1. les stimuli et essais

Source : Laboratoire de Jonathan Flombaum, Johns Hopkins University
Un jeu commun de Carnaval est de demander aux gens de deviner le nombre de bonbons emballés dans un bocal. Les chances que n’importe qui obtiendra le nombre exact droite sont faibles. Mais qu’en est-il les chances que quelqu'un devinera 17 ou 147 000 ? Sans doute encore moins que les chances de deviner la bonne réponse ; 17 et 147 000 juste sembler irrationnel. Pourquoi ? Après tout, si les haricots ne peuvent être souscrites et comptés un-à-un-temps, comment quelqu'un peut dire qu’une estimation est trop élevée ou trop basse ?
Il s’avère que, en plus de comptage verbal (quelque chose clairement appris), gens semblent posséder câblé les mécanismes mentaux et neuronaux pour estimer le nombre. Pour parler familièrement, c’est ce qu’on appelle une capacité à guesstimate, ou « ballpark. » Psychologues expérimentaux il appellent le « sens approximatif du nombre », et des recherches récentes avec un modèle expérimental du même nom a commencé à découvrir les calculs sous-jacents et des mécanismes neuronaux qui prennent en charge la capacité de guesstimate.
Cette vidéo montre des procédures standard pour enquêter sur les non verbaux calcul approximatif avec le Test de sens nombre approximatif.
1. les stimuli et essais

Le test de sens approximatif des nombres est un paradigme expérimental permettant d’étudier les mécanismes sous-jacents qui soutiennent la capacité de « deviner ».
L’estimation fait référence à une capacité intuitive à reconnaître une quantité, sans connaître le nombre exact. Par exemple, dans un jeu de carnaval courant, les individus essaient de deviner le nombre de bonbons emballés dans un bocal. Il y a peu de chances que quelqu’un choisisse le nombre exact.
Pourtant, tout le monde peut faire une supposition dans la bonne fourchette, car personne ne devinerait 20 alors qu’il y en a clairement plus de 100. Par conséquent, l’estimation est considérée comme une capacité câblée que les individus possèdent sans s’appuyer sur des calculs mathématiques.
Cette vidéo montre la procédure d’étude de l’estimation numérique non verbale, y compris la conception des stimuli, la réalisation de l’expérience et l’analyse et l’interprétation des données.
Dans cette expérience, des stimuli de taille et de couleur variables sont présentés de manière aléatoire et brève sur un écran d’ordinateur. Au cours de chaque essai, deux ensembles sont visibles : l’un contient une collection de cercles bleus et l’autre comprend un ensemble de cercles jaunes.
Les participants sont invités à deviner quel ensemble contient le plus. La variable dépendante est le pourcentage de précision, ou le nombre de réponses correctes enregistrées en fonction des ratios entre les essais.
On s’attend à ce que la précision des performances soit proche du hasard lorsque le rapport des cercles est très similaire, proche de 1:1, et qu’elle s’améliore à mesure que les différences de rapport augmentent.
En d’autres termes, il est plus facile de distinguer huit et quatre de douze et huit. Dans les deux cas, la différence soustractive est de quatre, mais les différences de rapport varient, de 2:1 à 1,5:1.
Pour créer les stimuli, générez des cercles de différentes tailles en ensembles bleus et jaunes. Pour chaque série, assurez-vous que les nombres de cercles bleus et jaunes sont toujours différents et représentent les six ratios.
Pour chaque essai, codez le programme pour diviser l’affichage afin d’afficher un ensemble de chaque groupe de couleurs sur un fond gris pendant 500 ms. Notez que la couleur et la taille du cercle pour la plus grande quantité doivent être sélectionnées au hasard, et que 20 essais avec chaque rapport doivent être produits.
Pour commencer l’expérience, saluez le participant dans le laboratoire et expliquez-lui les instructions pour la tâche. Une fois que le participant comprend les règles de la tâche, chargez le programme.
Lorsque les cercles disparaissent à chaque essai, le participant a-t-il appuyé sur le ? Y? clé s’ils pensent avoir vu plus de points jaunes, ou le ? B? clé s’ils pensent avoir vu plus de points bleus.
Après chaque essai, fournissez une rétroaction immédiate via un ton pour indiquer si la réponse du participant était correcte ou incorrecte.
Pour analyser les données, faites la moyenne du nombre de réponses correctes en fonction du ratio de chaque essai. Graphique du pourcentage de précision moyen sur les différences de ratio. Notez que les participants ? Les performances se sont améliorées à mesure que les différences de rapport augmentaient.
Le sens approximatif des nombres est positivement corrélé avec les capacités arithmétiques mesurées par des tests standardisés, même si l’arithmétique ne consiste pas à estimer.
De plus, même les jeunes enfants peuvent utiliser le sens des nombres pour identifier quand quelque chose manque dans un groupe d’objets familiers.
Vous venez de regarder l’introduction de JoVE au test de détection des nombres approximatifs. Vous devez maintenant avoir une bonne compréhension de la conception et de la réalisation de l’expérience, ainsi que de l’analyse des résultats et de l’application du phénomène de l’estimation des nombres.
Merci d’avoir regardé !?
Pour graphique les résultats d’un participant, moyenne des performances en fonction de la proportion de chaque essai (Figure 2). Par exemple, à travers tous les 20 essais avec un ratio de 2:1, dans quelle fraction n’a le participant fourni la bonne réponse ?

Figure 2. Résultats d’un seul participant dans le test. nombre approximatif de l’échantillon Perfo...
Les gens diffèrent entre eux considérablement en ce qui concerne l’acuité de leurs sens du nombre approximatif. Afin de caractériser les différences entre les individus, les psychologues expérimentaux généralement test pour trouver le plus petit ratio, une personne peut distinguer avec une précision de 75 %. Comme illustré à la Figure 2, c’est un ratio entre 1,25 et 1,5. Ce nombre est juste un moyen rapide de résumer comment aiguë un sens approximatif du nombre une personne a. Mais au-delà du fait qu’il ...
Chapters in this video
0:00
Overview
1:03
Experimental Design
2:01
Running the Experiment
3:12
Representative Results
3:32
Applications
3:56
Summary
Videos from this collection: