Chunking polega na przekodowaniu mniejszych jednostek informacji na większe, znane jednostki. Często zakłada się, że Chunking pomaga ominąć ograniczoną pojemność pamięci roboczej (WM). Badamy, w jaki sposób kawałki są używane w zadaniach WM, rozwiązując trzy pytania: (a) czy chunking zmniejsza obciążenie WM? W ciągu czterech eksperymentów chunking korzyści znaleziono nie tylko dla przypomnienia chunked, ale także innych informacji nie chunked jednocześnie przechowywane w WM, popierając założenie, że chunking zmniejsza obciążenie., b) czy korzyść z chunkingu jest niezależna od wielkości kawałka? Korzyść chunking była niezależna od wielkości kawałka tylko wtedy, gdy kawałki składały się z unikalnych elementów, tak że każdy kawałek mógł być zastąpiony przez swój pierwszy element( eksperyment 1), ale nie wtedy, gdy kilka kawałków składało się z nakładających się zestawów elementów, wyłączając tę strategię wymiany (eksperyment 2 i 3). Efekt wielkości kawałka nie wynika z różnic w czasie trwania próby, ponieważ utrzymywał się, gdy uczestnicy byli zobowiązani do wykonania tłumienia artykulacji (eksperyment 3)., W związku z tym pojemność WM nie jest ograniczona do stałej liczby kawałków niezależnie od ich wielkości. c) czy korzyść z chunkingu zależy od pozycji seryjnej kawałka? Kawałki na wczesnych pozycjach listy poprawiły przywoływanie innych, nieczułych materiałów, ale kawałki na końcu listy nie. Wnioskujemy, że fragment zmniejsza obciążenie WM poprzez pobieranie zwartej reprezentacji fragmentu z pamięci długotrwałej, która zastępuje reprezentacje poszczególnych elementów fragmentu. To zwalnia pojemność dla NASTĘPNIE zakodowanego materiału. (Rekord bazy danych PsycINFO (c) 2018 APA, Wszystkie prawa zastrzeżone).