Измерение внимание и скорость обработки визуальной модели на основе анализа судебных решений Temporal порядка

Abstract

Этот протокол описывает, как проводить эксперименты во времени порядка для измерения скорость обработки визуальной и сосредоточения внимания распределения ресурсов. Предлагаемый метод основан на новой и синергетической комбинации трех компонентов: временные порядка суждения (TOJ) парадигма, теория Bundesen по зрительное внимание (TVA) и иерархическую структуру байесовского оценивания. Метод обеспечивает легко интерпретируемые параметры, которые поддерживаются теоретическими и нейрофизиологических основ TVA. Использование TOJs, ТВА на основе оценки могут быть получены для широкого спектра стимулов, в то время как традиционные парадигмами, используемые с TVA, в основном ограничивается буквами и цифрами. И, наконец, значимые параметры предложенной модели позволяют для создания иерархической байесовской модели. Такая статистическая модель позволяет оценить результаты в одном когерентном анализе как по этому вопросу и на уровне группы.

Для демонстрации возможности и Versatility этого нового подхода, три эксперимента сообщается с вниманием манипуляций в синтетических Выдвижной дисплеи, природные образы, и парадигма письма подают реплики-отчет.

Introduction

Как внимание распределяется в пространстве и во времени, является одним из наиболее важных факторов зрительного восприятия человека. Объекты, которые привлекают внимание из-за их заметности или важности, как правило, обрабатываются быстрее и с более высокой точностью. В поведенческих исследований, такие преимущества производительности были продемонстрированы в различных экспериментальных парадигм. Например, выделение внимание на целевое расположение ускоряет реакцию в задачах обнаружения зонда ^1. Аналогичным образом , точность отчетных писем улучшается внимание ^2. Такие находки доказывают, что внимание улучшает обработку, но они остаются безнадежно немым о том, как установлено это усиление.

В настоящей работе показано, что механизмы низкого уровня за преимущества сосредоточения внимания могут быть оценены путем измерения скорости обработки отдельных стимулов в рамках модели на основе, которая связывает измерения с мелкозернистый ComponenТ.С. внимания. С помощью такой модели, общая мощность переработки и распределение его между стимулами могут быть выведены из измерений скорости обработки.

Теория Bundesen о зрительное внимание (TVA) ³ обеспечивает подходящую модель для этой деятельности. Это, как правило, применяется к данным из задач письма отчета. В дальнейшем, основы TVA объясняются и показано, каким образом они могут быть расширены для моделирования данных суждения височной порядка (TOJ), полученные с (почти) произвольными раздражители. Этот новый метод позволяет получить оценки скорости обработки и распределения ресурсов, которые могут быть легко интерпретированы. Протокол в этой статье объясняется, как планировать и проводить такие эксперименты и детали, как можно анализировать данные.

Как было упомянуто выше, обычная парадигма в ТВА на основе моделирования и оценки параметров внимания, является задачей письмо отчет. Участники сообщают о личности набора букв,на короткое время мелькали и обычно замаскированы после того, как в той или иной задержки. Среди других параметров, скорость, с которой визуальные элементы кодируются в зрительной кратковременной памяти может быть оценена. Этот метод был успешно применен к вопросам в области фундаментальных и клинических исследований. Например, Bublak и его коллеги оценивали ⁴ , которые параметры сосредоточения внимания влияют на разных стадиях возрастных когнитивных нарушений. В фундаментальных исследованиях внимания, Петерсен, Kyllingsbæk и Bundesen ⁵ используется TVA для моделирования эффекта времени сосредоточения внимания задержки, трудности наблюдателя в восприятии второй из двух мишеней через определенные промежутки времени. Основным недостатком парадигмы письма отчета в том, что она требует достаточно overlearned и маскируемых раздражители. Это требование ограничивает метод для букв и цифр. Другие стимулы потребует тяжелой подготовки участников.

Парадигма TOJ не требует ни специфической Стимуля и не маскировка. Он может быть использован с любым видом стимулов, для которых порядок появления можно судить. Это расширяет диапазон стимулов , чтобы в значительной степени все , что может представлять интерес, в том числе прямых сравнений ⁶ кросс-модальные.

Исследуя внимание с TOJs основан на явлении сосредоточения внимания предварительного ввода, которая является мерой того, как воспринимается гораздо раньше присутствовал стимул по сравнению с автоматической один. К сожалению, обычный метод для анализа данных TOJ, слесарно производительности наблюдатель психометрических функций (например, кумулятивных гауссовых или логистических функций), не может различить , увеличивает ли внимание скорость обработки обслуживаемого стимула или если он снижает скорость автоматической стимула ^7. Эта двусмысленность является серьезной проблемой, так как вопрос о том, действительно усиливается восприятие стимула или, если это приносит пользу из-за вывода средств из конкурирующей Стимул нам вопрос как фундаментальное, так и практическое значение. Например, для проектирования человек-машинных интерфейсов является весьма актуальным знать, если увеличивается известность одного элемента работает за счет другого.

Задача TOJ обычно протекает следующим образом: метка фиксации представлена ​​на короткой задержки, как правило, случайно обращается интервал короче, чем на секунду. Затем первая мишень представлен, а затем после того, как переменная начала стимула асинхронной (SOA) по второй мишени. При отрицательных СОА, зонд, то присутствовал стимул, показан в первую очередь. При положительных СОА, ссылка, неуправляемой стимул, ведет. На SOA нуля, обе мишени проявляются одновременно.

Как правило, представляя цель относится к переключению стимул на. При определенных условиях, однако, и другие временные события, такие как мелькание уже настоящей цели или смещения используются ^8.

_content "> В TOJs ответы собраны в unspeeded образом, как правило , с помощью клавиш , отображенных на раздражитель идентичностей и представления заказов (например, если стимулы квадраты и алмазы, один ключ указывает на " квадрат первого "и еще один" бриллиант первый ") . Важно отметить, что для оценки, эти решения должны быть преобразованы в "зонд первым" (или "ссылка первый") суждения.

В данной работе, сочетание модели обработки TVA и экспериментальной парадигмы TOJ используется для устранения проблем в любой из отдельного домена. С помощью этого метода, легко интерпретируемые скоростные параметры могут быть оценены почти произвольных визуальных стимулов, что позволяет сделать вывод о том, как внимание наблюдателя выделяется на конкурирующие визуальные элементы.

Модель основана на уравнениях TVA для обработки отдельных раздражителей, которые в скором времени будут объяснены в следующем. Вероятность того, что один Стимулмы закодирован в визуальный кратковременной памяти перед другим интерпретируется как вероятность судить этот стимул, как появляются в первую очередь. Отдельные длительности кодирования экспоненциально распределены ^9:

(1)

Максимальная длительность экспозиции неэффективна т ₀ порог , перед которым ничто не кодируется вообще. По словам TVA, скорость Ф _{Х, я} , при котором объект х кодируется как член воспринимаемого категории I (такие как цвет или форма) задается уравнением скорости,

, (2)

Сила чувственного доказательства того, что х принадлежит к категории I выражается в п _{х, I,} и р _я предубеждение решение для категоризации стимулов в качестве членов категории I. Это умножается наttentional веса. Индивидуальные веса ш сосредоточения внимания _х разделены сосредоточения внимания весов всех объектов в поле зрения. Следовательно, относительный вес сосредоточения внимания вычисляется как

(3)

где R представляет все категории и п _х, представляет собой сенсорную доказательства того, что объект х принадлежит к категории J. Значение π _J называется уместность категории J и отражает смещение , чтобы сделать категоризацию в J. Общая мощность переработки C представляет собой сумму всех скоростей обработки для всех раздражители и категоризации. Для более подробного описания TVA, обратитесь к Bundesen и Habekost в книге ^9.

В нашем новом способе, уравнение 1, которое описывает кодирование отдельных стимулов, преобразуется в модель TOJs. Предполагая, что предвзятость выбора и категории отчетов являются constanт в пределах экспериментальной задачи, темпы обработки v _р и v _р от двух целевых стимулов зонда (р) и эталонного (г) зависит от С и сосредоточения внимания весов в виде V _P = C · ш _р и V _R = C · ш _г соответственно. Новая модель TOJ выражает вероятность успеха P _{P ¹} - ^_ое , что участник судьи зонд стимула быть первым в зависимости от SOA и скорости обработки. Это может быть формализована следующим образом:

(4)

Более подробное описание того , как это уравнение выводится из основных уравнений TVA описывается Тюннерманн, Петерсен и Scharlau ^7.

Для простоты, параметр T ₀ опущен в модели в уравнении 1. В соответствии с первоначальным TVA, т ₀ должны быть одинаковыми для мальй цели в задаче TOJ, и, следовательно, сокращается. Однако это предположение может иногда быть нарушено (смотрите раздел Обсуждение).

Для установки этого уравнения к данным TOJ, иерархическая байесовский схема ¹¹ оценки предлагается. Такой подход позволяет оценить веса ш к вниманию _р и ш _г зонда и эталонных стимулов и общей скорости обработки C. Эти параметры, в результате темпы поглощения v _р и V _R и внимание индуцированное различия между ними, могут быть оценены на уровне субъекта и группы наряду с оцениваемыми неопределенности. Иерархическая модель показана на рисунке 1. На этапе планирования для эксперимента, удобный байесовский анализ мощности может быть проведена.

Следующий протокол описывает, как планировать, выполнять и анализировать эксперименты TOJ, из которых скоростные параметры обработки и веса для сосредоточения внимания зрительных стимулов можетбыть получены. Протокол предполагает, что исследователь интересуется, каким образом манипуляции влияет сосредоточения внимания на скорость обработки некоторых целей, представляющих интерес.

Рисунок 1: Графическая модель , используемая в байесовской процедуры оценки. Круги показывают оценочные распределения; двойные кружки обозначают детерминированные узлы. Квадраты указывают данные. Отношения приведены на правой стороне фигуры. Узлы вне закругленных кадров ( "тарелки") представляют собой средние и дисперсии оценки параметров TVA (см Введение) на уровне группы. В пластинке "J предметов", можно видеть, как вес (сосредоточения внимания со) в сочетании с общими показателями по переработке (С) от скорости обработки стимула (v) на уровне субъекта. Тарелка "я СОО &# 8221; показывает , как эти параметры TVA затем преобразуются ( с помощью функции P _{P ¹} , описанной во введении) в вероятности успеха (q) для распределенных биномиально ответов на каждом SOA. Таким образом, θ вместе с повторениями SOA (п) описывают точки данных (у). Для получения более подробной информации о записи и интерпретации графических моделей, обратитесь к Ли и ВАГЕНМАКЕРС ^23. Обратите внимание, что для наглядности, узлы, которые представляют собой разности параметров, были опущены. Эти детерминированные параметры указаны на рисунках результатов эксперимента вместо. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Protocol

Примечание: Некоторые шаги в этом протоколе может быть осуществлено с использованием специального программного обеспечения при условии (вместе с инструкциями по установке) на http://groups.upb.de/viat/TVATOJ. В протоколе, это сборник программ и скриптов, называется "TVATOJ".

1. Выбор стимульного материала

1. Выберите стимулы в соответствии с вопросом исследования.
   Примечание: В общем случае, две мишени приведены в различных местах на экране. Стимулы, которые были использованы в настоящем способе, включают, например, формы, цифры, буквы, одиночек в Выдвижной дисплеев, а также объекты естественного изображения. Последние три типа использовались в данном протоколе.
   Примечание: Несколько различных типов стимула включены в плагин TOJ ( "psylab_toj_stimulus" , которая входит TVATOJ) для эксперимента строитель OpenSesame ^12.
2. При создании новых типов стимула, убедитесь, что свойства Интерей должны быть закодированы для суда, сделав их важными для выполнения этой задачи или выбрать раздражители где свойства интереса кодируются автоматически (например, одиночек в Выдвижной дисплеев).

2. Оценка мощности и планирование

1. Выполните байесовский анализ мощности путем моделирования наборов данных с выбранной моделью, планируется дизайн (распределение SOA и повторы), размеры выборки, и гипотетические параметры. Расчетный показатель является ли она , вероятно, достигнет цели исследования (например, определенная разница в параметрах). Если питание не является достаточным, изменять конструкцию, добавляя или сдвигая СОА или повторений и повторить анализ.
   1. Для того, чтобы использовать предоставленное программное обеспечение TVATOJ, открывать и редактировать сценарий "exp1-power.R". Следуйте комментарии в файле, чтобы настроить его для конкретного анализа. Для получения общей информации по оценке байесовской мощности относятся к Kruschke ^13.

<р класс = "jove_title"> 3. Спецификация или программирование эксперимента

1. Используйте эксперимент строитель или психофизическое библиотеку презентаций для осуществления эксперимента.
   1. Для того, чтобы использовать плагин OpenSesame TOJ, представленную в TVATOJ, перетащите "psylab_toj_stimulus" плагин в петлю пробный презентации. В качестве альтернативы, откройте "простой" toj.osexp пример эксперимента в OpenSesame.
   2. Выберите нужный тип стимула из выпадающего меню "Стимул" типа в конфигурации psylab_toj_stimulus. Следуйте инструкциям в TVATOJ для добавления новых типов стимула при необходимости.
2. Укажите испытания , как описано в следующих шагах.
   1. Для каждого условия эксперимента, создавать испытания с запланированным СОА. При использовании плагина psylab_toj_stimulus и OpenSesame, добавьте все разнообразные факторы , как переменные для цикла пробной (например , "SOA").
   2. Добавьте строки в таблицу, чтобы понять,все комбинации факторов (например, семь SOAS, от -100 до 100 мс, скрещивают с условиями эксперимента "внимание" и "нейтральный"). Настройка "Повтор" атрибут Петля для создания достаточного повторений (см шаг протокола 2 для определения распределения и повторения СОА).
      Примечание: Как правило, не более 800 испытаний могут быть представлены в течение одного часа. Если требуется большее количество повторений, рассмотреть возможность разделения эксперимента на несколько сеансов. Убедитесь, что атрибут "Order" из цикла установлено значение "Random" перед запуском эксперимента.
   3. В psylab_toj_stimulus конфигурации плагина, добавьте заполнители (например , "[SOA]") для различных факторов в соответствующих областях. Введите постоянные значения в полях факторов, которые не изменяются.
      Примечание: Перед запуском эксперимента, чтобы убедиться, что точные сроки гарантировано. Если соответствующее поведение сроки новых мониторов не было проверено, использованиеЭЛТ - мониторы и синхронизации с вертикальной развертки сигнала ^12.

4. Процедура Экспериментальная

1. Приветствуя и инструктаж участников
   1. Приветствую участников и проинформировать их об общем виде эксперимента (компьютерный эксперимент) восприятие. Информирует участников о предполагаемой продолжительности эксперимента. Получить информированное согласие участников на участие в эксперименте.
   2. Убедитесь в том, что участники показывают нормальный или исправленный к нормальное зрение (оптимально путем проведения коротких тестов со зрением). Некоторые дефициты, такие как цветовой слепоты, может быть допустимым, если они не мешают исследования вопроса для конкретного типа стимула материала.
   3. Обеспечить спокойную стенд, где проводится эксперимент. Отрегулируйте стул, подбородка, положение клавиатуры, и так далее, чтобы обеспечить оптимальный просмотр и реагирования на условия для experimeнт.
   4. Убедитесь, участники знают, что эксперимент требует внимания и умственную концентрацию и может быть утомительным. Попросите их делать короткие перерывы, когда это требуется. Это, однако, в равной степени важно, чтобы не выполнять эти простые задачи под сильным штаммом сосредоточения внимания. Скажите участникам, что это нормально, чтобы сделать какие-то ошибки.
2. Инструкция и разминка
   1. Присутствуют следуйте инструкциям на экране для выполнения этой задачи, детализирующие порядок последовательности презентации и ответ. Информирует участников о том, что задача состоит в том, чтобы сообщить порядок, в котором цели прибыли, и что это будет трудно в некоторых исследованиях. Попросите участников сообщить свое первое впечатление, когда они не могут сказать наверняка, порядок, и пусть они думаю, если у них нет такого впечатления вообще.
      Примечание: В бинарных TOJs, используемых здесь, нет, чтобы указать восприятие одновременности. Для того, чтобы избежать чрезмерного угадывание, не указывают на наличие испытаний с симуltaneously представлены цели в явном виде. Пусть они просто трудные испытания с инструкциями, изложенными выше.
   2. Для того, чтобы избежать движения глаз во время испытаний, попросите участников зацикливается знак, который показан в центре экрана. Попросите, чтобы отдохнуть голову на подбородка.
   3. Попросите участников делать короткие перерывы, если это необходимо. Пусть они знают , когда перерывы разрешено , и когда они должны избегать (например, во время целевой презентации и до ответа).
   4. Включите краткое обучение, в котором участники могут привыкнуть к задаче. С этой целью представить случайное подмножество экспериментальных испытаний (см шаг протокола 3.2).
      Примечание: Поскольку сама задача довольно проста, от десяти до двадцати испытаний, как правило, достаточно. Это может быть выгодно, чтобы повысить доверие участников к их деятельности в этой задаче. Это может быть сделано путем замедления презентации и обеспечения обратной связи.
   5. Получить confirmati у участниковна том, что они поняли задачу (пусть это объяснить), и что у них нет никаких дальнейших вопросов.
3. Запуск основного эксперимента
   1. Пусть экспериментальный запуск программного обеспечения с презентацией основных испытаний. Оставьте стенд для основного эксперимента.

5. На основе модели Анализ данных TOJ

1. Преобразование файлов исходных данных в эпизодам "Зонд" первых решений для каждого SOA. Например, запустите скрипт "os2toj.py", поставляемое с TVATOJ.
2. Запуск Байеса методики оценки для оценки основных параметров ш _р и С, полученные из них v _р и v _г и разности параметров. Для этого запустите скрипт "обкатываются evaluation.R" после редактирования его в соответствии с инструкциями, приведенными в файле.
3. Когда выборка завершена, различия, представляющие интерес для исследовательских вопросов могут быть оценены. Examplэс можно найти в следующем разделе.

Representative Results

Ниже приведены результаты, полученные с помощью предлагаемого способа сообщается. Три эксперимента измеряли влияние различных манипуляций с сосредоточения внимания трех весьма различных типов стимула материала. Стимулы представляют собой простые отрезки в Выдвижной узоры, космические объекты действий в естественных изображений и Cued письмо цели.

Эксперимент 1: Salience в Выдвижной дисплеи
Эксперимент 1 по измерению влияния визуальной выпуклостью на скорости обработки отрезков в синтетическом рисунка. Субъекты судить, какой из двух целевых сегментов линии (слева или справа) в фоновый узор ориентированных отрезков мерцали в первую очередь. В половине испытаний, зонд был цвет Выдвижной (см рисунок 2а). Более фон на TOJ основе оценки Выдвижной можно найти в исследовании Крюгера и его коллегами ^8, где местные ORIENTAции заметность манипулировали вместо цвета. Распределение и частота СОА показаны на рисунке 2b.

Байесовский анализ мощности проводили, как описано на стадии протокола 2. Для типичной группы общей частоты C (M = 70 Гц, SD = 20) и гипотетической преимущество от около 7 Гц для Характерными мишени в состоянии внимания (в результате чего из вес сосредоточения внимания М = 0,55, SD = 0,02), были проведены 200 моделирования. Шанс для обнаружения преимущество было рассчитано для нижней границы 95% HDI (самый высокий интервал плотности) быть выше 4 Гц и выполнения дополнительных требований относительно разницы в состоянии управления (см TVATOJ пример "Power-exp1.R" для все подробности). Шанс успеха для достижения этой цели при гипотетических условиях с 25 участников оказались 0,88 с95% ИРЧП в диапазоне от 0,82 до 0,92.

Для реального эксперимента, 30 участников были набраны. Один из участников был исключен из анализа, потому что он не следовал инструкциям, но всегда нажимается и тот же ключ.

Рисунок 2: Эксперимент 1. (а) Цели (отмечены кружками для иллюстрации) в нейтральном положении (верхняя часть) и внимание (нижняя часть) состояние. (Б) распределения SOA. (С) три примерных подсчитывает ответа с учетом уровня (точки) и задний прогностические кривые (заштрихованная область; интенсивность представляет собой вероятность того, в отношении 100 смоделированных повторов в мелкозернистой СОА). Синий цвет обозначает контроль и зеленый состояние внимания. ( (Е) Posterior распределения общей скорости C и весов ш к вниманию _р и ш _г. (Е) Posterior распределения V _P и V _P и их различия. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Данные были оснащены модели TOJ , полученной из TVA (как описано во введении) с использованием иерархической байесовской процедуры , реализованный в зазубринами ^10. На рисунке 2в показаны три примерные графики с учетом уровня исходных данных и задних прогнозных оценок , полученных из образцов с учетом уровня подогнанной модели. Группа уровня задних прогностические кривые показаны на рис 2d и оценки параметров на рисунке 2Е и р и ш _г (рис 2E) или отдельных параметров скорости V _P и V _R (рис 2F) могут быть оценены. Если общая мощность переработки C была изменена манипуляциями, последние параметры могут показать, является ли и как изменились отдельные показатели обработки стимула.

Предложенная иерархическая байесовский процедура оценки предлагает множество результатов. Например, все параметры могут быть оценены для каждого участника на уровне субъекта. Как правило, есть интерес к тенденциям в популяции. Таким образом, результаты на уровне группы обсуждаются. Гистограммы показывают распределения по параметру пространства. Режимы распределений указаны для указания центральных тенденций параметров. 95% ИЧР отмечают диапазоны, в которыхистинные ценности лежат с вероятностью 95% в зависимости от модели и данных (для получения более подробной информации о том , как интерпретировать Байеса статистические данные, относятся к Kruschke ^{11, 13).}

Рисунок 2e показывает оценки средств по субъектам для веса и габаритных параметров скорости. Польза для сосредоточения внимания на выступе стимула можно увидеть в состоянии внимания. Центральная тенденция параметра ш _р составляет 0,59, а его 95% диапазоны ИРЧП от 0,55 до 0,63. Следовательно, выпуклость смещено вес сосредоточения внимания в сторону от нейтрального значения 0,5. В контрольной группы , где ни одна из целей не была ярко выраженной, нейтральный вес ш _р = 0,5 было получено (95% HDI: от 0,48 до 0,51). Соответствующая строка "Сравнение" показывает , что разница между _р ш весов по условиям составляет 0,09, а 95% HDI этой разницы зазвонилэс от -0.11 до 0,07. Следовательно, существует достоверная разница между этими двумя весами в пользу Характерными стимула.

Тем не менее, это означает, что выступ цели был обработан быстрее? Разница в массах вместе с совместно используемым общий коэффициент C в состоянии внимания, показывают, что он был обработан быстрее, чем без излома цели в этом состоянии. Тем не менее, важный вопрос, был ли он также обрабатываются быстрее, чем целями состояния управления. не принимая оценок скоростей обработки во внимание, ответ должен быть отрицательным. Оценка C показано на рисунке 2e ниже в состоянии внимания разницей почти 17 Гц. В соответствующем участке "Сравнение", 0, нет никакой разницы, просто на краю 95% HDI; следовательно, крайне маловероятно. Учитывая индивидуальные ставки зонда (v _р) и эталонного (V _R) стимул в обоих состоянииs (рис 2F), то ясно , что преимущество характерных результатов стимул , связанный с сокращением на 16 Гц скорость обработки не-выступе стимула в состоянии внимания. Возможная интерпретация полученных результатов заключается в том, что выступ мишени приводит к подавлению, не выступе цели в состоянии внимания и тем самым выгоды в связи.

Обратите внимание, что в этом эксперименте, даже несмотря на то, появлений зонда и ссылки были идентичны в нейтральном состоянии, задержка между началом пробного и события зонда было постоянным. Таким образом, участники могли бы обратили внимание к этому моменту времени, тем самым смещая вес сосредоточения внимания в сторону от нейтрального значения 0,5. Следовательно, фактический вес сосредоточения внимания зонда стимула в состоянии управления должна быть оценена и зафиксирована на уровне 0,5. Фиксация параметра возможно, когда участник не может сказать, даже в принципе, который является зонд и который опорный стимул, как и в контрольной группы в эксперименте 3.

Эксперимент 2: Действие космические преимущества в естественных изображений
Второй эксперимент измеряется преимущества к вниманию объектов в пространстве действий в области естественных изображений. От изменения слепота исследования известно , что центр интересов , объекты выгоду от значения управляемой ориентирование в естественных изображений ^14. Этот эффект отсутствует, когда изображения затемняется перевернутом презентации. В неопубликованных экспериментах изменение слепота, мы обнаружили пространство преимущество действий с набором изображений с изменениями в действии пространстве и фоновых объектов (имеется объявленная репликация с аналогичными стимульного материала в ссылке ^15). Мы предполагаем, что эти космические объекты действий, которые близки к наблюдателю и, возможно, постижимо, демонстрируют аналогичное преимущество в их скорости обработки.

"ВОК: Keep-together.within-страницу =" 1 "> Таким образом, предлагаемый метод на основе TOJ тестируется с естественными изображениями Действие пространство (зонд) и более отдаленные (справка) объекты, которые появились внезапно в естественных изображений, состоящими. цели для процедуры TOJ (смотри рисунок 3а). в между-субъектами контроля состояния, были использованы перевернутые версии одного и того же изображения. Они , как известно, имеют уменьшенные контекстные эффекты в экспериментах обнаружения изменения ^{15, 16.} Запись SOA между то натисков варьировалась в зависимости от распределения , показанной на фиг.3а.

Энергетической оценки проводили так же, как для эксперимента 1, за исключением того, что между СЮЖЕТНОЙ сравнений между экспериментальной и контрольной состояния были проведены. Шанс успеха для достижения цели была оценена с 0,92 (95% HDI: 0,88 до 0,96) с 35 моделируемых участников на каждое условие (детали могут быть FOунд в примере TVATOJ "власть-exp2.R").

Были 39 человек в состоянии внимания и 38 в состоянии контроля фактического эксперимента. (Некоторые предметы в обоих условиях участвовали. Насколько нам известно, это не ставит под угрозу байесовского статистического анализа. Лечение смешанных данных, как между-субъектами снижает мощность по сравнению с учетом внутри-субъектных различий.) Опять же, один из участников (тот же человек в обоих условиях) был исключен из анализа каждого из условий, из-за придав псевдослучайные ответов на протяжении всего эксперимента.

Рисунок 3: Эксперимент 2. (а) Действие пространство (отмечены белым АрроWS) и фона (черная стрелка) направлена ​​в нейтральной (слева) и внимание (справа) состояние. (Б) распределение SOA. (С) два примерных участков с учетом уровня от нейтрального (синий) состояние и два участка из условия внимания (зеленый) с подсчетов реагирования (точки) и задних прогнозирующих кривых заштрихованная область; Интенсивность представляет собой вероятность того, в отношении 100 смоделированных повторов в мелкозернистой СОА). (D) Posterior распределения общей скорости C и весов ш к вниманию _р и ш _г. (Е) на уровне группы задних прогностические кривые. (Е) Posterior распределения V _P и V _R и их различия. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Эти данные были установлены в том же Маннаэр, как и в первом опыте. Единственное отличие заключалось в том, что из-за конструкции между субъектами-различия параметров между этими двумя условиями не могут быть вычислены во время выборки на уровне субъекта. Это снижает мощность по сравнению с точностью до-предметных различий.

Примерный субъект уровня и задние прогнозного распределения на уровне групп на рисунке 3c показывают распределений, которые едва сдвинутые друг против друга. Эти два условия совпадают почти идеально в группе уровня задней предсказанием участка (рис 3e), так что может показаться, будто манипуляция внимание не работал вообще. Осматривая задние распределения параметров, однако, показывает, что на самом деле является преимуществом для действия космических объектов. Оценка _р ш в состоянии внимания смещается в сторону от нейтрального состояния 0,5, что только в самом левом конце 95% HDI. Любопытно, однако,также сдвинуты в состоянии управления, с 95% HDI даже без учета 0,5, что свидетельствует о том, что инверсия изображений не устранили потенциальное преимущество пространство действий.

Учитывая сравнение отдельных скоростей обработки стимула (рис 3f, "Сравнение"), эффект внимания можно рассматривать для скорости опорного стимула V _R. Однако разница точек в направлении, противоположном гипотезе и мала, что отражает изменение скорости только 2 Гц (95% HDI: -3.36 до 0.66).

Таким образом, следует сделать вывод, что либо (а) преимущество сосредоточения внимания космических объектов действий обусловлена ​​фактором, который не зависит от инверсии сцены, такие как выпуклостью или видимость. В качестве альтернативы, (б) инверсия сцена не уменьшает действие пространственные эффекты, как задумано, или (в) сила данного эксперимента была слишком мала, чтобы обнаружить Effeкт. Пояснения (а) и (б), или их комбинации, являются вероятными из них. В наших экспериментах неопубликованные изменения слепота, упомянутых ранее, которые были проведены с теми же образами, есть еще преимущество (хотя снижается) для космических объектов действий в перевернутых сцен.

В контексте этого метода в центре бумаги, однако, альтернатива (с) может быть самым интересным. Таким образом, будут кратко рассмотрены величины, возможно, пропускаемых эффектов. Глядя на сравнение весов сосредоточения внимания, нижняя граница 95% ИРЧП, которая отражает гипотетическое направление, находится на -0.01. Следовательно, только весом больше на 0,01 в участие по сравнению с контрольной группы вероятны. Эта разница невелика по сравнению с другими экспериментами, и шансы против даже такого небольшого эффекта. Это находит свое отражение в верхней HDI связанного достигает 0,04. Глядя на скорости обработки является полезным, поскольку ставки в Гц можно легко интерпретировать как процеСкорость ssing.

Различия между этими двумя условиями, показаны в строке "Сравнение" на рисунке 3е. Разница в & Dgr ; v _г между опорными раздражителей является отрицательным, -2,03 Гц, а 95% HDI исключает 0. Отрицательная разница отражает увеличение скорости обработки эталонных целей, фоновых объектов, которые тоже против действий пространство преимущество гипотезы , Небольшое преимущество в том , относящиеся к вниманию все еще возможно в скорости обработки мишеней зонда, их разность & Dgr ; v _р оценивается близко к нулю, а 95% ИРЧП в диапазоне от -1.64 Гц до 1,51 Гц. Несмотря на то значение, близкое к нулю, наиболее вероятно, эффекты скорости до 1,64 Гц в пользу гипотезы, и до 1,51 Гц против него, по-прежнему возможно относительно 95% HDI. В целом, эти результаты не являются благоприятными для первоначальной гипотезы, но их обсуждение показало, как значимые размеры, возможно, пропущенных эффектов могут быть конизвлеченный из удобным образом результатов. Обратите внимание , что для принятия нулевых результатов, таких как недостающего сокращения пространства преимущество действия путем поворота изображения, области практической эквивалентности могут быть определены и их перекрытие с 95% HDI может быть проверена ¹¹ (обсуждение см раздел).

Эксперимент 3: Пространственное признание в выполнении удара буквы
В третьем эксперименте исследовали границы предлагаемого TVA на основе модели TOJ и показывает, как модель может быть расширена, чтобы справиться с этими трудностями.

Что же получает предложенный метод в неприятности? В двух предыдущих экспериментах, участники должны были судить двух временных событий. Теперь мы добавим третий временной событие, периферийную кий, который показан 110 мс до зонда стимул обратить внимание к нему. Это третье событие представляет трудности для простого в TVA на основе TOJ модель, для которых только два стимула явно смоделирована.

Рисунок 4: Типичные эффекты репликами на воспринимаемых задержках. Магнитуды внимания эффекты, как правило, находятся в TOJs с периферийными репликами (горизонтальные линии). Магнитуды предсказанные моделью TOJ TVA основе для увеличения веса к вниманию пробного раздражителя (кривые). Сплошная кривая соответствует обычно наблюдаемым параметрам. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Величины преимуществ сосредоточения внимания в литературе TOJ уже намек на эти трудности. Различия задержки, вызванные периферийными репликами часто достигает 50% ииногда даже до 80% интервала ¹⁹ выполнении удара. Как показано на рисунке 4, такой большой сдвиг потребует маловероятные весов близко к вниманию к ш _р = 0,9 при типичных скорости обработки. Кроме того, такие экстремальные веса приводят к весьма асимметричны психометрических распределений. Они будут иметь крутой склон на одном конце и пологий склон на другом конце. В более слабом проявлении, это можно увидеть на задних прогнозирующих участках первого эксперимента (фиг.2с и г). Такие сильно искажены кривые редко. Когда данные из данного эксперимента периферического выполнении удара оснащен моделью TOJ ТВА на основе, задние предсказывал кривые сильно отклоняются от фактической конфигурации данных.

Важно, однако, периферийные сигналы производят самые сильные и надежные эффекты внимания в психофизическом TOJ ^20. Поэтому worthwhИОС, чтобы применить оценку на основе модели с расширенной версией предложенной модели. Алькала-Кинтана и Гарсия-Перес ²¹ была предложена модель TOJ на основе общих предположениях экспоненциального кодирования стимула. Эта модель содержит дополнительный параметр, который позволяет для больших сдвигов, не изменяя склоны психометрических кривых. Алькала-Кинтана и Гарсия-Перес использовал его для crossmodal TOJs, где такие сдвиги происходят от задержек между условиями. Таким образом, для моделирования данных из Cued TOJs, мы включаем их параметр т. Задержка между началом процессов кодирования может объяснить ожидаемых больших боковых сдвигов. Τ параметр может даже иметь TVA-совместимую интерпретацию. Тем не менее, это не совсем беспроблемное и будет обсуждаться позже. Для того, чтобы сохранить модель экономной, другие параметры, предложенные Алкала-Кинтана и Гарсия-Перес (уклонов реагирования, провалов, а также минимально возможный временнойразрешение) не были включены.

Формально оригинальная психометрический модель в уравнении 4 модифицируют путем замены термина SOA с помощью скорректированной термин SOA _ADJ = СОА + т. Эта корректировка также отражает интерпретацию т: начинается показательных процессов кодирования теперь не только разделены на SOA, но дополнительная постоянная задержка добавляется. В иерархической байесовской модели, при условии τ уровень выборки из нормального распределения на уровне группы.

Явный анализ мощности не проводился для этого эксперимента. Поскольку конструкция внутри-субъектов подобен одному из Expriment 1, аналогичная мощность, как ожидается, для эффектов в ставок и весов сосредоточения внимания. Ожидаемое большое боковое смещение будет захвачена параметра т намного больше и более стабильны, чем эффекты, скорость и вес, как правило, являются, таким образом, что ни одна проблема сила не может быть электроннойxpected для обнаружения его либо.

Данные были собраны для 32 участников (среди них трех авторов) по экспериментальной методике, описанной в стадии протокола 4. Участники должны были сообщить порядка двух букв. В половине испытаний зонд раздражитель предшествовал (110 мс) периферийным четырех точек кий (рис 5а). Подробное описание стимульного материала можно найти в Тюннерманн, Петерсен и Scharlau являются исследования ^7. СОА и их частоты показаны на рисунке 5б. Каждый участник выполнял одну или две сессии.

Рисунок 5: Эксперимент 3. (а) цели, произвольно деsignated в качестве зонда и ссылки в нейтральное состояние (верхняя часть). В внимание условие (нижняя часть) зонда раздражитель предшествовал (110 мс) с помощью четырех точек кия. (С) три примерных подсчитывает ответа с учетом уровня (точки) и задний прогнозного распределения (заштрихованная область; интенсивность представляет собой вероятность того, в отношении 100 смоделированных повторов в мелкозернистой СОА). Синий представляет собой нейтральный и зеленый состояние внимания. (D) на уровне группы задних прогностические кривые. (Е) Posterior распределения общей скорости C и весов ш к вниманию _р и ш _г. (Е) Posterior распределения т и его отличия от нуля. (Г) Posterior распределения V _P и V _R и их различия. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию гоэто цифра.

Расширенная модель, как описано выше, был применен в иерархической байесовской процедуры оценки. (Для участников , которые произвели очень крутых психометрических кривых в первой сессии, меньшие СОА были использованы во второй сессии. Это можно увидеть, например, в крайнем левом участок 5С, который содержит дополнительные точки данных при малых СОА.) Из - за более сложная модель, мощный NUTS пробоотборник из пакета программного обеспечения Stan был использован в этом анализе ^22.

В других экспериментах, зонд стимул может иметь различную скорость обработки данных, чем эталонного стимула, даже в состоянии управления. В эксперименте 1, это произошло потому, что участники могли выделили внимание на его предсказуемого момент времени относительно пробного начала. В эксперименте 2, инверсия изображений не ожидается полностью удалить преимущество действия космических объектов. В этом письме на основе выполнении удара эксперимента, однако, участники будут даже не в принципе, может быть в состоянии определить, какой зонд и который опорный стимул, так как одни и те же случайные буквы использовались и время между проб и целевого начала не позволяют сделать вывод, целевой тип. Поэтому, действительно нейтральное состояние управления , как ожидается , и _р ш зафиксирована на уровне 0,5 и т при 0 в нейтральном состоянии.

Как можно видеть на рисунке 5в и 5г, реплика приводит к существенному смещению психометрических функции по сравнению с другими экспериментами. Кроме того, задние участки на рисунке 5f показывают , что т оценивается как 53,27 мс пользу для цели подают реплики. 95% HDI на разнице (строка "Сравнение") исключает все различия меньше, чем 47,56 (или больше, чем 57.73), что делает их весьма маловероятно.

т "> Интересно, что изменение сосредоточения внимания весов в пользу uncued мишени (рис 5e). апостериорное распределение ш _р имеет свой режим на 0,42. Нейтральная Weigth 0.5 не входит в 95% HDI. Для параметр с, наблюдается увеличение на 4,69 Гц для состояния внимания. Выраженный в V-параметров (рис 5f), он является наиболее заметным , что скорость v _г эталонного стимула в состоянии внимания увеличивается.

В двух предыдущих экспериментах, было отмечено, что внимание Манипуляции увеличивало вес сосредоточения внимания зонда стимула. В настоящем эксперименте, однако, картина может отражать интерференцию кия с мишенью, тем самым снижая его скорость в гонке для кодирования. В то же время, Cued целевые выгоды от более быстрой обработки из-за параметра т. Последнее может быть связано с уменьшением задержек в Cued мишени до илипосле показательных гонок. Однако следует отметить, что в отношении т, пролонгация задержки, связанной с uncued раздражитель объясняет относительную разность одинаково хорошо.

Discussion

Протокол в данной статье описывается, как проводить простые TOJs и подходят данные с моделями, основанными на фундаментальном кодирования стимула. Три эксперимента показали, как результаты могут быть оценены в виде иерархической структуры байесовской оценки для оценки влияния внимания в весьма различной стимульного материала. Salience в Выдвижной дисплеев привело к увеличению веса сосредоточения внимания. Кроме того, увеличение веса были оценены для действий космических объектов в естественных изображений. Тем не менее, из-за сохраняющегося преимуществом, когда пространственные отношения нарушенного показывая такие изображения вверх ногами, вполне вероятно, что другой местный выгода приводит к вниманию к увеличению веса. Периферийный кий, как он использован в эксперименте 3, демонстрирует отрицательное влияние на вес сосредоточения внимания. Тем не менее, это приводит к большому эффекту в параметра т, который моделирует задержку между времен начала процессов кодирования.

Большая часть протокола следует общие шагипри проведении TOJs и экспериментов восприятия в целом. Однако следует отметить, что интерпретация результатов с точки зрения TVA привязан к кодированию раздражители в визуальный кратковременной памяти. Возможность выполнения TOJ путем чистого обнаружения началом должна быть уменьшена в максимально возможной степени. Поэтому, как уже упоминалось в шаге протокола 1.2, крайне важно , чтобы атрибуты , представляющие интерес, либо автоматически кодируются (которое можно считать для определенных стимулов, например, Salience поп-аутов) или кодирование должно быть облегчено с помощью задачи (например, представления докладов об осуществлении идентичность стимул).

Желательно, чтобы осмотреть суммированные необработанных данных ( "зонд первый" рассчитывает через СОА, разделенное на количество повторений) перед запуском окончательный анализ. Эти данные должны следовать кривой S-образную форму, как показано на психометрических функций на рисунках из результатов секции Представительства. Обратите внимание, что в связи с биномиально распределенных ответов, точки данных случайным образомLY отклоняться от идеальной траектории. Эти отклонения возрастают с уменьшением числа повторений. С нескольких повторений, отклонения часто относительно большой, заслоняя идеальную форму S. Тем не менее, если шаблон явно отклоняется от обычной кривой, математическая модель, возможно, должны быть скорректированы. Например, когда наблюдаются большие боковые сдвиги (как в эксперименте 3 настоящей статьи), Алькала-Кинтана и τ параметр Garcia-Переса могут быть включены. Если кривая не сходится к единице и нулю на его концах, дополнительные параметры замедленной ²¹ могут быть добавлены.

Можно выполнить формальное сравнение модели , как это предлагается в Алькала-Кинтана и Гарсиа-Переса ²¹ выбирать между различными моделями. Использование моделей, отличных от той, изложенной во введении, однако, может повлиять на результаты, могут ли быть интерпретированы в терминах TVA.

В ретаты представлены в этой статье, мы говорили центральные тенденции оценочных различий наряду с их 95% HDIS. Тем не менее, в рамках байесовского, можно принять или отклонить, что нет никакой разницы между двумя оценками. Для этой цели, Веревка (область практическое значение) должно быть указано ^{11, 13.} ВЕРЕВКА указывает небольшой диапазон вокруг нуля. Значения в пределах этого диапазона считаются практически равны нулю. Если тросовый не пересекается с HDI, нулевая гипотеза отвергается. Значимые пределы КАНАТНЫЕ зависит от исследования вопроса или применения. В отличие от анализа TOJ с традиционными средствами, TVA подход , основанный на может вести установление конструктивных ограничений Rope: Из - за своих конструктивных единиц, параметры могут быть связаны с оценками из других парадигм TVA (например, целых отчетов см ссылка ³⁾ , Кроме того, показатели обработки могут быть преобразованы в кодировку дюРационы (ожидаемое значение длительности кодирования Е _х стимула х равен 1 / v _х, см ссылку ⁷⁾ сообщить пределы Rope. Например, если исследователи заинтересованы способствует ли манипуляция внимание к сокращению времени реакции для участника в движущемся моделирования, они могли бы рассуждать следующим образом: Время реакции (в том числе компонентов двигателя) находятся в диапазоне от нескольких сотен миллисекунд, поэтому , если манипуляция внимание изменяет суммарную реакцию всего несколько миллисекунд, то изменение будет практически равна нулю. Поэтому тросик от -2 до +2 мс может быть применена к разности длительности опорного и зонда кодирования (E _г -Е _р). Если тросовый этой разницы полностью включает в себя ИРЧП, результат, что никакой разницы не может быть принято. Если HDI и ВЕРЕВОЧКА не перекрываются, то нулевая гипотеза может быть отвергнута. Если ни один случай, нет такого решения точка не может быть сделано. Более подробная информация об Байесовскую Евуподход в их оценке вообще можно найти, например, в книге Kruschke в ^13.

Переходя к более общим вопросам, для успеха этого протокола, крайне важно, что есть только два раздражители, которые генерируют временные сигналы в целевом местоположении. Например, периферийное кий (как в эксперименте 3) , или маски ⁷ приводят к большим боковым сдвигами , которые не могут быть объяснены текущей модели ТВА основе. Такие ситуации не являются редкостью , и они были смоделированы путем включения параметра , предложенный Алкала-Кинтана и Гарсиа-Переса ^21. В этой расширенной модели, компонент τ может не быть непосредственно связаны с механизмом TVA. Существует предварительная связь между т и TVA, но есть некоторые нерешенные проблемы. Действительно, TVA предполагает короткую задержку до кодирования. Параметр T _0, который обсуждался во введении, является максимальной неэффективна экспозиции дурвания, перед которым ничто не кодируется вообще. Т _0r -t _0p разница может быть понято как т. Тем не менее, т ₀ , как правило , небольшой, примерно от 10 до 20 мс. Кроме того, теория не предполагает, что он находится под влиянием внимания. Тем не менее, т ₀ снижение было отмечено в письме признания ^{7, 24.} Если принять эту возможность, дальнейшее обязательство должно быть сделано. Параметр τ измерялось около 50 мс. Учитывая тот факт , что т _0P от стимула максимально подают реплики может быть уменьшен на 10 до 20 мс , потому что это не больше , в первую очередь, большая часть т бы от увеличения т _0R из uncued до 50 до 60 мс. Эта величина далеко за пределы того, что иногда наблюдается (около 10 мс). Как следствие неоднозначного отношения т к TVA, некоторые важные вопросы нельзя ответить. Например, она не может быть принято решение ли задержек с участием stimuLi уменьшаются или, если таковые из необслуживаемых раздражителей затягиваются (что приводит к разности наблюдаемого т).

Ограничения методики, упомянутой выше, возникают из-за того, что только два раздражители моделировалось с TVA. Чтобы улучшить это, будущее исследование направлено на расширение модели TVA на основе более двух раздражителей. В частности, в явном виде моделирования кия с TOJ подают реплики TVA является важной задачей дальнейших исследований ^25.

Преимущества протокола являются простота задачи TOJ, которые могут использовать практически произвольные стимулы, основательный теоретическую базу по TVA и Байеса схему оценки. TVA-ориентированная модель является большим шагом вперед по сравнению с традиционной моделью свободных подходов. В прошлом, в основном общие психометрических функции были установлены на данных TOJ. Изменения в их общих параметрах PSS (точка субъективного одновременности) и DL (разница Лимен, мерапоказатели дискриминации) были связаны с манипуляциями сосредоточения внимания. Время от времени, эти параметры чрезмерно интерпретированы. Например, он часто утверждал , что внимание ускоряет обработку обслуживаемого стимула, в то время как он также может быть так , что без присмотра стимул замедляется ^7. В дополнение к этой слабости, эти параметры являются весьма косвенное. Они описывают производительность в задаче и не характеризуют процессы, которые производят его. Модель на основе анализа TOJs улучшает эти недостатки, предоставляя значимые параметры на основе TVA.

Materials

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