Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Metoder for å presentere Real-World objekter under kontrollerte laboratorieforhold

Published: June 21, 2019 doi: 10.3791/59762
Automatic Translation
1, 1
1Department of Psychology, University of Nevada, Reno

Summary

Vi beskriver metoder for å presentere virkelige gjenstander og matchet bilder av de samme objektene under strengt kontrollerte eksperimentelle forhold. Metodene er beskrevet i sammenheng med en beslutningstaking oppgave, men den samme virkelige verden tilnærming kan utvides til andre kognitive domener som persepsjon, oppmerksomhet og hukommelse.

Abstract

Vår kunnskap om menneskelig objekt visjon er basert nesten utelukkende på studier der stimuli presenteres i form av datastyrte todimensjonale (2D) bilder. I hverdagen, men mennesker samhandler hovedsakelig med virkelige verden solide gjenstander, ikke bilder. Foreløpig vet vi svært lite om bilder av objekter utløse lignende atferdsmessige eller nevrale prosesser som gjør virkelige verden eksempler. Her presenterer vi metoder for å bringe den virkelige verden inn i laboratoriet. Vi detalj metoder for å presentere rike, økologisk-gyldig virkelige stimuli under strengt kontrollerte ser forhold. Vi beskriver hvordan å matche nøye det visuelle utseendet til reelle objekter og deres bilder, samt romanen apparater og protokoller som kan brukes til å presentere virkelige objekter og datastyrte bilder på suksessivt sammenflettet prøvelser. Vi bruker en beslutningsprosess paradigme som et eksempel på at vi sammenligner vilje-til-Pay (WTP) for ekte snack mat versus 2D-bilder av de samme elementene. Vi viser at WTP øker med 6,6% for matvarer vises som ekte objekter versus høyoppløselig 2D fargede bilder av samme mat-noe som tyder på at ekte mat blir oppfattet som mer verdifullt enn sine bilder. Selv om å presentere ekte objekt stimuli under kontrollerte forhold presenterer flere praktiske utfordringer for eksperimentator, vil denne tilnærmingen fundamentalt utvide vår forståelse av de kognitive og nevrale prosesser som ligger til grunn naturlige Visjon.

Introduction

Den translational verdien av primær forskning i menneskets persepsjon og kognisjon hengsler på i hvilken grad funnene overføres til den virkelige verden stimuli og sammenhenger. En lang stående spørsmålet gjelder hvordan hjernen prosessene virkelige verden sensoriske innganger. Foreløpig er kunnskap om visuell kognisjon basert nesten utelukkende på studier som har stolt på stimuli i form av to-dimensjonale (2D) bilder, vanligvis presentert i form av datastyrte bilder. Selv om bilde interaksjon blir stadig vanligere i den moderne verden, mennesker er aktive observatører for hvem det visuelle systemet har utviklet seg til å tillate persepsjon og interaksjon med reelle objekter, ikke bilder1. Hittil har den overordnede forutsetningen i studier av menneskelig visjon vært at bildene er tilsvarende, og passende proxyer for, reelle objektet viser. Foreløpig vet vi imidlertid overraskende lite om bilder effektivt utløse samme underliggende kognitive prosesser som gjør den virkelige objekter. Derfor er det viktig å bestemme i hvilken grad svar på bilder er like, eller forskjellig fra de som elicited av deres virkelige motstykker.

Det er flere viktige forskjeller mellom virkelige objekter og bilder som kan føre til forskjeller i hvordan disse stimuli behandles i hjernen. Når vi ser på virkelige gjenstander med to øyne, mottar hvert øye informasjon fra en litt annen horisontal utsiktspunkt. Dette avviket mellom de forskjellige bildene, kjent som kikkert ulikhet, er løst av hjernen til å produsere en unitary følelse av dybde2,3. Dybde signaler avledet fra stereoskopisk visjon, sammen med andre kilder som bevegelse Parallax, formidle presis informasjon til observatøren om objektets egosentriske avstand, plassering og fysisk størrelse, samt sin tredimensjonale (3-D) geometriske figur struktur4,5. Planar bilder av objekter ikke formidle informasjon om den fysiske størrelsen på stimulans fordi bare avstanden til skjermen er kjent av observatøren, ikke avstanden til objektet. Mens 3-D bilder av objekter, for eksempel Stereograms, tilnærmet nærmere det visuelle utseendet på reelle objekter, de finnes ikke i 3-D plass, heller ikke de råd til ekte motor handlinger som griper med hendene6.

De praktiske utfordringene ved å bruke ekte objekt stimuli i eksperimentelle sammenhenger
I motsetning til studier av bildet visjonen der stimulans presentasjonen er helt datastyrt, arbeider med reelle objekter presenterer en rekke praktiske utfordringer for eksperimentator. Plasseringen, rekkefølgen og tidsberegningen for objekt presentasjoner må styres manuelt gjennom eksperimentet. Arbeide med virkelige objekter (i motsetning til bilder) kan innebære en betydelig tid engasjement på grunn av behovet for å samle inn7,8,9 eller gjøre10 objektene, sette opp stimuli før eksperimentet, og presentere objekter manuelt i løpet av studien. Videre, i eksperimenter som er utformet for å sammenligne, direkte, svar på virkelige objekter med bilder, er det avgjørende å matche nøye utseendet på stimuli i de ulike visningsformatene8,9. Stimulans parametre, miljøforhold, samt tilfeldig og counterbalancing av reelle objekt og bilde stimuli, må alle kontrolleres nøye for å isolere årsaksfaktorer og utelukke alternative forklaringer på de observerte effektene.

Metodene nedenfor for å presentere virkelige objekter (og matchet bilder) er beskrevet i sammenheng med et beslutnings-Making paradigme. Den generelle tilnærmingen kan imidlertid utvides til å undersøke om stimulans formatet påvirker andre aspekter av visuell erkjennelse som persepsjon, hukommelse eller oppmerksomhet.

Blir virkelige objekter behandlet annerledes enn bilder? Et eksempel fra beslutningstaking
Den manglende samsvar mellom typer objekter som vi møter i virkelige verden scenarier versus de undersøkt i laboratoriet eksperimenter er spesielt tydelig i studier av menneskelig beslutningstaking. I de fleste studier av diett valg, blir deltakerne bedt om å gjøre vurderinger om snack mat som presenteres som fargede 2D-bilder på en dataskjerm 11,12,13,14. I kontrast, hverdagslige beslutninger om hvilke matvarer å spise er vanligvis laget i nærvær av ekte matvarer, for eksempel på supermarkedet eller kafeteriaen. Selv i det moderne liv vi jevnlig vise bilder av snack mat (dvs. på reklametavler, TV-skjermer og online plattformer), evnen til å oppdage og svare hensiktsmessig til tilstedeværelsen av ekte energi-tette matvarer kan være adaptive fra en evolusjonær perspektiv fordi det Letter vekst, konkurransefortrinn, og reproduksjon15,16,17.

Forskningsresultater i vitenskapelige studier av beslutningstaking og kosttilskudd valg har blitt brukt til å veilede folkehelsen initiativer med sikte på å dempe stigende fedme priser. Dessverre synes imidlertid disse initiativene å ha møtt med liten eller ingen målbar suksess18,19,20,21. Fedme er fortsatt en stor bidragsyter til den globale byrden av en sykdom22 og er knyttet til en rekke tilknyttede helseproblemer, inkludert koronar hjertesykdom, demens, type II diabetes, visse kreftformer, og økt generell risiko for sykelighet22 ,23,24,25,26,27. Den kraftige økningen i fedme og tilhørende helsemessige forhold de siste ti årene28 har vært knyttet til tilgjengeligheten av billig, energi-tette matvarer18,29. Som sådan er det en intens vitenskapelig interesse i å forstå de underliggende kognitive og nevrale systemer som regulerer hverdagen kosttilskudd beslutninger.

Hvis det er forskjeller i måten mat i ulike formater behandles i hjernen, så dette kan gi innsikt i hvorfor folkehelsen tilnærminger til bekjempelse av fedme har vært mislykket. Til tross for forskjellene mellom bilder og virkelige gjenstander, beskrevet ovenfor, er overraskende lite kjent om bilder av snack mat behandles på samme måte som deres virkelige motstykker. Spesielt er lite kjent om hvorvidt ekte mat oppfattes å være mer verdifullt eller mettende enn matchet bilder av de samme elementene. Klassisk tidlig atferdsforskning studier fant at små barn var i stand til å forsinke tilfredsstillelse i sammenheng med 2D fargede bilder av snack mat30, men ikke når de ble konfrontert med ekte snacks mat31. Imidlertid har få studier undersøkt hos voksne om formatet som en snack mat vises påvirker beslutningstaking eller verdsettelse12,32,33 og bare en studie hittil, fra vårt laboratorium, har testet dette spørsmål når stimulans parametre og miljømessige faktorer er matchet på tvers av formater7. Her beskriver vi innovative teknikker og apparater for å undersøke om beslutningstaking i friske menneskelige observatører er påvirket av formatet som stimuli vises.

Vår studie7 var motivert av et tidligere eksperiment utført av Bushong og kolleger12 der College-alderen studenter ble bedt om å plassere monetære bud på en rekke hverdagslige snack mat ved hjelp av en Becker-DEGROOT-Marschak (bdm) budgivning oppgave 34. ved hjelp av en mellom-fag design, Bushong og kolleger12 presenterte snack mat i ett av tre formater: tekstbeskrivelser (dvs. ' Snickers bar '), 2D-fargede bilder, eller ekte mat. Gjennomsnittlig bud for snacks (i dollar) ble kontrasteres over de tre deltakergrupper. Overraskende, studenter som har sett ekte mat var villig til å betale 61% mer for elementene enn de som så på samme stimuli som bilder eller tekstbeskrivelser-et fenomen forfatterne kalte den "ekte-eksponering effekten"12. Det er imidlertid avgjørende at deltakerne i tekst-og bilde betingelsene fullførte bud givnings oppgaven i en gruppe innstilling og skrev inn svarene sine via individuelle dataterminaler. omvendt, de som er tildelt den virkelige maten tilstand utført oppgaven en-mot-en med eksperimentator. Utseendet på stimuli i den virkelige og bildet forholdene var også annerledes. I den virkelige maten tilstand, maten ble presentert for observatøren på en sølv skuff, mens i bildet tilstanden stimuli ble presentert som skalert beskjæres bilder på en svart bakgrunn. Dermed er det mulig at deltaker forskjeller, miljømessige forhold, eller stimulans-relaterte forskjeller, kunne ha ført til oppblåst bud for den virkelige matvarer. Etter fra Bushong, et al.12, undersøkte vi om den virkelige matvarer er verdsatt mer enn 2-D bilder av mat, men kritisk, brukte vi en innenfor-fag design der miljømessige og stimulans-relaterte faktorer ble nøye kontrollert. Vi utviklet en spesialdesignet dreieskiven der stimuli i hvert visningsformat kan være sammenflettet tilfeldig fra rettssak til rettssak. Stimulans presentasjon og timing var identiske på tvers av den virkelige objektet og bildet prøvelser, og dermed redusere sannsynligheten for at deltakerne kunne bruke ulike strategier for å utføre oppgaven i de ulike visningsforhold. Til slutt, kontrollerte vi nøye utseendet på stimuli i den virkelige objektet og bildeforhold slik at den virkelige mat og bilder ble matchet tett for tilsynelatende størrelse, avstand, synspunkt og bakgrunn. Det er sannsynlig å være andre prosedyrer eller mekanismer som kan tillate randomizing stimulans formater på tvers av prøvelser, men vår metode gjør det mulig for mange objekter (og bilder) som skal presenteres i relativt rask sammenflettet rad. Fra et statistisk synspunkt, maksimerer denne designen makt til å oppdage betydelige effekter mer enn det som er mulig ved hjelp av mellom-fag design. Tilsvarende kan effektene ikke tilskrives a-priori forskjeller i vilje til å betale (WTP) mellom observatører. Det er, selvfølgelig, slik at i innen-fag design åpne muligheten for etterspørselen egenskaper. Men i vår studiedeltakerne forsto at de kunne "vinne" en mat element på slutten av eksperimentet uavhengig av visningsformatet som den dukket opp i budgivning oppgaven. Deltakerne ble også informert om at vilkårlig redusere bud (dvs. for bilder) vil redusere sine vinnersjanser, og at den beste strategien for å vinne ønsket element er å by ens sanne verdi34,35,36 . Målet med dette eksperimentet er å sammenligne WTP for Real Foods versus 2-D bilder ved hjelp av en bdm budgivning oppgave34,35.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Den eksperimentelle protokollene ble godkjent av University of Nevada, Reno Social, Behavioral, og Educational institusjonelle Review Board.

1. stimuli og apparater

Figure 1
Figur 1 : Real objekt (vises på dreieskiven) og matchet 2D-bilde av samme element (vises på en dataskjerm). Den stimuli i dette eksperimentet besto av 60 populære snack mat elementer. Den virkelige matvarer (venstre panel) ble fotografert på dreieskiven og deres resulterende 2-D bilder (høyre panel) ble matchet tett for den tilsynelatende størrelse, avstand, synspunkt og bakgrunn. Vennligst klikk her for å se en større versjon av dette tallet.

