一种用于收集与分析相似性判断的心理物理学范式

摘要

该方案介绍了一种实验心理物理学范式，用于获取大量相似性判断数据，并提供了相应的分析流程。该范式可探究情境效应，并能够将相似性数据建模为至少五维的欧几里得空间。

摘要

相似性判断常用于研究心理表征及其神经相关机制。该方法已被用于刻画多个领域的感知空间：颜色、物体、图像、词语和声音。理想情况下，研究者可能希望比较所有刺激对之间感知相似性的估计值，但这通常不切实际。例如，若要求受试者判断两件物品的相似程度是否高于另外两件物品，所需的比较次数将随刺激集大小的四次方增长。另一种策略是要求受试者对孤立的刺激对进行相似性评分，例如使用李克特量表。这种方法效率更高（评分数量随刺激集大小呈二次方增长而非四次方），但这类评分往往不稳定且分辨率有限，同时该方法还假设不存在情境效应。

本文提出了一种用于高效收集相似性判断数据的新型排序范式，并提供了一套分析流程（附带软件），用于检验欧几里得距离模型是否能够解释实验数据。典型的试验包含围绕一个中心参考刺激的八个刺激：受试者需将这些刺激按照其与参考刺激的相似性进行排序。通过在每次试验中精心选择刺激组合，该方法具备针对一致性和情境效应的内部控制机制。该方法已针对来自最高五维欧几里得空间的刺激进行了验证。

该方法通过一项测量37个词语之间相似性的实验加以说明。每次试验产生28组成对比较结果，形式为“与参照物相比，A是否比B更相似？”若直接比较所有刺激对的组合，将需要221445次试验；而本设计仅需222次试验获得的5994组成对比较结果，即可重构出感知空间。

引言

人类通过心理加工和表征传入的感觉信息，以完成各种各样的任务，例如物体识别、导航、对环境进行推断等。相似性判断常被用于探究这些心理表征¹。理解心理表征的结构有助于揭示概念知识的组织方式²。此外，通过将相似性判断与大脑激活模式关联，还可以深入了解神经计算过程³。同时，相似性判断能够揭示感知过程中显著的特征⁴。研究心理表征在发育过程中的变化，有助于阐明其学习机制⁵。因此，相似性判断为理解大脑中的信息处理提供了重要线索。

常见的 使用相似性构建心理表征的模型是一种几何空间模型^6,7,8应用于感觉领域时，这类模型通常被称为感知空间⁹空间中的点代表刺激，点之间的距离对应于它们之间的感知差异程度。通过相似性判断，可以获得差异程度的定量估计值。这些成对的差异值（或感知距离）随后可用于构建感知空间模型 通过 多维尺度变换¹⁰.

方案

实验开始前，所有受试者均根据机构指南和《赫尔辛基宣言》签署知情同意书。本研究的方案已获得威尔康奈尔医学院机构审查委员会的批准。

1. 安装与设置

1. 从 GitHub 仓库 similarities（https://github.com/jvlab/similarities）下载代码。在命令行中运行：git clone https://github.com/jvlab/similarities.git。如果未安装 git，可从该仓库下载压缩文件夹形式的代码。
   注意：仓库中包含两个子目录：experiments（包含两个示例实验）和 analysis（包含一组用于分析收集到的相似性数据的 Python 脚本）。在 experiments 目录中，一个实验（word_exp）使用词语刺激材料，另一个实验（image_exp）显示图像刺激材料。具备一定的 Python 基础将有所帮助，但非必需。假定用户熟悉命令行操作：多个步骤需要从命令行运行脚本。
2. 安装以下工具并设置虚拟环境。
   1. python 3：请参见链接中的说明：https://realpython.com/installing-python/。本项目需要 Python 3.8 版本。
   2. PsychoPy：通过链接（h....

结果

图1A展示了在步骤3.3中由脚本生成的条件文件的一部分，用于词汇实验。每一行对应一个试验。ref列中的刺激呈现在显示器中央。列名stim1至stim8对应圆周上的八个位置，从中央参考位置右侧开始逆时针排列。词汇实验中的一个示例试验如图1B所示。

为了验证该方法的可行性与可重复性，开展了一项实验，其中刺激集包含37种动物的名称。作为一项研究的一部分，从八名视力正常的健康受试者中收集了完整的数据集。为展示该方法，本文展示了其中三名受试者的数据，这三名受试者中有两名对研究目的不知情。所有受试者均按照《赫尔辛基宣言》以及威尔康奈尔医学院的机构指南签署了知情同意书。

数据采集后，执行上述初始处理步骤（方案步骤 4.10–4.12）。将被试在每次试验中的反应解释为一系列独立的二元选择，形式为“参考刺激与 s₁ 之间的距离是否小于参考刺激与 s_2<.......

讨论

本方案适用于获取和分析可视觉呈现的刺激材料的相似性判断。首先讨论实验范式、分析方法及可能的扩展，随后探讨该方法的优缺点。

实验范式：本方法以包含37个动物名称的领域为例进行演示，并提供了一组感知判断的示例数据集，以便读者能够按照步骤5进行分析，并重现图3–6 中的部分内容（方案步骤1.4）。实验设计将这37个刺激分为222次试验——每次试验包含一个位于中心的参考刺激和八个环绕排列的比较刺激——并满足以下若干条件：a）37个刺激中的每一个均作为参考刺激出现相同次数（六次）（222 = 37×6）；b）在某一刺激作为参考刺激的六次试验中，其余36个刺激均至少有一次作为比较刺激出现；c）24个刺激与某一给定参考刺激仅进行一次比较；d）有六对刺激分别在两个独立的试验中与同一参考刺激进行比较。该范式的一个关键特征是：对于每个参考刺激，有六对比较刺激在不同情境下出现，这使得我们能够在步骤5中检验情境效应（见图.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
计算机工作站	N/A	N/A	操作系统：Windows / MacOS 10 或更高版本 / Linux；3.1 GHz 双核 Intel Core i5 或同级别处理器；8GB 或以上内存；具备文件读写与执行权限的用户权限
conda		版本 4.11	操作系统：Windows / MacOS 10 或更高版本 / Linux
Microsoft Excel	Microsoft	任意版本	用于打开并随机排列实验条件文件中的行和列。
PsychoPy	N/A	版本 2021.2	用于运行心理物理学研究的框架
Python 3	Python 软件基金会	Python 版本 3.8	Python3 及其相关内置库
必需的 Python 库	N/A	numpy 版本：1.17.2 或更高；matplotlib 版本 3.4.3 或更高；scipy 版本 1.3.1 或更高；pandas 版本 0.25.3 或更高；seaborn 版本 0.9.0 或更高；scikit_learn 版本 0.23.1 或更高；yaml 版本 6.0 或更高	numpy、scipy 和 scikit_learn 是包含优化和向量运算内置函数的计算模块。matplotlib 和 seaborn 是绘图库。pandas 用于读取和编辑 csv 文件中的数据。