Name: Mesure de lattention et de vitesse de traitement visuel par analyse des Temporal ordre Arrêts Model-based (Vidéo) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: Découvrez comment mesurer l'attention et la vitesse de traitement visuel par jugements d'ordre temporel. Cette méthode utilise la théorie de l'attention visuelle de Bundesen pour analyser l'encodage des stimuli.

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

Certaines parties de ce travail ont été soutenues par la Fondation allemande pour la recherche (DFG) via les subventions 1515/1-2 et 1515/6-1 à Ingrid Scharlau.

NOTE: Certaines étapes de ce protocole peut être accompli en utilisant un logiciel personnalisé fourni (ainsi que des instructions d&#39;installation) à http://groups.upb.de/viat/TVATOJ. Dans le protocole, cette collection de programmes et de scripts est appelé &quot;TVATOJ&quot;. 1. Sélection de stimulation Matériel <ol><li> Sélectionnez stimuli en fonction de la question de recherche. NOTE: En général, les deux objectifs sont présentés à différents endroits sur l&#39;écran. Stimuli qui ont été utilisés avec le présent procédé comprennent, par exemple, des formes, des chiffres, des lettres, des singletons dans les écrans pop-out, et des objets dans des images naturelles. Les trois derniers types ont été utilisés dans ce protocole. NOTE: Plusieurs types de relance différents sont inclus dans le plugin TOJ ( &quot;de psylab_toj_stimulus&quot; fourni avec TVATOJ) pour le constructeur d&#39;expérience OpenSesame 12. </li><li> Lors de la création de nouveaux types de relance, assurez-vous que les propriétés de interest doivent être encodés pour le jugement en les rendant important pour la tâche ou sélectionnez stimuli où les propriétés d&#39;intérêt sont codés automatiquement (par exemple, dans singletons affiche pop-out). </li></ol> 2. Puissance Estimation et planification <ol><li> Effectuer une analyse de puissance bayésien en simulant des ensembles de données avec le modèle choisi, la conception prévue ( la distribution SOA et répétitions), la taille des échantillons et les paramètres hypothétiques. Estimer si elle est susceptible d&#39;atteindre l&#39;objectif de la recherche (par exemple, une certaine différence dans les paramètres). Si la puissance ne suffit pas, modifier la conception en ajoutant ou en décalage AOS ou des répétitions et répéter l&#39;analyse. <ol><li> Pour utiliser le logiciel fourni TVATOJ, ouvrir et modifier le script &quot;exp1-power.R&quot;. Suivez les commentaires dans le fichier pour l&#39;ajuster pour l&#39;analyse spécifique. Pour des informations générales sur l&#39; estimation de puissance bayésienne consulter Kruschke 13. </li></ol></li></ol> &lt;p class = &quot;jove_title&quot;&gt; 3. Spécification ou programmation de l&#39;expérience <ol><li> Utilisez un constructeur d&#39;expérience ou d&#39;une bibliothèque de présentation psychophysique pour mettre en œuvre l&#39;expérience. <ol><li> Pour utiliser le plugin OpenSesame TOJ fourni dans TVATOJ, faites glisser le &quot;psylab_toj_stimulus&quot; plug-in dans une boucle de la présentation du procès. Sinon, ouvrez le «simple-toj.osexp&quot; exemple expérience en OpenSesame. </li><li> Sélectionnez le type de stimulation souhaitée dans le menu déroulant &quot;Type de stimulation&quot; dans la configuration de psylab_toj_stimulus. Suivez les instructions de TVATOJ pour ajouter de nouveaux types de relance si nécessaire. </li></ol></li><li> Spécifiez les essais comme décrit dans les étapes suivantes. <ol><li> Pour chaque condition expérimentale, créer des essais avec l&#39;AOS prévu. Lorsque vous utilisez le plugin psylab_toj_stimulus et OpenSesame, ajouter tous les facteurs variés comme des variables à la boucle d&#39;essai (par exemple , &quot;SOA&quot;). </li><li> Ajouter des lignes à la table pour réalisertoutes les combinaisons de facteurs (par exemple, sept SOAS, -100 à 100 msec, croisées avec les conditions expérimentales &quot;attention&quot; et &quot;neutre&quot;). Réglez &quot;Repeat&quot; l&#39;attribut de la boucle pour créer des répétitions suffisantes (voir protocole étape 2 pour déterminer la distribution et la répétition des AOS). NOTE: En règle générale, au plus 800 essais peuvent être présentés en une heure. Si plus de répétitions sont nécessaires, envisager de scinder l&#39;expérience en plusieurs sessions. Assurez-vous que l &#39; &quot;Ordre&quot; attribut de la boucle est réglé sur &quot;Random&quot; avant de lancer l&#39;expérience. </li><li> Dans la configuration du plugin psylab_toj_stimulus, ajouter des espaces réservés (par exemple &quot;[SOA]&quot;) pour les facteurs variés dans les domaines respectifs. Entrez des valeurs constantes dans les domaines des facteurs qui ne sont pas variés. NOTE: Avant de lancer l&#39;expérience, assurez-vous que le timing précis est garanti. Si le comportement de synchronisation appropriée des moniteurs récents n&#39;a pas été vérifiée, l&#39;utilisationMoniteurs CRT et synchroniser avec le signal de retour vertical 12. </li></ol></li></ol> 4. Procédure expérimentale <ol><li> Accueil et information des participants <ol><li> Accueillir les participants et les informer sur la forme générale de l&#39;expérience (expérience de la perception par ordinateur). Informer les participants sur la durée prospective de l&#39;expérience. Obtenir le consentement éclairé des participants à participer à l&#39;expérience. </li><li> Veiller à ce que les participants montrent normale ou vision corrigée à la normale (de façon optimale en effectuant des tests de vision courts). Certains déficits, comme la couleur la cécité, peuvent être tolérable si elles ne nuisent pas à la question de recherche pour le type particulier de matériel de stimulation. </li><li> Fournir une cabine calme où se déroule l&#39;expérience. Ajustez la chaise, le menton reste, la position du clavier, et ainsi de suite, pour assurer la visualisation et la réponse des conditions optimales pour l&#39;experimeNT. </li><li> Faire prendre conscience aux participants que l&#39;expérience exige l&#39;attention et la concentration mentale et peut être fatigante. Demandez-leur de prendre de courtes pauses au besoin. Il est, cependant, tout aussi important de ne pas effectuer ces tâches simples sous forte contrainte attentionnel. Dites aux participants qu&#39;il est normal de faire des erreurs. </li></ol></li><li> Instruction et warm-up <ol><li> instructions à l&#39;écran Présent pour la tâche, détaillant la procédure de séquence de présentation et de collecte de réponse. Informer les participants que la tâche est de rapporter l&#39;ordre dans lequel les cibles sont arrivés, et que ce sera difficile dans certains essais. Demandez aux participants de signaler leur première impression quand ils ne peuvent pas dire l&#39;ordre pour certains, et laissez-les deviner s&#39;ils ont pas une telle impression du tout. NOTE: Dans les Tojs binaires utilisés ici, il n&#39;y a pas d&#39;option pour indiquer la perception de la simultanéité. Pour éviter de deviner excessive, ne pas remarquer la présence d&#39;essais avec simultaneously présenté des objectifs explicitement. Que ceux-ci soient simplement des essais difficiles avec les instructions décrites ci-dessus. </li><li> Pour éviter les mouvements oculaires pendant les essais, demandez aux participants de fixer une marque qui est représentée dans le centre de l&#39;écran. Demandez-leur de se reposer la tête sur un repose-menton. </li><li> Demandez aux participants de prendre de courtes pauses si nécessaire. Faites - leur savoir quand les pauses sont autorisées et quand ils doivent être évités (par exemple, lors de la présentation de la cible et avant la réponse). </li><li> Inclure une courte formation dans lequel les participants peuvent se habituer à la tâche. A cet effet, présenter un sous-ensemble aléatoire des essais expérimentaux (voir protocole étape 3.2). NOTE: Parce que la tâche elle-même est assez simple, dix à vingt essais sont généralement suffisants. Il peut être avantageux d&#39;augmenter la confiance des participants dans leur performance dans cette tâche. Cela peut se faire en ralentissant la présentation et à fournir une rétroaction. </li><li> Obtenir les PREUVE des participantssur ce qu&#39;ils ont compris la tâche (laissez-les expliquent) et qu&#39;ils ont pas d&#39;autres questions. </li></ol></li><li> Exécution de l&#39;expérience principale <ol><li> Laissez démarrer le logiciel expérimental avec la présentation des principaux essais. Laissez le stand pour l&#39;expérience principale. </li></ol></li></ol> 5. Analyse fondée sur un modèle de données TOJ <ol><li> Convertir les fichiers de données brutes en chiffres de &quot;sonde&quot; premiers jugements pour chaque SOA. Par exemple, exécutez le script &quot;os2toj.py&quot; fourni avec TVATOJ. </li><li> Exécutez la procédure d&#39;estimation bayésienne pour estimer les paramètres principaux w p et C, celles v p dérivée et v r et les différences entre les paramètres. A cet effet, exécutez le script &quot;run-evaluation.R&quot; après l&#39;avoir modifié selon les instructions fournies dans le fichier. </li><li> Lorsque le prélèvement est terminé, les différences d&#39;intérêt pour les questions de recherche peuvent être évaluées. examples peuvent être trouvés dans la section suivante. </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>

Les auteurs n’ont rien à divulguer.

Le protocole de cet article décrit comment mener Tojs simples et adapter les données avec des modèles basés sur le codage de stimulus fondamental. Trois expériences ont démontré comment les résultats peuvent être évalués dans un cadre d&#39;estimation bayésienne hiérarchique pour évaluer l&#39;influence de l&#39;attention en matière de relance très différent. Salience dans les écrans pop-out a conduit à des poids attentionnelles accrus. En outre, une augmentation du poids ont été estimés pour les objets spatiaux d&#39;a...

Comment l'attention est répartie dans l'espace et le temps est l'un des facteurs les plus importants dans la perception visuelle humaine. Les objets qui captent l'attention en raison de leur visibilité ou de l'importance sont généralement traitées plus rapidement et avec une plus grande précision. Dans la recherche comportementale, ces avantages de performance ont été démontrées dans une variété de paradigmes expérimentaux. Par exemple, l' allocation d' attention à l'emplacement cible accélère la réaction à des tâches de détection de la sonde 1. De même, la précision des lettres de rapports est améliorée par une attention 2. Ces résultats prouvent que l'attention améliore le traitement, mais ils restent désespérément muet sur la façon dont cette amélioration est établie. Le présent document montre que les mécanismes de bas niveau derrière avantages attentionnelles peuvent être évalués en mesurant la vitesse de traitement des stimuli individuels dans un cadre basé sur un modèle qui concerne les mesures à grains fins components d'attention. Avec un tel modèle, la capacité de traitement globale et sa répartition entre les stimuli peuvent être déduites à partir de mesures de vitesse de traitement. Théorie de Bundesen de Visual Attention (TVA) 3 fournit un modèle approprié pour cette entreprise. Il est généralement appliqué aux données de tâches de rapport de lettre. Dans ce qui suit, les principes fondamentaux de la TVA sont expliqués et on montre comment ils peuvent être étendus pour modéliser le jugement temporel d'ordre (PFCE) données obtenues avec (presque) stimuli arbitraires. Cette nouvelle méthode fournit des estimations de la vitesse de traitement et de distribution des ressources qui peuvent être facilement interprétés. Le protocole de cet article explique comment planifier et de mener de telles expériences et les détails comment les données peuvent être analysées. Comme mentionné ci-dessus, le paradigme habituel dans la modélisation et l'estimation des paramètres d'attention à base de TVA est la tâche de rapport de lettre. Les participants indiquent l'identité d'un ensemble de lettresest brièvement flashé et typiquement masqué après un délai variable. Parmi les autres paramètres, la vitesse à laquelle les éléments visuels sont codés dans la mémoire visuelle à court terme peut être estimé. La méthode a été appliquée avec succès à des questions en matière de recherche fondamentale et clinique. Par exemple, Bublak et ses collègues 4 évalués quels paramètres attentionnels sont affectés à différents stades de déficits cognitifs liés à l' âge. Dans la recherche de l' attention fondamentale, Petersen, Kyllingsbæk et Bundesen 5 utilisés TVA pour modéliser l'effet attentionnel temps de séjour, la difficulté de l'observateur à percevoir la seconde de deux cibles à certains intervalles de temps. Un inconvénient majeur du rapport de lettre paradigme est qu'il nécessite des stimuli suffisamment surapprise et masquables. Cette exigence limite la méthode de lettres et de chiffres. D'autres stimuli auraient besoin d'une formation lourde des participants. Le paradigme TOJ ne nécessite ni stimul spécifiquei ni masquage. Il peut être utilisé avec tout type de stimuli pour lesquels l'ordre d'apparition peut être jugé. Cela étend la gamme de stimulus à peu près tout ce qui pourrait être d'intérêt, y compris les comparaisons entre les modes de transport directs 6. Enquête sur l'attention avec Tojs est basée sur le phénomène d'entrée avant attentionnel qui est une mesure de la façon dont beaucoup plus tôt un stimulus assisté est perçue par rapport à un un sans surveillance. Malheureusement, la méthode usuelle pour analyser les données TOJ, les fonctions d' ajustement de la performance d'observation psychométriques (tels que gaussiennes ou logistiques cumulées), ne peut pas distinguer si une attention augmente la vitesse du stimulus assisté de traitement ou si elle diminue la vitesse de la 7 stimulation sans surveillance. Cette ambiguïté est un problème majeur parce que la question de savoir si la perception d'un stimulus est vraiment améliorée ou si elle bénéficie en raison du retrait des ressources à partir d'un stimul concurrents nous est une question à la fois la pertinence fondamentale et pratique. Par exemple, pour la conception des interfaces homme-machine, il est très important de savoir si l'augmentation de l'importance d'un élément travaille au détriment de l'autre. La tâche TOJ procède généralement comme suit: Une marque de fixation est présenté pour un bref délai, généralement un tracé aléatoire intervalle inférieur à une seconde. Ensuite, la première cible est présentée, suivie après un début asynchronisme de stimulus variable (SOA) par la seconde cible. A AOS négatives, la sonde, le stimulus assisté, est affiché en premier. A AOS positifs, la référence, le stimulus sans surveillance, conduit. Lors d'une SOA de zéro, les deux cibles sont affichées simultanément. En règle générale, la présentation de la cible se réfère à la commutation du stimulus. Sous certaines conditions, cependant, d' autres événements temporels, comme un scintillement d'une cible ou des décalages déjà présents sont utilisés 8. _content "&gt; Dans Tojs, les réponses sont collectées de manière unspeeded, généralement par des clés mappés sur les identités de relance et les ordres de présentation (par exemple, si les stimuli sont des carrés et des diamants, une clé indique" carré d' abord »et un autre« diamant d' abord ») . Il est important, pour l'évaluation, ces jugements doivent être convertis en "première sonde" (ou "première référence") jugements. Dans le présent travail, une combinaison du modèle de traitement de la TVA et le paradigme expérimental TOJ est utilisé pour éliminer les problèmes dans les deux domaines particuliers. Avec cette méthode, les paramètres de vitesse facilement interprétables peuvent être estimés pour les stimuli visuels presque arbitraires, ce qui permet de déduire comment l'attention de l'observateur est affecté à des éléments visuels en compétition. Le modèle est basé sur les équations de TVA pour le traitement des stimuli individuels, qui seront expliquées brièvement dans ce qui suit. La probabilité que l'une stimulnous est encodée dans la mémoire visuelle à court terme avant que l'autre est interprété comme la probabilité de juger ce stimulus comme apparaissant en premier. Les durées d'encodage individuels sont distribués de façon exponentielle 9: <img alt="L'équation 1" src="/files/ftp_upload/54856/54856eq1.jpg"> (1) L'exposition maximale inefficace durée t 0 est un seuil avant que rien ne soit encodée en tout. Selon TVA, le taux v x, i à laquelle l' objet x est codé en tant que membre d'une catégorie perceptive i (comme la couleur ou une forme) est donnée par l'équation de vitesse, <img alt="équation 2" src="/files/ftp_upload/54856/54856eq2.jpg"> . (2) La force de la preuve sensorielle que x appartient à la catégorie i est exprimée en x Þ, i et ß i est un parti pris de décision pour classer les stimuli en tant que membres de la catégorie i. Ce nombre est multiplié par unpoids ttentional. Poids attentionnelles individuels w x sont divisés par les poids attentionnelles de tous les objets dans le champ visuel. Par conséquent, le poids relatif attentionnels est calculé comme <img alt="l'équation 3" src="/files/ftp_upload/54856/54856eq3.jpg"> (3) où R représente toutes les catégories et Þ x, i représente la preuve sensorielle cet objet x appartient à la catégorie j. La valeur π j est appelée pertinence de la catégorie j et reflète un parti pris pour faire catégorisations dans j. La capacité globale de traitement C est la somme de tous les taux de traitement pour tous les stimuli et les catégorisations. Pour obtenir une description plus détaillée de TVA, reportez - vous au livre de Bundesen et Habekost 9. Dans notre nouveau procédé, l'équation 1, qui décrit le codage des stimuli individuels, est transformé en un modèle de Tojs. En supposant que les biais de sélection et les catégories de rapport sont constant au sein d' une tâche expérimentale, le taux de traitement v p et v r de la sonde à deux cibles stimuli (p) et de référence (r) dépendent de C et les poids attentionnelles sous la forme v p = C · w p et v r = C · w r, respectivement. Le nouveau modèle TOJ exprime la probabilité de succès P p 1er qu'un participant juge le stimulus de la sonde pour être d' abord comme fonction de la SOA et les taux de traitement. Il peut être formalisé comme suit: <img alt="l'équation 4" src="/files/ftp_upload/54856/54856eq4.jpg"> (4) Une description plus détaillée de la façon dont cette équation est dérivée à partir des équations de TVA de base est décrit par Tünnermann, Petersen et Scharlau 7. Par souci de simplicité, le paramètre t 0 est omis dans le modèle de l'équation 1. Selon la TVA d' origine, t 0 doit être identique pour boe cibles dans la tâche TOJ, et, par conséquent, qu'il annule. Toutefois, cette hypothèse peut parfois être violé (voir la section Discussion). Pour le montage de cette équation aux données PFCE, un système d'estimation bayésienne hiérarchique 11 est suggéré. Cette approche permet d'estimer les poids attentionnelles w p et w r de la sonde et de référence stimuli et l'ensemble C. taux de traitement Ces paramètres, la résultante des taux d'absorption v p et v r, et les différences induites par l' attention-entre eux, peut être évalué sur les niveaux de réserve et de groupe ainsi que des incertitudes estimées. Le modèle hiérarchique est illustré à la figure 1. Au cours de la phase de planification pour une expérience, pratique l'analyse de puissance bayésienne peut être effectuée. Le protocole suivant décrit comment planifier, exécuter et analyser des expériences PFCE à partir de laquelle les paramètres de vitesse de traitement et de poids attentionnelles pour stimuli visuels peuventêtre obtenu. Le protocole suppose que le chercheur est intéressé à savoir comment une manipulation attentionnel influence les vitesses de traitement de certaines cibles d'intérêt. <img alt="Figure 1" src="/files/ftp_upload/54856/54856fig1.jpg"> Figure 1: Modèle graphique utilisé dans la procédure d'estimation bayésienne. Les cercles indiquent les distributions estimées; doubles cercles indiquent les nœuds déterministes. Squares indiquent les données. Les relations sont donnés sur le côté droit de la figure. Les noeuds en dehors des cadres arrondis ( "plaques") représentent les estimations moyennes et de dispersion des paramètres TVA (voir Introduction) au niveau du groupe. Dans l'assiette "j des sujets", on peut voir comment les poids attentionnelles (W) sont combinés avec les taux de traitement global (C) à partir des taux de traitement de stimulus (v) sur le niveau de l'objet. Plate "i AOS &amp;# 8221; montre comment ces paramètres TVA sont ensuite transformés (via la fonction P p 1er décrit dans l'introduction) dans la probabilité de réussite (θ) pour les réponses binomiale distribués à chaque SOA. Par conséquent, la θ ainsi que les répétitions de la SOA (n) décrivent les points de données (y). Pour plus de détails sur la notation et l' interprétation des modèles graphiques, reportez - vous à Lee et Wagenmakers 23. Notez que pour des raisons de clarté, les noeuds qui représentent des différences de paramètres ont été omis. Ces paramètres déterministes sont indiqués dans les figures des résultats expérimentaux à la place. <a href="http://ecsource.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.</a>

<table><tbody><tr><td>Ordinateur</td><td></td><td></td><td></td> personnel</tr> <tr><td>(Open Source) Logiciel</td><td></td><td></td><td></td> d’expérimentation et d’évaluation</tr></tbody></table>

mesure de l&#39;attention et de vitesse de traitement visuel par analyse des temporal ordre arrêts model-based

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

Ce protocole décrit la façon de mener des expériences temporelles d&#39;ordre pour mesurer la vitesse de traitement visuel et la distribution des ressources attentionnelles. La méthode proposée est basée sur une nouvelle et synergique combinaison de trois éléments: le paradigme temporel d&#39;ordre des jugements (TOJ), Théorie de Bundesen de Visual Attention (TVA), et un cadre hiérarchique d&#39;estimation bayésienne. La méthode fournit des paramètres facilement interprétables, qui sont soutenus par les fondements théoriques et neurophysiologiques de TVA. Utilisation de Tojs, les estimations basées sur la TVA peuvent être obtenus pour un large éventail de stimuli, alors que les paradigmes traditionnels utilisés avec TVA sont principalement limités aux lettres et des chiffres. Enfin, les paramètres significatifs du modèle proposé permettent la mise en place d&#39;un modèle bayésien hiérarchique. Un tel modèle statistique permet d&#39;évaluer les résultats dans une analyse cohérente à la fois sur le sujet et le niveau du groupe. Pour démontrer la faisabilité et versatility de cette nouvelle approche, trois expériences sont rapportés avec des manipulations de l&#39;attention dans les écrans pop-out synthétiques, des images naturelles, et une lettre-rapport indicé paradigme.

Dans ce qui suit, les résultats obtenus avec la méthode proposée sont rapportés. Trois expériences ont mesuré l'influence des différentes manipulations attentionnels avec trois types de matériel de stimulation très différents. Les stimuli sont des segments simples de ligne dans les modes de pop-out, les objets spatiaux d'action dans les images naturelles et des cibles indicés lettre. Expérience 1: Salience pop-out affiche ...

Les jugements d’ordre temporel peuvent être utilisés pour estimer les paramètres de vitesse de traitement et les poids attentionnels et ainsi pour déduire les mécanismes du traitement attentionnel. Cette méthodologie peut être appliquée à un large éventail de stimuli visuels et fonctionne avec de nombreuses manipulations de l’attention.

Mesure de l&#39;attention et de vitesse de traitement visuel par analyse des Temporal ordre Arrêts Model-based

This protocol describes how to conduct temporal-order experiments to measure visual processing speed and the attentional resource distribution. The ...

L’objectif global de ce protocole est de mesurer les paramètres de l’attention et du traitement visuel pour des stimuli presque arbitraires. Ceci est accompli en modélisant des données à partir de jugements d’ordre temporel, TOJs. Dans ceux-ci, les participants jugent de l’ordre de présentation de deux cibles, les données résultantes sont analysées avec un nouveau modèle qui permet de mesurer comment l’attention affecte les taux d’encodage des stimulus.La théorie de l’attention visuelle de Bundesen fournit diverses utilisations pour des paramètres, tels que le poids attentionnel et les taux de traitement. Généralement, ceux-ci sont estimés dans les tâches de rapport d’élément où des lettres ou des chiffres sont utilisés, l’utilisation d’autre chose que des lettres ou des chiffres est difficile et nécessite une formation intensive et est donc rarement faite. Par exemple, il est difficile d’imaginer comment on pourrait mesurer la saillance des visuels et les affichages contextuels avec cette méthode.Par conséquent, nous proposons une nouvelle méthode basée sur la TVA, qui utilise un jugement d’ordre temporel qui peut être effectué avec des stimuli presque arbitraires. Les jugements d’ordre temporel ont longtemps été utilisés pour évaluer l’attention, mais combinés à TVA, ils deviennent plus puissants, fournissant des paramètres facilement interprétables. Dans la tâche de jugement de l’ordre temporel, deux stimuli, ici identifiés comme A et B, sont représentés en succession rapprochée ou en simultanéité.La perception de l’ordre temporel peut être modélisée à l’aide d’un modèle de canaux indépendants. Dans un tel modèle, il existe des canaux de traitement indépendants pour chaque cible. Un comparateur d’ordres surveille les canaux et enregistre le décompte lorsqu’une cible particulière, ici A, y arrive avant l’autre cible.Avant de le démontrer, nous décrivons brièvement la forme sous laquelle les données expérimentales sont généralement représentées. La fréquence relative d’un type particulier de jugement, ici A d’abord, est tracée en fonction de la SOA, c’est-à-dire de l’intervalle de temps entre les présentations des deux cibles. Maintenant, avec un SOA négatif important, cela signifie ici que le stimulus A mène, il est plus probable que A arrive en premier au comparateur.Ce n’est que très rarement que le stimulus B arrivera plus tôt. Par conséquent, nous obtenons un point de données représentant une fréquence relative proche de un. Pour un grand SOA positif, c’est-à-dire le stimulus B déplace, le comparateur n’enregistre que très rarement les premiers résultats de A.Par conséquent, nous obtenons un point de données proche de zéro. Si le SOA est égal à zéro, les cibles sont présentées simultanément et un point de données au niveau de la chance du point cinq est enregistré. Lorsque les SOA varient sur une plage de valeurs, le modèle résultant peut être décrit à l’aide d’une fonction psychométrique.Or, lorsque l’attention est dirigée vers un stimulus, ici, le stimulus A, il arrive plus tôt au comparateur, par conséquent, ici montré pour SOA zéro, la probabilité de A premiers jugements est augmentée. Cela modifie toute la fonction psychométrique. Le SOA au niveau duquel la courbe rouge traverse le point cinq est souvent utilisé pour quantifier l’influence de l’attention.L’auto-jugement temporel semble être la manière naturelle d’évaluer la latence perceptuelle, et de nombreuses questions sur l’influence de l’attention et de la perception du temps ont été répondues avec cette méthode. Cependant, le TOJ a une faiblesse centrale, et c’est sa nature relative. L’autoperception temporelle peut nous dire que le stimulus A est perçu avant le stimulus B, mais elle ne nous dit pas pourquoi.Cela peut être dû au fait que le stimulus A est traité plus rapidement ou au fait que B est traité plus lentement. Pour augmenter le pouvoir explicatif, un modèle TOJ est dérivé de TVA, qui modélise les processus d’encodage des stimuli visuels. Dans chaque canal, l’encodage est supposé se dérouler selon le modèle de course exponentielle des TVA.Les probabilités d’encoder chaque cible dans une certaine durée sont transformées en probabilité d’encoder une cible avant l’autre. La perception de l’ordre temporel. Il est important de noter que les deux paramètres de débit hérités de TVA permettent de répondre à des questions telles que : est-ce le stimulus assisté qui a été traité plus rapidement, ou est-ce le stimulus non assisté qui a été ralenti ?Alternativement, les taux peuvent également être exprimés sous forme de poids attentionnels relatifs. Sélectionnez les stimuli en fonction de la question de recherche. En général, il doit être possible d’afficher deux cibles à des endroits différents sur l’écran.Plus loin dans ce protocole, nous montrons les résultats d’expériences avec des affichages contextuels, des images naturelles et des cibles de lettres. Voici un exemple de la façon dont l’espace d’action et les objets d’arrière-plan dans les images naturelles peuvent être utilisés. La photographie avec les deux cibles présentes est superposée à l’une avec une sans elles.Les objets sont pratiquement supprimés en rendant l’image supérieure transparente localement. Avec cette procédure, des images avec les deux, aucun et l’un des deux objets présents sont créées pour établir des TOJ avec l’arrière-plan d’abord, l’espace d’action d’abord et la présentation simultanée. Pour planifier la conception et la taille de l’échantillon de l’expérience, une analyse de puissance bayésienne peut être effectuée.Simulez et ajustez les données à plusieurs reprises avec le modèle prévu, le plan d’expérience et les paramètres hypothétiques. Les proportions de simulations pour lesquelles un critère de succès est atteint, par exemple une différence de poids attentionnel, sont utilisées pour estimer la puissance de l’expérience. Utilisez un constructeur d’expériences ou une bibliothèque de présentation psychophysique pour mettre en œuvre l’expérience.Nous fournissons un pour le constructeur d’expériences open source OpenSesame, pour TOJ avec des lettres, des chiffres et des formes, dans lequel seule la table d’essais doit être spécifiée. Nous fournissons également un exemple OpenSesame pour les TOJ avec des images naturelles. Pour chaque condition, créez des essais pour tous les SOA planifiés.Les résultats représentatifs montrent des répartitions SOA exemplaires. Les deux cibles sont définies comme sonde et référence. La référence est toujours indiquée à zéro, et est la cible sans surveillance, tandis que le stimulus de la sonde est soumis à la manipulation de l’attention.Dans les essais avec une SOA négative, présentez d’abord le stimulus de la sonde, puis le stimulus de référence. Pour les essais avec des SOA positifs, présentez d’abord le stimulus de référence et, après un délai, la sonde conformément à la SOA. Pour le SOA de zéro, présentez les deux cibles simultanément.Dans des conditions neutres, l’attribution de la sonde et de la référence est arbitraire, mais nécessaire à l’analyse des données. Créez des répétitions de tous les SOA. Randomiser ou varier systématiquement les influences qui ne sont pas influencées, telles que l’emplacement du stimulus ou l’identité de la cible.Le nombre de répétitions dépend de la puissance observée. Environ 800 essais peuvent être présentés en une heure. Si d’autres répétitions sont nécessaires, envisagez de diviser l’expérience en plusieurs sessions.Accueillez les participants et informez-les du déroulement général de l’expérience. Obtenir le consentement pour participer. Assurez-vous qu’ils ont une vision normale ou corrigée à la normale.Prévoyez une cabine silencieuse pour l’expérience. Ajustez la chaise, la mentonnière et le clavier, etc., pour assurer des conditions optimales. Faites prendre conscience aux participants que les expériences nécessitent de l’attention et de la concentration mentale, et peuvent être fatigantes.Demandez-leur de faire de courtes pauses au besoin. Présentez à l’écran des instructions détaillant les présentations et la collecte des réponses. Rappelez aux participants que la tâche consiste à rapporter l’ordre temporel perçu des cibles, et à deviner dans les essais où ils ne peuvent pas du tout dire l’ordre.Pour éviter les mouvements oculaires pendant les essais, demandez aux participants de fixer un marqueur central chaque fois qu’il est affiché à l’écran. Demandez-leur de poser leur tête sur la mentonnière. Demandez-leur de faire de courtes pauses si nécessaire.Effectuez une formation courte avec dix à 20 essais. Confirmez que les participants ont compris la tâche. Laissez-les vous l’expliquer.S’ils n’ont pas d’autres questions, quittez le stand pour l’expérience principale. Après avoir converti les données procès par procès en décomptes des premiers jugements de sonde, les paramètres peuvent être estimés en exécutant le modèle hiérarchique beyesien souhaité. Une fois le processus terminé, tracez les diagnostics de convergence pour tous les paramètres et confirmez que les chaînes ont convergé et qu’elles fournissent une taille d’échantillon effective suffisamment grande.Ensuite, tracez et évaluez les paramètres d’intérêt. Des résultats exemplaires sont présentés dans la section suivante de cette vidéo. La première expérience a mesuré l’influence de la saillance visuelle sur la vitesse de traitement.Les participants ont jugé lequel des deux segments de ligne cible, gauche ou droite, dans un motif d’arrière-plan, clignotait en premier. Dans la moitié des essais, la sonde était une couleur éclatante. Les données ont été ajustées à l’aide du modèle TOJ dérivé de la TVA, qui a été décrit précédemment.Le bénéfice du stimulus saillant peut être observé dans la condition d’attention, comme une augmentation du poids attentionnel du point cinq neuf pour la sonde. Dans la condition de contrôle où aucune cible n’était saillante, le poids neutre du point cinq a été obtenu, donc le poids attentionnel de la sonde dans la condition d’attention était toujours plus élevé. Zéro, aucune différence, n’a pas été inclus dans l’IDH de 95.Les poids individuels de la sonde et de sa référence montrent que l’avantage du stimulus saillant résulte d’une réduction du taux de traitement de 16 hertz du stimulus non saillant. Il est possible que la cible saillante supprime le traitement de la cible non saillante dans une certaine mesure, et qu’elle en bénéficie donc relativement. La deuxième expérience a examiné les avantages attentionnels dans l’espace d’action représenté dans les images naturelles.L’espace d’action, la sonde et la référence des objets d’arrière-plan sont apparus pour le TOJ. Dans une expérience de contrôle, une ligne de base sans avantages d’espace d’action a été enregistrée à l’aide de versions inversées des images, pour lesquelles la perception de la disposition de la scène est perturbée. Le paramètre a posteriori, indique un avantage d’espace d’action dans la condition d’attention.Le poids de la sonde est supérieur au poids neutre du point cinq. Curieusement, cela se retrouve également dans la condition de contrôle, ce qui suggère que l’inversion de l’image n’a pas supprimé l’avantage potentiel de l’espace d’action. Par conséquent, très probablement les avantages causés par des facteurs tels que la saillance ou la visibilité, qui ne sont pas supprimés par l’inversion de scène.La possibilité que la puissance expérimentale ait été trop faible pour détecter l’effet d’espace d’action est discutée dans la partie écrite de ce protocole. Un signal périphérique est utilisé dans la troisième expérience, conduit à un effet important dans un paramètre supplémentaire, qui modélise le délai entre les processus d’encodage. Cette expérience est discutée en détail dans la partie écrite de ce protocole.En conclusion, le protocole de cet article décrit comment effectuer des TOJ simples et ajuster les données sur la base d’un modèle fondamental d’encodage de stimulus. Dans trois expériences, nous avons montré que les résultats peuvent être évalués dans un cadre d’estimation bayésien hiérarchique. Nous avons constaté que la saillance dans les affichages contextuels entraîne une augmentation des poids attentionnels.De plus, l’augmentation des poids a été estimée pour les objets de l’espace d’action dans les images naturelles, cependant, en raison de l’avantage persistant, lorsque les relations spatiales ont été perturbées par la présentation des images à l’envers, il est probable qu’un autre avantage attentionnel conduise à l’augmentation de poids. Dans la troisième expérience, un signal périphérique a conduit à une valeur élevée pour un paramètre qui modélise un délai supplémentaire entre les processus d’encodage. Les avantages du protocole sont la simplicité de la tâche TOJ, qui peut utiliser des stimuli presque arbitraires.Le fondement théorique approfondi de TVA et le schéma d’évaluation bayésien. Bien que la saillance joue un rôle important dans de nombreuses études, seules quelques-unes d’entre elles ont tenté de quantifier la saillance visuelle. Cependant, la quantification de la saillance visuelle nous permettrait de comparer différentes dimensions de caractéristiques, comme l’orientation, la couleur ou le mouvement.Ici, nous avons étudié l’influence du contraste des couleurs sur les poids attentionnels du modèle formel dérivé de TVA, nous a permis de mesurer la saillance quantitativement et d’une manière psychologiquement solide. Pour le succès de ce protocole, il est crucial qu’il n’y ait que deux stimuli qui génèrent des signaux temporels aux endroits cibles. La modélisation explicite de stimuli supplémentaires dans les TOJ, tels que les signaux périphériques, est l’objectif des recherches futures.

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

Research

Recherche

JoVE Journal

Behavior

Comportement

Eye Tracking a longtemps été utilisée pour étudier des modèles de regard chez les individus se développent normalement, mais les récents progrès technologiques ont rendu son utilisation avec les populations cliniques, y compris l'autisme, plus faisable. Alors que les yeux de suivi des jeunes enfants avec l'autisme peuvent donner un aperçu de manifestations des symptômes précoces, il s'agit de défis méthodologiques. Suggestions pour les meilleures pratiques sont fournis.

Eye Tracking jeunes enfants autistes

Cet article décrit une nouvelle procédure à double tâche combinée à une présentation visuelle en série rapide pour examiner le clignement attentionnel à divers stimulus asynchronises. Cette procédure expérimentale différait des autres en ce qu’elle testait le clignement attentionnel pour les non-cibles.

Une procédure de double tâche combinée avec Rapid Serial Visual Presentation tester attentionnel pour Blink organismes non visés

Le contrôle de l’attention comprend l’amélioration des signaux cibles et l’atténuation des signaux distracteurs. Nous décrivons une approche permettant de mesurer séparément mais simultanément, la neurophysiologie de l’attention et de l’ignorance dans l’attention intermodale soutenue, en utilisant une condition de contrôle passif au cours de laquelle aucun des deux processus n’est engagé en permanence.

Mesure de signaux neurophysiologiques de Ignorant et Participer processus dans le contrôle de l&#39;attention

Une méthode est décrite pour quantifier la qualité du traitement de l’information visuelle basée sur des mouvements oculaires réflexifs en réponse à des modalités visuelles spécifiques. Les temps de réaction et les paramètres de sortie de fixation sont utilisés pour caractériser les performances visuelles chez les enfants avec et sans déficience visuelle à partir de 6 mois.

Une méthode pour quantifier visuel Traitement de l&#39;information chez les enfants Utilisation du suivi des yeux

C’est une étude de cas qualitative comparative l’analyse des données de suivi du regard sur les premiers moments de scènes vidéo sociales telle que vue par trois participants : un avec troubles du spectre autistique, une avec comorbides trouble hyperactivité-déficit de l’attention et une contrôle des neurotypiques.

Comparaison des données de l’Eye-tracking des enfants avec autisme de haut niveau, Comorbid ADHD et d’un contrôle, regarder des vidéos Social

Ce protocole expérimental combiné oculométrique et l’évaluation de la presaccadic sensibilité visuelle dans un paradigme de double tâche, consistant en une tâche de saccade du libre choix et une tâche de discrimination visuelle, d’enquêter sur le déploiement de l’attention visuelle spatiale avant les saccades, précis et calcul de la moyenne.

Enquête sur le déploiement d’Attention visuelle avant Saccades précises et moyenne via Oculométrique et évaluation de la sensibilité visuelle

Nous présentons un protocole qui utilise l’oculométrie pour surveiller les mouvements oculaires lors d’une tâche de comparaison d’intervalles (perception de la durée) basée sur des événements visuels. L’objectif est de fournir un guide préliminaire pour séparer les réponses oculomotrices aux tâches de perception de la durée (comparaison ou discrimination des intervalles de temps) des réponses au stimulus lui-même.

Mouvements oculaires dans la perception visuelle de la durée : démêler le stimulus du temps dans les processus prédécisionnels

Nous présentons le développement d’un cadre d’affichage contingent du regard conçu pour la recherche perceptuelle et oculomotrice simulant la perte de vision centrale. Ce cadre est particulièrement adaptable pour l’étude des stratégies comportementales et oculomotrices compensatoires chez les individus présentant une perte de vision centrale simulée et pathologique.

Un cadre d’affichage contingent du regard pour la recherche sur l’apprentissage perceptuel avec perte de vision centrale simulée

Il est important d’obtenir des estimations non biaisées des champs récepteurs de la population visuelle (pRF) par imagerie par résonance magnétique fonctionnelle. Nous utilisons de légères contraintes de régularisation pour estimer la topographie pRF sans hypothèses a priori sur la forme pRF, ce qui nous permet de choisir des modèles pRF spécifiques post-hoc. Ceci est particulièrement avantageux chez les sujets présentant des lésions des voies visuelles.

Estimation topographique de Visual population réceptive champs par IRMf

Pour reproduire les paramètres de laboratoire, les méthodes de collecte de données en ligne pour les tâches visuelles nécessitent un contrôle strict de la présentation des stimulus. Nous décrivons des méthodes d’utilisation d’une application web pour collecter des données de performance sur deux tests d’attention visuelle.

Les méthodes pour tester attention visuelle en ligne

Découvrez comment mesurer l'attention et la vitesse de traitement visuel par jugements d'ordre temporel. Cette méthode utilise la théorie de l'attention visuelle de Bundesen pour analyser l'encodage des stimuli.

Mesure de l'attention et de vitesse de traitement visuel par analyse des Temporal ordre Arrêts Model-based

Explorer plus de vidéos