Måling Opmærksomhed og Visual Processing Speed ​​af Modelbaseret analyse af Temporal ordens Domme

Abstract

Denne protokol beskriver, hvordan at foretage tidsmæssig ordens eksperimenter for at måle visuel behandling hastighed og opmærksomhedsressource distribution. Den foreslåede metode er baseret på en ny og synergistisk kombination af tre komponenter: den tidsmæssige orden domme (TOJ) paradigme, Bundesen teori om Visual Attention (TVA), og en hierarkisk Bayesian estimering rammer. Metoden giver let fortolkelige parametre, som understøttes af de teoretiske og neurofysiologiske fundament for TVA. Ved hjælp TØJs, kan fås TVA-baserede estimater for en bred vifte af stimuli, hvorimod traditionelle paradigmer bruges med TVA hovedsageligt er begrænset til bogstaver og tal. Endelig er de meningsfulde parametre i den foreslåede model giver mulighed for etablering af en hierarkisk Bayesian model. Sådan en statistisk model tillader evaluering af resultaterne i en sammenhængende analyse både om emnet og koncernniveau.

For at demonstrere det er muligt og versatility af denne nye tilgang, er rapporteret tre eksperimenter med opmærksomhed manipulationer i syntetiske pop-out displays, naturlige billeder, og en cued brev-rapport paradigme.

Introduction

Hvordan opmærksomhed fordeles i rum og tid er en af ​​de vigtigste faktorer i menneskets visuelle perception. Objekter, der fanger opmærksomhed på grund af deres synlighed eller betydning er typisk behandlet hurtigere og med større nøjagtighed. I adfærdsforskning har sådanne ydelsesmæssige fordele blevet påvist i en række forskellige eksperimentelle paradigmer. For eksempel, fordeling opmærksom på målstedet fremskynder reaktionen i sonden detekteringsopgaver ^1. Tilsvarende er nøjagtigheden af rapportering breve forbedret med opmærksomheden ^2. Sådanne fund bevise, at opmærksomheden forbedrer behandlingen, men de forbliver håbløst mute om, hvordan dette ekstraudstyr er etableret.

Nærværende dokument viser, at lav-niveau mekanismer bag opmærksomhedsgraden fordele kan vurderes ved at måle behandling hastighed af individuelle stimuli i en modelbaseret ramme, der relaterer målingerne til fin-kornet components af opmærksomhed. Med en sådan model, kan den samlede behandlingskapacitet og dens fordeling blandt de stimuli udledes forarbejdning hastighedsmålinger.

Bundesen teori om Visual Attention (TVA) ³ giver en passende model til denne bestræbelse. Det er typisk anvendt på data fra brev rapport opgaver. I det følgende er de grundlæggende elementer i TVA forklaret, og det er vist, hvordan de kan udvides til at modellere tidsmæssige ordens dom (TØJ) data opnået med (næsten) vilkårlige stimuli. Denne nye metode giver skøn over processorhastighed og distribution ressource, som let kan fortolkes. Protokollen i denne artikel forklarer, hvordan at planlægge og gennemføre sådanne eksperimenter og detaljer hvordan data kan analyseres.

Som nævnt ovenfor, den sædvanlige paradigme i TVA-baserede modellering og estimering af opmærksomhed parametre er bogstavet rapport opgaven. Deltagerne rapporterer identitet et sæt af bogstaver, somer kortvarigt flashes og typisk maskeret efter en varierende forsinkelse. Blandt andre parametre, kan den hastighed, hvormed visuelle elementer kodes til visuel korttidshukommelse estimeres. Fremgangsmåden er med succes blevet anvendt på spørgsmål i grundforskning og klinisk forskning. For eksempel Bublak og kolleger ^fire vurderede som koncentrationsproblemer parametre påvirkes i forskellige stadier af aldersrelaterede kognitive mangler. I grundlæggende opmærksomhed forskning, Petersen, Kyllingsbæk, og Bundesen ⁵ brugte TVA at modellere opmærksomhedsgraden opholdstid effekt, observatørens svært ved at opfatte den anden af to mål på bestemte tidsintervaller. En væsentlig ulempe af brevet rapport paradigme er, at det kræver tilstrækkelig overlearned og maskable stimuli. Dette krav begrænser metode til bogstaver og tal. Andre stimuli vil kræve hård træning af deltagere.

Den TOJ paradigme kræver hverken særlige stimulJeg heller maskering. Den kan bruges med enhver form for stimuli, for hvilke kan bedømmes rækkefølgen af ​​udseende. Dette udvider stimulus interval til stort set alt, hvad der kunne være af interesse, herunder direkte på tværs af modal ⁶ sammenligninger.

Efterforske opmærksomhed med TØJs er baseret på fænomenet opmærksomhedsgraden forudgående registrering som er et mål for, hvor meget tidligere en deltog stimulus opfattes i forhold til en ubemandet én. Desværre er den sædvanlige metode til at analysere TØJ data, montering observatør ydeevne psykometriske funktioner (såsom kumulative Gaussisk eller logistisk funktion), kan ikke skelne, om opmærksomhed øger behandlingen hastigheden af den deltog stimulus, eller hvis det nedsætter hastigheden af den ubemandede stimulus ^7. Denne tvetydighed er et stort problem, fordi spørgsmålet om, hvorvidt opfattelsen af ​​en stimulus virkelig forbedret, eller hvis den er til gavn på grund af tilbagetrækning af ressourcer fra en konkurrerende stimul os er et spørgsmål om både grundlæggende og praktisk relevans. For eksempel til konstruktion af human-machine interfaces er det yderst relevant at vide, om at øge fremtrædende ét element virker på bekostning af en anden.

Den TOJ opgave normalt forløber som følger: En fiksering mærke præsenteres for en kort forsinkelse, typisk et tilfældigt trukket interval kortere end et sekund. Derefter det første mål præsenteres fulgt efter en variabel stimulus debut asynkron (SOA) ved det andet mål. Ved negative SOAS proben, det betjente stimulus, vises først. Ved positive SOAS, referencen, den ubemandede stimulus, fører. Ved en SOA på nul, er begge mål vist samtidigt.

Typisk udgør målet refererer til omskiftning stimulus på. Under visse betingelser, men andre tidsmæssige begivenheder, såsom et flimmer af en allerede er til stede mål eller forskydninger anvendes ^8.

_content "> I TØJs, er svarene indsamles i en unspeeded måde, som regel ved tasterne mappet til de stimulerende identiteter og præsentation ordrer (f.eks hvis stimuli er pladser og diamanter, en nøgle angiver" firkantede først "og en anden" diamant først ") . vigtigt er det, for evalueringen, disse domme skal konverteres til "sonde først" (eller "henvisning først") domme.

I det foreliggende arbejde, er en kombination af behandling model af TVA og TOJ eksperimentelle paradigme anvendes til at eliminere problemerne i enten enkelte domæne. Med denne metode kan let fortolkelige hastighed parametre estimeres for næsten vilkårlige visuelle stimuli, der gør det muligt at udlede, hvordan observatørens opmærksomhed er afsat til konkurrerende visuelle elementer.

Modellen er baseret på TVA ligninger for behandling af individuelle stimuli, som vil blive kort forklaret i det følgende. Sandsynligheden for, at en stimulos er kodet ind i visuel korttidshukommelse, før den anden fortolkes som sandsynligheden for at dømme denne stimulus som vises først. De individuelle kodende varigheder er eksponentialfordelt ^9:

(1)

Den maksimale ineffektive eksponering varighed t ₀ er en tærskel for hvilken intet er kodet på alle. Ifølge TVA, satsen v _{x, jeg} ved hvilket objekt x kodet som medlem af en perceptuel kategori i (såsom farve eller en figur) er givet ved den hastighed ligningen,

. (2)

Styrken af den sensoriske beviser for, at x tilhører kategori jeg udtrykkes i η _{x, i,} og p _i er en beslutning bias for kategorisering stimuli som medlemmer af kategori i. Dette multipliceres med enttentional vægte. Individuelle opmærksomhedsgraden vægte w _x divideres med opmærksomhedskravet vægte af alle objekter i synsfeltet. Derfor er den relative opmærksomhedsgraden vægt beregnet som

(3)

hvor R repræsenterer alle kategorier og η _{x, jeg} repræsenterer den sensoriske beviser for, at objekt x tilhører kategori j. Værdien π _j kaldes relevansen af kategori j og afspejler en bias at gøre kategoriseringer i j. Den samlede behandlingskapacitet C er summen af ​​alle forarbejdning satser for alle stimuli og kategoriseringer. For en mere detaljeret beskrivelse af TVA, henvises til Bundesen og Habekost bog ^9.

I vores nye fremgangsmåde, ligning 1, som beskriver indkodningen af ​​individuelle stimuli, omdannes til en model af TØJs. Antages det, at valg fordomme og rapportkategorier er constant inden en eksperimentel opgave, den forarbejdning satser v _p og v _r fra de to target stimuli probe (p) og reference (r) afhænger af C og opmærksomhedskrav vægte i form v _p = C · w _p og v _r = C · W _R hhv. Den nye TOJ model udtrykker succes sandsynligheden P _{p ^1st,} at en deltager dommere sonden stimulus til at være først som en funktion af SOA og forarbejdning satser. Det kan formaliseres som følger:

(4)

En mere detaljeret beskrivelse af, hvordan denne ligning er afledt fra de grundlæggende TVA ligninger er beskrevet af Tünnermann, Petersen, og Scharlau ^7.

For enkelthedens skyld, er parameteren t ₀ udeladt i modellen i ligning 1. Ifølge den oprindelige TVA, bør t ₀ være identiske for both mål i TOJ opgave, og derfor annullerer ud. Dog kan denne antagelse undertiden blive krænket (se afsnit Diskussion).

Til montering denne ligning til TØJ data, foreslås en hierarkisk Bayesian estimering ordning ^11. Denne tilgang gør det muligt at estimere de koncentrationsproblemer vægte w _p og w _r af sonden og reference- stimuli og den samlede behandling rate C. Disse parametre, den resulterende uptake satser v _p og v _r, og opmærksomhed-inducerede forskelle mellem dem, kan vurderes om emnet og koncernniveau sammen med estimerede usikkerheder. Den hierarkiske model er illustreret i figur 1. I planlægningsfasen for et eksperiment, kan gennemføres praktisk Bayesiansk magt analyse.

Følgende protokol beskriver, hvordan at planlægge, udføre og analysere TØJ eksperimenter fra hvilke parametre behandling hastighed og koncentrationsproblemer vægte for visuel stimuli kanopnås. Protokollen antager, at forskeren er interesseret i, hvordan en opmærksomhedsgraden manipulation påvirker behandling hastigheder på nogle mål af interesse.

Figur 1: Grafisk model, der anvendes i Bayesian estimeringsproceduren. Cirkler angiver skønnede distributioner; dobbelt cirkler indikerer deterministiske knudepunkter. Firkanter viser data. Relationerne er givet i højre side af figuren. De knuder uden for de afrundede rammer ( "plader") repræsenterer middelværdier og dispersion estimater af TVA parametre (se indledning) på koncernniveau. I "j Emner" plade, kan det ses, hvordan koncentrationsproblemer vægte (w) er kombineret med de samlede forarbejdning satser (C) til fra stimulus forarbejdning satser (v) om emnet niveau. Plate "i SOAS &# 8221; viser, hvorledes disse TVA parametre transformeres derefter (via funktionen P _{p ^1st} beskrevet i indledningen) i succes sandsynlighed (θ) for de binomialfordelt responser på hvert SOA. Derfor er θ sammen med gentagelser af SOA (n) beskriver datapunkterne (y). For flere detaljer om notation og tolkning af grafiske modeller, se Lee og Wagenmakers ^23. Bemærk, at for overskuelighedens skyld, har de knuder, der repræsenterer forskelle i parametre er udeladt. Disse deterministiske parametre angives i figurerne på de eksperimentelle resultater i stedet. Klik her for at se en større version af dette tal.

Protocol

BEMÆRK: kan opnås Nogle trin i denne protokol ved hjælp brugerdefineret software leveres (sammen med monteringsvejledning) på http://groups.upb.de/viat/TVATOJ. I protokollen, er denne samling af programmer og scripts benævnt "TVATOJ".

1. Udvælgelse af Stimulus Materiale

1. Vælg stimuli efter forskningsspørgsmålet.
   BEMÆRK: I almindelighed er to mål vist på forskellige steder på skærmen. Stimuli, der er blevet anvendt med den nuværende metode omfatter f.eks, former, tal, bogstaver, enkeltfødte i pop-out-skærme, og objekter i naturlige billeder. De sidstnævnte tre typer blev anvendt i denne protokol.
   BEMÆRK: Flere forskellige stimulus typer indgår i TOJ plugin ( "psylab_toj_stimulus" forsynet med TVATOJ) til eksperimentet bygherre OpenSesame ^12.
2. Når du opretter nye stimulus typer, skal du sørge for, at egenskaberne af interest skal kodes for dommen ved at gøre dem vigtige for opgaven eller vælge stimuli, hvor egenskaberne af interesse er kodet automatisk (fx enkeltfødte i pop-out-skærme).

2. Power Estimation og Planlægning

1. Udfør en Bayesian magt analyse ved at simulere datasæt med den valgte model, planlagt design (SOA distribution og gentagelser), stikprøvestørrelser og hypotetiske parametre. Vurdere, om det er sandsynligt at nå forskning mål (for eksempel en vis forskel i de parametre). Hvis strømmen ikke er tilstrækkelig, ændre designet ved at tilføje eller flytte SOAS eller gentagelser og gentag analysen.
   1. For at bruge den medfølgende TVATOJ software, åbne og redigere scriptet "exp1-power.R". Følg kommentarerne i filen for at tilpasse det til den konkrete analyse. For generel information om Bayesian magt estimering henvises til Kruschke ^13.

<p class = "jove_title"> 3. Specifikation eller programmering af eksperimentet

1. Brug et eksperiment bygherre eller psykofysiske præsentation bibliotek til at gennemføre forsøget.
   1. For at bruge OpenSesame TOJ plugin forudsat i TVATOJ, skal du trække "psylab_toj_stimulus" plugin i en retssag præsentation løkke. Alternativt, åbne "simple-toj.osexp" eksempel eksperiment i OpenSesame.
   2. Vælg den ønskede stimulus typen fra rullemenuen "Stimulus type" i psylab_toj_stimulus konfiguration. Følg instruktionerne i TVATOJ for at tilføje nye stimulerende typer, hvis det kræves.
2. Angiv forsøgene som beskrevet i de følgende trin.
   1. For hver eksperimentel tilstand, skaber forsøg med det planlagte SOAS. Når du bruger psylab_toj_stimulus plugin og OpenSesame, føje alle forskellige faktorer som variable til retssagen løkke (fx "SOA").
   2. Tilføj rækker i tabellen til at indsealle faktor kombinationer (fx syv SOAS, fra -100 til 100 ms, krydset med de eksperimentelle betingelser "opmærksomhed" og "neutral"). Juster løkken s "Gentag" attribut til at skabe tilstrækkelige gentagelser (se protokol trin 2 til bestemmelse af distribution og gentagelse af SOAS).
      BEMÆRK: Typisk kan højst 800 forsøg blive præsenteret inden for en time. Hvis der er behov for flere gentagelser, overveje at opdele eksperimentet i flere sessioner. Sørg for, at "Bestil" attribut af løkken er indstillet til "Random", før du kører eksperimentet.
   3. I psylab_toj_stimulus plugin konfiguration, tilføje pladsholdere (fx "[SOA]") for de forskellige faktorer i de respektive felter. Indtast konstante værdier inden for faktorer, som ikke varierede.
      BEMÆRK: Før du kører eksperimentet, skal du sørge for, at præcis timing er garanteret. Hvis det er relevant timing opførsel af nyere skærme ikke blev verificeret, brugCRT-skærme og synkronisere med det vertikale tilbageløb signalet ^12.

4. Eksperimentel Procedure

1. Indbydende og briefing af deltagerne
   1. Velkommen deltagerne og informere dem om den generelle form af forsøget (computer-baseret opfattelse eksperiment). Informere deltagerne om den potentielle varighed af forsøget. Få deltagernes informerede samtykke til at deltage i forsøget.
   2. Sørg for, at deltagerne viser normal eller korrigeret-til-normalt syn (optimalt ved at foretage korte vision tests). Nogle underskud, såsom farveblindhed kan være acceptable, hvis de ikke griber ind i forskning spørgsmål for den særlige type stimulus materiale.
   3. Giv en rolig booth hvor forsøget gennemføres. Juster stolen, hage hvile, tastatur position, og så videre, for at sikre optimal visning og svar betingelser for experiment.
   4. Gøre deltagerne opmærksomme på, at eksperimentet kræver opmærksomhed og mental fokus og kan være trættende. Bed dem om at tage korte pauser efter behov. Det er dog lige så vigtigt ikke at udføre disse enkle opgaver under stærkt opmærksomhedsgraden belastning. Fortæl deltagerne, at det er okay at lave nogle fejl.
2. Instruktion og warm-up
   1. Nuværende vejledningen på skærmen for opgaven, beskriver procedure præsentationen sekvens og svar kollektion. Informer deltagerne, at opgaven er at rapportere den rækkefølge, som de mål, ankom, og at dette vil være vanskeligt i nogle forsøg. Spørg deltagerne til at indberette deres første indtryk, når de ikke kan fortælle rækkefølgen for visse, og lad dem gætte, hvis de ikke har en sådan indtryk på alle.
      BEMÆRK: I de binære TØJs anvendt her, er der ingen mulighed for at angive opfattelsen af ​​samtidighed. For at undgå overdreven gætte, ikke påpege tilstedeværelsen af ​​forsøg med SIMUltaneously præsenteret mål eksplicit. Lad disse simpelthen være vanskelige forsøg med anvisningerne ovenfor.
   2. For at undgå Øjenbevægelserne under forsøgene, bede deltagerne til at fiksere et varemærke, der vises i midten af ​​skærmen. Bed dem om at hvile deres hoved på en hage hvile.
   3. Spørg deltagerne til at tage korte pauser hvis det er nødvendigt. Lad dem vide, når pauser er tilladt, og når de skal undgås (f.eks under målet præsentation og før svaret).
   4. Medtag en kort træning, hvor deltagerne kan vænne sig til opgaven. Til dette formål præsenterer en tilfældig undergruppe af de eksperimentelle forsøg (se protokol trin 3.2).
      BEMÆRK: Da den opgave, selv er temmelig enkel, ti til tyve forsøg er normalt tilstrækkelig. Det kan være en fordel at øge deltagernes tillid til deres præstationer i denne opgave. Dette kan gøres ved at bremse præsentation og giver feedback.
   5. Få deltagernes confirmatipå, at de har forstået opgaven (lad dem forklare det), og at de ikke har nogen yderligere spørgsmål.
3. Kørsel af vigtigste eksperiment
   1. Lad den eksperimentelle software start med præsentation af de vigtigste forsøg. Lad standen for de vigtigste eksperiment.

5. Modelbaseret analyse af TOJ data

1. Konverter de rå datafiler i tællinger af "sonde første" domme for enhver SOA. For eksempel køre scriptet "os2toj.py" forsynet med TVATOJ.
2. Kør Bayesian estimeringsproceduren at estimere de vigtigste parametre w _p og C, det afledte dem v _p og v _r og forskellene i parametrene. Til dette formål køre scriptet "køre-evaluation.R" efter at redigere den i henhold til instruktionerne i filen.
3. Når prøveudtagningen er færdig, kan vurderes forskellene i interesse for forskningsspørgsmål. examples kan findes i følgende afsnit.

Representative Results

I det følgende er resultater opnået med den foreslåede metode rapporteret. Tre forsøg målte indflydelsen af ​​forskellige opmærksomhedsgraden manipulationer med tre meget forskellige typer af stimulus materiale. De stimuli er simple linje segmenter i pop-out mønstre, action rumgenstande i naturlige billeder, og cued brev mål.

Eksperiment 1: prominens i pop-out-skærme
Eksperiment 1 til formål at måle indflydelsen af ​​visuelle salience om behandling hastighed linjesegmenter i en syntetisk mønster. Emner dømt hvilken af ​​to mål linjesegmenter (venstre eller højre) i en baggrund mønster af orienterede liniestykker flimrede først. I halvdelen af forsøgene, sonden var en farve pop-out (se figur 2a). Mere baggrund på TOJ-baserede vurdering af pop-out kan findes i en undersøgelse af Krüger og kolleger ^8, hvor lokale ORIENTAtion prominens blev manipuleret i stedet for farve. Fordelingen og hyppigheden af SOAS er vist i figur 2b.

En Bayesian magt analyse blev udført som beskrevet i protokollen trin 2. For typiske gruppe samlede hyppighed C (M = 70 Hz, SD = 20) og en hypotetisk fordel fra ca. 7 Hz for det fremtrædende mål i opmærksomhed tilstand (som følge af en opmærksomhedsgraden vægt M = 0,55, SD = 0,02) blev 200 simuleringer udført. Succesraten for at detektere den fordel blev beregnet for den nedre grænse af 95% HDI (højeste tæthed interval) er over 4 Hz og opfylde yderligere krav til forskel for kontrol tilstand (se TVATOJ eksempel "power-exp1.R" for alle detaljer). Succesraten for at nå dette mål under de hypotetiske forhold med 25 deltagere viste sig at være 0,88 meden 95% HDI i området fra 0,82 til 0,92.

For selve forsøget blev 30 deltagere rekrutteret. En deltager blev udelukket fra analysen, fordi han ikke følge instruktionerne, men altid trykkede den samme nøgle.

Figur 2: Forsøg 1. (a) Mål (markeret med cirkler for illustration) i neutral (øverste del) og opmærksomhed (nederste del) tilstand. (B) SOA distributioner. (C) Tre eksemplariske emne-niveau respons tæller (point) og posteriore predictive kurver (skraverede område, intensitet repræsenterer sandsynligheden med hensyn til 100 simulerede gentagelser på finkornet SOAS). Blå angiver kontrol og grøn opmærksomhed tilstand. ( (E) Posterior fordelinger af den samlede sats C og koncentrationsproblemer vægte w _p og w _r. (F) Posterior fordelinger af v _p og v _p og deres forskelligheder. Klik her for at se en større version af dette tal.

Dataene blev tilpasset med TOJ model afledt af TVA (som beskrevet i indledningen) under anvendelse af en hierarkisk Bayesian procedure gennemføres i JAGS ^10. Figur 2c viser tre eksemplariske emne niveau plots af de rå data og posteriore forudsigende estimater opnået fra prøver af den model genstand niveau. Gruppe-niveau posteriore prædiktive kurver er vist i figur 2D og parameterestimaterne i figur 2e og p og w _r (figur 2e) eller den enkelte sats parametre v _p og v _r (figur 2f) kan vurderes. Hvis den samlede behandlingskapacitet C blev ændret af manipulation, kan sidstnævnte parametre vise, om og hvordan de enkelte stimulus forarbejdning satser har ændret sig.

Den foreslåede hierarkiske Bayesian estimeringsproceduren byder på et væld af resultater. For eksempel kan alle parametre vurderes for hver deltager om emnet niveau. Der er typisk interesse i tendenser i befolkningen. Derfor er resultater på koncernniveau diskuteret. Histogrammerne viser fordelinger over parameterrummet. De former for fordelingerne angives at angive parametrene centrale tendenser. De 95% HDIs markere de områder, hvorde sande værdier ligge med en sandsynlighed på 95% i henhold til model og data (for yderligere detaljer om, hvordan til at fortolke Bayesian statistik henvises til Kruschke ^{11, 13).}

Figur 2e viser estimater af midlerne på tværs emner for vægt og samlede sats parametre. En opmærksomhedsgraden fordel for iøjnefaldende stimulus kan ses i opmærksomhed tilstand. Den centrale tendens parameter w _p er 0,59, og dens 95% HDI varierer fra 0,55 til 0,63. Derfor prominens flyttet opmærksomhedsgraden vægt væk fra den neutrale værdi på 0,5. I kontrolgruppen tilstand, hvor ingen af målene var fremtrædende, en neutral vægt w _p = 0,5 blev opnået (95% HDI: 0,48-0,51). Den tilsvarende række "Sammenligning" viser, at forskellen mellem de w _p vægte tværs betingelser er 0,09, og 95% HDI af denne forskel ringedees fra -0,11 til 0,07. Derfor er der en pålidelig forskel mellem de to vægte til fordel for den iøjnefaldende stimulus.

Men betyder det, at den fremtrædende mål blev behandlet hurtigere? Forskellen i vægt sammen med den delte samlede sats C i opmærksomhed tilstand viser, at det blev behandlet hurtigere end den ikke-iøjnefaldende mål i denne tilstand. Et vigtigt spørgsmål er imidlertid, om det også blev behandlet hurtigere end målene i kontrol tilstand. Tager skøn over forarbejdning satser i betragtning, må svaret være nej. Skønnet C er vist i figur 2e er lavere i den opmærksomhed tilstand ved en forskel på næsten 17 Hz. I den tilsvarende "Sammenligning" plot, 0, ingen forskel, er lige i udkanten af ​​95% HDI; derfor er det højst usandsynligt. I betragtning af de enkelte satser sonden (v _p) og reference (v _r) stimulus i både tilstands (figur 2f), er det klart, at fordelen af de vigtigste stimulus resultater fra en 16 Hz reduktion af behandlingshastighed af den ikke-iøjnefaldende stimulus i opmærksomhed tilstand. En mulig fortolkning af disse resultater er, at den fremtrædende mål fører til en undertrykkelse af det ikke-iøjnefaldende mål i opmærksomhed tilstand og dermed fordele i forhold.

Bemærk, at i dette forsøg, selv om optrædener af sonde og reference var identisk i den neutrale tilstand, forsinkelsen mellem forsøg start og probe begivenhed var konstant. Derfor deltagerne kunne have rettet opmærksomheden mod dette tidspunkt, og dermed flytte opmærksomhedsgraden vægt væk fra den neutrale værdi 0,5. Følgelig skal den faktiske opmærksomhedsgraden vægt af sonden stimulus i kontrolgruppen tilstand skønnes og fastsættes til 0,5. Fastsættelse parameteren er mulig, når deltageren ikke kan fortælle selv i princippet, som er proben og hvor henvisningen stimulus, som i kontrolgruppen tilstand i eksperiment 3.

Eksperiment 2: Action plads fordele i naturlige billeder
Det andet eksperiment målte koncentrationsproblemer fordele for objekter i aktion plads i naturlige billeder. Fra forandring blindhed studerer det er kendt, at centrum-af-interesse objekter fordel hvilket betyder drevet orientering i naturlige billeder ^14. Denne virkning er fraværende når billeder skjules af upside-down præsentation. I upublicerede forandring blindhed eksperimenter, fandt vi en handling plads fordel med et sæt billeder med ændringer i action-plads og baggrund objekter (der er en offentliggjort replikering med lignende stimulus materiale i henvisning ^15). Vi hypotesen, at disse action rumgenstande, som ligger tæt på observatøren og eventuelt gribes, udviser en tilsvarende fordel i deres forarbejdning satser.

"Fo: holde-together.within-side =" 1 "> Således er den foreslåede TOJ-baserede metode testet med naturlige billeder Action plads (probe) og fjernere (reference) genstande, der udkom brat i naturlige billeder, udgjorde. målene for TOJ procedure (se figur 3a). i en mellem-fag styre tilstand, upside-down-versioner af de samme billeder blev brugt. Disse er kendt for at have reduceret kontekst effekter i forandring afsløring eksperimenter ^{15, 16.} SOA mellem de indledninger blev varieret ifølge fordelingen vist i figur 3a.

En magt estimering blev udført præcis som for forsøg 1, bortset fra at mellem-omfattet sammenligninger mellem eksperimentel og kontrol tilstand blev gennemført. Succesraten for at nå målet blev estimeret med 0,92 (95% HDI: 0,88-0,96) med 35 simulerede deltagere pr tilstand (detaljer kan være found i TVATOJ eksempel "power-exp2.R").

Der var 39 personer i den opmærksomhed tilstand og 38 i kontrolgruppen tilstand af den faktiske eksperiment. (Nogle fag deltog i begge forhold. Så vidt vi ved, er dette ikke kompromittere Bayesian statistisk analyse. Behandling af blandede data mellem-fag reducerer strøm sammenlignet med overvejer den individuelle forskelle.) Igen, en deltager (den samme person i begge betingelser) blev fjernet fra analysen af ​​hver betingelse, grund af at have bevidst gives tilfældige responser under hele forsøget.

Figur 3: Forsøg 2. (a) Action plads (markeret med hvidt arrows) og baggrund (sort pil) er målrettet i det neutrale (til venstre) og opmærksomhed (til højre) tilstand. (B) SOA distribution. (C) To eksemplariske emne niveau plots fra neutral (blå) tilstand og to parceller fra den opmærksomhed betingelsen (grøn) med respons tæller (points) og posteriore forudsigende kurver skraverede område; intensitet repræsenterer sandsynligheden med hensyn til 100 simulerede gentagelser på finkornet SOAS). (D) Posterior fordelinger af den samlede sats C og koncentrationsproblemer vægte w _p og w _r. (E) Gruppe-niveau posteriore prædiktive kurver. (F) Posterior fordelinger af v _p og v _r og deres forskelligheder. Klik her for at se en større version af dette tal.

Disse data blev monteret i samme mannis som i det første forsøg. Den eneste forskel var, at på grund af den mellem-fag design, parameter forskelle mellem de to forhold kan ikke beregnes under prøveudtagningen på emnet niveau. Dette reducerer kraften i forhold til inden for individet forskelle.

Den eksemplariske genstand niveau, og gruppe-niveau posteriore prædiktiv fordelinger i figur 3c viser distributioner, der er knap nok forskudt mod hinanden. De to betingelser overlapper næsten perfekt i gruppen niveau posterior prædiktiv plot (figur 3e), så det kan virke som om, den opmærksomhed manipulation ikke havde arbejdet på alle. Inspektion de bageste fordelinger af parametrene, men afslører, at der faktisk er en fordel for handling rumgenstande de. Den w _p skøn i opmærksomhed tilstand forskydes væk fra den neutrale tilstand på 0,5, som kun i meget venstre ende af 95% HDI. Mærkeligt, er det imidlertidogså forskudt i kontrolgruppen tilstand, med 95% HDI selv udelukke 0,5, hvilket antyder, at inversionen af ​​billederne ikke fjernede den potentielle handling space fordel.

I betragtning af sammenligning af de enkelte stimulus forarbejdning satser (figur 3f, "Sammenligning"), kan ses en effekt af opmærksomhed for satsen af henvisningen stimulus v _r. Men forskellen peger i modsat retning af den hypotese, og er lille, hvilket afspejler en sats ændring på kun 2 Hz (95% HDI: -3,36 til 0,66).

Derfor må det konkluderes, at enten (a) den opmærksomhedsgraden fordel af action rumgenstande skyldes en faktor, der ikke påvirkes af den scene inversion, såsom prominens eller synlighed. Alternativt kan (b) den scene inversion ikke reducerer de action space effekter som tilsigtet, eller (c) strømmen af ​​det foreliggende forsøg var for lille til at detektere effect. Forklaringer (a) og (b), eller en kombination, er de sandsynlige dem. I vores upublicerede skift-blindhed eksperimenter nævnt tidligere, som blev udført med de samme billeder, var der stadig en fordel (dog reduceret) til handling rumgenstande i inverterede scener.

I forbindelse med denne metode-centrerede papir imidlertid alternativ (c) kan være de mest interessante. Derfor vil størrelserne af eventuelt overses effekter blive kort beskrevet. Ser man på sammenligning af de koncentrationsproblemer vægte, den nedre grænse af 95% HDI, som afspejler den hypotese retning, er på -0,01. Derfor kun vægte større ved 0,01 i deltog i sammenligning med kontrollen betingelse er sandsynlig. Denne forskel er lille sammenlignet med de andre eksperimenter, og odds er imod selv sådan en lille effekt. Dette afspejles i den øvre HDI grænse nåede 0,04. Ser man på forarbejdning satser er nyttigt, fordi de satser i Hz let kan tolkes som processing hastighed.

Forskellene mellem de to betingelser er vist i "Sammenligning" række i figur 3f. Forskel Av _r mellem reference- stimuli er negativ, -2,03 Hz, og 95% HDI udelukker 0. negative forskel afspejler en stigning i behandlingen hastigheden af mål reference-, baggrunden objekter, som også er imod virkningen plads fordel hypotese . En lille opmærksomhedsgraden fordel er stadig muligt i forarbejdning satser af sonden mål, deres forskel Av _p anslås tæt på nul, men 95% HDI varierer fra -1,64 Hz til 1,51 Hz. Selvom en værdi tæt på nul er mest sandsynligt, sats effekter på op til 1,64 Hz til fordel for hypotesen, og op til 1,51 Hz imod det, fortsat være muligt om 95% HDI. Samlet set har disse resultater ikke er gunstige for den oprindelige hypotese, men deres diskussion viste, hvordan meningsfulde størrelser af eventuelt ubesvarede effekter kan være conveniently ekstraheret fra resultaterne. Bemærk, at for at acceptere null resultater, såsom den manglende reduktion af handlingen space fordel ved at rotere billederne, kan områder af praktisk ækvivalens defineres og deres overlapning med 95% HDI kan testes ¹¹ (se Diskussion afsnit).

Forsøg 3: Rumlig cueing i brev anerkendelse
Det tredje eksperiment undersøgte grænserne for den foreslåede TVA-baserede TOJ model og viser, hvordan modellen kan udvides til at håndtere disse problemer.

Hvad er det, der får den foreslåede metode ind i problemer? I de to tidligere forsøg, havde deltagerne at dømme to tidsmæssige begivenheder. Nu tilføjer vi en tredje tidsmæssig begivenhed, en perifer cue, der er vist 110 ms før sonden stimulus til direkte opmærksomhed mod det. Denne tredje begivenhed præsenterer vanskeligheder for simpel TVA-baserede TOJ model, hvor der kun to stimuli eksplicit modelleret.

Figur 4: Typiske effekter af stikord på perceptuelle ventetid. Størrelserne af opmærksomhed effekter typisk findes i TØJs med perifere signaler (horisontale linjer). Størrelser forudsiges af TVA-baserede TOJ model til forøgelse koncentrationsproblemer vægte af sonden stimulus (kurver). Den fuldt optrukne kurve svarer til typisk observerede parametre. Klik her for at se en større version af dette tal.

Størrelserne af opmærksomhedsgraden fordele rapporteret i TOJ litteratur allerede antyder disse vanskeligheder. Latenstiden forskelle fremkaldt af perifere signaler er ofte så højt som 50% ogundertiden endda så højt som 80% af cueing intervallet ^19. Som illustreret i figur 4, ville en så stor forskydning kræve usandsynligt opmærksomhedsgraden vægte tæt på w _p = 0,9 ved typiske forarbejdning satser. Endvidere har sådanne ekstreme vægte føre til stærkt skæve psykometriske distributioner. Disse ville have en stejl skråning ved den ene ende og en lavvandet hældning i den anden ende. I en svagere manifestation, kan dette ses i de posteriore prædiktive afbildninger af det første eksperiment (figur 2c og d). Sådanne stærkt forvrænget kurver er sjældent rapporteret. Når data fra den nuværende perifere cueing eksperiment er udstyret med TVA-baserede TOJ model, de bageste forudsagt kurver kraftigt afvige fra de faktiske data mønster.

Vigtigere er imidlertid, perifere signaler producere de stærkeste og mest pålidelige effekter af opmærksomhed i psykofysiske TOJ ^20. Derfor er det worthwhile til at anvende en modelbaseret vurdering med en udvidet version af den foreslåede model. Alcalá-Quintana og García-Pérez ²¹ foreslået en TOJ model baseret på generelle antagelser om eksponentiel stimulus kodning. Denne model indeholder en ekstra parameter, der giver mulighed for store skift uden at ændre skråningerne af psykometriske kurver. Alcalá-Quintana og García-Pérez brugte den til crossmodal TØJs, hvor sådanne skift stammer fra forsinkelser mellem modaliteter. Derfor, for at modellere data fra cued TØJs, vi inkluderer deres parameter τ. En forsinkelse mellem starten af ​​kodning processer kunne redegøre for de forventede store laterale skift. Parameteren τ kan endda have en TVA-kompatibel fortolkning. Dette er imidlertid ikke helt uproblematisk og vil blive drøftet senere. For at holde model påholdende, andre parametre foreslået af Alcalá-Quintana og García-Pérez (respons bias, bortfalder, og en mulig minimum tidsmæssigopløsning) blev ikke inkluderet.

Formelt er den oprindelige psykometriske modellen i ligning 4 modificeret ved at erstatte udtrykket SOA ved en justeret sigt SOA _adj = SOA + τ. Denne justering afspejler også fortolkningen af ​​τ: starterne af eksponentielle kodning processer nu ikke kun adskilt af SOA, men der tilføjes en ekstra konstant forsinkelse. I den hierarkiske Bayesian model, er omfattet af niveau τ samplet fra en gruppe-niveau normalfordeling.

En eksplicit magt analyse blev ikke udført for dette eksperiment. Fordi indenfor-fag design ligner den fra Expriment 1, forventes en lignende effekt for effekter i priser og koncentrationsproblemer vægte. Den forventede store laterale skift til opfanges af τ parameter er meget større og mere stabil end den sats og vægt effekter typisk er, så ingen magt problem kan være eorventet til detektering det enten.

Der blev indsamlet data for 32 deltagere (blandt dem de tre forfattere) i henhold til den eksperimentelle procedure beskrevet i protokollen trin 4. Deltagerne havde at rapportere rækkefølgen af ​​to bogstaver. I halvdelen af forsøgene sonden stimulus blev forud (110 ms) ved en perifer fire-dot cue (se figur 5a). En detaljeret beskrivelse af stimulus materiale kan findes i Tünnermann, Petersen, og Scharlau undersøgelse ^7. Den SOAS og deres frekvenser er vist i figur 5b. Hver deltager udføres en eller to sessioner.

Figur 5: Eksperiment 3. (a) Mål, vilkårligt designated som probe og reference i den neutrale tilstand (øverste del). I opmærksomhed tilstand (nederste del) proben stimulus forud (110 ms) ved en fire-prik cue. (C) Tre eksemplariske emne-niveau respons tæller (point) og posteriore predictive distributioner (skraverede område, intensitet repræsenterer sandsynligheden med hensyn til 100 simulerede gentagelser på finkornet SOAS). Blå repræsenterer den neutrale og grøn opmærksomhed tilstand. (D) Gruppe-niveau posteriore prædiktive kurver. (E) Posterior fordelinger af den samlede sats C og koncentrationsproblemer vægte w _p og w _r. (F) Posterior fordelinger af τ og dens forskel fra nul. (G) Posterior fordelinger af v _p og v _r og deres forskelle. Klik her for at se en større udgave af ther figur.

Den udvidede model som beskrevet ovenfor blev anvendt i den hierarkiske Bayesian estimeringsproceduren. (For deltagere, der er produceret meget stejle psykometriske kurver i den første session, blev mindre SOAS anvendt i den anden session. Dette ses for eksempel i den yderste venstre plot Figur 5c, som indeholder yderligere datapunkter på små SOAS.) På grund af den mere kompleks model, blev den magtfulde NUTS sampler fra Stan softwarepakke beskæftiget i denne analyse ^22.

I de andre eksperimenter kan sonden stimulus have en anden behandling end referencen stimulus, selv i kontrolgruppen tilstand. I forsøg 1, var det, fordi deltagerne kunne have afsat opmærksom på sin forudsigelige tidspunkt i forhold til retssagen debut. I eksperiment 2 blev inversion af billeder ikke forventes at helt fjerne den fordel handling genstande i rummet. I dette brev-baserede cueing eksperiment, men deltagerne ville ikke engang i princippet være i stand til at identificere, hvilke er sonden og som reference stimulus, fordi de samme tilfældige bogstaver blev brugt og tiden mellem forsøg og målrette debut tillod ikke at indgå måltypen. Derfor forventes en virkelig neutral kontrol tilstand og w _p fastsat til 0,5 og τ ved 0 i den neutrale tilstand.

Som det kan ses i figur 5c og 5d, cue fører til en betydelig forskydning af psykometriske funktion sammenlignet med de andre eksperimenter. Desuden er de bageste parceller i figur 5f viser, at τ estimeret som en 53,27 ms gavn for cued mål. De 95% HDI på forskellen ( "Sammenligning" række) udelukker alle forskelle er mindre end 47,56 (eller større end 57,73), hvilket gør dem meget usandsynlig.

t "> Interessant, der er en ændring i opmærksomhedsgraden vægte til fordel for den uncued mål (figur 5e). Den bageste fordeling af w _p har sin tilstand på 0,42. Den neutrale Vægt på 0,5 er ikke inkluderet i de 95% HDI. For C parameter, er der en stigning på 4,69 Hz for den opmærksomhed tilstand. Udtrykt i v-parametre (figur 5f), er det mest bemærkelsesværdige, at hastigheden v _r af henvisningen stimulus i opmærksomhed tilstand stiger.

I de to foregående forsøg blev det observeret, at den opmærksomhed manipulationer forøgede opmærksomhedskrav vægt af sonden stimulus. I det foreliggende forsøg, kunne imidlertid mønsteret afspejle et indgreb af cue med målet, og derved reducere dens kurs i kampen om kodning. Samtidig er de cued target ydelser fra hurtigere behandling på grund af τ parameter. Sidstnævnte kan være knyttet til en reduktion af den cued målets forsinkelser før ellerefter de eksponentielle løb. Bemærk dog, at vedrørende τ, en forlængelse af en forsinkelse i forbindelse med den uncued stimulus forklarer den relative forskel lige godt.

Discussion

Protokollen i denne artikel beskrives, hvordan at foretage simple TØJs og passer data med modeller baseret på grundlæggende stimulus kodning. Tre forsøg viste, hvordan resultaterne kan evalueres i en hierarkisk Bayesian estimering ramme for at vurdere indflydelsen af ​​opmærksomhed i meget forskelligt stimulus materiale. Prominens i pop-out skærme førte til øgede koncentrationsproblemer vægte. Også ledsagedes øgede vægte anslået til handling rumgenstande i naturlige billeder. På grund af den vedvarende fordel, når rumlige relationer blev forstyrret ved at vise sådanne billeder på hovedet, er det imidlertid sandsynligt, at en anden lokal opmærksomhedsgraden fordel fører til vægtforøgelse. En perifer cue, som anvendt i eksperiment 3, udviser en negativ indflydelse på opmærksomhedskravet vægt. Men det fører til en stor effekt i τ parameter, som modellerer en forsinkelse mellem starttidspunkterne af kodningsprocesser.

Det meste af protokollen følger fælles skridti at gennemføre TØJs og opfattelsen eksperimenter i almindelighed. Bemærk dog, at fortolkningen af ​​resultaterne i form af TVA er bundet til kodning af stimuli i visuel korttidshukommelse. Muligheden for at udføre TOJ ved ren debut detektion bør reduceres så meget som muligt. Derfor, som nævnt i protokol trin 1.2, er det afgørende, at de attributter af interesse enten automatisk kodet (der kan antages for visse stimuli, f.eks genkendelighed 'pop-outs) eller kodning skal lettes via opgaven (f.eks rapportere stimulus identitet).

Det er tilrådeligt at inspicere sammenfattet rådata ( "sonde første" tæller tværs SOAS divideret med antallet af gentagelser), før at køre den endelige analyse. Disse data bør følge en S-formet kurve som vist på psykometriske funktioner i tallene for den repræsentative resultater sektionen. Bemærk, at på grund af de binomialfordelt respons, datapunkterne tilfældigly afvige fra den ideelle vej. Afvigelserne stige med en faldende antal gentagelser. Med få gentagelser, afvigelserne er ofte relativt store, tilslører den ideelle S form. Men hvis mønsteret tydeligt afviger fra den normale kurve, kan have behov for den matematiske model, der skal justeres. For eksempel, når der observeres store laterale forskydninger (som i eksperiment 3 i denne artikel), Alcalá-Quintana og García-Pérez s τ parameter kan medtages. Hvis kurven ikke konvergerer til en og nul ved sine ender, yderligere bortfalder parametrene ²¹ kan tilføjes.

Det er muligt at foretage en formel model sammenligning som foreslået i Alcalá-Quintana og García-Pérez ²¹ at vælge mellem forskellige modeller. Brug modeller forskellige fra den ene skitseret i indledningen, kan dog indflydelse på, om resultaterne kan fortolkes i form af TVA.

Derindesultaterne rapporteret i denne artikel, vi erklærede de centrale tendenser estimerede forskelle sammen med deres 95% HDIs. Men i Bayesian ramme, er det muligt at acceptere eller afvise, at der ikke er nogen forskel mellem to estimater. Til dette formål skal en ROPE (region praktisk relevans) angives ^{11, 13.} Rebet indikerer et lille område omkring nul. Værdier inden for dette område anses praktisk taget lig med nul. Hvis rebet ikke overlapper med HDI, er nul hypotesen afvises. Meningsfulde ROPE grænser afhænger af forskning spørgsmål eller applikation. I modsætning til TOJ analyse med traditionelle midler, kan TVA tilgang guide etablering af meningsfulde ROPE grænser: På grund af deres meningsfulde enheder, kan parametrene relateret til skøn fra andre TVA paradigmer (fx, hele rapporter, se reference ³⁾ . Endvidere kan forarbejdning satser omdannes til indkodning durationer (den forventede værdi af kodningen varighed E _x af stimulus x er 1 / v _x, se reference ⁷⁾ for at informere ROPE grænser. For eksempel, hvis forskere er interesseret i, om en opmærksomhed manipulation bidrager til en Reduktionsreaktionen tid for en deltager i en køresimulering, kunne de ræsonnere som følger: Reaktionstider (herunder motorkomponenter) ligger i området fra nogle få hundrede millisekunder, derfor hvis den opmærksomhed manipulation ændrer den overordnede reaktion kun få millisekunder, ville ændringen være praktisk talt nul. Derfor et reb fra -2 til +2 ms kunne anvendes med forskellen af reference- og probe kodende varighed (E _r -E _s). Hvis rebet af denne forskel helt inkluderer HDI, det resultat, at der ikke er forskel kan accepteres. Hvis HDI og ROPE ikke overlapper, kan nul hypotesen afvises. Hvis hverken er tilfældet, kan en sådan punkt tages stilling. Yderligere oplysninger om Bayesian evakan findes værdiansættelse, tilgang i almindelighed, for eksempel i Kruschke bog ^13.

Hvad angår mere generelle spørgsmål, for succes i denne protokol, er det afgørende, at der kun er to stimuli, der genererer tidsmæssige signaler ved målet placering. For eksempel, en perifer cue (som i eksperiment 3) eller masker ⁷ fører til store laterale forskydninger, der ikke kan forklares af den nuværende TVA-model. Sådanne situationer er ikke ualmindelige, og de blev modelleret ved at indarbejde en parameter foreslået af Alcalá-Quintana og García-Pérez ^21. I denne udvidede model, den τ komponent kan ikke klart forbundet med en TVA mekanisme. Der er en foreløbig forbindelse mellem τ og TVA, men der er nogle uløste problemer. Faktisk TVA antager en kort forsinkelse, før koder starter. Parameter t _0, som blev drøftet i indledningen, er den maksimale ineffektiv eksponering durtion, for hvilken intet er kodet på alle. Forskellen t _0r -t _0p kunne forstås som τ. Men t ₀ er typisk små, omkring 10 til 20 msek. Endvidere har teorien ikke antage, at det påvirkes af opmærksomhed. Ikke desto mindre har t ₀ reduktioner blevet observeret i brev anerkendelse ^{7, 24.} Hvis man accepterer denne mulighed, men en ny forpligtelse foretages. Parameter τ blev målt omkring 50 ms. Da t _0p af cued stimulus maksimalt kan nedsættes med 10 til 20 ms, fordi det ikke er større i det første sted, ville de fleste af τ komme fra stigende t _0r af uncued til 50 til 60 msek. Denne størrelsesorden er langt ud over, hvad der undertiden observeret (ca. 10 ms). Som en konsekvens af τ uklare forhold til TVA, kan nogle vigtige spørgsmål ikke besvares. For eksempel kan det ikke afgøres, om de forsinkelser deltog stimuli reduceres, eller hvis de af de ubemandede stimuli forlænget (hvilket resulterer i den observerede τ forskel).

Begrænsningerne i ovennævnte teknik skyldes det faktum, at kun to stimuli udtrykkeligt er modelleret med TVA. For at forbedre dette, fremtidige forskning sigter på at udvide TVA-model til mere end to stimuli. Især eksplicit modellering cue i cued TOJ med TVA er et vigtigt mål for efterfølgende forskning ^25.

Fordele ved protokollen er enkelheden i TOJ opgave, som kan udnytte næsten vilkårlig stimuli, den grundige teoretiske fundament af TVA, og Bayesian evaluering ordningen. Den TVA-baserede model er et stort skridt fremad fra de traditionelle model-fri tilgange. I fortiden, har det meste generiske psykometriske funktioner blevet monteret på TØJ data. Ændringer i deres resumé parametre PSS (punkt subjektive samtidighed) og DL (forskel limen, et mål fordiskrimination performance) har været knyttet til opmærksomhedsforstyrrelser manipulationer. Til tider er disse parametre overfortolkes. For eksempel er det ofte hævdes at opmærksomheden accelererer behandling af det betjente stimulus, hvorimod det også kunne være tilfældet, at den ubemandede stimulus forsinkes ^7. Ud over denne svaghed, disse parametre er temmelig indirekte. De beskriver udførelsen i opgaven og ikke karakterisere de processer, der producerer det. Den modelbaserede analyse af TØJs forbedrer disse ulemper ved at give meningsfulde parametre baseret på TVA.

Materials

Name	Company	Catalog Number	Comments
Personal Computer
(Open Source) Experimentation and evaluation software