SlideShare a Scribd company logo
1 of 21
Download to read offline
心理学
担当:佐藤勝義
katsuyo0907@gmail.com
第3回
記憶とは
ものを覚えるはたらき
人間の記憶を,PCの記憶域にあてはめた。
記憶のメカニズムを知り,効率よい記憶を!
(記銘) (保持) (再生)
覚えたものを長くもち続けるはたらき
必要なものを思い出す
記憶のメカニズム
(短期)記憶
作業記憶
(長期)記憶
短時間保持・(リハーサル) 作業保持
長期にわたって保持される記憶
CPU(メモリ) 7±2チャンク
HDD・SSD(ハードディスク)
記憶のメカニズム
短期記憶
作業記憶
長期記憶
電話番号でダイヤルまわす・ゼロ・ハチ・ゼロ
検索に(時間がかかる),永続的
記憶容量の限界 7±2チャンク
Miller,G.A(1956) マジカルナンバー(7±2)
記憶容量は文字数ではなく,(チャンク数)で決まる
チャンク:意味のあるひとまとまりの情報
7,9,4,1,1,9,2,1,6,0,3,1,8,6,8(15数字) → 容量オーバー
7,9,4, l 1,1,9,2, l 1,6,0,3, l 1,8,6,8 →記憶できる
チャンクにより記憶容量を増やせる!
=(長期記憶)の力を借りる(単語や文・・・)
長期記憶の区分
長期記憶
(宣言的)記憶 (手続き的)記憶
(エピソード)記憶
(意味)記憶
(技能)
条件
反射
プライ
ミング
効果(顕在)記憶
(潜在)記憶
長期記憶の区分
長期記憶
宣言的記憶
エピソード記憶 意味記憶
顕在記憶
Know what
言葉として(表せる)
意識的に(思い出す)記憶
(出来事)としての記憶
当たり前の一般的記憶
・リンゴは赤い
長期記憶の区分
長期記憶
手続き的記憶
技能
条件
反射
プライ
ミング
効果
潜在記憶
Know how
言葉として(表せない)プログラム
意識的に(思い出さなくても)可能な記憶
先の刺激が後の刺激を(促進・妨害)
・おじぎや挨拶の言葉,日常動作
・自転車の運転
てんかん患者の脳より
脳の2つのメカニズムの違いがわかった。
長期記憶の区分
長期記憶
宣言的記憶 手続き的記憶
エピソード記憶 意味記憶
技能
条件
反射
プライ
ミング
効果顕在記憶
潜在記憶
てんかん患者の脳より
脳の2つのメカニズムの違いがわかった。
訓練した事実を
記憶できない・・・
訓練した運動技能
の習得と保持は
可能!
長期記憶
てんかん患者の脳より
脳の2つのメカニズムの違いがわかった。
訓練した事実を
記憶できない・・・
訓練した運動技能
の習得と保持は
可能!
(脳)と記憶は密接な関連!
ここから忘却について 効率良い記憶へ
長期記憶へのエビングハウス忘却曲線
(エビングハウスの忘却曲線)
→ここから忘却が起こる3つの説が提唱!
忘却の3つの説明
・ (衰退)説:時間経過に伴い薄れるため
・ (干渉)説:記憶された内容が,他の記憶
の内容によって干渉を受ける
ため
・ (検索失敗)説:検索時に適切な手がかり
が与えられないため
有力説
干渉説:睡眠時と覚醒時の忘却曲線
1度覚えた後,
目をさましているとき
眠ったとき
眠ったとき
>
目をさましているとき
※精神活動が高いため
干渉が起きやすい可能性
→学習後の睡眠は効果的!
検索失敗説:検索手がかり
(検索手がかり)を
与えることで
再生率が上昇
例)覚えたもの
馬,電車,椅子
検索手がかり
動物,乗り物,家具
→手がかりと一緒
に(連想)して
暗記しよう!
検索失敗説:検索手がかり
検索失敗説
検索手がかり
として環境一致
文脈依存効果:
外部の物理的環境が
一致する場合,再生率が
高くなる
同じ(環境)での
練習が効果的!
ここから記憶の誘導 :トピック
誘導されないよう
注意が必要!
記憶の曖昧さと誘導1:目撃者の証言
Loftus & Palmer, 1974交通事故のビデオ
→「車が○○したときの速度はどれくらい?」
(プライミング)
効果
記憶の曖昧さと誘導1:目撃者の証言
Loftus & Palmer, 1974交通事故のビデオ
→1週間後に以下の質問
プライミング
効果
(統制)条件とは,
速度について前に質問しなかった条件
(これで実験条件の(変化)が分かる!)
記憶の曖昧さと誘導2:先生の評価
あたたかい-つめたい効果:プライミング効果の1つ
ブランク氏は,マサチューセッツ工科大学の社会学部の卒業生である。
彼は,他の大学で,3学期間,心理学を教えた経験があるが,この大学
で講義をするのは初めてである。彼は,26歳,経験が豊かで,結婚して
いる。彼を知る人は,彼のことを,あたたかくて,勤勉で,批判力に優れ,
実際的で,決断力があるといっている。
つめたくて
男子学生に新任講師として紙をどちらか配る。その後,ブランク氏が20
分間の講義を行い,講義後に自由討論する。最後に印象評定を行なう。
→あたたかくて,好意的評価が多く,討論にも積極的
に参加した。同じ場にいても,先行情報によって印
象と行動が変わる。

More Related Content

What's hot

ベイズファクターとモデル選択
ベイズファクターとモデル選択ベイズファクターとモデル選択
ベイズファクターとモデル選択kazutantan
 
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価Shinnosuke Takamichi
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習Kimikazu Kato
 
感性情報心理学(2/4)
感性情報心理学(2/4)感性情報心理学(2/4)
感性情報心理学(2/4)Masashi Komori
 
劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節Hakky St
 
記号創発ロボティクスの狙い
記号創発ロボティクスの狙い 記号創発ロボティクスの狙い
記号創発ロボティクスの狙い Tadahiro Taniguchi
 
球面と双曲面の幾何学入門の入門
球面と双曲面の幾何学入門の入門球面と双曲面の幾何学入門の入門
球面と双曲面の幾何学入門の入門Hirotaka Matsumoto
 
明日から役立つ BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online
明日から役立つ  BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online明日から役立つ  BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online
明日から役立つ BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: OnlineGoogle Cloud Platform - Japan
 
水患空間與都市綠地規劃策略
水患空間與都市綠地規劃策略水患空間與都市綠地規劃策略
水患空間與都市綠地規劃策略OURsOURs
 
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門Masaki Tsuda
 
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~Kenshi Abe
 
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門ノンパラベイズ入門の入門
ノンパラベイズ入門の入門Shuyo Nakatani
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化Miyoshi Yuya
 
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章Shuyo Nakatani
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成Prunus 1350
 
パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)Yukara Ikemiya
 
[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization
[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization
[DL輪読会]Learning to Generalize: Meta-Learning for Domain GeneralizationDeep Learning JP
 

What's hot (20)

SFC Design theory 2012 6/20
SFC Design theory 2012 6/20SFC Design theory 2012 6/20
SFC Design theory 2012 6/20
 
ベイズファクターとモデル選択
ベイズファクターとモデル選択ベイズファクターとモデル選択
ベイズファクターとモデル選択
 
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価
HMMに基づく日本人英語音声合成における中学生徒の英語音声を用いた評価
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
 
感性情報心理学(2/4)
感性情報心理学(2/4)感性情報心理学(2/4)
感性情報心理学(2/4)
 
劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節
 
記号創発ロボティクスの狙い
記号創発ロボティクスの狙い 記号創発ロボティクスの狙い
記号創発ロボティクスの狙い
 
球面と双曲面の幾何学入門の入門
球面と双曲面の幾何学入門の入門球面と双曲面の幾何学入門の入門
球面と双曲面の幾何学入門の入門
 
明日から役立つ BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online
明日から役立つ  BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online明日から役立つ  BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online
明日から役立つ BigQuery ML 活用 5 つのヒント | Google Cloud INSIDE Games & Apps: Online
 
水患空間與都市綠地規劃策略
水患空間與都市綠地規劃策略水患空間與都市綠地規劃策略
水患空間與都市綠地規劃策略
 
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
 
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
多人数不完全情報ゲームにおけるAI ~ポーカーと麻雀を例として~
 
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
 
GPT解説
GPT解説GPT解説
GPT解説
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
 
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)
 
次元の呪い
次元の呪い次元の呪い
次元の呪い
 
[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization
[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization
[DL輪読会]Learning to Generalize: Meta-Learning for Domain Generalization
 

Viewers also liked

Viewers also liked (7)

第10回 看護師のストレスと睡眠
第10回 看護師のストレスと睡眠第10回 看護師のストレスと睡眠
第10回 看護師のストレスと睡眠
 
第8,9回 集団
第8,9回 集団第8,9回 集団
第8,9回 集団
 
第5回 情動
第5回 情動第5回 情動
第5回 情動
 
第2回 知覚
第2回 知覚第2回 知覚
第2回 知覚
 
第6,7回 適応
第6,7回 適応第6,7回 適応
第6,7回 適応
 
第1回 オリエンテーション
第1回 オリエンテーション第1回 オリエンテーション
第1回 オリエンテーション
 
第4回 学習
第4回 学習第4回 学習
第4回 学習
 

第3回 記憶