Method Article

طرق لاختبار البصرية الاهتمام اون لاين

DOI:

10.3791/52470

⸱

February 19th, 2015

 ,  ,  ,  , 
1Center for Visual Science, University of Rochester, 2Faculty of Psychology and Educational Sciences, University of Geneva, 3Department of Psychology, University of Wisconsin-Madison, 4Department of Brain and Cognitive Sciences, University of Rochester

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لتكرار إعدادات المختبر، تتطلب طرق جمع البيانات عبر الإنترنت للمهام المرئية تحكما صارما في عرض التحفيز. نحدد طرق استخدام تطبيق الويب لجمع بيانات الأداء في اختبارين للانتباه البصري.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

طرق جمع البيانات على الانترنت ونداء خاص لعلماء السلوك لأنها توفر الوعد أكبر من ذلك بكثير، وأكثر من ذلك بكثير عينات تمثيلية من البيانات يمكن عادة أن تجمع في حرم الكلية. ومع ذلك، قبل مثل هذه الأساليب يمكن اعتمادها على نطاق واسع، عددا من التحديات التكنولوجية يجب التغلب على - على وجه الخصوص في التجارب حيث رقابة مشددة على خصائص التحفيز أمر ضروري. هنا نقدم أساليب جمع بيانات الأداء على اختبارين من الاهتمام البصري. كلا الاختبارات تتطلب السيطرة على الزاوية البصرية من المحفزات (الذي يتطلب بدوره معرفة مسافة العرض، حجم الشاشة، دقة الشاشة، الخ) وتوقيت المحفزات (كما تشمل الاختبارات تومض إما لفترة وجيزة المنبهات أو المثيرات التي تحرك وفقا لأسعار محددة). وكانت البيانات التي تم جمعها في هذه الاختبارات من أكثر من 1،700 المشاركين عبر الإنترنت بما يتفق مع البيانات التي تم جمعها في الإصدارات المستندة إلى مختبر للفحوصات نفسها بالضبط. هذه النتائجأقترح أن مع الرعاية المناسبة، وحجم توقيت / التحفيز المهام التابعة يمكن نشرها في المواقع على شبكة الإنترنت.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

على مدى السنوات الخمس الماضية كان هناك موجة من الاهتمام في استخدام طرق جمع البيانات السلوكية على الانترنت. في حين أن الغالبية العظمى من المنشورات في مجال علم النفس واستخدمت السكان الموضوع يحتمل أن تكون غير التمثيلي 1 (أي، في المقام الأول الجامعيين الكلية) وحجم العينة غالبا ما تكون صغيرة معقولة، وكذلك (أي، عادة في حدود عشرات من الموضوعات)، طرق على الانترنت تقديم وعود لعينات أكثر تنوعا بكثير وأكبر. على سبيل المثال، كانت خدمة الترك الميكانيكية الأمازون موضوع عدد من الدراسات الحديثة، سواء تصف خصائص "عامل" السكان واستخدام هذه الفئة من السكان في البحوث السلوكية 2-6.

ومع ذلك، واحد قلق كبير فيما يتعلق بتلك الأساليب هو النقص النسبي في السيطرة على المتغيرات التحفيز حرجة. على سبيل المثال، في معظم المهام علم النفس البدني البصرية، وتوصف المحفزات من حيثزاوية بصرية. حساب الزوايا البصرية يتطلب قياسات دقيقة لمسافة العرض، حجم الشاشة، ودقة الشاشة. في حين أن هذه المعايير هي تافهة لقياس والتحكم في بيئة المختبر (حيث يوجد شاشة المعروفة وعرض المشاركون المنبهات في حين وضعت في بقية الذقن مسافة معروفة من الشاشة)، ونفس الشيء لا ينطبق على جمع البيانات عبر الإنترنت. في بيئة الانترنت، وليس فقط سوف المشاركين حتما استخدام مجموعة متنوعة واسعة من المراقبين من مختلف الأحجام مع إعدادات البرنامج المختلفة، كما أنها قد لا يكون من السهل الوصول إلى الحكام / تدابير الشريط التي من شأنها أن تسمح لهم لتحديد حجم الشاشة أو لديهم المعرفة اللازمة لتحديد البرامج والأجهزة إعداداتها (على سبيل المثال، ومعدل التحديث، القرار).

نحن هنا وصف مجموعة من الأساليب لجمع البيانات عن اختبارين معروفة من الانتباه البصري - الميدان الرائع من عرض (UFOV) نموذج 7 وجوه متعددة تتبع (MOT) مهمة 8 - مع تجنب قدر الإمكان مصادر التباين التي هي متأصلة في القياسات على الانترنت. يمكن تشغيل هذه المهام من قبل أي مشارك لديه اتصال بالإنترنت ومتصفح متوافق HTML5. وسار المشاركون الذين لا يعرفون حجم الشاشة من خلال عملية القياس باستخدام الأدوات المتاحة عموما من حجم قياسي (أي بطاقة الائتمان / CD - راجع الشكل 1).

تم جمع البيانات عن هاتين المهمتين من أكثر من 1،700 المشاركين في ضخمة الكورسات المفتوحة اون لاين. كان متوسط ​​أداء هذه العينة على الانترنت متسقة للغاية مع النتائج التي تم الحصول عليها في التدابير المختبري لرقابة مشددة من نفس المهام الدقيقة 9،10. نتائجنا هي بالتالي متسقة مع مجموعة متزايدة من الأدب مما يدل على فعالية طرق جمع البيانات على الانترنت، وحتى في المهام التي تتطلب مراقبة محددة على ظروف العرض.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وتمت الموافقة على البروتوكول من قبل مجلس المراجعة المؤسسية في جامعة ويسكونسن-ماديسون. وقد كتب الخطوات التالية كدليل للمبرمجين لتكرار عملية آلية لتطبيق الويب وصفها.

1. تسجيل الدخول مشارك

  1. إرشاد المشاركين لاستخدام الكمبيوتر المزودة بالانترنت وانتقل إلى تطبيق الويب باستخدام متصفح متوافق HTML5: http://brainandlearning.org/jove . يكون المشارك الجلوس في غرفة هادئة خالية من الانحرافات، ومع الكمبيوتر على ارتفاع مريح.
    ملاحظة: بما أن التجربة بأكملها استضافت على الانترنت، والمهام ويمكن أيضا أن يؤديها عن بعد دون وجود مساعد باحث. يتم تضمين كافة التعليمات للمشارك في تطبيق ويب.
  2. لديها مدخلات المشاركين معرف فريد من شأنها أن تكون مرتبطة مع البيانات التي تم جمعها وتخزينها في databas الخليةه. يكون المشارك إعادة استخدام هذا ID إذا لم يتم الانتهاء من المهام على الانترنت في غضون الدورة نفسها. قبل الدخول، الحصول على موافقة من المشاركين عبر استمارة الموافقة مرتبطة على الصفحة.
    ملاحظة: يتم حفظ التقدم أحد المشاركين بعد كل مهمة من أجل إتاحة الفرصة لإتمام المهام 2 في أوقات منفصلة إذا لزم الأمر. إرشاد المشاركين دائما استخدام نفس معرف من أجل البدء حيث غادر مرة واحدة.

2. معايرة الشاشة

ملاحظة: تطبيق ويب أدلة المشارك من خلال الخطوات الثلاثة المبينة في صفحة المعايرة في: http://brainandlearning.org/jove/Calibration .

  1. اسأل المشاركين لإدخال حجم قطري من الشاشة في بوصة في مربع النص المسمى.
    1. ومع ذلك، إذا المشارك لا يعرف هذه المعلومات، يكون المشارك العثور على قرص مضغوط أو بطاقة الائتمان ككائن المعايرة ( الشكل 1). عندما يتم اختيار واحد، مطالبة المشاركين لوضع الكائن ضد الشاشة ومواءمتها مع صورة تمثيلية من وجوه المعروضة على الشاشة.
    2. مطالبة المشاركين لضبط حجم الصورة المعروضة على الشاشة لتتناسب مع حجم الكائن المادي. وبناء على قياسات لنزع السلاح المادي (قطر 4.7 ") أو بطاقة الائتمان (عرض 3.2")، بالإضافة إلى حجم بكسل من الصورة التمثيلية، وتحديد نسبة بكسل إلى بوصة للشاشة.
    3. استرداد بكسل القرار من جهاز العرض عن طريق screen.width وscreen.height خصائص جافا سكريبت ثم لحساب حجم قطري من الشاشة في بكسل. هذا مع العلم قيمة ونسبة التقديرات السابقة بكسل إلى بوصة (راجع الخطوة 2.1.2)، وتحويل حجم قطري إلى بوصة. يكون المشارك تأكيد هذه القيمة من خلال مربع حوار.
  2. مطالبة المشاركين لضبط مشرقا الشاشةإعدادات tness حتى جميع نطاقات 12 في التدرج الأسود إلى الأبيض المعروضة على الشاشة يمكن تمييزها بوضوح. سطوع الضوابط تحديد تختلف من جهاز الكمبيوتر.
  3. اسأل المشاركين على الجلوس تجارية بحتة بعيدا عن الشاشة في وضع مريح ثم قم بتعيين نافذة المتصفح إلى وضع ملء الشاشة. يجب أن يكون نافذة المتصفح في وضع ملء الشاشة لتحقيق أقصى قدر من المساحة المرئية التي تستخدمها المهام وإزالة أي الانحرافات البصرية، مثل شريط أدوات المتصفح وأشرطة المهام سطح المكتب.
  4. معرفة دقة الشاشة المشارك وحجم قطري من الشاشة، استخدم تطبيق ويب لحساب تلقائيا قيمة التحويل بكسل / درجة، استنادا إلى مسافة العرض 50 سم. تغيير حجم أبعاد المحفزات في المهام باستخدام هذه القيمة. جميع الأبعاد الزاوية البصرية الواردة أدناه تستند إلى هذا يفترض متوسط ​​قيمة المسافة من الشاشة.
  5. مرة واحدة معايرة كاملة، اطلب من المشاركين لاستكمال describ مهمتينإد أدناه. اختيار النظام من المهام أو تعيين عشوائيا في النظام عن طريق تطبيق ويب.

3. كائن متعددة تتبع المهام (MOT) - الشكل 2

  1. تقديم وتعريف المشاركين مع المحفزات MOT من خلال البرنامج التعليمي التوجيه الذاتي، وينظر في: http://brainandlearning.org/jove/MOT/practice.php . اسأل المشاركين لقراءة خطوة بخطوة تعليمات التي تظهر كيف ستعمل المحاكمات. بمجرد انتهاء المشارك قراءة الإرشادات، مطالبة المشاركين للذهاب من خلال التجارب الممارسة.
    1. الإعداد المحفزات الممارسة تتكون من 8 نقاط في 0.8 درجة مع سرعة حركة من 2 ° / ثانية. استخدام requestAnimationFrame API HTML5 لتحسين الرسوم المتحركة المتصفح في معدل الإطار من 60 هرتز من أجل السيطرة على هذه الحركة التحفيز.
    2. ضمان النقاط تتحرك ضمن حدود دائرة من 2 درجة الانحراف وCIRCلو لم أكبر من ارتفاع الشاشة المشارك، من دون تعليمات تحجب.
    3. تعيين النقاط على التحرك في مسار عشوائي، حيث في كل إطار نقطة لديه فرصة 60٪ من تغيير الاتجاه من خلال زاوية أقصاها 0.2 درجة. إذا يصطدم نقطة مع نقطة أخرى أو حدود شعاعي الداخلية أو الخارجية، حرك نقطة في الاتجاه المعاكس.
    4. مطالبة المشاركين لتتبع النقاط الزرقاء (تتراوح بين 1 و 2 نقطة في ممارسة محاكمة)، مع النقاط الصفراء تعمل كما distractors.
    5. بعد 2 ثانية، وتغيير النقاط الزرقاء إلى النقاط الصفراء وتستمر لنقلها بين النقاط الصفراء الأصلية لمدة 4 ثانية أخرى. في نهاية كل محاكمة، ووقف النقاط وتسليط الضوء على واحدة.
    6. مطالبة المشاركين للرد عن طريق الضغط على مفتاح ما إذا كانت نقطة الضوء على نقطة مجنزرة أو نقطة للانتباه. وبعد ذلك، مطالبة المشاركين إلى الضغط على شريط المسافة لمواصلة على المحاكمة المقبلة.
    7. بعد 3 محاكمات صحيحة متتالية، أو بحد أقصى 6 المحاكمات، مولقد المشارك على مهمة الكاملة.
  2. بدء مهمة MOT الكاملة للمشارك. مثال على مهمة ويمكن الاطلاع على: http://brainandlearning.org/jove/MOT .
    1. الإعداد المهمة كاملة مع 16 النقاط التي تتحرك في 5 ° / ثانية في الفضاء بين 2 درجة الانحراف و 10 درجة الانحراف. إذا الشاشة المشارك لا يمكن أن يصلح دائرة من 10 درجة الانحراف، واستخدام الحد الأقصى لحجم يمكن أن تحتوي الشاشة بدلا من ذلك.
    2. يكون المشارك إكمال ما مجموعه 45 محاكمات: خليط من 5 تتكونان من 1 نقطة مجنزرة و 10 محاكمات يتألف كل منها من 2-5 تعقب النقاط. تتناسب مع جميع المعلمات الأخرى إلى محاكمات الممارسة (انظر الخطوات 3.1.3 - 3.1.6).
    3. تسجيل الاستجابة وزمن الاستجابة المشارك مرة واحدة يتم تمييز نقطة.
    4. لكل 15 المحاكمات، أقترح استراحة للمشارك. في هذه الاعفاءات، وعرض مشارك7؛ ق الأداء (في المئة من المحاكمات الصحيحة) داخل الكتلة على الشاشة.

4. الانتقال من مهمة واحدة إلى أخرى (خطوة اختيارية)

  1. السماح للمشارك أن تأخذ استراحة بين المهمتين. ومع ذلك، كرر الخطوات من 1 و 2 إذا لم يتم الانتهاء من المهام خلال الدورة تسجيل الدخول نفسها.

5. الميدان الرائع من مشاهدة العمل (UFOV) - الشكل (3)

  1. تقديم وتعريف المشاركين مع المحفزات UFOV من خلال البرنامج التعليمي التوجيه الذاتي، وينظر في: http://brainandlearning.org/jove/UFOV/practice.php . اسأل المشاركين أن تذهب من خلال 4 مراحل خطوة بخطوة تعليمات التي تظهر اثنين من المحفزات الهدف الذي يجب أن يحضر إليها أثناء المهمة.
    1. تعيين التحفيز الهدف المركزي باعتباره 1 ° الابتسامة التي مضات في وسط الشاشة مع إما الشعر الطويل أو القصير. بطريقة عشوائيةطول الشعر مبتسم في جميع أنحاء المحاكمات.
    2. تعيين التحفيز الهدف الطرفية كنجم 1 ° أن ومضات في 4 درجات الانحراف في واحدة من 8 مواقع في جميع أنحاء الدائرة (0 درجة و 45 درجة و 90 درجة مئوية، 135 درجة، 180 درجة، 225 درجة، 270 درجة، و 315 درجة) . بطريقة عشوائية موقع النجم عبر المحاكمات.
    3. السيطرة التحفيز مدة عبر عدد من الأطر المستخدمة لمرة والعرض. تحسين إطار التحديث في حوالي 17 ميللي ثانية لكل إطار باستخدام API HTML5 requestAnimationFrame.
    4. للتحقق مما إذا تم تحقيقه الوقت العرض المتوقع، استخدام أسلوب getTime جافا سكريبت () للحصول على وقت بدء ونهاية الوقت مدة التحفيز على أساس ساعة النظام المشارك. حساب الوقت عرض قياسها من هاتين القيمتين واستخدام هذه القيمة لتحليل البيانات.
    5. لكل محاكمة الممارسة، الانتظار 500 ميللي ثانية قبل عرض المحفزات لحوالي 200 ميللي ثانية (حوالي 12 إطارات).
    6. اتبع التحفيز قبلعلى Sentation مع قناع الضوضاء تتألف من مجموعة نقطة تدرج الرمادي بشكل عشوائي ل 320 مللي ثانية (حوالي 19 إطارات).
    7. للمرحلة 1، وعرض فقط الهدف المركزي ومن ثم مطالبة المشاركين للرد عن طريق الضغط على مفتاح الذي عرض طول الشعر.
    8. للمرحلة 2، عرض فقط الهدف الطرفية ومن ثم مطالبة المشاركين للنقر على واحد من 8 خطوط شعاعي، يمثلون 8 مواقع المستهدفة المحتملة، للإشارة إلى حيث ظهرت النجمة.
    9. للمرحلة 3، عرض كل من المحفزات الهدف المركزية والطرفية ومن ثم مطالبة المشاركين لتقديم الردود على نوع مبتسم وموقع النجم.
      ملاحظة: يمكن للمشاركين حرية اختيار النظام من هذه الاستجابات اثنين.
