Name: Methoden zur Visuelle Aufmerksamkeit Online Testen (Video) | JoVE Journal
Uploaded: 2015-02-19T14:00:00.000+00:00
Duration: 9 min 44 s
Description: Erfahren Sie, wie Sie visuelle Aufmerksamkeitstests online durchführen. Diese Methode nutzt eine Webanwendung mit Bildschirmkalibrierung für präzise Reizdarstellung und ermöglicht zuverlässige Datenerhebung bei großen, diversen Populationen.

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

Die Autoren haben nichts offenzulegen.

Das Protokoll wurde von der Ethikkommission der Universität Wisconsin-Madison zugelassen. Die folgenden Schritte sind als Leitfaden für Programmierer geschrieben worden, um den automatisierten Prozess des beschriebenen Web-Anwendung zu replizieren. 1. Melden Sie sich Teilnehmer <ol><li> Weisen Sie den Teilnehmer, einen internetfähigen Computer und navigieren Sie zur Web-Anwendung mit einem HTML5-kompatiblen Browser: <a href="http://brainandlearning.org/jove" target="_blank">http://brainandlearning.org/jove</a> . Lassen Sie die Teilnehmer sitzen in einem ruhigen Raum frei von Ablenkungen, mit dem Computer in bequemer Höhe. HINWEIS: Da das gesamte Experiment wird online gehostet werden die Aufgaben auch aus der Ferne ohne die Anwesenheit von wissenschaftlicher Mitarbeiter durchgeführt werden. Alle Anweisungen für die Teilnehmer werden in der Web-Anwendung enthalten. </li><li> Haben die Teilnehmer Eingang eine eindeutige ID, die mit den gesammelten Daten in einer MySQL databas verbunden und gespeichert werdene. Lassen Sie die Teilnehmer wieder verwenden diese ID, wenn die Online-Aufgaben sind nicht in der gleichen Sitzung abgeschlossen. Bevor Sie sich anmelden, erhalten Zustimmung der Teilnehmer über eine Einverständniserklärung auf der Seite verlinkt sind. HINWEIS: Fortschritt eines Teilnehmers nach jeder Aufgabe, um für den Abschluss der zwei Aufgaben zu unterschiedlichen Zeiten bei Bedarf ermöglichen gespeichert. Weisen Sie den Teilnehmer, immer die gleiche ID verwenden, um zu starten, wo man aufgehört hat. </li></ol> 2. Bildschirmkalibrierung HINWEIS: Die Web-Anwendung führt die Teilnehmer durch die drei Schritte bei der Kalibrierung auf Seite beschrieben: <a href="http://brainandlearning.org/jove/Calibration" target="_blank">http://brainandlearning.org/jove/Calibration</a> . <ol><li> Bitten Sie die Teilnehmer zur Eingabe der Diagonale des Bildschirms in Zoll in der markierten Textfeld. <ol><li> Allerdings, wenn der Teilnehmer nicht über diese Informationen verfügen, haben die Teilnehmer finden Sie eine CD oder Kreditkarte als Kalibrierungsobjekt ( <strong&gt; Abbildung 1). Wenn man gewählt wird, fordert den Teilnehmer, um das Objekt vor dem Bildschirm platzieren und richten Sie sie an einem repräsentativen Bild der auf dem Bildschirm angezeigten Objekts. </li><li> Bitten Sie den Teilnehmer, um die Größe des angezeigten Bildes einstellen, um die Größe des physikalischen Objekts entsprechen. Basierend auf den Messungen einer physikalischen CD (Durchmesser von 4,7 &quot;) oder eine Kreditkarte (Breite von 3,2&quot;) zusätzlich zu der Pixelgröße von dem repräsentativen Bild, zu bestimmen, das Verhältnis der Pixel in Zoll für den Bildschirm. </li><li> Rufen Sie die Pixelauflösung des Monitors über screen.width und screen.height Eigenschaften von JavaScript zu berechnen dann die Diagonale des Bildschirms in Pixel an. Die Kenntnis dieser Wert und der zuvor geschätzten Pixel-zu-Zoll-Verhältnis (siehe Schritt 2.1.2), konvertieren Sie die Bildschirmdiagonale in Zoll. Lassen Sie die Teilnehmer bestätigen diesen Wert über ein Dialogfeld. </li></ol></li><li> Bitten Sie den Teilnehmer, um den Bildschirm brigh einstellentness Einstellungen bis alle 12 Bänder in einem schwarz-auf-Weiß-Verlauf auf dem Bildschirm angezeigt werden, sind klar zu unterscheiden. Helligkeitseinstellung steuert je nach Computer. </li><li> Bitten Sie die Teilnehmer, eine Armlänge in einer bequemen Position weg von dem Monitor zu sitzen und dann das Browserfenster auf Vollbildmodus. Das Browser-Fenster müssen in den Vollbildmodus zu sein, um den Bildraum durch die Aufgaben eingesetzt zu maximieren und keine visuelle Ablenkungen, wie der Browser-Toolbar und Desktop-Taskleisten zu entfernen. </li><li> Zu wissen, die Auflösung des Bildschirms des Teilnehmers und die diagonale Größe des Monitors, verwenden Sie die Web-Anwendung, um die Pixel / Grad Umrechnungswert, basierend