  1. Stimuli
    1. Virkelige objekter
      1. Kjøp 60 populære snacks matvarer (f. eks figur 1) fra lokale nærbutikker. Ideelt sett må du sørge for at matvarene spenner over et bredt spekter av kalori tetthet (f.eks. 0,18 til 6,07)7. Åpne emballasjen for hver mat og Legg både pakken og noe av maten på en tallerken. Bruk hvitt papir plater for å maksimere stimulans kontrast.
    2. 2-D fotografier
      1. Plasser en tallerken med mat på en celle av dreieskiven (se figur 2) og fotografere stimulans på dreieskiven, slik at bakgrunnen for stimulans i 2D-bildet samsvarer med den virkelige mat motstykket (se figur 1).
      2. Plasser et kamera (se tabell over materialer) på et stativ foran dreieskiven. Angi avstanden, høyden og vinkelen på kameraet slik at det samsvarer med deltakerens øyne når Stimulus sees fra rett fram. Plasser kameraet 50 cm (eller mindre) fra kanten av dreieskiven for å sikre at bildene oppfattes å være innenfor den nå distanse til deltakeren.
      3. Sett, og hold konstant, kilden til belysning i testrommet. Bruk en direkte kilde til belysning, for eksempel taklamper eller en lampe, for å gi direkte belysning av stimuli på dreieskiven. Sørg for at de samme Lysnivåene og kildene brukes under presentasjonen av den virkelige maten under eksperimentet. Fotografere den virkelige mat på dreieskiven (med samme belysning kilder) ved hjelp av et kamera med konstant F-stop og lukkertid. Match så tett som mulig den generelle lysstyrke, skyggelegging mønstre og speilende utheving høydepunkter på tvers av visningsformater. Gjenta denne prosessen for hver stimulans.
      4. Juster om nødvendig 2D-bildene for farge, lysstyrke og visuell størrelse ved hjelp av bildebehandlingsprogramvare (se tabell over materialer). Klikk på Hue/Saturation og lysstyrke/kontrast tabs og flytte glidere til bildet ser så lik som mulig til sin virkelige verden motpart når montert på dreieskiven.
      5. Finjustere størrelsen på objektet i bildet ved å plassere den virkelige objektet ved siden av dataskjermen og øke/redusere pikselstørrelsen til stimuli er matchet nøyaktig for størrelse. Sørg for at bildebehandling programvare sidevisning (Zoom) er satt til 100% ved redigering.
      6. Sørg for at skjermen som brukes til å redigere bildene er den samme (eller samme størrelse) skjerm som vil bli brukt som deltaker Monitor i løpet av studien. Hold oppløsningen, størrelsesforholdet og bildepunktene per tomme av bildene som konstante. I tillegg må du kontrollere at skjermen er stor nok til å vise den største stimulans i full størrelse.

Figure 2
Figur 2 : Skjematisk visning av dreieplate komponenter og montering. (A) hovedkomponenter i dreieskiven enheten og deres relative posisjonering. (B) montert dreieskiven apparat med 20 enkeltceller. En ekte objekt kan plasseres inne i hver celle. De loddrette skillearkene hindrer deltakerne i å vise elementer i nabocellene. Vennligst klikk her for å se en større versjon av dette tallet.

  1. Dreieplate apparat
    1. Lag en sirkulær (tre) base for dreieskiven som er 2 m i diameter og en rund sentral kjerne (56 cm i diameter og 24 cm H) med 20 plasser (1 cm W; se figur 2). Plasser kjernen på toppen av en roterende sylinder, noe som åpner for en enkel rotasjon (se figur 2a).
    2. Lag 20 skillevegger (H 24 cm x L 62 cm x W 0,5 cm). Skyv hver skillelinje inn i den sentrale kjernen av dreieskiven for å danne 20 celler (24 cm x 62 cm x 26 cm).
    3. Plasser den sirkulære basen på toppen av et bord (~ 72 cm H, se Figur 3a). Kontroller at tabellen er i en høyde som ville tillate en sittende deltaker å komfortabelt vise elementer på dreieskiven.
    4. Lag en vertikal partisjon (81 cm x 127,5 cm) mellom dreieskiven og deltakeren (se Figur 3B). Plasser partisjonen 26 cm fra dreieskiven slik at plass til en LCD dataskjerm bak partisjonen. Sørg for at mellomrommet mellom partisjonen og dreieskiven ikke plassere stimuli utenfor rekkevidde av deltakeren.
      1. Konstruere en blenderåpning i partisjonen. Kontroller at bredden på blenderåpningen er justerbar slik at deltakeren i det endelige oppsettet bare kan se ett element på dreieskiven om gangen (se Figur 3B). Viktigere, sikre at blenderåpningen er bred/høy nok til at den ikke forstyrrer deltakernes fysiske tilgang til stimuli på dreieskiven.
    5. Lag en glidende plattform (L 18,5 cm x W 11,5 cm trestykket med hjul festet til undersiden) for deltaker monitoren (se Figur 3D).
      1. Plasser glidende plattform og deltaker skjerm mellom dreieskiven og partisjonen for å muliggjøre raske overganger mellom visningsformat forhold (se Figur 3D). Plasser deltaker monitoren innenfor visnings åpningen under bilde forsøkene. for å trekke tilbake skjermen bak partisjonen på virkelige objekt prøver (se Figur 3).
    6. Bruk et lite skrivebord, eller lag en hylle, for eksperimentator Monitor (se Figur 3a,C). Bruk eksperimentator Monitor til å presentere spørsmål om når du skal sette opp en ekte element eller et bilde, og identiteten til objektet, for den kommende rettssaken.
    7. Fest en tastatur skuff, for musen, til dreieskiven base rett under blenderåpningen i partisjonen (se Figur 3B). Fest en gardin (eller lignende occluder) mellom sidene av dreieskiven og veggen for å hindre deltakeren fra å vise stimuli og eksperimentator under eksperimentet.
    8. Kjøpe (eller foreta) datastyrte flytende krystall okklusjon briller37 (se Figur 3B,C og tabell over materialer).
      Merk: De okklusjon briller gir millisekunder kontroll av stimulans vise tid. Brillene blir ugjennomsiktig (' lukket tilstand ') under den Inter-rettssaken intervall og transparent (' åpen tilstand ') under stimulans presentasjonen. Computer kommandoer for å styre brillene (og alle andre skript og filer som er nødvendige for å kjøre protokollen som er beskrevet her) er tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip).
      1. Test at brillene åpne og lukke riktig (dvs. Bruk ' GlassesTest ' script, tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip) før starten av eksperimentet.

Figure 3
Figur 3 : Hvordan sette opp og bruke dreieskiven apparat for testing.  (A) oppsett av dreieskiven apparat klar for testing. Når dreieskiven er montert, bør den plasseres på et bord i en komfortabel høyde for en sittende deltaker. En vertikal partisjon bør opprettes og plasseres mellom deltakeren og dreieskiven. Innenfor partisjonen, bør det være en visning blenderåpning. En "deltaker Monitor" brukes for visning av 2D-bilder. LCD-skjermen skal plasseres bak den vertikale partisjonen og vise blenderåpning, og foran dreieskiven. Skjermen er montert på en glidende plattform som gjør det mulig å flytte inn og ut av deltakerens syn på tvers av prøvelser. En "eksperimentator Monitor", som er plassert ut av visningen av deltakeren, brukes til å informere eksperimentator om hvilken stimulans til stede på kommende prøvelser. (B) visning av apparatet og en reell objekt stimulans fra deltakernes perspektiv. Bare ett mat element skal være synlig for en deltaker om gangen. En tastatur skuff skal festes til skrivebordet rett foran der deltakeren sitter. Deltakerne gjør svar med en datamaskinmus. (C) side visning som viser deltaker monitoren montert på skyve plattformen. Når det eksperimentator i bildet, glir deltaker skjermen inn i visnings blenderåpningen. Deltaker monitoren trekkes tilbake bak den vertikale partisjonen på virkelige objekt prøver. (D) antenne skjematisk viser oppsettet av dreieskiven apparat. En enkelt ekte objekt kan plasseres i hver av de 20 cellene i dreieskiven. Deltakeren skal sitte foran visnings blenderåpningen mens iført datastyrte visuelle okklusjon briller. Eksperimentator kan vise kommende forsøk på eksperimentator-skjermen og rotere dreieskiven manuelt, eller flytte deltaker skjermen etter behov. Panel C av dette tallet har blitt gjengitt fra referanse7 med tillatelse fra Elsevier. Vennligst klikk her for å se en større versjon av dette tallet.

2. generell prosedyre: tilfeldiggjøring og design

  1. Opprette en skriften benytter MATLAB det vill tilfeldig Interleave virkelig og image rettssaker. Sørg for at halvparten av deltakerne ser en bestemt matbit (f.eks. et eple) som et reelt objekt, og at de resterende deltakerne ser gjenstanden som et 2D-bilde. For hver deltaker, tilfeldig rekkefølgen som de ulike snack mat er presentert i eksperimentet. Har manuset listen hvilke reelle elementer å plassere på dreieskiven, og i hvilken rekkefølge, før starten av eksperimentet (se ' runStudy ' script, tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip).
  2. Plasser elementene på dreieskiven i riktig rekkefølge (se Figur 3A).
    Merk: Avhengig av antall stimuli i studien, kan sette opp tid ta opptil 30 min.
  3. Plasser skjermen i blenderåpningen og sørg for at alle andre elementer og eksperimentator er maskert fra deltakerens visning (se 1.2.7).
  4. Setet deltakeren ca 50 cm fra dreieskiven og spille hvit støy, enten via en hvit støy maskin eller via øreplugger, slik at deltakeren ikke er i stand til å forutsi (dvs. fra lyden av den glidende Monitor) stimulans formatet på den kommende rettssaken.
  5. Gi deltakeren brillene å sette på og sørg for at brillene er i lukket/ugjennomsiktig tilstand. Forklar til deltakeren at brillene er for øyeblikket stengt, men vil åpne når de må.
  6. Vis eksperimentator Monitor for å se hvilken type tilstand (dvs. ekte eller bilde) den kommende rettssaken vil være (se Figur 3A).
    1. På ' virkelige objektet ' forsøk, trekke deltakeren skjermen fra visning blenderåpning, via glidende plattform, slik at objektet er synlig for deltakeren på dreieskiven (se figur 1A og 3).
      1. Lag en datamaskin kommando (f. eks et knappetrykk) for å utløse åpning og lukking av brillene slik at for den virkelige maten skal være synlig på dreieskiven for 3 s. Når brillene lukkes, plasserer du deltaker skjermen tilbake foran blenderåpningen og trykker på en tast for å åpne brillene for deltakeren for å svare (f.eks. et bud). Få brillene til å lukkes automatisk når deltakeren kommer inn i svaret (se ' runStudy ' script, som er tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip).
  7. Vis den eksperimentator skjermen for å forberede deg til neste prøveversjon. Trykk på en tast for å gå videre til neste prøveversjon.
    1. For studier på 2-D-bilder, plasser LCD-skjermen innenfor visnings åpningen (se figur 1B og Figur 3). Trykk på en tast for å åpne brillene. La skjermen stå i visnings åpningen og trykk på en tast for å åpne brillene for deltakeren for å gjøre et svar. Sørg for at neste stimulans er klar for visning. Trykk på en tast for å gå videre til neste prøveversjon.

3. prosedyre for tilfeldig og design

  1. Opprette en preferanse-og fortrolighet-ratifisere oppgave benytter maten artikkel profilen (ikke det virkelig matvarerne; se ' runStudy ', ' LikeSurvey ', og ' FamSurvey ' manuskripter, anvendelig for http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip). Lag to forskjellige blokker for preferanse-og kjennskap-rating oppgaver og motvekt rekkefølgen av blokkene på tvers av observatører (se Figur 4).
    1. For hver deltaker, tilfeldig rekkefølgen på bildene som presenteres i hver blokk og opprette en analog glidebryter for deltakerne å utføre sine karakterer etter å ha vist hvert mat bilde (se Figur 4, ' runStudy ', ' like_slider ', og ' Fam_slider ' scripts, tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip).
  2. Legg til en bud givnings oppgave i skriptet. Tilfeldig som beskrevet i 2,1. Legg til en mat auksjon i manuset. Få datamaskinen til å velge tilfeldig en av de 60 matvarene fra bud givnings oppgaven. Har datamaskinen plassere et tilfeldig bud av sine egne på det valgte elementet fra $0-$3 i 25 cent trinn (se Figur 4 og ' bidModule ' script, tilgjengelig på http://www.laboratorysys.com/data/JoVE_Real%20Object_Code.zip).

Figure 4
Figur 4 : Eksperimentell design for den aktuelle studien. Eksperimentet besto av fire faser: (1) mat preferanse-og fortrolighet-vurdering oppgave, (2) budgivning oppgave, (3) mat auksjon, (4) i-Lab ventetid. Deltakerne fullfører først enten en preferanse-eller fortrolighet-vurdering oppgave (balansert på tvers av deltakere). I preferanse oppgaven, deltakerne sett et bilde av hver snack mat element for 3 s og deretter rangere hvor mye de likte elementet (ved hjelp av en-7 til 7 rating skala) ved hjelp av en glidende analog bud bar. For den velkjente vurderings oppgaven viste deltakerne hvor kjent de var med elementet (med en skala fra 0 til 3). Deretter fullførte deltakerne en bud oppgave der de vurderte hvor mye de var villige til å betale ($0-$ 3) for hver snack mat element. Halvparten av stimuli ble presentert som ekte mat og halvparten ble presentert som 2-D-bilder. Vise tid på hvert forsøk ble kontrollert ved hjelp av datastyrte visuelle okklusjon briller. Ved starten av rettssaken, brillene gått over til "åpne" (transparent) tilstand for 3 s, før du går tilbake til ' lukket ' (ugjennomsiktig) tilstand for en 3 s Inter-Trial intervall. Brillene deretter åpnet for å tillate deltakeren å spille inn et svar. Når bud givnings oppgaven var fullført, ble det gjennomført en "auksjon" for å avgjøre om en deltager "vant" en matvare, og til hvilken pris. Auksjonen ble etterfulgt av en obligatorisk 30 min ventetid i laboratoriet. Hvis deltakeren vant en matvare, kan de konsumere maten i løpet av ventetiden. Alle deltakerne ble bedt om å forbli i laboratoriet for ventetiden om en matvare ble vunnet i løpet av auksjonen. Dette tallet har blitt gjengitt fra referanse7 med tillatelse fra Elsevier. Vennligst klikk her for å se en større versjon av dette tallet.

4. deltaker screening og planlegging

  1. Rekruttere deltakere som selv rapporterer at de liker å spise og ofte konsumerer snack mat, og som er kjent med et bredt utvalg av snack mat (typisk for regionen). Sørg for at deltakerne ikke aktivt slanking for å gå ned i vekt, har noen matallergier, kosttilskudd restriksjoner (dvs. vegetarisk, glutenfri) eller mat-relaterte sykdommer, og er ikke gravid.
  2. I samsvar med bdm bud givnings oppgave12,35, sørg for å planlegge deltakere sent på ettermiddagen (for eksempel mellom 1:00 pm og 7:00 PM), som er når snack matvarer vanligvis forbrukes. Minn deltakeren på å avstå fra å spise i 3 timer før eksperimentet12.
    Merk: Dette er for å sikre at deltakeren er sulten og vil by nøyaktig for mat.

