Deutsch-Norman 注意力記憶模型
不同的心理學家解釋了選擇性注意是如何工作的。Deutsch 和 Norman 在他們的理論中宣告,所有刺激都會被完全分析,然後最重要的或相關的刺激決定反應。可以說,選擇不是取決於預選過濾器,而是在刺激識別之後發生的。該模型假設作用於資訊的內涵特徵,如果輸入資訊沒有預期內容,則排除記憶和未來意識的輸入。
什麼是 Deutsch-Norman 記憶模型?
根據這個記憶模型,他們宣稱所有刺激都被完全處理,關鍵區別在於過濾器位於事實處理過程的後期,就在工作記憶到達之前。Norman 在 1968 年修正了 Deutsch 和 Deutsch 模型,並補充說輸入強度也是選擇它的一個重要因素。Deutsch 和 Norman 的理論認為,所有資訊至少在某些方面都會被定期處理以理解其含義。在這一常規處理之後,就會發生注意力選擇。因此,這個理論被稱為後期選擇理論。選擇的資訊取決於資訊在當時的相關性。
Deutsch-Norman 記憶模型的起源
在 20 世紀 40 年代,選擇性注意的最初證據來自 de Groot 的荷蘭心理學家的研究。Broadbent (1957)、Treisman (1960)、Deutsch 和 Deutsch (1963) 以及 Norman (1968) 提出的模型是 de Groot 模型之後該領域更重要的理論。Deutsch 和 Deutsch 提出的模型被稱為相關性模型。Deutsch 和 Deutsch 提出,兩個資訊通道都被識別,但除非它們與個人具有私人相關性,否則會被迅速遺忘。在一些模糊的實驗中,參與者被告知要重複特定的資訊,從而創造出注意力所需的個人重要性。在相關性模型中,所有資訊都在早期被處理,選擇只會在分析每個輸入資訊之後發生。Norman 透過提出選擇取決於感覺記憶中輸入資訊的相關性和輸入強度來進一步解釋 Deutsch 和 Deutsch 模型。輸入強度可以透過刺激任何感覺系統(聽覺、觸覺、視覺或嗅覺)來闡述。在後期選擇模型中,作為輸出的反應比作為輸入的感覺更接近注意力。這種刺激還會伴隨著喚醒程度的增加。

Deutsch-Norman 記憶模型的解釋
Deutsch-Norman 記憶模型被稱為後期選擇理論。在這個理論中,不會根據特徵進行過濾。相反,進入的刺激會與長期記憶的內涵內容進行交叉檢查。刺激的選擇取決於對其重要性的評估。根據這個記憶模型,不需要注意力來直觀地處理和識別專案。然而,建立更持久的影像資訊至關重要。
後期選擇理論或 Deutsch-Norman 記憶模型的工作過程
後期選擇理論在處理資訊時檢測到注意力過濾器。來自感覺儲存的事實會被過濾,然後根據物理特徵進行識別。然而,在進入短期記憶之前,它會經歷一個二次選擇機制。這種機制根據內涵特徵或資訊內容選擇一些選擇性資訊。此時所有內容都被處理,被評估為最重要的資訊會被完全放大。放大的資訊更有可能被保留,而未解釋的資訊會被遺忘。
Deutsch-Norman 記憶模型的示例
資訊的重要性取決於許多因素,包括其上下文和個體與某些型別內容的關係。意識水平也很重要。在睡眠期間的低意識水平下,只有最重要的資訊,例如嬰兒的哭聲,才能引起我們的注意。而在高度警覺的狀態下,像建築聲這樣的不太重要的資訊也可以被處理。通常,注意力系統會找出哪些傳入資訊最重要,然後我們只對這些資訊做出反應。在陰影實驗中,參與者被要求重複呈現給一隻耳朵的英語單詞。然後評估他們對呈現給另一隻耳朵的兩位數的記憶。結果表明,如果參與者在評估前持續進行陰影超過 20 秒,則他們對這些數字沒有記憶。但如果他們在數字演示後立即進行評估,則他們可以記住一些數字。

對 Deutsch-Norman 選擇模型的批評
所有刺激,包括假定的無關刺激,都被完全處理。當將這個模型與 Treisman 的衰減模型進行比較時,後期選擇模型的方法似乎很浪費,而且在選擇進入工作記憶之前會對所有資訊進行詳細處理。該模型的一個嚴重問題是,許多未被注意的資訊完全丟失了。Norman 提出,這是由於資訊儲存在短期記憶中,資訊很快就會被遺忘。如果他們被告知要記住未被注意資訊的最後幾個單詞,他說參與者可以回憶起未被注意資訊的最後幾個單詞。修正相關性模型可能是因為它被認為是不經濟的。
結論
Deutsch-Norman 模型是 Deutsch 和 Deutsch 模型的改進模型。最初的模型側重於內涵的重要性。修改後的版本包括第二個選擇方法,以在選擇性注意過程中發揮內涵的作用。該模型並沒有說沒有注意的刺激會被處理到工作記憶中。相反,次要刺激必須透過二次過濾器。這個二次過濾器只允許重要的刺激進入工作記憶。因此,只有具有重要意義的刺激在不注意時才會被意識到。
資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP