Model wieloskładnikowy
Model wieloskładnikowy, pierwotnie zaproponowany przez Baddeleya i Hitcha (1974), pozostaje jednym z najbardziej wpływowych ujęć w badaniach nad pamięcią roboczą (WM). Model ten zakłada, że WM nie jest jednolitym systemem magazynującym, lecz składa się z kilku wyspecjalizowanych komponentów: pętli fonologicznej (dla informacji werbalnych i słuchowych), szkicownika wzrokowo-przestrzennego (dla danych wizualnych i przestrzennych) oraz centralnego wykonawcy (do kontroli uwagi i koordynacji). Później dodano bufor epizodyczny jako czwarty komponent, integrujący informacje z pozostałych podsystemów i pamięci długotrwałej w wielowymiarowe reprezentacje (Baddeley, 2000a; Baddeley, 2010; Logie i in., 2021).
Każdy podsystem ma odrębne funkcje. Pętla fonologiczna odpowiada za tymczasowe przechowywanie i powtarzanie materiału werbalnego, podczas gdy szkicownik wzrokowo-przestrzenny zarządza informacjami wizualnymi i przestrzennymi. Centralny wykonawca pełni funkcję nadzorczą, przydzielając uwagę, przełączając się między zadaniami i hamując informacje nieistotne. Bufor epizodyczny, wprowadzony w 2000 roku, służy jako system magazynowania o ograniczonej pojemności, który wiąże informacje z różnych modalności i łączy je z pamięcią długotrwałą (Baddeley, 2000a; Logie i in., 2021). Paradygmaty eksperymentalne, takie jak interferencja zadań podwójnych, badania neuropsychologiczne i neuroobrazowanie, potwierdziły rozdzielność i współdziałanie tych komponentów (Logie i in., 2021; Baddeley, 2010).
Model ten ewoluował, by wyjaśnić szeroki zakres zjawisk poznawczych – od rozumienia języka po rozwiązywanie problemów – i odegrał kluczową rolę w zrozumieniu deficytów poznawczych w populacjach klinicznych (Baddeley, 2010; Logie i in., 2021).
Modele procesów osadzonych i uwagowych
Model procesów osadzonych, opracowany przez Cowana (1999, 2005), przedstawia odmienne podejście, podkreślając dynamiczną interakcję między uwagą a pamięcią. W tym modelu WM jest postrzegana jako aktywowana podgrupa pamięci długotrwałej, z mniejszym podzbiorem w „ognisku uwagi”, który jest bezpośrednio dostępny dla procesów poznawczych (Cowan, 2005; Cowan, 2008; Oberauer & Kliegl, 2006).
Model ten zakłada strukturę hierarchiczną:
- Pamięć długotrwała zawiera całą zgromadzoną wiedzę.
- Pewien podzbiór tej wiedzy zostaje tymczasowo aktywowany (tj. dostępny dla bieżących zadań).
- W tej aktywowanej grupie znajduje się jeszcze mniejszy podzbiór w ognisku uwagi, zwykle ograniczony do około czterech elementów (Cowan, 2001; Oberauer & Kliegl, 2006).
Utrzymanie informacji w WM może odbywać się na dwa sposoby: poprzez powtarzanie (szczególnie dla materiału werbalnego) oraz odświeżanie uwagowe, polegające na cyklicznym kierowaniu uwagi na elementy, by zapobiec ich zanikowi (Cowan, 1999; Lewandowsky & Oberauer, 2008). Centralny kontroler zarządza tymi procesami, przydzielając zasoby uwagowe (Cowan, 1999).
Empiryczne potwierdzenie tego modelu pochodzi z badań behawioralnych, neuroobrazowania oraz eksperymentów z udziałem informacji nieistotnych, które pokazują, że ognisko uwagi jest kluczowym czynnikiem określającym pojemność i wydajność WM (Cowan, 2001; Lewandowsky & Oberauer, 2008; Oberauer & Kliegl, 2006).
Mechanizmy neuronalne i biologiczne
WM jest wspierana przez rozproszone sieci neuronalne obejmujące zarówno regiony korowe, jak i podkorowe. Kora przedczołowa (PFC) odgrywa kluczową rolę w WM, zwłaszcza w funkcjach wykonawczych, takich jak utrzymanie celu, manipulacja informacjami i kontrola odgórna (Curtis & D’Esposito, 2003; Riley & Constantinidis, 2016; Sreenivasan & D’Esposito, 2019). Utrzymująca się aktywność neuronalna w PFC podczas okresów opóźnienia w zadaniach WM jest uważana za neuronalny korelat utrzymania informacji (Riley & Constantinidis, 2016).
Nowsze dane sugerują jednak, że inne obszary mózgu, takie jak tylna kora ciemieniowa (PPC), przedni zakręt obręczy (ACC) oraz struktury podkorowe (np. wzgórze, jądra podstawy), również odgrywają istotną rolę (Sreenivasan & D’Esposito, 2019; Riley & Constantinidis, 2016). Kory sensoryczne mogą utrzymywać reprezentacje bodźców, podczas gdy PFC łączy te reprezentacje z celami i regułami (Sreenivasan & D’Esposito, 2019). PFC może także pomagać w rozróżnianiu informacji istotnych od nieistotnych, a nie być wyłącznym miejscem przechowywania (Sreenivasan & D’Esposito, 2019).
Dopamina jest kluczowym neuromodulatorem w WM, szczególnie w PFC. Sygnały dopaminergiczne modulują reakcje neuronalne, wspierają utrzymującą się aktywność i są powiązane zarówno z pojemnością WM, jak i elastycznością poznawczą (McNab i in., 2009; Li i in., 2006; Sikstrom, 2007; Zmigrod & Robbins, 2021). Badania treningowe pokazują, że wzrost wydajności WM wiąże się ze zmianami dostępności receptorów dopaminowych w PFC (McNab i in., 2009; Söderqvist i in., 2014).
Podejścia z zakresu neurobiologii sieciowej wykazują, że wydajność WM i inteligencja są powiązane ze zmianami właściwości sieci mózgowych, takich jak globalna efektywność i modularność podczas zadań WM (Cao i in., 2023).
Strategie poznawcze i różnice indywidualne
Różnice indywidualne w wydajności WM są silnie związane z wykorzystaniem strategii poznawczych. Badania wykorzystujące samoopisowe miary strategii wykazały, że uczestnicy często stosują strategie mnemotechniczne, takie jak powtarzanie, grupowanie i wizualizację, by zwiększyć wydajność WM (Morrison i in., 2024; Laine i in., 2020). Złożoność tych strategii wiąże się z lepszymi wynikami, a materiały werbalne wywołują zwykle bardziej zaawansowane strategie niż niewerbalne (Morrison i in., 2024).
Stosowanie strategii różni się w zależności od wieku i wymagań zadania. Instrukcje dotyczące stosowania określonych strategii (np. wizualizacji w zadaniu N-back) mogą poprawić wyniki, choć efekty te mogą ograniczać się do zadań podobnych do trenowanego (Laine i in., 2020). Dlatego zrozumienie i trening strategii są kluczowe dla interpretacji wyników WM i projektowania skutecznych interwencji (Morrison i in., 2024; Laine i in., 2020).
Trening i interwencje
Programy treningu WM, takie jak adaptacyjne zadania komputerowe, wykazały poprawę WM i powiązanych funkcji poznawczych. Poprawa ta może przenosić się na niećwiczone zadania (transfer bliski), a w niektórych przypadkach także na szersze domeny poznawcze (transfer daleki), choć zakres i trwałość tych efektów pozostają przedmiotem dyskusji (Karbach & Verhaeghen, 2014; von Bastian & Oberauer, 2014; Borella i in., 2013; Schweizer i in., 2013).
Badania neuroobrazowe wskazują, że trening WM może wzmacniać funkcjonalną łączność między PFC a PPC oraz zwiększać dostępność receptorów dopaminowych, wspierając neuroplastyczność leżącą u podstaw poprawy WM (McNab i in., 2009; Schweizer i in., 2013). Trening może również korzystnie wpływać na regulację emocji poprzez wzmacnianie sieci czołowo-ciemieniowych (Schweizer i in., 2013).
Trening uważności i uwagi koreluje z poprawą WM, prawdopodobnie poprzez wzmacnianie kontroli uwagi i redukcję podatności na rozproszenia (Satish i in., 2018; Baer i in., 2006).
Bibliografia
Baddeley, A. (2000a). The episodic buffer: a new component of working memory? Trends in Cognitive Sciences, 4(11), 417–423.
Baddeley, A. (2010). Working memory. Current Biology, 20(4), R136–R140.
Borella, E., Carretti, B., Riboldi, F., & De Beni, R. (2013). Working memory training in older adults: evidence of transfer and maintenance effects. Psychology and Aging, 28(4), 837–846.
Cao, M., et al. (2023). Brain working memory network indices as landmarks of intelligence. Frontiers in Neuroscience, 17, 1060786.
Cowan, N. (2005). Working memory capacity. Psychology Press.
Cowan, N. (2008). What are the differences between long-term, short-term, and working memory? Progress in Brain Research, 169, 323–338.
Karbach, J., & Verhaeghen, P. (2014). Making working memory work: a meta-analysis of executive-control and working memory training in older adults. Psychological Science, 25(11), 2027–2037.
Laine, M., Fellman, D., Waris, O., & Nyman, T. J. (2020). Strategy mediation in working memory training in younger and older adults. Frontiers in Psychology, 11, 573.
Lewandowsky, S., & Oberauer, K. (2008). The word length effect provides no evidence for decay in short-term memory. Psychonomic Bulletin & Review, 15(5), 875–888.
Logie, R. H., Camos, V., & Cowan, N. (Eds.). (2021). Working Memory: The state of the science. Oxford University Press.
McNab, F., Varrone, A., Farde, L., Jucaite, A., Bystritsky, P., Forssberg, H., & Klingberg, T. (2009). Changes in cortical dopamine D1 receptor binding associated with cognitive training. Science, 323(5915), 800–802.
Morrison, A. B., Chein, J. M., & Miller, G. A. (2024). Self-reported strategy use in working memory tasks. Scientific Reports, 14, 54160.
Oberauer, K., & Kliegl, R. (2006). A formal model of capacity limits in working memory. Journal of Memory and Language, 55(4), 601–626.
Riley, M. R., & Constantinidis, C. (2016). Role of prefrontal persistent activity in working memory. Frontiers in Systems Neuroscience, 9, 181.
Satish, P., et al. (2018). The relationship among trait mindfulness, attention, and working memory. Frontiers in Psychology, 9, 611.
Schweizer, S., Grahn, J., Hampshire, A., Mobbs, D., & Dalgleish, T. (2013). Training the emotional brain: Improving affective control through emotional working memory training. The Journal of Neuroscience, 33(12), 5301–5311.
Sreenivasan, K. K., & D’Esposito, M. (2019). The what, where and how of delay activity. Nature Reviews Neuroscience, 20(8), 466–481.
von Bastian, C. C., & Oberauer, K. (2014). Effects and mechanisms of working memory training: a review. Psychological Research, 78, 803–820.
Zmigrod, S., & Robbins, T. W. (2021). Dopamine, cognitive flexibility, and working memory. Frontiers in Behavioral Neuroscience, 15, 647.