auf einem 50 cm Betrachtungsabstand automatisch berechnen. Ändern Sie die Größe der Abmessungen der Reize in die Aufgaben mit diesem Wert. Alle Blickwinkel Abmessungen unten berichteten auf dieser Basis angenommene mittlere Abstandswert vom Monitor. </li><li> Sobald die Kalibrierung abgeschlossen ist, fragen Sie die Teilnehmer, die zwei Aufgaben describ vervollständigenunterhalb ed. Wählen Sie die Reihenfolge der Aufgaben und den Auftrag über die Web-Anwendung zuordnet. </li></ol> 3. Mehrfache Objektverfolgung Aufgabe (MOT) - Bild 2 <ol><li> Einzuführen und machen die Teilnehmer mit den MOT Reize durch eine selbstgeführte Lernprogramm zu sehen: <a href="http://brainandlearning.org/jove/MOT/practice.php" target="_blank">http://brainandlearning.org/jove/MOT/practice.php</a> . Bitten Sie die Teilnehmer, Schritt-für-Schritt-Anleitungen, die zeigen, wie die Versuche funktionieren zu lesen. Sobald der Teilnehmer beendet das Lesen der Anleitung, fordern den Teilnehmer durch die Praxis Prüfungen gehen. <ol><li> Richten Sie die Praxis Reize von 8 Punkten auf 0,8 ° mit einer Bewegungsgeschwindigkeit von 2 ° / s aus. Verwenden Sie die HTML5 request API, um Browser-Animation mit einer Bildrate von 60 Hz, um diese Konjunkturbewegung kontrollieren zu optimieren. </li><li> Achten Sie darauf, die Punkte innerhalb der Grenzen eines Kreises von 2 ° Exzentrizität und einer circ bewegenle, die nicht größer als die Höhe der Bildschirm des Teilnehmers, ohne den Anweisungen verdeckt. </li><li> Festlegen der Punkte, die in einer Zufallsbahn, wobei bei jedem Rahmen mit einem Punkt hat eine 60% ige Chance, Richtungswechsel von einem maximalen Winkel von 0,2 ° zu bewegen. Wenn ein Punkt kollidiert mit einem anderen Punkt oder der inneren oder äußeren radialen Grenzen bewegen den Punkt in die entgegengesetzte Richtung. </li><li> Bitten Sie den Teilnehmer, um die blauen Punkte zu verfolgen (zwischen 1 und 2 Punkte pro Praxis-Studie), die mit gelben Punkten als Distraktoren handeln. </li><li> Nach 2 sec, ändern Sie die blauen Punkte auf gelben Punkten und sie weiterhin zu den ursprünglichen gelben Punkten für weitere 4 Sekunden zu bewegen. Am Ende jeder Studie, stoppen Sie die Punkte und markieren Sie eine. </li><li> Bitten Sie den Teilnehmer per Tastendruck zu reagieren, ob der markierte Punkt war ein Raupen Punkt oder ein Distraktor Punkt. Als nächstes fordert den Teilnehmer auf die Leertaste, um auf die nächste Studie weiter drücken. </li><li> Nach 3 aufeinanderfolgenden richtigen Studien oder maximal 6 Versuche, mohabe die Teilnehmer auf die volle Aufgabe. </li></ol></li><li> Starten Sie das vollständige MOT Aufgabe für die Teilnehmer. : Ein Beispiel für die Aufgabe finden Sie unter <a href="http://brainandlearning.org/jove/MOT" target="_blank">http://brainandlearning.org/jove/MOT</a> . <ol><li> Richten Sie die vollständige Aufgabe mit 16 Punkten, die bei 5 ° / s innerhalb des Raumes zwischen 2 ° und 10 ° Exzentrizität Exzentrizität zu bewegen. Wenn der Bildschirm des Teilnehmers nicht passen können Sie einen Kreis von 10 ° Exzentrizität, verwenden Sie die maximale Größe der Bildschirm anstelle enthalten. </li><li> Lassen Sie die Teilnehmer zu vervollständigen insgesamt 45 Studien: eine Mischung aus 5 Studien, bestehend aus 1 verfolgt dot und 10 Studien, die jeweils aus 2-5 Punkten verfolgt. Spiel alle anderen Parameter auf die Praxis-Studien (siehe Schritte 3.1.3 - 3.1.6). </li><li> Nehmen Antwort und der Antwortzeit des Teilnehmers, sobald der Punkt markiert ist. </li><li> Für alle 15 Studien legen nahe, eine Pause an den Teilnehmer. Bei diesen Pausen, zeigen Sie die Teilnehmer7; s Leistung (Prozent der korrekten Studien) innerhalb des Blocks auf dem Bildschirm. </li></ol></li></ol> 4. Der Übergang von einer Aufgabe zur anderen (Optionaler Schritt) <ol><li> Lassen Sie die Teilnehmer, eine Pause zwischen den beiden Aufgaben zu übernehmen. Allerdings wiederholen Sie die Schritte 1 und 2, wenn die Aufgaben nicht in der gleichen Benutzersitzung beendet. </li></ol> 5. Nützliche Sichtfeld Aufgabe (UFOV) - 3 <ol><li> Einzuführen und machen die Teilnehmer mit den UFOV Reize durch eine selbstgeführte Lernprogramm zu sehen: <a href="http://brainandlearning.org/jove/UFOV/practice.php" target="_blank">http://brainandlearning.org/jove/UFOV/practice.php</a> . Bitten Sie die Teilnehmer, durch 4 Stufen der Schritt-für-Schritt-Anleitungen, die die zwei Zielreize, die während der Aufgabe, besucht werden müssen nachweisen, zu gehen. <ol><li> Stellen Sie den zentralen Zielreiz als 1 ° smiley, die in der Mitte des Bildschirms entweder lange oder kurze Haare blinkt. Randomize diesmiley Haar Länge über Studien. </li><li> Setzen Sie den peripheren Targetstimulus als 1 ° Stern, in 4 in einer von 8 Stellen um den Kreis (0 °, 45 °, 90 °, 135 °, 180 °, 225 °, 270 ° und 315 °) blinkt ° Exzentrizität . Randomisieren die Position des Sterns über Studien. </li><li> Steuerreizdauer über Anzahl der Bilder für die Präsentation Zeit verwendet. Optimieren Bildwiederholungs bei etwa 17 ms pro Bild mit der HTML5 request API. </li><li> Um zu überprüfen, wenn der erwartete Präsentationszeit erreicht wurde, verwenden Sie die JavaScript getTime () -Methode, um Start-und Endzeit der Reizdauer basierend auf der Teilnehmer Systemuhr zu erhalten. Berechnen Sie die gemessenen Präsentationszeit aus diesen beiden Werten und diesen Wert für die Datenanalyse. </li><li> Für jede Praxis-Studie, warten 500 ms, bevor die Anzeige der Impulse für ca. 200 ms (ca. 12 Frames). </li><li> Folgen Reiz vorsentation mit einem Rauschmaske von einem zufällig erzeugten Graustufenpunktfeld für 320 ms (etwa 19 Frames) zusammengesetzt ist. </li><li> Für die Stufe 1, nur den zentralen Ziel anzuzeigen und dann prompt den Teilnehmer per Tastendruck, die Haarlänge angezeigt wurde, reagieren. </li><li> Für die Stufe 2, nur die peripheren Ziel anzuzeigen und dann prompt den Teilnehmer an einem der 8 radialen Linien auf, die die 8 möglichen Zielorten, um anzuzeigen, wo der Stern erschienen. </li><li> Im Rahmen der Stufe 3, zeigen die beiden zentralen und peripheren Zielreize und dann aufgefordert, den Teilnehmer, Reaktionen auf sowohl die Art des smiley und die Lage des Sterns liefern. HINWEIS: Die Teilnehmer können frei die Reihenfolge dieser beiden Antworten wählen. </li><li> Für die Stufe 4, zeigen beide Zielreize neben peripheren Distraktoren, und fordert den Teilnehmer auf beide Ziel Reize reagieren. Für die Distraktoren, an den übrigen sieben Standorten präsentiert Anzeige 1 ° Plätzen bei 4 ° Exzentrizität, in Zusätzlich zu 8 weitere Plätze auf 2 ° Exzentrizität. </li><li> Nach Antworten des Teilnehmers, zeigen die Rückmeldungen der Teilnehmer (ein grünes Häkchen für eine richtige Antwort oder ein rotes Kreuz für eine falsche Antwort) für jede Zielreaktion nach jedem Versuch. </li><li> Bewegen Sie die Teilnehmer auf die nächste Stufe der Praxis nach dem Aufstehen 3 aufeinanderfolgenden richtigen Studien. Nach der Stufe 4, bewegen Sie den Teilnehmer auf die volle Aufgabe. </li></ol></li><li> Bitten Sie den Teilnehmer, um die volle UFOV Task zu starten. : Ein Beispiel für die Aufgabe finden Sie unter <a href="http://brainandlearning.org/jove/UFOV" target="_blank">http://brainandlearning.org/jove/UFOV</a> . <ol><li> Präsentieren Sie die gleichen zentralen Stimulus wie im Training (siehe Schritt 5.1.1). Zeigen Sie das Peripherie-Ziel bei 7 ° Exzentrizität in einem der oben genannten 8 Standorten (siehe Schritt 5.1.2). 24 Distraktor Quadrate werden auch bei 3 ° Exzentrizität 5º Exzentrizität und die restlichen 7 ° angezeigtenExzentrizität Standorten. </li><li> Verwenden Sie ein 3-down, 1-up Treppe vor, um die Präsentationszeit der Reize bestimmen: verringern Sie die Dauer der Impulse nach 3 aufeinanderfolgenden richtigen Studien und nach jeder Fehler Studie zu erhöhen. </li><li> Vor der ersten 3 Wertaufholungen in der Treppe, mit einem Schrittgröße von 2 Bildern (ca. alle 33 ms). Nach 3 Umkehrungen, verwenden Sie eine Schrittweite von 1 Frame. Variieren Sie die Verzögerung vor dem Beginn des Stimulus zwischen 1 Frame und 99 Bildern pro Studie und halten den Lärm Maske Dauer bei 320 ms (etwa 19 Frames). HINWEIS: Auflösungen sind die Punkte, an denen die Laufzeit ändert sich entweder von steigenden zu abnehmenden oder abnehmenden zu erhöhen. </li><li> Beenden Sie die Aufgabe, wenn eine der drei Bedingungen erfüllt ist: die Treppe Verfahren erreicht 8 Auflösungen; der Teilnehmer vervollständigt 10 aufeinander folgenden Studien entweder an der Decke Dauer (99 Frames) oder dem Boden Dauer (1 Frame); oder der Teilnehmer erreicht ein Maximum von 72 Versuchen. </li><li> Notieren Sie den Teilnehmer response und Reaktionszeit für die Distanz Stimulus und dem peripheren Stimulus. </li></ol></li></ol>

<ol><li>Henrich, J., Heine, S. J., Norenzayan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+weirdest+people+in+the+world%5BTitle%5D)+AND+%22The+Behavioral+And+Brain+Sciences%22%5BJournal%5D)">The weirdest people in the world.</a> The Behavioral And Brain Sciences. 33, 61-135 (2010).</li>
<li>Buhrmester, M., Kwang, T., Gosling, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amazon%27s+Mechanical+Turk%3A+A+new+source+of+inexpensive%2C+yet+high-quality%2C+data%5BTitle%5D)+AND+%22Perspectives+on+Psychological+Science%22%5BJournal%5D)">Amazon's Mechanical Turk: A new source of inexpensive, yet high-quality, data.</a> Perspectives on Psychological Science. 6 (1), 3-5 (2011).</li>
<li>Goodman, J. K., Cryder, C. E., Cheema, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data+collection+in+a+flat+world%3A+the+strengths+and+weaknesses+of+mechanical+turk+samples%5BTitle%5D)+AND+%22Journal+of+Behavioral+Decision+Making%22%5BJournal%5D)">Data collection in a flat world: the strengths and weaknesses of mechanical turk samples.</a> Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).</li>
<li>Mason, W., Suri, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conducting+behavioral+research+on+Amazon%27s+Mechanical+Turk%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">Conducting behavioral research on Amazon's Mechanical Turk.</a> Behavior Research Methods. 44 (1), 1-23 (2012).</li>
<li>Crump, M. J., McDonnell, J. V., Gureckis, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+Amazon%27s+Mechanical+Turk+as+a+tool+for+experimental+behavioral+research%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Evaluating Amazon's Mechanical Turk as a tool for experimental behavioral research.</a> PLoS One. 8, e57410(1371).</li>
<li>Lupyan, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+difficulties+of+executing+simple+algorithms%3A+why+brains+make+mistakes+computers+don%27t%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">The difficulties of executing simple algorithms: why brains make mistakes computers don't.</a> Cognition. 129, 615-636 (2013).</li>
<li>Ball, K., Owsley, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+useful+field+of+view+test%3A+a+new+technique+for+evaluating+age-related+declines+in+visual+function%5BTitle%5D)+AND+%22J+Am+Optom+Assoc%22%5BJournal%5D)">The useful field of view test: a new technique for evaluating age-related declines in visual function.</a> J Am Optom Assoc. 64 (1), 71-79 (1993).</li>
<li>Pylyshyn, Z. W., Storm, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+multiple+independent+targets%3A+Evidence+for+a+parallel+tracking+mechanism%5BTitle%5D)+AND+%22Spatial+Vision%22%5BJournal%5D)">Tracking multiple independent targets: Evidence for a parallel tracking mechanism.</a> Spatial Vision. 3 (3), 179-197 (1988).</li>
<li>Dye, M. W. G., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differential+development+of+visual+attention+skills+in+school-age+children%5BTitle%5D)+AND+%22Vision+Research%22%5BJournal%5D)">Differential development of visual attention skills in school-age children.</a> Vision Research. 50 (4), 452-459 (2010).</li>
<li>Green, C. S., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enumeration+versus+multiple+object+tracking%3A+The+case+of+action+video+game+players%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Enumeration versus multiple object tracking: The case of action video game players.</a> Cognition. 101 (1), 217-245 (2006).</li>
<li>Chapter 1. Kodak Company. Ergonomics Design Philosophy. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Kodak%E2%80%99s+Ergonomic+Design+for+People+at+Work%22">Kodak’s Ergonomic Design for People at Work</a>. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. , 2nd Edition, John Wiley & Sons, Inc. Hoboken, NJ. (2004).</li>
<li>Elze, T., Bex, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((P1-7%3A+Modern+display+technology+in+vision+science%3A+Assessment+of+OLED+and+LCD+monitors+for+visual+experiments%5BTitle%5D)+AND+%22i-Perception%22%5BJournal%5D)">P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments.</a> i-Perception. 3 (9), 621(2012).</li>
<li>Elze, T., Tanner, T. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+Properties+of+Liquid+Crystal+Displays%3A+Implications+for+Vision+Science+Experiments%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments.</a> PLoS One. 7 (9), e44048(2012).</li>
</ol>

Diese Arbeit wurde unterstützt vom Schweizerischen Nationalfonds (100014_140676), dem Nationalen Wissenschaftsfonds (1227168) und dem National Eye Institute der National Institutes of Health (P30EY001319).

Online-Datensammlung hat eine Reihe von Vorteilen gegenüber üblichen Laborbasierte Datensammlung. Dazu gehören das Potenzial, weit mehr repräsentative Populationen als die typische College Bachelor-Pool auf dem Gebiet eingesetzt zu probieren, und die Fähigkeit, viel größere Probenmengen in kürzerer Zeit zu erhalten, als es braucht, um Stichprobengrößen, die um eine Größenordnung kleiner im Labor sind zu erhalten 1-6 (beispielsweise die Datenpunkte von 1.700 Teilnehmer im aktuellen Papier gesammelt wu...

In den letzten fünf Jahren gab es eine Welle von Interesse an der Nutzung von Online-Verhaltensdatenerhebungsmethoden. Während die überwiegende Mehrheit der Publikationen auf dem Gebiet der Psychologie haben möglicherweise nicht repräsentativer unterworfene Bevölkerung genutzt 1 (dh vor allem College-Studenten) und oft recht kleinen Stichproben sowie (dh typischerweise im Bereich von einigen zehn Probanden), Online-Verfahren versprechen eine weit vielfältigere und größere Proben. So hat Amazon Mechanical Turk Service war Gegenstand einer Reihe von aktuellen Studien, sowohl diejenigen Merkmale beschrieben, die &quot;Arbeiter&quot; Bevölkerung und Verwendung dieser Bevölkerung in Verhaltensforschung 6.2. Ist ein wesentliches Anliegen, solche Verfahren im Zusammenhang jedoch der relative Mangel an Kontrolle über kritische Reiz Variablen. Zum Beispiel in den meisten visuellen Psycho Aufgaben Reize in Bezug auf beschriebenSichtwinkel. Die Berechnung der Blickwinkel erfordert präzise Messungen der Augenabstand, Bildschirmgröße und Bildschirmauflösung. Während diese Parameter sind trivial, Messung und Steuerung in einer Testumgebung (wo es einen bekannten Monitor und die Teilnehmer sehen können Reize und in einer Kinnstütze platziert einen bekannten Abstand vom Monitor), ist dieselbe nicht wahr, von Online-Datenerfassung. In einer Online-Umgebung, nicht nur die Teilnehmer zwangsläufig verwenden eine Vielzahl von Monitoren verschiedener Größen mit unterschiedlicher Software-Einstellungen, können sie auch nicht über einen einfachen Zugang zu Herrschern / Bandmaße, die es ihnen ermöglichen, ihre Bildschirmgröße zu ermitteln oder über die erforderlichen Kenntnisse um ihre Software und Hardware-Einstellungen (zB Bildwiederholfrequenz, Auflösung) zu bestimmen. Das Nützliche Field of View (UFOV) Paradigma 7 und die mehrfache Objektverfolgung (MOT) Aufgabe - eine Reihe von Methoden, um Daten über zwei bekannte Tests der visuellen Aufmerksamkeit sammeln Hier beschreiben wir <sup&gt; 8 -, während so viel wie möglich die Quellen der Variabilität, die inhärent in der Online-Messungen sind vermieden. Diese Aufgaben können von jedem Teilnehmer mit Internet-Anschluss und ein HTML5 fähigen Browser ausgeführt werden. Teilnehmer, die nicht wissen, ihre Bildschirmgröße werden durch ein Messverfahren unter Verwendung von handelsüblichen Produkte der Standardgröße ging (dh, Kreditkarte / CD - siehe Abbildung 1). Daten zu diesen beiden Aufgaben wurden von über 1.700 Teilnehmern in einem Massive Online Open Course gesammelt. Durchschnittliche Leistung dieser Online-Probe war sehr konsistent mit den Ergebnissen in streng kontrollierten Laborbezogene Maßnahmen der exakt gleichen Aufgaben 9,10 erhalten. Unsere Ergebnisse sind demnach mit dem wachsenden Körper der Literatur, die die Wirksamkeit von Online-Datenerfassungsmethoden, auch in Aufgaben, die spezifische Steuerung über Sichtverhältnisse erfordern.

<table><tbody><tr><td>Computer/Tablet</td><td></td><td></td>: <td>Es muss über eine Internetverbindung und einen HTML5-kompatiblen Browser,</td></tr><tr><td>eine CD oder eine</td><td></td><td></td> Kreditkarte verfügen<td>. Möglicherweise wird nicht benötigt, wenn der Teilnehmer die Monitorgröße bereits kennt.</td></tr></tbody></table>

methoden zur visuelle aufmerksamkeit online testen

Methods to Test Visual Attention Online

Online Datenerhebungsmethoden haben besondere Appell an Verhaltensforscher, weil sie das Versprechen der viel größer und viel repräsentativer Datenstichproben, als in der Regel an den Hochschulen erhoben bieten. In Experimenten, bei denen eine strenge Kontrolle über Reizeigenschaften notwendig ist, insbesondere - aber vor einem solchen Verfahren weithin angenommen werden können, eine Reihe von technischen Herausforderungen überwunden werden. Hier präsentieren wir Methoden für die Erfassung Leistungsdaten auf zwei Tests der visuellen Aufmerksamkeit. Beide Tests erfordern die Kontrolle über den Blickwinkel der Reize (die wiederum die Kenntnis der Betrachtungsabstand, Bildschirmgröße, Bildschirmauflösung, usw. benötigt) und das Timing der Reize (wie die Tests beinhalten entweder kurz blitzte Reize oder Stimuli, die bewegen an bestimmten Raten). Auf diese Tests von über 1.700 Online-Teilnehmer gesammelten Daten waren konsistent mit Daten im Labor-basierten Versionen von der exakt gleichen Tests gesammelt. Diese Ergebnissedarauf hin, dass mit der richtigen Pflege können Timing / Reizgröße abhängigen Vorgänge in Web-basierte Einstellungen eingesetzt werden.

Ausreißerentfernung Insgesamt 1779 Teilnehmer beendeten die UFOV Aufgabe. Anzahl an Personen, hatten 32 Teilnehmer UFOV Schwellenwerte, die mehr als 3 Standardabweichungen vom Mittelwert waren, was darauf hindeutet, dass sie nicht in der Lage, um die Aufgabe zu erfüllen, wie angewiesen. Als solche wurden die UFOV Daten dieser Teilnehmer aus der abschließenden Analyse entfernt, so dass insgesamt 1747 Teilnehmern. Die Daten wurden von 1746 Teilnehmern für die MOT Aufg...

Um Laborumgebungen zu replizieren, erfordern Online-Datenerfassungsmethoden für visuelle Aufgaben eine strenge Kontrolle über die Reizpräsentation. Wir skizzieren Methoden für die Verwendung einer Webanwendung, um Leistungsdaten zu zwei Tests der visuellen Aufmerksamkeit zu sammeln.

Methoden zur Visuelle Aufmerksamkeit Online Testen

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, die Datensammlung für Aufgaben zur visuellen Aufmerksamkeit mithilfe einer Online-Webanwendung zu vereinfachen. Dies wird erreicht, indem die Teilnehmer zunächst bei einer Webanwendung angemeldet werden. Anschließend werden die Teilnehmer angewiesen, ihre Bildschirme für eine korrekte Präsentation der Reize zu kalibrieren.Dann lesen die Teilnehmer die Aufgabenanweisungen und absolvieren Übungsdurchgänge. Schließlich werden Daten von den Teilnehmern erhoben, während sie die vollständigen Aufgaben bearbeiten. Letztendlich zeigen Online-Datenerhebungsmethoden für visuelle Aufgaben konsistente Ergebnisse im Vergleich zu traditionellen, laborbasierten Methoden.Der Hauptvorteil dieser Technik gegenüber bestehenden Methoden liegt darin, dass Daten in relativ kurzer Zeit von einer größeren und vielfältigeren Population gesammelt werden können. Diese Prozedur wird Olga P equal, eine Technikerin im Labor, demonstrieren. Beginnen Sie damit, dass die Versuchsperson in einem ruhigen, ablenkungsfreien Raum vor einem internetfähigen Computer sitzt, der in einer bequemen Höhe steht.Weisen Sie den Teilnehmer an, die hier gezeigte Webanwendung aufzurufen. Mithilfe eines HTML5-kompatiblen Browsers soll der Teilnehmer eine eindeutige ID eingeben, die mit den gesammelten Daten verknüpft und in einer my SQL-Datenbank gespeichert wird. Bevor der Teilnehmer sich anmeldet, holen Sie dessen Einwilligung über ein auf der Seite verlinktes Einwilligungsformular ein.Um den Bildschirm zu kalibrieren, bitten Sie den Teilnehmer, die diagonale Bildschirmgröße in Zoll in das entsprechend beschriftete Textfeld einzugeben. Falls der Teilnehmer diese Information nicht kennt, weisen Sie ihn an, eine CD oder eine Kreditkarte als Kalibrierungsobjekt zu verwenden. Sobald ein Objekt ausgewählt wurde, weisen Sie den Teilnehmer an, das Objekt an den Bildschirm zu halten und es mit einem repräsentativen Bild des Objekts auf dem Bildschirm auszurichten.Bitten Sie den Teilnehmer, die Größe des Bildschirmbilds anhand der Maße einer physischen CD oder einer Kreditkarte sowie der Pixelgröße des repräsentativen Bilds so anzupassen, dass sie der Größe des physischen Objekts entspricht. Ermitteln Sie die diagonale Bildschirmgröße in Zoll. Fordern Sie den Teilnehmer auf, diesen Wert über ein Dialogfeld zu bestätigen.Bitten Sie den Teilnehmer anschließend, die Bildschirmhelligkeit so einzustellen, dass alle 12 Felder eines von Schwarz nach Weiß verlaufenden Farbverlaufs, der auf dem Bildschirm angezeigt wird, deutlich unterscheidbar sind. Fordern Sie den Teilnehmer auf, sich in einer bequemen Position in Armlänge Entfernung vom Monitor niederzulassen, und stellen Sie dann das Browserfenster in den Vollbildmodus. Das Browserfenster muss sich im Vollbildmodus befinden, um den für die Aufgaben genutzten visuellen Bereich zu maximieren und visuelle Ablenkungen wie die Browser-Symbolleiste oder die Taskleiste des Desktops zu entfernen.Bitte weisen Sie den Teilnehmer an, mithilfe des selbstgesteuerten Tutorials zur Mehrfachobjektverfolgung (Multiple Object Tracking, MOT) unter dieser URL die schrittweisen Anweisungen zu lesen, in denen erläutert wird, wie die Durchgänge ablaufen. Sobald der Teilnehmer das Lesen der Anweisungen abgeschlossen hat, fordern Sie ihn auf, die Übungs-Durchgänge durchzuführen. Richten Sie die Übungsreize so ein, dass acht Punkte mit einem Winkelabstand von 0,8 Grad und einer Bewegungsgeschwindigkeit von zwei Grad pro Sekunde verwendet werden. Nutzen Sie die HTML5-AnimationFrame-API, um die Browseranimation mit einer Bildrate von 60 Hertz zu optimieren und damit die Bewegung des Reizes zu steuern.Bitten Sie anschließend den Teilnehmer, die blauen Punkte zu verfolgen, wobei die gelben Punkte als Ablenkungen fungieren. Nach zwei Sekunden wechseln Sie die blauen Punkte zu gelben Punkten und bewegen sie weitere vier Sekunden lang zusammen mit den ursprünglichen gelben Punkten. Beenden Sie am Ende jedes Durchgangs die Bewegung der Punkte und heben Sie einen davon hervor.Fordern Sie den Teilnehmer auf, über eine Tastenbetätigung zu antworten, ob der hervorgehobene Punkt ein Bahnungspunkt oder ein Ablenkungspunkt war. Nach drei aufeinanderfolgenden korrekten Durchgängen oder maximal sechs Durchgängen wechseln Sie zum vollständigen Test. Um den vollständigen MOT-Test für den Teilnehmer zu starten, richten Sie ihn mit 16 Punkten ein, die sich mit fünf Grad pro Sekunde bewegen.Im Bereich zwischen zwei Grad Exzentrizität und zehn Grad Exzentrizität führt der Teilnehmer insgesamt 45 Durchgänge durch, bestehend aus einer Mischung von fünf Durchgängen mit einem verfolgten Punkt sowie jeweils zehn Durchgängen mit zwei bis fünf verfolgten Punkten. Mithilfe des hier verfügbaren Tutorials weist man den Teilnehmer an, vier Stufen schrittweiser Anleitungen durchzugehen, die die beiden Zielreize veranschaulichen, auf die während der Aufgabe zum nützlichen Sichtfeld („useful field of view“ oder UFOV) geachtet werden muss. Der zentrale Zielreiz ist ein ein Grad großer Smiley, der in der Bildschirmmitte erscheint und entweder lange oder kurze Haare hat.Variieren Sie die Haarlänge des Smiley zufällig über die Durchläufe hinweg und setzen Sie den peripheren Zielreiz als einen ein Grad großen Stern, der mit einer Exzentrizität von vier Grad an einer von acht Positionen um den Kreis herum aufleuchtet. Randomisieren Sie die Position des Sterns über die Durchläufe hinweg. Nur für Stufe eins.Zeigen Sie das zentrale Ziel an und fordern Sie den Teilnehmer anschließend auf, über eine Tastatureingabe zu reagieren, welche Haarlänge nur für Stufe zwei angezeigt wurde. Zeigen Sie das periphere Ziel an und fordern Sie den Teilnehmer anschließend auf, auf eine der acht Radienlinien zu klicken, die die acht möglichen Zielpositionen darstellen, um anzugeben, wo der Stern erschienen ist. Für Stufe drei zeigen Sie sowohl die zentralen als auch die peripheren Reizreize an und fordern Sie den Teilnehmer anschließend auf, Antworten sowohl zur Art des Smiley als auch zum Ort des Sterns zu geben.Im vierten Stadium zeigen Sie beide Zielreize sowie periphere Ablenkungsreize an und fordern den Teilnehmer anschließend auf, auf beide Zielreize zu reagieren. Bei der Darbietung der Ablenkungsreize werden quadratische Reize mit einer Größe von einem Grad an den verbleibenden sieben Positionen mit einer Exzentrizität von vier Grad sowie acht weitere Quadrate mit einer Exzentrizität von zwei Grad präsentiert. Nach der Antwort des Teilnehmers geben Sie für jede Zielreaktion ein Feedback an den Teilnehmer aus. Nach jedem Durchgang, sobald drei aufeinanderfolgende korrekte Durchgänge erreicht wurden, wechseln Sie den Teilnehmer zur nächsten Übungsstufe.Nach Stufe vier fordern Sie den Teilnehmer auf, die vollständige UFOV-Aufgabe zu beginnen. Zeigen Sie denselben zentralen Reiz wie in der Übungssitzung an. Stellen Sie das periphere Ziel mit einer Exzentrizität von sieben Grad an einer der zuvor genannten acht Positionen dar.24 Ablenkungsquadrate werden ebenfalls an Positionen mit drei Grad Exzentrizität, fünf Grad Exzentrizität und den verbleibenden sieben Grad Zentrizität dargestellt. Verwenden Sie ein „drei-down-eins-up“-Staircase-Verfahren, um die Präsentationsdauer der Reize zu bestimmen: Verringern Sie die Dauer der Reize nach drei aufeinanderfolgenden korrekten Durchgängen und erhöhen Sie sie nach jedem fehlerhaften Durchgang und der Aufgabe. Wenn eine von drei Bedingungen erfüllt ist, erreicht das Staircase-Verfahren acht Umkehrpunkte.Der Teilnehmer absolviert 10 aufeinanderfolgende Durchgänge entweder bei der maximalen Dauer von 99 Bildern oder der minimalen Dauer von einem Bild, oder der Teilnehmer erreicht eine maximale Anzahl von 72 Durchgängen. Daten von 1.744 Online-Teilnehmern wurden für die MOT-Analyse verwendet. Die MOT-Leistung wurde durch Berechnung der mittleren Genauigkeit für jeden Satz ermittelt.Die Größengenauigkeit reichte von 0,4 bis 1,0 bei einer Setgröße von eins bis von 0,1 bis 1,0 bei einer Setgröße von fünf, und die mittlere Genauigkeit lag zwischen 0,99 bei einer Setgröße von eins und 0,71 bei einer Setgröße von fünf. Die medianen Genauigkeitswerte lagen jeweils bei 1,0 für die Setgröße eins und 0,70 für die Setgröße fünf. Die Genauigkeit nahm mit zunehmender Setgröße ab, was einen typischen MOT-Effekt für die UFOV-Aufgabe zeigt.Die Daten von 1.747 Online-Teilnehmern wurden analysiert. Die Leistung wurde berechnet, indem die Präsentationsdauer über die letzten fünf Durchgänge gemittelt wurde, um eine Erkennungsschwelle zu erhalten, die die minimale Präsentationsdauer angibt, bei der die Teilnehmer das periphere Ziel mit einer Genauigkeit von etwa 79 % erkennen können. Die mittlere UFOV-Schwelle betrug 64,7 Millisekunden, die Werte reichten von 17 Millisekunden bis 315 Millisekunden, wobei die mediane Schwelle bei 45 Millisekunden lag.Die Schwellenverteilung war positiv schief mit einer Schiefe von 1,92 und einer Wölbung von 3,93. Die Ergebnisse waren konsistent mit früheren Arbeiten. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie man Experimente zur Verfolgung mehrerer Objekte und zur nutzbaren Sichtfeldmessung als Webanwendungen gemäß diesem Verfahren entwickelt.Andere Methoden mit präziser visueller Reizpräsentation könnten ebenfalls für eine Online-Umgebung angepasst werden. Anschließend könnten Daten von einer allgemeiner repräsentativen Population oder von einer bestimmten Subgruppe von Individuen erhoben werden, die schwer im Labor zu untersuchen sind. Vielen Dank fürs Zuschauen.

Research

Forschung

JoVE Journal

Behavior

Verhalten

Dieser Artikel beschreibt ein neuartiges Dual-Task-Verfahren in Kombination mit Rapid Serial Visual Presentation, um das Aufmerksamkeitsblinzeln bei verschiedenen Asynchronien des Stimulusbeginns zu betrachten. Dieses experimentelle Verfahren unterschied sich von anderen dadurch, dass es das Aufmerksamkeitsblinzeln für Nicht-Zielgruppen testete.

Ein Dual-Task Prozedur Kombiniert mit Rapid Serial Visual Presentation zu Aufmerksamkeits Blink für Nontargets Testen

Es wird eine Methode beschrieben, um die Qualität der visuellen Informationsverarbeitung basierend auf reflexiven Augenbewegungen als Reaktion auf bestimmte visuelle Modalitäten zu quantifizieren. Reaktionszeiten und Fixationsausgabeparameter werden verwendet, um die Sehleistung bei Kindern mit und ohne Sehbehinderung ab einem Alter von 6 Monaten zu charakterisieren.

Eine Methode zur Quantifizierung von Visual Information Processing bei Kindern Eye-Tracking

Urteile zeitlicher Ordnung können verwendet werden, um Verarbeitungsgeschwindigkeitsparameter und Aufmerksamkeitsgewichte zu schätzen und dadurch die Mechanismen der Aufmerksamkeitsverarbeitung abzuleiten. Diese Methode kann auf eine Vielzahl von visuellen Reizen angewendet werden und funktioniert mit vielen Aufmerksamkeitsmanipulationen.

Mess Achtung und Visual Verarbeitungsgeschwindigkeit von Modellbasierte Analyse zeitlicher Ordnung Urteile

Der vorliegende Artikel Bewertungen eine Eyetracking-Methodik für Studien über Sprachverständnis. Um verlässliche Daten zu erhalten, sind die wichtigsten Schritte des Protokolls einzuhalten. Dazu gehören die richtigen Aufbau des Eye Trackers (z.B., gute Qualität der Augen- und Kopfbewegungen Bilder) und genaue Kalibrierung.

Eyetracking während visuell liegt Sprachverständnis: Flexibilität und Einschränkungen bei der Aufdeckung visuellen Kontext Effekte

Dieses experimentelle Protokoll kombiniert Eye-tracking und die Beurteilung der presaccadic visuelle Empfindlichkeit in einem doppelten Aufgabe Paradigma, bestehend aus einer freien Wahl Saccade Aufgabe und eine visuelle Diskriminierung Aufgabe, zu untersuchen, die Bereitstellung von visuellen räumliche Aufmerksamkeit vor sowohl präzise als auch durchschnittlich Sakkaden.

Die Bereitstellung der visuellen Aufmerksamkeit vor genau und durchschnittlich Sakkaden über Eye-Tracking und Bewertung der visuelle Empfindlichkeit zu untersuchen

In diesem Artikel stellen wir eine neuartige automatisierte Methode zur Beurteilung der Sehschärfe bei Säuglingen und Kleinkindern mit Hilfe eines Eye-Tracking-Systems vor.

Ein automatisiertes Verfahren zur Beurteilung der Sehschärfe bei Säuglingen und Kleinkindern mit Hilfe eines Eye-Tracking-Systems

Es ist unklar, wie die Top-Down-Signale von der ventralen visuellen Strom Bewegung beeinflussen. Wir entwickelten ein Paradigma zu motorischen Verhaltens auf ein Ziel auf einem 3D-Tiefeninversion Illusion zu testen. Signifikante Unterschiede sind in beiden bewusste, zielgerichteten Bewegungen und automatische Aktionen illusorisch und veridical Betrachtungsbedingungen berichtet.

Methoden, um den Einfluss von Top-down-Prozesse auf Visuelle Motor Verhalten erkunden

Die Aufmerksamkeitskontrolle umfasst die Verstärkung von Zielsignalen und die Dämpfung von Distraktorsignalen. Wir beschreiben einen Ansatz, um die Neurophysiologie des Beobachtens und Ignorierens bei anhaltender intermodaler Aufmerksamkeit separat, aber gleichzeitig zu messen, wobei eine passive Kontrollbedingung verwendet wird, in der keiner der beiden Prozesse kontinuierlich aktiv ist.

Die Messung der neurophysiologischen Signale zu ignorieren und Teilnahme an Prozesse in Aufmerksamkeitssteuerung

Dieser Artikel beschreibt ein neues Verfahren zur Simulation und Anpassung im visuellen System zu studieren.

Visualisierung Visuelle Adaptation

Diese Studie im Vergleich zentrale versus geteilten Gesichtsfeld Präsentationen von emotionalen Bildern Unterschiede in motivierten Aufmerksamkeit zwischen den beiden Gehirnhälften zu beurteilen. Das späte positive Potenzial (LPP) war mit Elektroenzephalographie (EEG) und ereignisbezogene Potenziale (ERP) Methoden einzuschätzen motivierten Aufmerksamkeit aufgenommen.

Mittel- und geteilten Gesichtsfeld Präsentation der emotionale Bilder, hemisphärische Unterschiede in motivierten Aufmerksamkeit zu messen

Erfahren Sie, wie Sie visuelle Aufmerksamkeitstests online durchführen. Diese Methode nutzt eine Webanwendung mit Bildschirmkalibrierung für präzise Reizdarstellung und ermöglicht zuverlässige Datenerhebung bei großen, diversen Populationen.

Methoden zur Visuelle Aufmerksamkeit Online Testen

Weitere Videos entdecken