результаты четырех лет экспериментальной работы автора в парадигме слепоты по невниманию в задачах зрительного слежения. Результаты экспериментов будут рассмотрены с точки зрения параллельной и последовательной обработки информации и оценки релевантности задачи.

------------------------

Доклад организован Московским семинаром по когнитивной науке и состоится в ПИ РАО (ул. Моховая, д. 9, строение 4.). Если у Вас нет пропуска, пожалуйста, напишите по 12-е марта включительно организаторам семинара по адресу " target="_blank">

и сообщите свои имя, отчество и фамилию. Если же Вы приняли решение присоединиться непосредственно в день семинара, звоните или пишите смс Екатерине Печенковой по телефону 8−916−359−21−92.

Краткая история академических неудач

Неудачи и промахи случаются у всех, успешные ученые — не исключение. Однако чаще всего эти неудачи остаются невидимыми за блистательными CV и многостраничными списками публикаций. Брэдли Войтек, Ph.D., когнитивист, недавно ставший заведующим лаборатории в University of California, San Diego, решил, что это неправильно, и начал включать в свое CV отказы в публикациях, премиях, работе, и т. д. Посмотреть CV можно тут: http://bit.ly/voytekcv (стр. 14). Заодно можно посмотреть, как выглядит академическое CV, правда уже на более поздних ступенях карьеры. Теперь любой желающий может убедиться в справедливости приложенной к посту картинки =) В общем, не бойтесь провалов, #горячиеюныекогнитивные, они бывают у всех.

46E7vONpc6w