    10. للمرحلة 4، عرض كل من المحفزات المستهدفة بالإضافة إلى distractors الطرفية، ومن ثم مطالبة المشاركين للاستجابة لمنبهات الهدف. لdistractors، وعرض 1 ° الساحات قدمت في المواقع 7 المتبقية في 4 درجات الانحراف، طن بالإضافة إلى 8 المزيد من الساحات في 2 درجة الانحراف.
    11. بعد استجابة المشارك، وتظهر ردود الفعل مشارك (علامة اختيار خضراء للإجابة الصحيحة أو الصليب الأحمر للإجابة غير صحيحة) لكل استجابة الهدف بعد كل محاكمة.
    12. نقل المشاركين على خشبة المسرح ممارسة المقبلة بعد الحصول على 3 محاكمات صحيحة متتالية. بعد المرحلة 4، نقل المشاركين على المهمة كاملة.
  2. مطالبة المشاركين لبدء مهمة UFOV الكاملة. مثال على مهمة ويمكن الاطلاع على: http://brainandlearning.org/jove/UFOV .
    1. تقديم نفس التحفيز المركزي كما هو الحال في جلسة التدريب العملي (راجع الخطوة 5.1.1). عرض الهدف الطرفية في 7 درجة الانحراف في واحدة من التي سبق ذكرها 8 مواقع (راجع الخطوة 5.1.2). يتم عرض 24 الساحات للانتباه أيضا في 3 ° الانحراف، 5 ° الانحراف، و7 ° المتبقيةمواقع الانحراف.
    2. استخدام 3 إلى أسفل، وإجراء-1 حتى الدرج لتحديد وقت تقديم المحفزات: تقليل مدة المحفزات بعد 3 محاكمات صحيحة متتالية وزيادة بعد كل محاكمة الخطأ.
    3. قبل الانتكاسات 3 الأولى في الدرج، استخدام حجم خطوة من 2 إطارات (تقريبا كل 33 مللي ثانية). بعد 3 انتكاسات، واستخدام حجم خطوة من 1 الإطار. تختلف التأخير قبل ظهور التحفيز بين 1 الإطار و 99 لقطة في المحاكمة، والحفاظ على مدة قناع الضوضاء في 320 مللي ثانية (حوالي 19 إطارات).
      ملاحظة: العكس هي النقاط التي تتغير مدة إما من زيادة في التناقص، أو تناقص في زيادة.
    4. إنهاء المهمة عندما تم تحقيق أحد ثلاثة شروط: الإجراء درج يصل إلى 8 انتكاسات. المشارك يكمل 10 محاكمات متتالية في أي مدة السقف (99 إطارات) أو مدة الكلمة (1 الإطار)؛ أو المشارك يصل كحد أقصى 72 المحاكمات.
    5. تسجيل ص المشاركesponse وزمن الاستجابة لكل من التحفيز المركزي والمحيطي التحفيز.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

إزالة ناشز

أكمل ما مجموعه 1،779 مشاركا مهمة UFOV. ومن بين هؤلاء، كان 32 مشاركا عتبات UFOV التي كانت أكبر من 3 انحرافات معيارية عن المتوسط، مما يشير إلى أنهم لم يتمكنوا من تنفيذ المهمة وفقا للتعليمات. على هذا النحو، تم إزالة البيانات UFOV من هؤلاء المشاركين من التحليل النهائي، وترك ما مجموعه 1،747 المشاركين.

تم الحصول على البيانات من 1،746 المشاركين...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

جمع البيانات على الانترنت لديه عدد من المزايا أكثر من معيار جمع البيانات المختبري. وتشمل هذه القدرة على تذوق أكثر بكثير من السكان تمثيلي بركة الجامعية كلية نموذجية المستخدمة في هذا المجال، والقدرة على الحصول على أكبر بكثير أحجام العينات في وقت أقل مما يستغرقه للحصول على حجم العينة التي هي أمر من حجم أصغر في المختبر 1-6 (على سبيل المثال، تم الحصول على نقاط البيانات التي تم جمعها من 1،700+ المشاركين في الورقة الحالية في أقل من أسبوع واحد).

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم دعم هذا العمل من قبل المؤسسة الوطنية السويسرية (100014_140676) ، والمؤسسة الوطنية للعلوم (1227168) ، والمعهد الوطني للعيون التابع للمعاهد الوطنية للصحة (P30EY001319).

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين ما يكشفون عنه.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
الكمبيوتر / الجهاز اللوحييجب أن يكون لديه اتصال بالإنترنت وقرص مضغوط أو بطاقة ائتمان
قد لا تكون هناك حاجة إذا كان المشارك يعرف بالفعل حجم الشاشة
متوافقة مع HTML5

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Henrich, J., Heine, S. J., Norenzayan, A. The weirdest people in the world. The Behavioral And Brain Sciences. 33, 61-135 (2010).
  2. Buhrmester, M., Kwang, T., Gosling, S. D. Amazon's Mechanical Turk: A new source of inexpensive, yet high-quality, data. Perspectives on Psychological Science. 6 (1), 3-5 (2011).
  3. Goodman, J. K., Cryder, C. E., Cheema, A. Data collection in a flat world: the strengths and weaknesses of mechanical turk samples. Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).
  4. Mason, W., Suri, S. Conducting behavioral research on Amazon's Mechanical Turk. Behavior Research Methods. 44 (1), 1-23 (2012).
  5. Crump, M. J., McDonnell, J. V., Gureckis, T. M. Evaluating Amazon's Mechanical Turk as a tool for experimental behavioral research. PLoS One. 8, e57410(1371).
  6. Lupyan, G. The difficulties of executing simple algorithms: why brains make mistakes computers don't. Cognition. 129, 615-636 (2013).
  7. Ball, K., Owsley, C. The useful field of view test: a new technique for evaluating age-related declines in visual function. J Am Optom Assoc. 64 (1), 71-79 (1993).
  8. Pylyshyn, Z. W., Storm, R. W. Tracking multiple independent targets: Evidence for a parallel tracking mechanism. Spatial Vision. 3 (3), 179-197 (1988).
  9. Dye, M. W. G., Bavelier, D. Differential development of visual attention skills in school-age children. Vision Research. 50 (4), 452-459 (2010).
  10. Green, C. S., Bavelier, D. Enumeration versus multiple object tracking: The case of action video game players. Cognition. 101 (1), 217-245 (2006).
  11. Chapter 1. Kodak Company. Ergonomics Design Philosophy. Kodak’s Ergonomic Design for People at Work. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. , 2nd Edition, John Wiley & Sons, Inc. Hoboken, NJ. (2004).
  12. Elze, T., Bex, P. P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments. i-Perception. 3 (9), 621(2012).
  13. Elze, T., Tanner, T. G. Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments. PLoS One. 7 (9), e44048(2012).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Visual Attention TestsOnline Data CollectionScreen CalibrationMultiple Object TrackingUseful Field Of ViewStimulus Timing ControlWeb Based ExperimentsParticipant ScreeningData Consistency AnalysisBrowser Animation Optimization

Related Articles