Name: 通过颞阶判决的基于模型的分析测量注意力和视觉处理速度 (视频) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: 学习使用颞阶判决（TOJ）测量注意力和视觉处理速度的方法。该方案基于Bundesen视觉注意理论，通过参与者判断两个目标呈现顺序，分析注意如何影响刺激编码速率，适用于多种视觉刺激。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作的部分研究得到了德国研究基金会（DFG）对 Ingrid Scharlau 资助项目 1515/1-2 和 1515/6-1 的支持。

注意：本方案中的某些步骤可以使用在 http://groups.upb.de/viat/TVATOJ 提供的自定义软件（附带安装说明）完成。在本方案中，这一系列程序和脚本统称为“TVATOJ”。
1. 刺激材料的选择
<ol>
	<li>根据研究问题选择刺激材料。 
	注意：通常情况下，屏幕上会显示位于不同位置的两个目标。本方法所使用的刺激材料包括例如形状、数字、字母、弹出显示中的单一项目，以及自然图像中的物体。本实验方案使用了后三种类型。 
	注意：时间顺序判断插件中包含多种不同的刺激类型（&#34;psylab_toj_stimulus&#34; 为实验构建工具 OpenSesame 提供 TVATOJ12.</li>
	<li>创建新刺激类型时，应确保通过使目标属性对任务具有重要性，或选择目标属性被自动编码的刺激，从而使这些属性被编码以用于判断例如，单例项在突显显示中的表现。</li>
</ol>
2. 功率估算与规划
<ol>
	<li>通过使用选定的模型、计划的设计（SOA分布和重复次数）、样本量以及假设参数来模拟数据集，进行贝叶斯功效分析。评估是否有可能实现研究目标（例如，参数之间存在特定差异）。如果功效不足，则通过增加或调整SOA或重复次数来修改设计，并重复分析。
	<ol>
		<li>若要使用提供的TVATOJ软件，请打开并编辑脚本 &#34;exp1-power.R&#34;。根据文件中的注释调整脚本以适应具体的分析。有关贝叶斯功效估计的一般信息，请参见Kruschke13。</li>
	</ol>
	</li>
</ol>
3. 实验的设计或编程
<ol>
	<li>使用实验构建工具或心理物理学呈现程序库来实施实验。
	<ol>
		<li>若要使用 TVATOJ 中提供的 OpenSesame TOJ 插件，请将 &#34;psylab_toj_stimulus&#34; 插件拖入试验呈现循环中。或者，在 OpenSesame 中打开 &#34;simple-toj.osexp&#34; 示例实验。</li>
		<li>在 psylab_toj_stimulus 配置的下拉菜单 &#34;Stimulus type&#34; 中选择所需的刺激类型。如有需要，请按照 TVATOJ 中的说明添加新的刺激类型。</li>
	</ol>
	</li>
	<li>按照以下步骤设定试验。
	<ol>
		<li>针对每个实验条件，创建具有计划 SOA 的试验。当使用 psylab_toj_stimulus 插件和 OpenSesame 时，将所有变化的因素作为变量添加到试验循环中（例如 &#34;SOA&#34;）。</li>
		<li>向表格中添加行，以实现所有因素组合（例如，7 个 SOA，从 -100 到 100 毫秒，与实验条件 &#34;attention&#34; 和 &#34;neutral&#34; 交叉）。调整循环的 &#34;Repeat&#34; 属性以生成足够的重复次数（参见实验方案步骤 2 以确定 SOA 的分布与重复次数）。 
		注意：通常情况下，一小时内最多可呈现 800 次试验。如果需要更多重复次数，应考虑将实验分为多个会话进行。确保在运行实验前，将循环的 &#34;Order&#34; 属性设置为 &#34;Random&#34;。</li>
		<li>在 psylab_toj_stimulus 插件配置中，在相应字段中为变化的因素添加占位符（例如 &#34;[SOA]&#34;）。对于不变化的因素，在其字段中输入固定值。 
		注意：在运行实验之前，确保能够保证精确的时间控制。如果尚未验证新型显示器是否具备合适的时间行为，请使用 CRT 显示器，并与垂直回扫信号同步12。</li>
	</ol>
	</li>
</ol>
4. 实验步骤
<ol>
	<li>参与者的欢迎与说明
	<ol>
		<li>欢迎参与者，并向他们介绍实验的基本形式（基于计算机的感知实验）。告知参与者实验预计持续的时间。获得参与者参与实验的知情同意。</li>
		<li>确保受试者具有正常视力或矫正至正常视力（最好通过简短的视力测试来确认）。某些缺陷（如色盲）若不影响特定类型刺激材料的研究问题，则可能是可接受的。</li>
		<li>提供一个安静的隔间用于实验。调节座椅、下巴托、键盘位置等，以确保实验过程中最佳的视觉观察和反应条件。</li>
		<li>让参与者了解该实验需要集中注意力和精神专注，可能会令人感到疲劳。提醒他们如有需要可短暂休息。然而，同样重要的是，不要在高度注意力负荷下进行这些简单任务。告知参与者出现一些错误是正常的。</li>
	</ol>
	</li>
	<li>指导与热身
	<ol>
		<li>在屏幕上呈现任务说明，详细说明刺激呈现顺序和反应收集程序。告知参与者，任务是报告目标到达的先后顺序，并说明在某些试验中这一判断可能较为困难。要求参与者在无法确定顺序时报告他们的第一印象；若完全没有第一印象，可进行猜测。 
		注意：在本研究所使用的二元时间顺序判断任务（TOJs）中，没有选项用于报告对同时性的感知。为避免受试者过度猜测，请勿明确指出存在目标刺激同时呈现的试验，仅将其视为上述指导语中所述的较难试验即可。</li>
		<li>为避免试验过程中产生眼动，要求受试者注视屏幕上中心位置显示的一个标记，并要求他们将头部置于下颌托上保持稳定。</li>
		<li>必要时请参与者短暂休息。告知他们何时可以休息，何时应避免休息。例如在目标呈现期间及反应之前）。</li>
		<li>包含一个简短的培训环节，使参与者能够熟悉任务。为此，呈现实验试验中的一个随机子集（参见方案步骤 3.2）。 
		注意：由于该任务本身相对简单，通常进行十到二十次试验即可。提高参与者对该任务表现的信心可能具有优势，可通过减慢呈现速度并提供反馈来实现。</li>
		<li>确认参与者已理解任务内容（让其复述），并确认其无其他疑问。</li>
	</ol>
	</li>
	<li>进行主实验
	<ol>
		<li>让实验软件从主试次的呈现开始。离开操作间以进行主实验。</li>
	</ol>
	</li>
</ol>
5. 基于模型的TOJ数据解析
<ol>
	<li>将原始数据文件转换为每个SOA的&#34;探针优先&#34;判断次数。例如，运行TVATOJ提供的脚本&#34;os2toj.py&#34;。</li>
	<li>运行贝叶斯估计程序，以估计主要参数wp和C，以及导出参数vp和vr，并计算这些参数之间的差异。为此，请根据文件中提供的说明编辑脚本&#34;run-evaluation.R&#34;后运行。</li>
	<li>当采样完成后，即可评估与研究问题相关的各项差异。相关示例如下节所示。</li>
</ol>

<ol><li>Posner, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Orienting+of+attention%5BTitle%5D)+AND+%22Quarterly+Journal+of+Experimental+Psychology%22%5BJournal%5D)">Orienting of attention.</a> Quarterly Journal of Experimental Psychology. 32 (1), 3-25 (1980).</li>
<li>Van der Heijden, A., Wolters, G., Groep, J., Hagenaar, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Single-letter+recognition+accuracy+benefits+from+advance+cuing+of+location%5BTitle%5D)+AND+%22Perception+%26+Psychophysics%22%5BJournal%5D)">Single-letter recognition accuracy benefits from advance cuing of location.</a> Perception & Psychophysics. 42 (5), 503-509 (1987).</li>
<li>Bundesen, C. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/2247540">A theory of visual attention.</a> Psychological Review. 97 (4), 523-547 (1990).</li>
<li>Bublak, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Staged+decline+of+visual+processing+capacity+in+mild+cognitive+impairment+and+Alzheimer%27s+disease%5BTitle%5D)+AND+%22Neurobiology+of+Aging%22%5BJournal%5D)">Staged decline of visual processing capacity in mild cognitive impairment and Alzheimer's disease.</a> Neurobiology of Aging. 32 (7), 1219-1230 (2011).</li>
<li>Petersen, A., Kyllingsbæk, S., Bundesen, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+and+modeling+attentional+dwell+time%5BTitle%5D)+AND+%22Psychonomic+Bulletin+%26+Review%22%5BJournal%5D)">Measuring and modeling attentional dwell time.</a> Psychonomic Bulletin & Review. 19 (6), 1029-1046 (2012).</li>
<li>Vroomen, J., Keetels, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Perception+of+intersensory+synchrony%3A+A+tutorial+review%5BTitle%5D)+AND+%22Attention%2C+Perception%2C+%26+Psychophysics%22%5BJournal%5D)">Perception of intersensory synchrony: A tutorial review.</a> Attention, Perception, & Psychophysics. 72 (4), 871-884 (2010).</li>
<li>Tünnermann, J., Petersen, A., Scharlau, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Does+attention+speed+up+processing%3F+Decreases+and+increases+of+processing+rates+in+visual+prior+entry%5BTitle%5D)+AND+%22Journal+of+Vision%22%5BJournal%5D)">Does attention speed up processing? Decreases and increases of processing rates in visual prior entry.</a> Journal of Vision. 15 (3), 1-27 (2015).</li>
<li>Krüger, A., Tünnermann, J., Scharlau, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+and+conspicuous%3F+Quantifying+salience+with+the+Theory+of+Visual+Attention%5BTitle%5D)+AND+%22Advances+in+Cognitive+Psychology%22%5BJournal%5D)">Fast and conspicuous? Quantifying salience with the Theory of Visual Attention.</a> Advances in Cognitive Psychology. 12 (1), 20(2016).</li>
<li>Bundesen, C., Habekost, T. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBundesen%2C+C+%22Principles+of+Visual+Attention%3A+Linking+Mind+and+Brain%22">Principles of Visual Attention: Linking Mind and Brain</a>. , Oxford University Press. Oxford, UK. (2008).</li>
<li>Plummer, M. <a target="_blank" href="https://www.r-project.org/conferences/DSC-2003/Drafts/Plummer.pdf">JAGS: A program for analysis of Bayesian graphical models using Gibbs sampling.</a> Proceedings of the 3rd international workshop on distributed statistical computing. , 124-125 (2003).</li>
<li>Kruschke, J. K., Vanpaemel, W. Bayesian estimation in hierarchical models. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKruschke%2C+JK+%22The+Oxford+Handbook+of+Computational+and+Mathematical+Psychology%22">The Oxford Handbook of Computational and Mathematical Psychology</a>. Busemeyer, J., Townsend, J., Wang, Z. J., Eidels, A. , 279-299 (2015).</li>
<li>Mathôt, S., Schreij, D., Theeuwes, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OpenSesame%3A+An+open-source%2C+graphical+experiment+builder+for+the+social+sciences%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">OpenSesame: An open-source, graphical experiment builder for the social sciences.</a> Behavior Research Methods. 44 (2), 314-324 (2012).</li>
<li>Kruschke, J. K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKruschke%2C+JK+%22Doing+Bayesian+data+analysis%3A+A+tutorial+with+R%2C+JAGS%2C+and+Stan%22">Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan</a>. , 2nd, Academic Press. Boston, MA. (2015).</li>
<li>Rensink, R. A., O'Regan, J. K., Clark, J. J. <a target="_blank" href="https://www.jstor.org/stable/40063214">To see or not to see: The need for attention to perceive changes in scenes.</a> Psychological Science. 8 (5), 368-373 (1997).</li>
<li>Tünnermann, J., Krüger, N., Mertsching, B., Mustafa, W. <a target="_blank" href="http://link.springer.com/article/10.1007/s12559-015-9329-9">Affordance estimation enhances artificial visual attention: Evidence from a change-blindness study.</a> Cognitive Computation. 7 (5), 525-538 (2015).</li>
<li>Shore, D. I., Klein, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effects+of+scene+inversion+on+change+blindness%5BTitle%5D)+AND+%22The+Journal+of+General+Psychology%22%5BJournal%5D)">The effects of scene inversion on change blindness.</a> The Journal of General Psychology. 127 (1), 27-43 (2000).</li>
<li>Scharlau, I., Neumann, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+parameters+and+time+course+of+perceptual+latency+priming%5BTitle%5D)+AND+%22Acta+Psychologica%22%5BJournal%5D)">Temporal parameters and time course of perceptual latency priming.</a> Acta Psychologica. 113 (2), 185-203 (2003).</li>
<li>Schneider, K. A., Bavelier, D. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/14642288">Components of visual prior entry.</a> Cognitive Psychology. 47 (4), 333-366 (2003).</li>
<li>Scharlau, I., Neumann, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Perceptual+latency+priming+by+masked+and+unmasked+stimuli%3A+Evidence+for+an+attentional+interpretation%5BTitle%5D)+AND+%22Psychological+Research%22%5BJournal%5D)">Perceptual latency priming by masked and unmasked stimuli: Evidence for an attentional interpretation.</a> Psychological Research. 67 (3), 184-196 (2003).</li>
<li>Shore, D. I., Spence, C., Klein, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+prior+entry%5BTitle%5D)+AND+%22Psychological+Science%22%5BJournal%5D)">Visual prior entry.</a> Psychological Science. 12 (3), 205-212 (2001).</li>
<li>Alcalá-Quintana, R., García-Pérez, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fitting+model-based+psychometric+functions+to+simultaneity+and+temporal-order+judgment+data%3A+MATLAB+and+R+routines%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">Fitting model-based psychometric functions to simultaneity and temporal-order judgment data: MATLAB and R routines.</a> Behavior Research Methods. 45 (4), 972-998 (2013).</li>
<li>Hoffman, M. D., Gelman, A. <a target="_blank" href="https://arxiv.org/abs/1111.4246">The No-U-turn sampler: adaptively setting path lengths in Hamiltonian Monte Carlo.</a> Journal of Machine Learning Research. 15 (1), 1593-1623 (2014).</li>
<li>Lee, M. D., Wagenmakers, E. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLee%2C+MD+%22Bayesian+cognitive+modeling%3A+A+practical+course%22">Bayesian cognitive modeling: A practical course</a>. , Cambridge University Press. Cambridge, UK. (2014).</li>
<li>Vangkilde, S., Bundesen, C., Coull, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prompt+but+inefficient%3A+Nicotine+differentially+modulates+discrete+components+of+attention%5BTitle%5D)+AND+%22Psychopharmacology%22%5BJournal%5D)">Prompt but inefficient: Nicotine differentially modulates discrete components of attention.</a> Psychopharmacology. 218 (4), 667-680 (2011).</li>
<li>Tünnermann, J., Scharlau, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Peripheral+Visual+Cues%3A+Their+Fate+in+Processing+and+Effects+on+Attention+and+Temporal-order%5BTitle%5D)+AND+%22Front.+Psychol%22%5BJournal%5D)">Peripheral Visual Cues: Their Fate in Processing and Effects on Attention and Temporal-order.</a> Front. Psychol. 7 (1442), (2016).</li>
</ol>

作者无任何利益冲突需要披露。

本文所述方案介绍了如何进行简单的时序判断任务（TOJ），并使用基于基本刺激编码的模型对数据进行拟合。三项实验展示了如何在分层贝叶斯估计框架中评估结果，以考察注意力在高度不同刺激材料中的影响。在突显的弹出式显示中，注意力权重增加。此外，在自然图像中，动作空间对象也被估计出更高的权重。然而，由于在通过倒置图像干扰空间关系后仍存在持续的优势，这种权重的增加很可能源于另一种局部注意力优势。如实验3所使用的外周线索，对注意力权重表现出负面影响，但它在τ参数上产生了显著效应，该参数用于建模编码过程起始时间之间的延迟。
大多数实验步骤遵循进行时间顺序判断（TOJ）和感知实验的常规流程。然而需要注意的是，从全局限制理论（TVA）角度对结果进行解释时，必须将刺激材料编码进入&#160;视觉短时记忆。应尽可能减少仅通过单纯检测刺激起始（onset detection）来完成TOJ的可能性。因此，如实验步骤1.2所述，关键在于目标属性要么能够被自动编码（某些刺激可默认具备此特性，例如显著性突显刺激），要么必须通过实验任务促进其编码（例如，要求被试报告刺激的身份信息）。...

注意在空间和时间上的分布方式是人类视觉感知中最重要的因素之一。由于显著性或重要性而捕获注意力的物体，通常会被更快且更准确地加工处理。在行为研究中，此类行为表现的提升已在多种实验范式中得到证实。例如，在探测检测任务中，将注意力分配到目标位置可以加快反应速度1。类似地，注意力还能提高报告字母的准确性2。这些发现证明了注意力能够增强信息加工，但它们对于这种增强是如何实现的机制问题，却始终无法提供解释。
本文表明，可以通过在基于模型的框架中测量单个刺激的处理速度，来评估注意力优势背后的低级机制，该模型将测量结果与注意力的精细组分相关联。利用此类模型，可以从处理速度的测量结果中推断出总体处理能力及其在各刺激间的分配情况。
Bundesen 的视觉注意理论（TVA）3 为这一研究提供了合适的模型。该理论通常应用于字母报告任务的数据。下文将解释 TVA 的基本原理，并展示如何将其扩展以建模通过（几乎）任意刺激获得的时间顺序判断（TOJ）数据。这种新方法可提供对加工速度和资源分配的估计，且结果易于解释。本文的实验方案详细说明了如何规划和实施此类实验，并阐述了数据的分析方法。
如上所述，基于TVA（视觉注意理论）的建模与注意参数估计通常采用字母报告任务范式。参与者需要报告一组短暂呈现且通常在不同延迟后被掩蔽的字母的身份。该方法可估计多个参数，其中包括视觉元素被编码进入视觉短时记忆的速率。该方法已成功应用于基础研究和临床研究中的诸多问题。例如，Bublak 及其同事4评估了在年龄相关认知功能缺损的不同阶段中，哪些注意参数受到影响。在基础注意研究中，Petersen、Kyllingsbæk 和 Bundesen5 使用 TVA 对注意驻留时间效应进行建模，即观察者在特定时间间隔内难以感知两个目标中的第二个目标的现象。字母报告范式的一个主要缺点是需要使用充分习得且可被有效掩蔽的刺激材料。这一要求将该方法限制在字母和数字范围内，若使用其他类型的刺激，则需要对参与者进行大量训练。
TOJ 范式既不需要特定刺激，也不需要掩蔽刺激。它可以与任何能够判断呈现顺序的刺激类型一起使用。这使得刺激范围几乎涵盖所有可能感兴趣的材料，包括直接的跨模态比较6。
利用时间顺序判断（TOJ）来研究注意，是基于“注意优先进入”这一现象，该现象用于衡量被注意刺激相比未被注意刺激被感知的时间提前程度。然而，分析TOJ数据的常用方法——即通过拟合观察者表现的心理测量函数（如累积高斯函数或逻辑函数）——无法区分注意究竟是提高了被注意刺激的加工速度，还是降低了未被注意刺激的加工速度7。这种模糊性是一个重要问题，因为一个刺激的感知究竟是真正得到了增强，还是仅仅由于竞争刺激的资源被剥夺而相对获益，这一问题在基础研究和实际应用中都具有重要意义。例如，在人机界面设计中，明确增强某一元素的显著性是否是以牺牲其他元素为代价的，具有极高的实际相关性。
时间顺序判断（TOJ）任务通常按以下步骤进行：首先呈现一个注视标记，持续一段短暂的延迟，通常是一个随机选择的、短于1秒的时间间隔。随后呈现第一个目标刺激，经过一个可变的刺激 onset 异步间隔（SOA）后呈现第二个目标刺激。在负SOA条件下，先呈现probe（即被注意的刺激）；在正SOA条件下，先呈现reference（即未被注意的刺激）；当SOA为零时，两个目标刺激同时呈现。
通常，呈现目标是指开启刺激。然而，在某些条件下，也可使用其他时间事件，例如已存在目标的闪烁或关闭8。
在时间顺序判断任务中，以非限时方式收集被试的反应，通常通过将按键与刺激的身份及呈现顺序相对应来实现（例如，如果刺激材料为正方形和菱形，则一个按键表示“先呈现正方形”，另一个按键表示“先呈现菱形”。重要的是，在评估时，这些判断必须转换为“探针刺激先呈现”（或“参考刺激先呈现”）的判断。
在本研究中，结合使用TVA加工模型与TOJ实验范式，以消除单一方法各自存在的问题。通过该方法，几乎可对任意视觉刺激估算出易于解释的速度参数，从而推断观察者的注意力如何分配给相互竞争的视觉元素。
该模型基于 TVA 关于单个刺激处理的方程，下文将对此进行简要说明。某一刺激先于另一刺激被编码进入视觉短时记忆的概率，被解释为判断该刺激先出现的概率。各个独立的编码持续时间呈指数分布9：
<img alt="函数 F(t) 公式，指数衰减，时间依赖性，图谱分析，科学研究。" src="/files/ftp_upload/54856/54856eq1.jpg" data-altupdatedat="1788235205000" data-alt="Equation 1"> (1)
最大无效暴露时长 t0 是一个阈值，在此之前完全不会发生任何信息编码。根据TVA理论，对象 x 作为某一感知类别 i（如颜色或形状）成员的编码速率 vx,i 由速率方程给出，
<img alt="数学公式：速度计算，符号方程，研究分析，图像处理。" src="/files/ftp_upload/54856/54856eq2.jpg" data-altupdatedat="1788235205000" data-alt="Equation 2"> . (2)
属于类别 i 的感觉证据强度用 ηx,i 表示，βi 是将刺激归类为类别 i 成员的决策偏向。该值需乘以注意权重。各个注意权重 wx 除以视野中所有对象的注意权重，因此相对注意权重的计算公式为
<img alt="公式：wx = Σ(ηx,i * πj)；统计分析中的符号表示。" src="/files/ftp_upload/54856/54856eq3.jpg" data-altupdatedat="1788235205000" data-alt="Equation 3">  (3)
其中，R 代表所有类别，ηx,i 表示对象 x 属于类别 j 的感觉证据。πj 称为类别 j 的相关性，反映倾向于将项目归类到 j 的偏差。总体加工能力 C 是所有刺激及其分类加工速率的总和。有关 TVA 的更详细描述，请参见 Bundesen 和 Habekost 的著作9。
在我们的新方法中，描述单个刺激编码的公式1被转化为一个时间顺序判断（TOJ）模型。假设在某一实验任务中选择偏差和报告类别保持恒定，则两个目标刺激——探针刺激（p）和参考刺激（r）——的加工速率vp和vr取决于常数C以及注意权重，其形式分别为vp = C · wp和vr = C · wr。新的TOJ模型将被试判断探针刺激先出现的成功概率Pp1st表示为刺激呈现异步间隔（SOA）和加工速率的函数。其形式化表达如下：
<img alt="静态平衡公式；P_gst(ν_p,ν_r,SOA)；数学方程。" src="/files/ftp_upload/54856/54856eq4.jpg" data-altupdatedat="1788235205000" data-alt="方程 4"> （4）
关于如何从基本的TVA方程推导出该方程的更详细描述，参见Tünnermann、Petersen和Scharlau的研究7。
为简便起见，式（1）的模型中省略了参数 t0。根据原始的TVA理论，在TOJ任务中，t0 对两个目标应相同，因此可相互抵消。然而，这一假设有时可能不成立（见“讨论”部分）。
建议采用分层贝叶斯估计方法11对同步性判断（TOJ）数据拟合该方程。该方法可用于估计探测刺激和参考刺激的注意权重 wp 和 wr，以及总体信息处理速率 C。这些参数、由此得出的信息摄取速率 vp 和 vr，以及由注意引起的二者之间的差异，均可在个体和组水平上进行评估，并同时提供估计的不确定性。图1展示了该分层模型。在实验设计阶段，可方便地进行贝叶斯功效分析。
以下方案描述了如何设计、实施和分析时间顺序判断（TOJ）实验，从中可获得视觉刺激的加工速度参数和注意权重。本方案假设研究人员关注的是某种注意操控如何影响某些目标刺激的加工速度。
<img alt="用于受试者和SOA认知模型分析的贝叶斯网络图及方程。" src="/files/ftp_upload/54856/54856fig1.jpg" data-altupdatedat="1788235205000" data-alt="图1">
图1：贝叶斯估计过程中使用的图形模型。 圆圈表示估计的分布；双圆圈表示确定性节点；方框表示数据。图右侧给出了各元素之间的关系。位于圆角框（“plate”）外的节点表示TVA参数（参见引言部分）在组水平上的均值和离散度估计。“j 受试者”框内展示了在个体水平上，如何将注意权重（w）与总体加工速率（C）结合，得到刺激加工速率（v）。“i SOA”框展示了这些TVA参数如何通过引言中描述的函数Pp1st转换为每个SOA条件下的成功概率（θ），进而对应于二项分布的响应。因此，θ与每个SOA的重复次数（n）共同描述了观测数据点（y）。有关图形模型符号和解释的更多细节，请参见Lee和Wagenmakers23。为清晰起见，图中省略了表示参数差异的节点，这些确定性参数将在实验结果图中另行标示。<a href="http://cloudflare.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>

<table><tbody><tr><td>个人计算机</td><td></td><td></td><td></td></tr><tr><td>（开源）实验与评估软件</td><td></td><td></td><td></td></tr></tbody></table>

通过基于模型的时序判断分析测量注意力和视觉处理速度

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

本实验方案描述了如何开展时序判断实验，以测量视觉处理速度和注意资源的分配。该方法基于三个组成部分的创新性协同结合：时序判断（TOJ）范式、Bundesen的视觉注意理论（TVA）以及分层贝叶斯估计框架。该方法提供了易于解释的参数，这些参数得到了TVA理论基础和神经生理学依据的支持。通过时序判断任务，可基于TVA对多种类型的刺激获得参数估计，而传统TVA范式主要局限于字母和数字刺激。最后，本模型所生成的具有明确意义的参数使得构建分层贝叶斯模型成为可能。这种统计模型能够在被试个体水平和群体水平上，通过统一的分析框架对结果进行综合评估。
为了验证这种新方法的可行性和广泛适用性，本文报告了三项实验，分别涉及合成显著性显示、自然图像以及线索化字母报告范式中的注意操控。

下文报告了使用所提出方法获得的结果。三项实验测量了不同注意操控对三种高度不同类型的刺激材料的影响。这些刺激材料分别为：呈现于突显模式中的简单线段、自然图像中的动作空间物体，以及带有线索提示的字母目标。
实验1：显著性在突显显示中的作用 
实验1旨在测量视觉显著性对合成模式中线段处理速度的影响。受试者需判断在一组有方向的背景线段中，左侧或右侧的两个目标线段中哪一个首先发生闪烁。在一半的试验中，探测刺激为颜色突显（见图2a）。关于基于时间顺序判断（TOJ）的突显评估的更多背景信息，可参见Krüger及其同事的一项研究8，该研究中操纵的是局部朝向显著性而非颜色。SOA的分布与频率如图2b所示。
根据方案步骤2所述，进行...

时间顺序判断可用于估算加工速度参数和注意权重，从而推断注意加工的机制。该方法可应用于多种视觉刺激，并适用于多种注意操控范式。

本方案描述了如何开展时间顺序实验，以测量视觉处理速度和注意力资源的分配。

本方案的总体目标是测量几乎所有任意刺激的注意力和视觉处理参数。该目标通过建模时间顺序判断（TOJ）数据来实现。在这些任务中，参与者需判断两个目标刺激的呈现顺序，所得数据通过一种新型模型进行分析，该模型可用于测量注意力对刺激编码速率的影响。布登森的视觉注意理论为各种参数（如注意权重和加工速率）提供了多种用途。这些参数通常通过使用字母或数字的项目报告任务进行估计，而使用字母或数字以外的刺激则较为困难，且需要大量训练，因此很少被采用。例如，很难想象如何利用该方法来测量视觉显著性以及突现显示。 因此，我们提出一种基于TVA的新方法，该方法利用时间顺序判断，几乎可使用任意刺激进行实验。时间顺序判断长期以来被用于评估注意力，但当其与TVA结合时，将变得更加强大，并能提供易于解释的参数。在时间顺序判断任务中，两个刺激（此处标记为A和B）以紧密相继或同时的方式呈现。时间顺序的感知可以通过独立通道模型来建模。在这种模型中，每个目标都有独立的加工通道。一个顺序比较器监控这些通道，并记录特定目标（此处为 A）比另一个目标更早到达时的次数。在演示之前，我们简要描述实验数据通常的表示形式。某种特定判断类型（此处为“A先”）的相对频率会根据SOA（即两个目标刺激呈现之间的时间间隔）进行绘制。当SOA为较大的负值时（此处意味着刺激A先呈现），A最有可能首先到达比较器。刺激B较早到达的情况极为罕见。因此，我们得到的数据点代表了接近于1的相对频率。当SOA为较大的正值时，即刺激B领先，比较器记录到A先到达的情况也极为罕见。因此，我们得到一个接近零的数据点。当刺激间隔时间（SOA）为零时，目标刺激同时呈现，记录到的数据点位于0.5的随机水平。当SOA在一系列数值上变化时，所得的模式可用心理测量函数来描述。当注意力指向某个刺激时，例如此处的刺激A，该刺激会更早到达比较器，因此，在SOA为零的情况下，判断A先出现的概率会增加。这会导致整个心理计量函数发生偏移。通常将红色曲线穿过0.5水平时所对应的SOA值作为量化注意力影响的指标。时间顺序的自我判断似乎是评估感知潜伏期的自然方法，许多关于注意和时间感知影响的问题已通过该方法得到解答。然而，时间顺序判断（TOJ）存在一个核心缺陷，即其相对性。时间自我感知可能告诉我们刺激 A 比刺激 B 更早被感知，但它无法说明原因。这可能是因为刺激A的加工速度更快，或者是因为刺激B的加工速度较慢。为了增强解释力，从TVA（视觉注意的全时段分配理论）中推导出一种TOJ模型，用于模拟视觉刺激的编码过程。在每个通道中，编码过程被认为遵循TVA的指数竞争模型。在特定时间内对每个目标进行编码的概率被转化为一个目标在另一个目标之前被编码的概率。这涉及时间顺序的感知。重要的是，从TVA继承的两个速率参数能够回答如下问题：是被注意的刺激被处理得更快，还是未被注意的刺激被处理得更慢？或者，这些速率也可以表示为相对注意力权重。根据研究问题选择刺激材料。通常，必须能够在屏幕的不同位置显示两个目标。在本实验方案的后续部分，我们将展示使用突显显示、自然图像和字母目标的实验结果。以下是自然图像中动作空间和背景物体如何被利用的一个示例：将包含两个目标的图片叠加在缺少这些目标的图片之上。通过使上层图像在局部区域透明，从而在视觉上移除物体。通过该方法，可生成包含两个物体均不存在、仅存在其中一个或两个均存在的图像，以建立背景优先、动作空间优先以及同时呈现的顺序判断任务。为规划实验设计和样本量，可进行贝叶斯功效分析。使用目标模型、实验设计和假设参数反复模拟并拟合数据。通过达到成功标准（例如，注意力权重的差异）的模拟所占比例，来估计实验的统计检验力。使用实验构建工具或心理物理学呈现程序库来实现该实验。我们为开源实验构建工具 OpenSesame 提供了一个用于字母、数字和形状的时间顺序判断（TOJ）实验的插件，其中仅需指定试验表即可。我们还提供了一个使用自然图像进行时间顺序判断的 OpenSesame 示例。针对每种条件，需为所有计划的刺激呈现间隔（SOA）创建相应的试验。代表性结果中展示了典型的SOA分布。两个目标被定义为探测刺激和参考刺激。参考刺激始终显示在零点位置，为未被注意的目标，而探测刺激则受到注意操控的影响。在SOA为负的试验中，先呈现探测刺激，经过SOA时间后呈现参考刺激。在SOA为正的试验中，先呈现参考刺激，经过一定延迟后，根据SOA呈现探测刺激。对于SOA为零的情况，同时呈现两个目标刺激。在中性条件下，探针和参考的分配是任意的，但数据分析时需要明确指定。对所有刺激呈现间隔（SOA）设置进行重复实验。对无影响的因素（如刺激位置或目标身份）进行随机化或系统性变化。重复次数取决于受试者的注意力水平。大约每小时可呈现800次试验。如果需要更多重复次数，可考虑将实验分为多个阶段进行。欢迎参与者，并向他们介绍实验的一般流程。获取其参与实验的知情同意，并确保他们具有正常或矫正至正常的视力。为实验提供一个安静的隔间。调整座椅、下巴托架、键盘等，以确保最佳实验条件。告知参与者，实验需要集中注意力和精神专注，且可能会令人感到疲劳。根据需要提醒他们进行短暂休息。在屏幕上显示有关演示和反应收集的说明。提醒参与者，任务是报告目标刺激的感知时间顺序，并在完全无法判断顺序的试次中进行猜测。为避免试验过程中出现眼动，请要求参与者在屏幕上显示中央标记时始终注视该标记。要求他们将头部靠在颏托上。必要时可让他们短暂休息。进行一次简短的训练，包含十到二十次试验。确认参与者已理解任务，并让他们进行解释。如果没有其他问题，则离开展台进入主实验。将逐次试验数据转换为探测刺激优先判断次数后，可通过运行所需的贝叶斯分层模型来估计参数。该过程完成后，绘制所有参数的收敛诊断图，确认各马尔可夫链均已收敛，并具有足够大的有效样本量。然后，绘制并评估所关注的参数。本视频的下一节将展示示例结果。第一个实验测量了视觉显著性对处理速度的影响。参与者需判断在背景图案中，左侧或右侧的两个目标线段中哪一个首先发生闪烁。在一半的试验中，探测刺激为颜色突显。数据采用先前所述的基于TVA理论推导出的TOJ模型进行拟合。在注意条件下，显著刺激带来的益处表现为探测刺激的注意权重增加了0.59。在无显著目标的控制条件下，获得的中性权重为0.5，因此注意条件下探测刺激的注意权重显著更高。95%最高密度区间（HDI）不包含0（即无差异）。探针及其参照的个体权重表明，显著性刺激的优势源于非显著性刺激的16赫兹处理速率降低。可能显著性目标在一定程度上抑制了对非显著性刺激的加工，从而获得相对优势。第二个实验探讨了自然图像中动作空间的注意优势。动作空间、探测目标和背景物体的参照，出现在时间顺序判断任务（TOJ）中。在一项对照实验中，通过使用图像的倒置版本记录了无动作空间优势的基线数据，因为倒置图像会干扰对场景布局的感知。参数 posterius 表示在注意条件下存在动作空间优势。探针的权重高于中性条件下的零点五。令人好奇的是，在对照条件下也观察到这一现象，表明图像反转并未消除潜在动作空间的优势。因此，这种优势很可能由显著性或可见性等因素引起，而这些因素不会因场景反转而消除。本方案的书面部分讨论了实验效能可能过低而无法检测到动作空间效应的可能性。第三个实验采用了一个外周线索，导致在额外的一个参数上产生了较大效应，该参数用于模拟编码过程之间的延迟。本方案的书面部分对该实验进行了详细讨论。综上所述，本文所述方案介绍了如何进行简单的时序判断任务（TOJ），并基于刺激编码的基本模型对数据进行拟合。在三项实验中，我们展示了结果可在分层贝叶斯估计框架下进行评估。我们发现，在突显显示中，显著性会提高注意权重。此外，在自然图像中，动作空间对象的权重估计有所增加；然而，由于持续存在的优势效应，当通过倒置图像干扰空间关系时，这种权重增加很可能源于另一种注意优势。在实验三中，一个外周线索导致用于模拟编码过程之间额外延迟的参数值显著增大。该方案的优势在于，时序判断任务（TOJ）操作简便，几乎可使用任意刺激材料。基于TVA的充分理论基础，以及贝叶斯评估方案。尽管显著性在许多研究中起着重要作用，但仅有少数研究尝试对视觉显著性进行量化。然而，对视觉显著性进行量化将使我们能够比较不同的特征维度，例如朝向、颜色或运动。在此，我们研究了颜色对比度对源自TVA的正式模型中注意权重的影响，这使我们能够以一种心理学上合理的方式对显著性进行定量测量。该实验方案成功的关键在于，只有两个刺激在目标位置产生时间信号。在时间顺序判断（TOJs）中明确建模额外刺激（例如外周线索）是未来研究的目标。

measuring-attention-visual-processing-speed-model-based-analysis

Research

科研

JoVE Journal

Behavior

行为

通过颞阶判决的基于模型的分析测量注意力和视觉处理速度

眼动追踪技术长期以来被用于研究正常发育个体的注视模式，但近年来的技术进步使其在临床人群（包括自闭症患者）中的应用变得更加可行。对自闭症儿童进行眼动追踪可有助于了解早期症状的表现，但也涉及方法学上的挑战。本文提供了相关最佳实践建议。...

追踪自闭症幼儿的眼动行为

本文介绍了一种新颖的双重任务程序，结合快速序列视觉呈现，用于在不同刺激 onset...

一种结合快速序列视觉呈现的双任务范式用于检测非目标刺激的注意瞬脱

注意控制包括对目标信号的增强和对干扰信号的抑制。本文描述了一种方法，可在持续跨模态注意过程中，利用一种被动控制条件，分别但同时地测量注意和忽略的神经生理机制；在此被动控制条件下，上述两种过程均未持续参与。...

注意力控制中忽略与注意过程的神经生理信号测量

本文描述了一种基于特定视觉模式下反射性眼动来量化视觉信息处理质量的方法。通过反应时间和注视输出参数，对6个月及以上儿童在有无视觉障碍情况下的视觉功能表现进行表征。...

一种利用眼动追踪量化儿童视觉信息处理的方法

这是一项定性比较案例研究，分析了三名参与者观看社交视频场景最初时刻的眼动追踪数据：一名自闭症谱系障碍患者、一名共患注意力缺陷多动障碍患者，以及一名神经发育典型对照个体。...

比较高功能型自闭症谱系障碍儿童、共病注意力缺陷多动障碍儿童及对照组儿童观看社交视频时的眼动追踪数据

本实验方案结合了眼动追踪和扫视前视觉敏感性的评估，采用双重任务范式，包括自由选择扫视任务和视觉分辨任务，以研究在精确扫视和平均扫视之前的视觉空间注意的分配情况。...

通过眼动追踪和视觉敏感性评估研究准确性和平均性扫视前视觉注意的分配

我们提出了一种利用眼动追踪技术监测受试者在基于视觉事件的时间间隔比较（时长感知）任务中眼动行为的实验方案。该方案旨在初步指导如何将受试者在时长感知任务（时间间隔的比较或分辨）中的眼动反应与对刺激本身的眼动反应区分开来。...

视觉时长感知中的眼动：在决策前过程中分离刺激与时间因素

我们介绍了一种用于感知觉和眼动研究的视线追踪显示框架的开发，该框架旨在模拟中心视野缺损。此框架特别适用于研究在模拟及病理性中心视野缺损个体中出现的代偿性行为与眼动策略。...

一种用于模拟中央视野缺损感知学习研究的注视-依从性显示框架

通过功能磁共振成像获得视觉群感受野（pRFs）的无偏估计至关重要。我们采用适度的正则化约束来估计pRF拓扑结构，而无需预先假设pRF的形状，从而允许我们在事后选择特定的pRF模型。这种方法在具有视觉通路病变的受试者中尤为有利。...

通过fMRI对视觉群体感受野进行地形估计

为了模拟实验室环境，视觉任务的在线数据采集方法需要对刺激呈现进行严格控制。我们概述了使用网络应用程序收集两种视觉注意测试表现数据的方法。...

在线测试视觉注意力的方法

学习使用颞阶判决（TOJ）测量注意力和视觉处理速度的方法。该方案基于Bundesen视觉注意理论，通过参与者判断两个目标呈现顺序，分析注意如何影响刺激编码速率，适用于多种视觉刺激。

通过基于模型的时序判断分析测量注意力和视觉处理速度

探索更多视频