タスク、コンテキスト、および時間全体の認知プロセス間の関係を特定する

一般に、特定のテスト機会（タスク、設計、手順など）は、その機会を超えて一般化する洞察を提供すると想定されています。この仮定は、データで慎重に慎重にテストされています。統計的に原則的な方法を開発して、タスク、コンテキスト、および時間全体の認知処理の潜在的なコンポーネント間の相関関係を直接推定します。この方法は、各テスト機会における認知モデルの個人参加者パラメーター、参加者間のパラメーター全体の平均と分散を表すグループレベルのパラメーター、およびタスク間の相関を同時に推定します。このアプローチは、テストの機会間に強度を「借りる」自然な方法を提供します。これにより、すべてのテストの機会におけるパラメーター推定の精度が高まる可能性があります。2つの例アプリケーションは、この方法が標準設計で実用的であることを示しています。例とシミュレーション研究は、線形弾道アキュムレータモデルからのパラメーター推定値の信頼性と妥当性に関する証拠も提供します。最後に、パラメーター相関方法の可能性を強調して、タスク、コンテキスト、および時間にわたって認知プロセスの関連性を推定するための「仮定」ツールを提供します。

It is commonly assumed that a specific testing occasion (task, design, procedure, etc.) provides insights that generalize beyond that occasion. This assumption is infrequently carefully tested in data. We develop a statistically principled method to directly estimate the correlation between latent components of cognitive processing across tasks, contexts, and time. This method simultaneously estimates individual-participant parameters of a cognitive model at each testing occasion, group-level parameters representing across-participant parameter averages and variances, and across-task correlations. The approach provides a natural way to "borrow" strength across testing occasions, which can increase the precision of parameter estimates across all testing occasions. Two example applications demonstrate that the method is practical in standard designs. The examples, and a simulation study, also provide evidence about the reliability and validity of parameter estimates from the linear ballistic accumulator model. We conclude by highlighting the potential of the parameter-correlation method to provide an "assumption-light" tool for estimating the relatedness of cognitive processes across tasks, contexts, and time.