5. prosedyre for spørreskjema

  1. For hver deltaker samler du inn personlig demografisk informasjon (dvs. alder, kjønn), spør om de har en normal eller korrigert-til-normal visjon og rekord høyde og vekt (disse dataene er nyttige for beregning av Body Mass Index).

6. preferanse-og fortrolighet ratifisere oppgave fremgangsmåte

  1. Spør deltakerne å rangere hvor kjent de er med hver av de 60 snacks. La deltakeren svare via et museklikk på en analog glidende linje (for eksempel "0" = ikke veldig kjent; "3" = veldig kjent). Sørg for at svarene er i eget tempo (se Figur 4).
  2. Spør deltakerne å rangere hvor mye de liker hver av de 60 snacks via et museklikk på en analog skyve bar (f. eks "-7" = sterkt misliker; "0" = likegyldighet; "7" = sterkt som). Sørg for at svarene er i eget tempo.

7. prosedyre for bud givnings oppgave

  1. Informer deltakeren om at de vil bli gitt en $3 godtgjørelse som kan brukes til å by på 60 vanlige snacks matvarer. Relé reglene for anbuds oppgaven14,35.
    1. Understrek at den beste strategien ikke er å by basert på utsalgspriser, men heller, å by ens sanne verdi: hvor mye en er villig til å betale for å spise elementet på slutten av eksperimentet.
    2. Minn deltakeren på at det er en obligatorisk 30 minutters ventetid i laboratoriet ved slutten av studien (se Figur 4). Forklar til deltakeren at hvis de "vinner" budet oppgaven de vil være i stand til å konsumere en mat element på slutten av eksperimentet; Hvis de "taper" budet vil de likevel bli bedt om å forbli i laboratoriet for varigheten av ventetiden, uten å konsumere noen utenfor mat eller drikke.
  2. Plasser deltakeren i testrommet (se 2,4-2.5). Utfør en praksis auksjon med tre elementer som ikke er en del av 60 eksperimentelle elementer. Plasser de tre elementene foran deltakeren én om gangen. Be deltakeren vurdere hvor mye de liker elementet (-7 til 7).
  3. Plasser elementene foran deltakeren én gang til, én om gangen. Be deltakeren om å by ($0-$3) på hvert element. Sikre deltakeren forstår instruksjonene-stille spørsmål for å kryss-sjekk forståelse.
  4. Plasser $3 ved siden av musen nær deltakernes hånd og Minn ham/henne på at godtgjørelsen er deres å beholde, og at de kan by opp til $3 per element.
  5. Referer til seksjoner 2.6.1-2.7.1. for å gjennomføre den virkelige objektet og bilder prøvelser. Figur 4 illustrerer oppgave prosedyren for budgivning.

8. mat auksjon/30 min venteperiode prosedyre

  1. Sjekk for å se om deltakeren ' vant ' en snack mat element og til hvilken pris (se ' runStudy ' script, tilgjengelig på http://www.laboratorysys.com/Data/JoVE_Real%20Object_Code.zip).
    Merk: Computeren ville lage en budet bestå av en tilfeldig antallet imellom $0 og $3, inne 25 cent intervaller. Hvis datamaskinens bud er mindre-enn-eller-lik-til deltakerens bud, så deltakeren "vinner" varen for forbruk. Deltakeren betaler eksperimentator prisen på datamaskinens bud fra deres $3 godtgjørelse. En rekke tidligere studier har gitt en grundig vurdering av begrunnelsen for bdm budgivning oppgave34,36,38.

9. kalori estimering prosedyre

  1. For hver mat element som vises i hoved eksperimentet, presentere en tekst display (dvs. ' Snickers bar ') og be deltakeren til å anslå (Skriv ned med en penn) hvor mange kalorier de tror er i serverings størrelse.

10. data analyse

  1. Bruk statistisk analyseprogramvare (se tabell over materialer) for å utføre en lineær modellerings analyse for blandede effekter. Bruk en lineær modell for blandede effekter for å gjøre rede for de nestede svarene i deltakerne (dvs. avhengigheten av observasjoner fra samme deltaker). Opprett et datasett med følgende variabler: deltakere, element, visnings format, preferanse, kalori tetthet, estimerte kalorier og bud. Opprett en modell ved å klikke analyser, deretter blandede modeller og deretter lineær.
    1. Overfør variabelen deltakerne til emner: boksen og Trykk Fortsett. Overfør bud inn i den avhengige variabelen: eske. Deretter overfører du Subject og display format til faktor (er): eske. Deretter overfører preferanse inn i kovariat (s): eske.
    2. Klikk på fast, Velg og Legg til alle variablene unntatt deltakere i modell-boksen og klikk deretter på Fortsett. Klikk på tilfeldig, og velg og Legg til deltakere i kombinasjonsboksen for å gjøre rede for variasjon i svar innenfor og på tvers av observatører. Klikk Fortsett.
    3. Klikk statistikk, og merk deretter av for beskrivende statistikk, parameter estimater og tester for kovariansen parametere. Klikk Fortsett. Klikk på EM means og velg og Overfør alle faktorer og faktor interaksjoner inn i boksen Vis midler for. Klikk Fortsett. Til slutt trykker du på OK.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Representative resultater fra dette eksperimentet er presentert nedenfor. En mer detaljert beskrivelse av resultatene, sammen med en oppfølgingsstudie, finnes i den opprinnelige publikasjonen7. Vi brukte en lineær blandede effekter modell med den avhengige variabelen av bid, og uavhengige variabler av display format, preferanse, kalori tetthet, og estimerte kalorier. Som forventet, og i tråd med tidligere studier12,14, var det en sterk positiv sammenheng mellom preferanse rangeringer og bud (F(1, 1655) = 1803,69, p < .001) slik at en enhet økning i preferanse var assosiert med en økning på $0,15 i bud verdi (β = .15, t(1655) = 42,47, p <. 001; d = 8,03). Det var også en betydelig hoved effekt av kalori tetthet på bud (F(1, 1649) = 6,87, p <. 01). En enhet økning i kalori tetthet var assosiert med en økning på $. 024 i bud (β = .024, t(1649) = 2,62, p <. 01; d = 0,50). Den viktigste effekten av estimerte kalorier var også signifikant (F(1, 1672) = 6,88, p < .01)11. En enhet økning i estimert kalorier var assosiert med en økning på $. 009 i WTP (β = .009, t(1671) = 2,62, p <. 01; d =. 50). Med andre ord, observatører vurdert matvarer som ble oppfattet å være av større kaloriinnhold å være mer verdifullt enn matvarer av lavere kaloriinnhold. Kritisk, etter å ha kontrollert for alle andre faktorer, fant vi en betydelig hoved effekt av display format (F(1, 1645) = 7,99, p < .01, d =. 53) der det var en 6,62% økning i bud for ekte mat versus mat bilder. Forsterkningen i WTP for ekte mat (kontra bilder) var relativt konsistent på tvers av deltakere, med 20 av 28 deltakere som viste effekten. For illustrasjonsformål viser figur 5 gjennomsnittlige bud verdier for hvert matvare element som en funksjon av preferanse, separat for mat som vises som ekte objekter (rød) og bilder (blå). Tilsvarende figur 6 viser gjennomsnittlig bud verdier for hver matbit mat som en funksjon av kalori tetthet, separat for mat i hvert display format. Forsterkningen i WTP for ekte mat kontra bilder er tydelig i både figur 5 og figur 6. Viktigere, effekten av display format på budene var konstant på tvers av mat preferanse (f(1, 1644) = .025, p =. 88), kalori tetthet (f(1, 1643) = 2,54, p = .11) og estimerte kalorier (f(1, 1643) =. 11, p =. 74), og det var ingen signifikante interaksjoner mellom andre faktorer (alle p-verdier ≥. 11).

