What is visual statistical learning and how does it work?

Visual statistical learning is the automatic, implicit acquisition of regularities in the visual environment—patterns in how objects appear together in space and time. Humans learn these statistical structures quickly and without conscious awareness. For example, a coffee cup frequently appears near a computer, creating predictable associations that support object recognition and visual processing.

How does the incidental encoding paradigm test visual statistical learning?

The incidental encoding paradigm exposes participants to nonsense object triplets displayed sequentially for 250 milliseconds each. A cover task—asking participants to respond to gray objects and withhold responses to red ones—distracts from the underlying statistical structure. This unrelated task ensures learning occurs implicitly, without participants' conscious awareness of the object patterns.

What is transitional probability in visual statistical learning experiments?

Transitional probability measures the likelihood that one object will follow another in a sequence. In visual statistical learning, objects within a triplet always appear in the same order, creating a transitional probability of 1.0 between those elements. Unrelated objects have much lower transitional probabilities, establishing the statistical structure participants implicitly learn.

How is learning assessed in the familiarity test phase?

After the encoding phase, participants complete a familiarity task where they view pairs of triplets—previously seen triplets and newly generated foils—and indicate which looks more familiar. The dependent variable is the number of correct identifications of familiar triplets. If learning occurred, participants select familiar triplets significantly more often than the 50% chance rate.

What results indicate that visual statistical learning has occurred?

Visual statistical learning is demonstrated when participants correctly identify familiar triplets at rates significantly above chance performance of 50%. In typical experiments, participants achieve approximately 70% accuracy on the familiarity task, indicating they have implicitly learned the statistical structure of the object sequences during the brief 10-minute encoding period.

How does visual statistical learning extend to other sensory domains?

The visual statistical learning paradigm translates to broader sensory learning mechanisms, including auditory domains. Infants and children use auditory statistics in early language formation, learning reliable statistical relationships between sounds and letters. Similarly, researchers have shown that letter-color associations can be implicitly learned through exposure to customized texts with distinctly colored letters.

Why is a cover task necessary in visual statistical learning experiments?

A cover task is essential to ensure learning occurs implicitly, without participants' conscious awareness of the statistical structure. By directing attention to an unrelated task—such as responding to colored objects—researchers prevent participants from deliberately searching for or consciously encoding the object sequences, thereby measuring true implicit learning mechanisms.

Apprendimento statistico visivo

0 views06:02 min

1. Genera una serie di oggetti senza senso e disponili in una struttura tripletta.

Spesso l'apprendimento statistico visivo viene studiato con oggetti semplici come il set qui sotto. Generare un insieme di oggetti e quindi raggrupparli in terzine (Figura 1).

Figura 1. Stimoli campione raggruppati in terzine per l'apprendimento statistico visivo. Nel segmento di apprendimento di un esperimento, le terzine appariranno in ordine casuale, ma gli elementi all'interno di una tripletta appariranno sempre in ordine, con l'elemento a sinistra che apparirà per primo seguito successivamente dagli elementi alla sua destra.

2. Sequenziare l'esperimento.

Sequenzia l'esperimento con software come e-Prime o utilizzando una libreria di routine come Psychophysics Toolbox in MATLAB o PsycoPy per Python.
Gli oggetti senza senso vengono visualizzati al centro dello schermo, uno alla volta, per 250 ms ciascuno.
Istruire il programma a mostrare sempre i membri di una tripletta in sequenza e a scegliere quale tripletta mostrare successivamente in modo casuale, finendo con sequenze simili alla Figura 2.

Figura 2. Sequenza di apprendimento di esempio per l'apprendimento statistico visivo. Le terzine appaiono in un ordine casuale tale che la probabilità di transizione per gli elementi in sequenze diverse è di circa 0,33, mentre la probabilità di transizione all'interno di una sequenza è 1.
Si noti che, poiché le terzine appaiono sempre in sequenza, la probabilità di transizione tra gli elementi di una tripletta è sempre 1. Ma poiché le transizioni tra triplette sono selezionate in modo casuale, le probabilità di transizione tra elementi non correlati sono considerevolmente più basse, di solito inventate per essere circa 0,33.
Infine, costruisci un'attività di copertura. Indicare al programma di eseguire il rendering di uno degli oggetti in ROSSO, anziché in grigio. Il programma lo farà circa 20 volte nel corso di un esperimento di 10 minuti, selezionando i momenti in modo casuale. Il compito del partecipante sarà quello di premere un tasto ogni volta che un oggetto viene mostrato in grigio, ma di trattenere una risposta ogni volta che è rosso. Questo li manterrà impegnati negli stimoli.

3. Test di familiarità

Scrivere un programma separato per il test di familiarità. In ogni prova del test, il programma seleziona casualmente una delle terzine effettive e genera casualmente una nuova tripletta dai costituenti delle terzine effettive. Queste terzine generate casualmente sono chiamate "lamine".
Vengono visualizzati fianco a fianco e il partecipante deve indicare quale è più familiare premendo un tasto.
L'esperimento dovrebbe includere circa 30 prove di test di familiarità.
Le istruzioni per il test di familiarità sono importanti. Devono includere qualcosa del genere: "Vorrei che tu facessi un altro compito prima che l'esperimento sia finito. Dovrebbero volerci solo cinque minuti. Probabilmente non l'hai notato, ma nella sequenza di forme che hai appena visto, alcune forme avevano maggiori probabilità di apparire dopo altre. Ora ti mostrerò due serie di forme dall'esperimento e devi solo premere il tasto 1 o il tasto 2 per farmi sapere quale raggruppamento ti sembra più familiare. Potresti non sentire di riconoscere neanche. In tutte le prove, voglio che tu vada con il tuo istinto e indovini se devi".

L'apprendimento delle regolarità - le strutture statistiche degli oggetti nel nostro mondo esterno - è una parte importante dell'elaborazione visiva.

Gli oggetti nel nostro ambiente visivo si verificano nelle dimensioni dello spazio e del tempo. Alcuni oggetti hanno maggiori probabilità di apparire vicino ad altri, come una tazza di caffè accanto a un computer.

Tali eventi forniscono regolarità che supportano il riconoscimento prevedibile degli oggetti, in cui gli esseri umani imparano automaticamente e rapidamente, senza consapevolezza cosciente.

Questo video illustra come impostare e condurre un esperimento di apprendimento statistico visivo utilizzando un paradigma di codifica incidentale, nonché come analizzare i dati e interpretare i risultati.

In questo esperimento, gli stimoli - insiemi di oggetti senza senso raggruppati in terzine - vengono visualizzati al centro dello schermo di un computer, uno alla volta, per 250 ms ciascuno.

Per stabilire le regolarità - la struttura statistica - gli oggetti all'interno di una tripletta sono sempre mostrati nella stessa sequenza, ma l'ordine delle terzine è presentato a caso.

Pertanto, la probabilità di transizione tra gli elementi di una data tripletta è sempre 1, mentre le probabilità di transizione tra elementi non correlati sono considerevolmente inferiori.

Per esporre inconsapevolmente i partecipanti alle sequenze di oggetti, viene utilizzata un'attività di copertura con oggetti colorati. In questo caso, ai partecipanti viene chiesto di rispondere quando gli oggetti sono grigi e di trattenere quando gli oggetti appaiono casualmente rossi.

Una volta completata l'attività di copertura, ai partecipanti viene assegnato un compito di familiarità per testare l'estensione della codifica degli oggetti senza senso precedenti. Durante ogni prova di familiarità, le terzine viste in precedenza vengono presentate in modo casuale insieme alle terzine appena generate, denominate pellicole.

Ora, ai partecipanti viene chiesto di identificare quale set è più familiare. La variabile dipendente è quindi il numero di volte in cui i partecipanti identificano correttamente le terzine precedenti come le più familiari, piuttosto che le pellicole.

Se non si verifica alcun apprendimento durante la fase di codifica iniziale, le terzine effettive e di lamina verrebbero raccolte lo stesso numero di volte. D'altra parte, se l'apprendimento si è verificato, le terzine effettive saranno raccolte più frequentemente delle pellicole.

Prima dell'arrivo del partecipante, verificare che siano stati generati gli stimoli e i parametri di codifica da utilizzare.

Per iniziare l'esperimento, salutare il partecipante in laboratorio e spiegare le procedure generali che verranno utilizzate per il compito.

Fare in modo che il partecipante si sieda comodamente davanti al monitor e alla tastiera del computer. Spiega che quando un oggetto grigio appare sullo schermo dovrebbero premere il tasto 'J' e quando appaiono oggetti rossi dovrebbero trattenere le risposte.

Una volta che il partecipante ha compreso le regole del compito, avviare la prima parte dell'esperimento, la fase di codifica incidentale. Esporre i partecipanti alle sequenze di oggetti per 10 minuti.

Dopo il breve periodo di esposizione, spiega che c'è un altro compito da completare in un periodo di 5 minuti. Istruisci il partecipante che ora vedrà due serie di terzine e dovrebbe premere il tasto 1 o il tasto 2 per indicare quale raggruppamento sembra più familiare. Dì loro che dovrebbero indovinare se non riconoscono neanche.

Dopo aver confermato che il partecipante è pronto per iniziare, inizia le 30 prove di familiarità.

Per analizzare i dati nella fase di familiarità, segnare ogni prova in cui il partecipante ha scelto la tripletta familiare come corretta e la tripletta di lamina come errata.

Per visualizzare i risultati, rappresentare graficamente la media delle risposte corrette percentuali tra i partecipanti. Poiché le prestazioni casuali sono del 50%, si noti che l'apprendimento statistico visivo si è verificato, poiché i partecipanti hanno identificato correttamente gli oggetti familiari circa il 70% delle volte.

Ora che hai familiarità con i metodi per indurre e testare l'apprendimento statistico visivo, diamo un'occhiata ad altri modi in cui gli psicologi sperimentali usano le statistiche per indagare sull'apprendimento.

Il paradigma può essere tradotto in classi più ampie di meccanismi di apprendimento sensoriale che includono il dominio uditivo. Ad esempio, neonati e bambini usano la statistica uditiva nella formazione linguistica precoce perché i suoni e le lettere in una lingua tendono ad apparire con relazioni statistiche altamente affidabili.

In un altro esperimento, i ricercatori hanno studiato come le associazioni tra lettere e colori possano essere apprese inconsapevolmente o implicitamente. Per diversi giorni, i partecipanti hanno letto testi personalizzati per avere quattro lettere distintamente colorate.

Quando è stato chiesto di identificare il colore delle lettere presentate su uno schermo, i partecipanti sono stati più veloci e precisi per le coppie lettera-colore che erano le stesse del testo personalizzato. Ciò suggerisce che la struttura statistica delle lettere colorate è stata implicitamente appresa.

Hai appena visto l'introduzione di JoVE all'apprendimento statistico visivo. Ora dovresti avere una buona comprensione di come impostare ed eseguire l'esperimento, oltre ad analizzare e valutare i risultati.

Grazie per l'attenzione!