שיטות לבדיקת קשב חזותי באינטרנט
February 19th, 2015
כדי לשכפל הגדרות מעבדה, שיטות איסוף נתונים מקוונות למשימות חזותיות דורשות בקרה הדוקה על הצגת הגירוי. אנו מתארים שיטות לשימוש ביישום אינטרנט לאיסוף נתוני ביצועים בשני מבחנים של קשב חזותי.
המטרה הכוללת של הליך זה היא לפשט את איסוף הנתונים עבור משימות קשב חזותי באמצעות אפליקציית אינטרנט מקוונת. זה מושג על ידי כניסה ראשונה של המשתתפים ליישום אינטרנט. לאחר מכן, המשתתפים מתבקשים לכייל את המסכים שלהם להצגת גירוי נכונה.
לאחר מכן המשתתפים קראו את הוראות המשימה והשלימו ניסויי תרגול. לבסוף, נתונים נאספים מהמשתתפים כשהם משלימים את המשימות המלאות. בסופו של דבר, שיטות איסוף נתונים מקוונות למשימות חזותיות מציגות תוצאות עקביות עם אלו של שיטות מסורתיות מבוססות מעבדה.
היתרון העיקרי של טכניקה זו על פני השיטות הקיימות הוא שניתן לאסוף נתונים מאוכלוסייה גדולה ומגוונת יותר בפרק זמן קצר יחסית. מי שתדגים את ההליך הזה תהיה אולגה פ, טכנאית במעבדה. בתור התחלה, בקשו מהמשתתף לשבת בחדר שקט ללא הסחות דעת עם מחשב התומך באינטרנט בגובה נוח.
הורה למשתתף לנווט ליישום האינטרנט המוצג כאן. באמצעות דפדפן תואם HTML five, בקש מהמשתתף להזין מזהה ייחודי שישויך לנתונים שנאספו ומאוחסנים במסד הנתונים של ה-SQL שלי. לפני הכניסה, קבל את הסכמת המשתתף באמצעות טופס הסכמה המקושר בדף.
כדי לכייל את המסך, בקש מהמשתתף להזין את הגודל האלכסוני של המסך באינצ'ים בתיבת הטקסט המסומנת בתווית. אם המשתתף אינו יודע מידע זה, בקש/י ממנו למצוא תקליטור או כרטיס אשראי כאובייקט כיול. כאשר נבחר, בקש מהמשתתף למקם את האובייקט כנגד המסך וליישר אותו עם תמונה מייצגת של האובייקט המוצג על המסך.
בקש מהמשתתף להתאים את גודל תמונת המסך כך שיתאים לגודל האובייקט הפיזי בהתבסס על מידות התקליטור הפיזי או כרטיס האשראי וגודל הפיקסלים של התמונה המייצגת. קבע את הגודל האלכסוני של המסך באינצ'ים. בקש מהמשתתף לאשר ערך זה באמצעות תיבת דו-שיח.
לאחר מכן, בקש מהמשתתף להתאים את הגדרות בהירות המסך עד שניתן יהיה להבחין בבירור בין כל 12 הרצועות בשיפוע שחור ללבן המוצגות על המסך. בקש מהמשתתף לשבת במרחק זרוע מהצג בתנוחה נוחה ולאחר מכן הגדר את חלון הדפדפן למצב מסך מלא. חלון הדפדפן חייב להיות במצב מסך מלא כדי למקסם את המרחב החזותי המשמש את המשימות וכדי להסיר הסחות דעת חזותיות כגון סרגל הכלים של הדפדפן ושורות המשימות של שולחן העבודה.
באמצעות הדרכה עצמית למעקב אחר אובייקטים מרובים או מדריך MOT שנמצא בכתובת URL זו, בקש מהמשתתף לקרוא את ההוראות שלב אחר שלב המדגימות כיצד הניסויים יעבדו. לאחר שהמשתתף מסיים לקרוא את ההוראות, בקשו מהמשתתף לעבור על ניסויי התרגול, הגדירו את גירויי התרגול כך שיורכבו משמונה נקודות ב-0.8 מעלות עם מהירות תנועה של שתי מעלות לשנייה. השתמש בממשק ה-API של מסגרת הנפשה של חמש בקשות HTML כדי לייעל את אנימציית הדפדפן בקצב פריימים של 60 הרץ על מנת לשלוט בתנועת הגירוי הזו.
לאחר מכן, בקשו מהמשתתף לעקוב אחר הנקודות הכחולות כאשר הנקודות הצהובות משמשות כמסיחי דעת. לאחר שתי שניות, שנה את הנקודות הכחולות לנקודות צהובות והמשך להזיז אותן בין הנקודות הצהובות המקוריות למשך ארבע שניות נוספות. בסוף כל ניסיון, עצרו את הנקודות וסמנו אחת.
בקשו מהמשתתף להגיב באמצעות לחיצה על מקש, בין אם הנקודה המודגשת הייתה נקודת מסלול או נקודת מסיח דעת. לאחר שלושה ניסיונות נכונים רצופים או מקסימום שישה ניסיונות, העבירו את המשתתף למשימה המלאה. כדי להתחיל את משימת ה-MOT המלאה עבור המשתתף, הגדר אותה עם 16 נקודות שנעות בחמש מעלות לשנייה.
במרווח שבין שתי מעלות אקסצנטריות ל-10 מעלות אקסצנטריות, בקש מהמשתתף להשלים בסך הכל 45 ניסיונות, תערובת של חמישה ניסויים המורכבים מנקודה אחת במעקב ו-10 ניסויים שכל אחד מהם מורכב משתיים עד חמש נקודות מעקב. באמצעות המדריך שנמצא כאן, בקש מהמשתתף לעבור ארבעה שלבים של הוראות שלב אחר שלב המדגימות את שני גירויי המטרה שיש לשים לב אליהם במהלך שדה הראייה השימושי או ערכת משימות UFOV. גירוי המטרה המרכזי הוא סמיילי במעלה אחת שמהבהב במרכז המסך עם שיער ארוך או קצר.
חלק את אורך השיער של הסמיילי באופן אקראי על פני ניסויים, הגדר את גירוי המטרה ההיקפי ככוכב במעלה אחת שמהבהב בארבע מעלות אקסצנטריות באחד משמונה מיקומים סביב המעגל. לחלק את מיקום הכוכב באופן אקראי בין ניסויים. לשלב הראשון בלבד.
הציגו את המטרה המרכזית ולאחר מכן בקשו מהמשתתף להגיב באמצעות לחיצת מקש, שאורך השיער הוצג בשלב השני בלבד. הציגו את המטרה ההיקפית ולאחר מכן בקשו מהמשתתף ללחוץ על אחד משמונה קווי רדיו המייצגים את שמונת מיקומי המטרה האפשריים כדי לציין היכן הופיע הכוכב. בשלב השלישי, הציגו גירויי מטרה מרכזיים והיקפיים ולאחר מכן הנחו את המשתתף לספק תגובות הן לסוג הסמיילי והן למיקום הכוכב.
בשלב הרביעי, הציגו את שני גירויי המטרה בנוסף להסחות דעת היקפיות ולאחר מכן הנחו את המשתתף להגיב לשני גירויי המטרה. עבור תצוגת מסיחי הדעת, ריבועים של מעלה אחת הוצגו בשבעת המיקומים הנותרים באקסצנטריות של ארבע מעלות בנוסף לשמונה ריבועים נוספים באקסצנטריות של שתי מעלות. לאחר תגובת המשתתף, הראו למשתתף משוב על כל תגובת מטרה לאחר כל ניסוי, לאחר שקיבלנו שלושה ניסויים נכונים רצופים, העבירו את המשתתף לשלב התרגול הבא.
לאחר השלב הרביעי, בקשו מהמשתתף להתחיל את משימת ה-UFOV המלאה. הציגו את אותו גירוי מרכזי כמו במפגש התרגול. הצג את המטרה ההיקפית בשבע מעלות אקסצנטריות באחד משמונת המיקומים שהוזכרו קודם לכן.
24 ריבועי מסיחי דעת מוצגים גם בשלוש מעלות אקסצנטריות, חמש מעלות אקסצנטריות ושבע מעלות הנותרות במיקומים מרכזיים. השתמש בהליך גרם מדרגות אחד למטה כדי לקבוע את זמן ההצגה של הגירויים, להפחית את משך הגירויים לאחר שלושה ניסיונות נכונים רצופים ולהגדיל לאחר כל ניסוי שגיאה והמשימה. כאשר מתקיים אחד משלושה תנאים, הליך גרם המדרגות מגיע לשמונה היפוכים.
המשתתף משלים 10 ניסיונות רצופים באורך התקרה של 99 פריימים או משך רצפה פריים אחד, או שהמשתתף מגיע למקסימום של 72 ניסיונות. נתונים מ-1,744 משתתפים מקוונים שימשו לניתוח MOT. ביצועי MOT נמדדו על ידי חישוב הדיוק הממוצע עבור כל סט.
דיוק הגודל נע בין 0.4 ל- 1.0 עבור גודל מוגדר 1 עד 0.1 עד 1.0 עבור גודל סט חמש והדיוק הממוצע נע בין 0.99 לגודל מוגדר 1 עד 0.71 עבור גודל מוגדר חמש. ציוני הדיוק החציוניים נעו בין 1.0 ל-0.70 עבור גודל סט אחד וחמש בהתאמה. הדיוק ירד ככל שגודל הסט גדל, מה שמדגים אפקט MOT טיפוסי למשימת UFOV.
נותחו נתונים מ-1,747 משתתפים מקוונים. הביצועים חושבו על ידי ממוצע זמן ההצגה בחמשת הניסויים האחרונים על מנת להשיג סף זיהוי, המשקף את משך ההצגה המינימלי שבו המשתתפים יכולים לזהות את המטרה ההיקפית בדיוק של כ-79%. סף ה-UFOV הממוצע היה 64.7 מילישניות והציונים נעים בין 17 מילישניות ל-315 מילישניות עם סף חציוני של 45 אלפיות השנייה.
התפלגות הסף הייתה מוטה חיובית עם הטיה של 1.92 וקורטוזיס של 3.93. התוצאות היו עקביות עם עבודות קודמות. לאחר צפייה בסרטון זה, אתה אמור להבין היטב כיצד לפתח מעקב אחר אובייקטים מרובים וניסויי שדה ראייה שימושיים כיישומי אינטרנט בעקבות הליך זה.
שיטות אחרות עם הצגת גירוי חזותי מדויקת יכולות להיות מותאמות גם לסביבה מקוונת. לאחר מכן ניתן יהיה לאסוף נתונים מאוכלוסייה מייצגת באופן כללי יותר או מתת-סוג ספציפי של אנשים שקשה להכניס למעבדה. תודה שצפית.
View the full transcript and gain access to thousands of scientific videos
סקירה
מאמר זה מתאר שיטות לאיסוף נתונים מקוונים במשימות תשומת לב חזותית באמצעות אפליקציית אינטרנט. הוא מדגיש את החשיבות של כיול מסך והוראות משימה להצגה מדויקת של גירויים.
מרכיבי מחקר עיקריים
תחום המדע
- מדעי המוח
- מדעי ההתנהגות
- שיטות איסוף נתונים
רקע
- שיטות מסורתיות מבוססות מעבדה למשימות חזותיות דורשות סביבות מבוקרות.
- שיטות מקוונות יכולות לפשט את איסוף הנתונים.
- עקביות בין תוצאות מקוונות למבוססות מעבדה היא קריטית.
- כיול מסך הוא חיוני להצגה מדויקת של גירויים.
מטרת המחקר
- לפשט את איסוף הנתונים למשימות תשומת לב חזותית.
- להעריך את האפקטיביות של שיטות איסוף נתונים מקוונות.
- לוודא שמתקבלים נתוני ביצוע אמינים.
שיטות ששימשו
- משתתפים מתחברים לאפליקציית אינטרנט.
- כיול מסך מבוצע להצגת גירויים מדויקת.
- המשתתפים קוראים את הוראות המשימה ומבצעים ניסויי תרגול.
- הנתונים נאספים במהלך השלמת המשימות המלאות.
תוצאות עיקריות
- שיטות איסוף נתונים מקוונות מניבות תוצאות עקביות.
- המשתתפים משלימים את המשימות בהצלחה לאחר הכיול.
- נתוני הביצועים תואמים את השיטות המסורתיות של המעבדה.
- אפליקציות אינטרנט יכולות לסייע ביעילות במחקר תשומת לב חזותית.
מסקנות
- שיטות מקוונות הן חלופות קיימות לאיסוף נתונים מסורתי.
- כיול והדרכה נכונים משפרים את איכות הנתונים.
- מחקר עתידי יכול להפיק תועלת מהגישות המשופרות הללו.
שאלות נפוצות
Executive Industry Relevance
Online behavioral testing enables scalable, representative data collection for visual attention assays, addressing a key bottleneck in target validation and phenotypic screening. By ensuring stimulus timing and size fidelity through web-based calibration, the method supports mechanistic de-risking of neural pathways involved in attention and perception. This approach expands access to diverse participant pools, improving predictive confidence in early discovery while reducing reliance on constrained laboratory recruitment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses related to visual processing and attentional networks in human participants.
- Operational Value: Supports biological de-risking by quantifying target engagement through standardized visual attention performance metrics.
- Predictive Value: Provides quantitative, reproducible readouts that aid in portfolio triage of CNS-targeted compounds affecting sensory or cognitive function.
Screening & Assay Development
- Assay Readiness: Delivers calibrated, stimulus-controlled visual attention tasks suitable for high-throughput online screening of compound effects on perception.
- Quantitative Output: Generates measurable endpoints such as multiple object tracking accuracy and useful field of view thresholds for dose-response modeling.
- Scalability: Enables deployment across large, diverse cohorts, improving statistical power and reducing variability in behavioral phenotyping.
Translational & Preclinical Research
- Translational Continuity: Bridges in vitro or rodent models to human-relevant visual attention phenotypes, supporting cross-species validation.
- Mechanistic De-risking: Isolates specific cognitive functions (e.g., tracking, peripheral detection) to clarify drug effects on neural circuits.
- Risk-Adjusted Advancement: Supports go/no-go decisions by detecting subtle attentional impairments early in the discovery pipeline.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target validation through lead identification, particularly for compounds modulating attention, arousal, or sensory processing.
- Discovery Biology: Facilitates hypothesis testing of neural targets involved in visual attention by providing quantifiable behavioral phenotypes in human subjects.
- Screening: Delivers reproducible, web-administered assays with controlled stimulus timing and size, enabling reliable compound screening.
- Analytics: Produces continuous, threshold-based measurements (e.g., UFOV detection time, MOT accuracy) that support statistical comparison across conditions.
- Translational Research: Aligns with preclinical models of attention by capturing homologous human visual attention behaviors.
- Enterprise Reuse: Establishes a scalable, standardized platform for repeated use across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity in cognitive drug effects through direct human behavioral measurement.
- Operational Value: Ensures standardization and reproducibility via screen calibration protocols and stimulus timing controls.
- Strategic Value: Improves capital efficiency by enabling large-scale data collection without laboratory constraints, accelerating early decision-making.
- Portfolio Impact: Supports risk-adjusted prioritization by identifying attentional liabilities or benefits early, reducing late-stage attrition in CNS programs.
Implementation Considerations
- Requires expertise in behavioral neuroscience and web-based stimulus delivery to ensure proper task design and execution.
- Depends on HTML5-compatible browsers and JavaScript APIs (e.g., requestAnimationFrame) for precise stimulus timing and animation control.
- Necessitates cross-team standardization of calibration procedures (screen size, brightness, viewing distance) to maintain data validity across sites.
- Must account for variability in home environments (lighting, distractions, screen quality) through participant screening and instructional compliance.
- Limited to tasks where stimulus size and timing can be reliably controlled via web technologies; not suitable for sub-millisecond precision requirements.