Selv om vi observerte en effekt av estimerte kalorier på bud, effekten var relativt svak. Dette resultatet kan forklares ved at deltakerne utførte estimering oppgaven som svar på tekstspørsmål etter de viktigste eksperimentet, snarere enn mens du ser på mat på tidspunktet for stimulans presentasjonen. Videre estimering av antall kalorier i en gitt mat element er ikke nødvendigvis en intuitiv oppgave; mange observatører er uvitende (eller ikke ta hensyn til) kalori tettheten av matvarer de forbruker.

Figure 5
Figur 5 : Gjennomsnittlig penge bud for hver snack mat plottet som en funksjon av preferanse og visningsformat. Som forventet var det et sterkt positivt forhold mellom monetære bud og mat preferanse rangeringer, med høyere bud for matvarer som var sterkere likt. Viktigere var det en betydelig hoved effekt av display format som bud for ekte mat var større enn matchet mat bilder. Det var ingen signifikant interaksjon mellom effekten av visningsformat og preferanse. Gjennomsnittlig bud verdier ($) for matvarer vises separat for den virkelige matvarer (rød) og 2D-bilder (blå). Hvert datapunkt representerer gruppe gjennomsnittet bud for hver matvare, separat for mat i hvert display format. Heldekkende røde og blå linjer representerer linjer som passer best til de faktiske objekt-og bilde forholdene. Dette tallet har blitt gjengitt fra referanse7 med tillatelse fra Elsevier. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 6
Figur 6 : Gjennomsnittlig penge bud for hver snack mat plottet som en funksjon av kalori tetthet og visningsformat. Vi fant en betydelig positiv sammenheng mellom bud og faktisk kalori tetthet, med høyere bud for matvarer av høyere kalori tetthet. Det var ingen signifikant interaksjon mellom effekten av visningsformat og kalori tetthet. Gjennomsnittlig bud verdier ($) for matvarer vises separat for den virkelige matvarer (rød) og 2D-bilder (blå). Hvert datapunkt representerer gruppe gjennomsnittet bud for hver matvare, separat for mat i hvert display format. Heldekkende røde og blå linjer representerer linjer som passer best til de faktiske objekt-og bilde forholdene. Dette tallet har blitt gjengitt fra referanse7 med tillatelse fra Elsevier. Vennligst klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Det overordnede målet med dagens papir er å legge til rette for fremtidige studier av "virkelige verden" objekt visjon ved å gi detaljert informasjon om hvordan du kan presentere et stort antall virkelige gjenstander (og bilder) under kontrollerte eksperimentelle forhold. Vi presenterer en økologisk-gyldig tilnærming for å studere de faktorene som påvirker kosttilskudd valg og mat verdivurdering. Vi beskriver metoder som brukes i en fersk undersøkelse av menneskelige beslutningsprosesser7 der vi undersøkt om snack mat presentert i form av virkelige objekter er verdsatt forskjellig til mat som presenteres som 2D-bilder. I vårt eksperiment7, sultne studenter plassert monetære bud på en rekke hverdagslige snacks mat. Ved hjelp av en innen-fag design, halvparten av stimuli ble presentert for hver observatør som ekte mat og resten ble presentert som høy oppløsning fargede 2-D fotografier av matvarer. Den virkelige mat og mat bilder ble matchet tett for tilsynelatende størrelse, avstand, bakgrunn, synspunkt og belysning. I en viktig avgang fra tidligere studier7, miljømessige forhold og stimulans timingen var identiske på tvers av ulike visningsformater. Rekkefølgen på forsøkene i hvert visningsformat ble randomisert gjennom hele eksperimentet ved hjelp av en spesialbygget platespiller enhet. Ved starten av testing økten, vurderte deltakerne deres preferanse for, og kjennskap til, 60 forskjellige appetitive snack mat (presentert som bilder). I hoved forsøket indikerte observatører sin villighet til betaling (WTP) for hver av de 60 matvarene som ble vist enten som ekte objekter eller 2D-bilder. Tildeling av matvarer til den virkelige objektet eller bildet forholdene var balansert tvers observatører. Etter fra en tidligere studie som adresserte et lignende spørsmål12, målte vi WTP bruker en Becker DeGroot MARSCHAK (BDM)35 budgivning oppgave der observatører inn et penge bud ($0-$ 3) for hver snack mat å "vinne" muligheten til å konsumere en mat på slutten av eksperimentet. Gitt den nestede strukturen av data, brukte vi lineære blandede effekter modellering for å fastslå i hvilken grad WTP ble påvirket av visningsformat, mat preferanse, kaloriinnhold, og estimerte kalorier. Vi fant ut at observatører var villig til å betale 6,62% mer for mat som vises som ekte objekter versus mat bilder7. Forsterkningen i verdi for ekte mat viser var konsistent på tvers av alle nivåer av mat preferanse, samt på tvers av faktiske og estimerte kaloriinnholdet i matvarene. Disse resultatene er overraskende fordi deltakerne visste at de kunne få den samme (ekte) snack mat belønning på slutten av eksperimentet uavhengig av formatet som maten ble presentert under budgivning oppgaven. Viktigere, funnene bekrefter at det er en pålitelig "Real-Food eksponeringseffekt" på vilje til å betale7,12 som ikke kan regnskapsføres av forskjeller i miljø sammenheng, stimulans presentasjonen metode, eller rettssak tidsberegning på tvers av visningsformater.

Oppsummert har vi gitt detaljerte metoder som beskriver hvordan å forberede ekte objekt stimuli og tett matchet 2-D datastyrt bilder av de samme elementene, samt metoder for å lage en manuelt operert dreieskiven for å presentere et stort antall virkelige objekter og bilder i sammenflettet rekkefølge. Vi har gitt instruksjoner for å kontrollere stimulans presentasjonen og vise tid på tvers av alle forsøk, for eksempel ved hjelp av datastyrte skjerm briller. Metodene som presenteres her åpner opp nye veier for å undersøke de underliggende mekanismene for de observerte effektene. Fremtidige studier kan for eksempel vurdere direkte virkningen av stereopsis ved å presentere stimuli i den virkelige verden under monokulært visningsforhold (som for eksempel kan testes enkelt ved hjelp av monokulært kontra kikkert tilstander for datamaskinkontrollerte briller beskrevet her). Dette vil danne en fin sammenligning med bildet-baserte prøvelser der både bevegelse Parallax og stereopsis gi motstridende dybdeinformasjon.

Selv om vi har tilbudt praktiske løsninger for å presentere objekter i den virkelige verden under kontrollerte visningsforhold, er det unektelig utfordrende, kostbart og tidkrevende å arbeide med virkelige gjenstander i laboratoriet. I tillegg til formalitetene forbundet med å kontrollere stimulans parametere som belysning, posisjon, størrelse og timing, innsamling og grundige forberedelser (dvs. montering) av ekte objekt stimuli kan være møysommelig langsom i forhold til den tiden som ville være nødvendig å forberede bilder alene. Den eksperimentator (e) må være godt praktisert med å finne den riktige eksempler før hvert forsøk innen nødvendige tidsfrister og det er åpenbare muligheter for eksperimentator feil. I noen tilfeller der prøve numre er begrenset, for eksempel i fMRI8,39 og pasient10 studier av Real-Object Vision, bruker vi et videokamera til å spille inn hvilke eksempler som ble presentert på hver prøve, og opptakene er kryss kontrollerte post-hoc for nøyaktighet. Det er flere utfordringer med å arbeide med mat, som er kanskje en unik klasse av ekte objekt stimuli. Avhengig av antall elementer som brukes i studien, et relativt stort utvalg av matvarer må holdes frisk, beholdning, og i relativt nærhet til testing rommet. I beslutningstaking paradigmer involverer matvarer, er stimuli vanligvis vist med emballasjen åpnet og noe av innholdet synlig. Selv om mange produserte matvarer synes å ha en ubestemt holdbarhet (dvs. Twinkie) de fleste elementer må byttes regelmessig for å opprettholde friskhet og visuell appell. Sammen gjør disse forholdene det vanskelig å kontrollere nøyaktig utseendet på matvarer mellom reelle og bildeformater i den grad at vi har funnet er mulig med ikke-fersk stimulans klasser, for eksempel objekter og verktøy. Det er også viktig å merke seg at vi endret vår dreieskiven apparat fra måten den dukket opp i den opprinnelige studien7 (svart) til måten den er avbildet her (hvit) fordi vi fant ut at det hvite apparatet var lettere å rengjøre og stimulans kontrasten ble forbedret .

De ovennevnte betraktninger heve det kritiske spørsmålet om hvorvidt tid og ressurskostnader for å arbeide med reelle objekter er berettiget, eller om lignende resultater kan fås ved hjelp av mer praktisk bildeskjermer. Resultatene fra vår beslutningsprosess paradigme7 tyder på at ekte mat skjermer lokke fram en konstant økning i verdivurdering (dvs. en lineær effekt) som ikke samhandler med andre faktorer som preferanse eller kalori tetthet. Disse resultatene fra beslutningstaking svalehale med funn fra andre domener av menneskelig erkjennelse. For eksempel, Real-World objekter er lettere gjenkjent10,40,41, forbedre minne42, og fange oppmerksomheten43,44 mer enn bilder gjør. Sammenlignet med 2D-bilder, fMRI repetisjon undertrykkelse effekter er redusert for reelle objekter8. Tilsvarende finkornet undersøkelse av timelige dynamikken i hjernen svar på reelle objekter målt ved High-Density EEG avslører at reelle objekter (g. bilder) lokke fram sterkere og mer langvarig Desynchronization av MU rytmen-en signatur av aktivering i visuo-nettverk som er involvert i automatisk planlegging av motor handlinger9. Forsterkningen i mu-Desynchronization for reelle objekter er uavhengig av tidlige signal forskjeller knyttet til stereopsis9. Til sammen tyder disse funnene på at mønsteret av resultater som kan oppnås ved hjelp av bildeskjermer kan være bredt konsistent, men bare mindre overbevisende, enn det som ellers ville ha blitt observert hadde virkelige gjenstander blitt brukt. Med andre ord, hvis funnene fra studier av bilde synet overfører forutsigbart til ekte objekt visjon, bevares den translational verdien av grunnleggende forskningsstudier av bilde synet. Selv om det er for tiden utilstrekkelige data til å gjøre fast konklusjoner om dette problemet, siste bevis for dissociations i virkningene av reelle objekter på tvers av motoriske områder i venstre mot høyre halvkuler9 og over egosentriske avstander6 reise bekymringer om denne antakelsen. For eksempel, effekten av reelle objekter på oppmerksomhets fangst faller til nivåene observert for 2-D og 3-D bilder når objektene er plassert utenfor rekkevidden av observatøren, eller når de er innen rekkevidde, men bak en gjennomsiktig barriere6, antyder at potensialet for manuell interaksjon med et reelt objekt (men ikke et bilde) bestemmer hvordan det er behandlet. Fremtidige studier kan bruke protokollene som er beskrevet her, for å undersøke om lignende underliggende årsaks mekanismer modulere "ekte-mat eksponeringseffekter" på vilje til betaling. For eksempel kan en avstand eller barriere manipulasjon6 være ansatt for å avgjøre om ekte snack matvarer som er tilgjengelig eller håndgripelig behandles forskjellig for de som ikke er (og for å avgjøre om den samme manipulasjon har noen effekt på behandling av mat bilder). Fremtidige studier med økologisk-gyldig Real-objekt stimuli er pålagt å gjøre definitive konklusjoner på dette problemet. Viktigere, kan det ikke være slik at lignende mekanismer er på spill i ulike kognitive domener, eller i ulike oppgaver. Likevel lover vår tilnærming til å arbeide med objekter fra den virkelige verden å gi viktig ny innsikt i de underliggende prosessene og mekanismene som driver den naturlige visjonen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingenting å avsløre.

Acknowledgments

Dette arbeidet ble støttet av tilskudd til JC Snow fra National Eye Institute for National Institutes of Health (NIH) under Award Number R01EY026701, National Science Foundation (NSF) [Grant 1632849] og klinisk translational Research Infrastructure Nettverk [Grant 17-746Q-UNR-PG53-00]. Innholdet er utelukkende ansvaret til forfatterne og representerer ikke nødvendigvis den offisielle synspunktene til NIH, NSF eller CTR-IN.

Materials

Name Company Catalog Number Comments
EOS Rebel T2i Body Camera Canon  4462B001
MATLAB MathWorks  R2017b Computer programming software. Download this additional free toolbox: PsychToolbox 3.0.14
Photoshop Adobe CS6
PLATO Visual Occlusion Glasses Translucent Technologies Inc.  N/A
SPSS IBM Version 22 Statitical analysis software
ToTaL Control System (USB) Translucent Technologies Inc.  N/A The ToTaL Control System  controls the PLATO spectacles

DOWNLOAD MATERIALS LIST

References

  1. Gibson, J. J. The Ecological Approach to Visual Perception. , Houghton Mifflin. Boston. (1979).
  2. Westheimer, G. Three-dimensional displays and stereo vision. Proceedings of the Royal Society B: Biological Sciences. 278 (1716), 2241-2248 (2011).
  3. Julesz, B. Foundations of cyclopean perception. , U. Chicago Press. Oxford. (1971).
  4. Sprague, W. W., Cooper, E. A., Tošić, I., Banks, M. S. Stereopsis is adaptive for the natural environment. Science Advances. 1 (4), (2015).
  5. Nityananda, V., Read, J. C. A. Stereopsis in animals: evolution, function and mechanisms. Journal of Experimental Biology. 220, Pt 14 2502-2512 (2017).
  6. Gomez, M. A., Skiba, R. M., Snow, J. C. Graspable Objects Grab Attention More Than Images Do. Psychological Science. 29 (2), 206-218 (2018).
  7. Romero, C. A., Compton, M. T., Yang, Y., Snow, J. C. The real deal: Willingness-to-pay and satiety expectations are greater for real foods versus their images. Cortex. 107, 78-91 (2018).
  8. Snow, J. C., et al. Bringing the real world into the fMRI scanner: Repetition effects for pictures versus real objects. Scientific Reports. 1, 130 (2011).
  9. Marini, F., Breeding, K. A., Snow, J. C. Distinct visuo-motor brain dynamics for real-world objects versus planar images. NeuroImage. , (2019).
  10. Holler, D., Behrmann, M., Snow, J. C. Real-world size coding of solid objects, but not 2-D or 3-D images, in visual agnosia patients with bilateral ventral lesions. Cortex. , (2019).
  11. Tang, D. W., Fellows, L. K., Dagher, A. Behavioral and neural valuation of foods is driven by implicit knowledge of caloric content. Psychological Science. 25 (12), 2168-2176 (2014).
  12. Bushong, B., King, L. M., Camerer, C. F., Rangel, A. Pavlovian processes in consumer choice: The physical presence of a good increases willingness-to-pay. The American Economic Review. 100 (4), 1556-1571 (2010).
  13. Rangel, A. Regulation of dietary choice by the decision-making circuitry. Nature Neuroscience. 16 (12), 1717-1724 (2013).
  14. Plassmann, H., O'Doherty, J. P., Rangel, A. Appetitive and aversive goal values are encoded in the medial orbitofrontal cortex at the time of decision making. Journal of Neuroscience. 30 (32), 10799-10808 (2010).
  15. Berthoud, H. R. Metabolic and hedonic drives in the neural control of appetite: who is the boss. Current Opinion in Neurobiology. 21 (6), 888-896 (2011).
  16. Sclafani, A. Conditioned food preferences. Bulletin of Psychonomic Society. 29 (2), 256-260 (1991).
  17. Volkow, N. D., Wise, R. A. How can drug addiction help us understand obesity. Nature Neuroscience. 8 (5), 555-560 (2005).
  18. Drewnowski, A., Darmon, N. Food choices and diet costs: An economic analysis. Journal of Nutrition. 135 (4), 900-904 (2005).
  19. Imram, N. The role of visual cues in consumer perception and acceptance of a food product. Nutrition and Food Science. 99 (5), 224-230 (1999).
  20. Marteau, T. M., Hollands, G. J., Fletcher, P. C. Changing human behavior to prevent disease: The importance of targeting automatic processes. Science. 337 (6101), 1492-1495 (2012).
  21. Neal, D. T., Wood, W., Quinn, J. M. Habits: A repeat performance. Current Direction in Psychology. 15 (4), 198-202 (2006).
  22. Wellman, N. S., Friedberg, B. Causes and consequences of adult obesity: Health, social and economic impacts in the United States. Asia Pacific Journal of Clinical Nutrition. 11, 705-709 (2002).
  23. Canoy, D., et al. Coronary heart disease incidence in women by waist circumference within categories of body mass index. European Journal of Preventive Cardiology. 20 (5), 759-762 (2013).
  24. Whitmer, R. A., et al. Central obesity and increased risk of dementia more than three decades later. Neurology. 71 (14), 1057-1064 (2008).
  25. Bean, M. K., Stewart, K., Olbrisch, M. E. Obesity in America: Implications for clinical and health psychologists. Journal of Clinical Psychology in Medical Settings. 15 (3), 214-224 (2008).
  26. Brownell, K. D., Gold, M. S. Food and addiction: A comprehensive handbook. , Oxford University Press. (2012).
  27. Klein, S., et al. Waist circumference and cardiometabolic risk: A consensus statement from shaping America's health: Association for Weight Management and Obesity Prevention; NAASO, the Obesity Society; the American Society for Nutrition; and the American Diabetes Association. Obesity. 15 (5), 1061-1067 (2007).
  28. Zhang, Y., et al. Obesity: Pathophysiology and Intervention. Nutrients. 6 (11), 5153-5183 (2014).
  29. Afshin, A., et al. Health effects of overweight and obesity in 195 countries over 25 years. New England Journal of Medicine. 377 (1), 13-27 (2017).
  30. Mischel, W., Moore, B. Effects of attention to symbolically presented rewards on self-control. Journal of Personality and Social Psychology. 28 (2), 172-179 (1973).
  31. Mischel, W., Ebbesen, E. B., Zeiss, A. R. Cognitive and attentional mechanisms in delay of gratification. Journal of Personality and Social Psychology. 21 (2), 204-218 (1972).
  32. Gross, J., Woelbert, E., Strobel, M. The fox and the grapes-how physical constraints affect value based decision making. PLoS One. 10 (6), 0127619 (2015).
  33. Müller, H. The real-exposure effect revisited - purchase rates vary under pictorial vs. real item presentations when consumers are allowed to use their tactile sense. International Journal of Market Research. 30 (3), 304-307 (2013).
  34. Becker, G. M., DeGroot, M. H., Marschak, J. Measuring utility by a single-response sequential method. Behavior Science. 9 (3), 226-232 (1964).
  35. Becker, G. M., DeGroot, M. H., Marschak, J. Stochastic models of choice behavior. Behavior Science. 8 (1), 41-55 (1963).
  36. Plassmann, H., O'Doherty, J., Rangel, A. Orbitofrontal Cortex Encodes Willingness to Pay in Everyday Economic Transactions. Journal of Neuroscience. 27 (37), 9984-9988 (2007).
  37. Milgram, P. A spectacle-mounted liquid-crystal tachistoscope. Behavior Research Methods. 19 (5), 449-456 (1987).
  38. Johnson, E. J., Haubl, G., Keinan, A. Aspects of endowment: A query theory of value construction. Journal of Experimental Psychology: Learning Memory and Cognition. 33 (3), 461-474 (2007).
  39. Freud, E., et al. Getting a grip on reality: Grasping movements directed to real objects and images rely on dissociable neural representations. Cortex. 98, 34-48 (2018).
  40. Chainay, H., Humphreys, G. W. The real-object advantage in agnosia: Evidence for a role of surface and depth information in object recognition. Cognition Neuropsychology. 18 (2), 175-191 (2001).
  41. Humphrey, G. K., Goodale, M. A., Jakobson, L. S., Servos, P. The role of surface information in object recognition: Studies of a visual form agnosic and normal subjects. Perception. 23 (12), 1457-1481 (1994).
  42. Snow, J. C., Skiba, R. M., Coleman, T. L., Berryhill, M. E. Real-world objects are more memorable than photographs of objects. Frontiers in Human Neuroscience. 8, 837 (2014).
  43. Gomez, M. A., Snow, J. C. Action properties of object images facilitate visual search. Journal of Experimental Psychology: Human Perception and Performance. 43 (6), 1115-1124 (2017).
  44. Gerhard, T. M., Culham, J. C., Schwarzer, G. Distinct visual processing of real objects and pictures of those objects in 7- to 9-month-old infants. Frontiers in Psychology. 7, 827 (2016).

Tags

Atferd Real-World objekter datastyrte bilder økologisk gyldighet dreieskiven vilje til å betale kontrollerte laboratorieforhold
Metoder for å presentere Real-World objekter under kontrollerte laboratorieforhold
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Romero, C. A., Snow, J. C. Methods… More

Romero, C. A., Snow, J. C. Methods for Presenting Real-world Objects Under Controlled Laboratory Conditions. J. Vis. Exp. (148), e59762, doi:10.3791/59762 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter