Name: Misurazione Attenzione e velocità di elaborazione visiva dal Modello di analisi basata su delle decisioni di ordine temporale (Video) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: Impara a misurare l'attenzione e la velocità di elaborazione visiva utilizzando giudizi di ordine temporale (TOJ). Questo metodo basato sulla teoria TVA di Bundesen consente di analizzare parametri attentivi con stimoli arbitrari.

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

Parti di questo lavoro sono state sostenute dalla Fondazione Tedesca per la Ricerca (DFG) attraverso le sovvenzioni 1515/1-2 e 1515/6-1 a Ingrid Scharlau.

NOTA: Alcuni passi in questo protocollo può essere realizzato utilizzando il software personalizzato fornito (insieme con istruzioni di installazione) a http://groups.upb.de/viat/TVATOJ. Nel protocollo, questa raccolta di programmi e script è denominato &quot;TVATOJ&quot;. 1. Selezione di stimolo Materiale <ol><li> Selezionare stimoli in base alla domanda di ricerca. NOTA: In generale, due obiettivi sono mostrati in diverse posizioni sullo schermo. Gli stimoli che sono stati utilizzati con il presente metodo includono, ad esempio, forme, numeri, lettere, single nel display pop-out, e gli oggetti in immagini naturali. Gli ultimi tre tipi sono stati utilizzati in questo protocollo. NOTA: diversi tipi di stimolo diversi sono compresi nel plugin TOJ ( &quot;psylab_toj_stimulus&quot; fornito con TVATOJ) per il costruttore esperimento OpenSesame 12. </li><li> Durante la creazione di nuovi tipi di stimolo, assicurarsi che le proprietà di interest devono essere codificati per la sentenza che li rende importante per l&#39;attività o selezionare gli stimoli dove le proprietà di interesse sono codificati automaticamente (per esempio, singletons nei display pop-out). </li></ol> 2. Potenza Stima e pianificazione <ol><li> Eseguire un&#39;analisi potere bayesiana simulando set di dati con il modello selezionato, progettazione pianificata (distribuzione SOA e ripetizioni), le dimensioni del campione e parametri ipotizzati. Valutare se è probabile che raggiungere l&#39;obiettivo di ricerca (per esempio, una certa differenza nei parametri). Se l&#39;alimentazione non è sufficiente, modificare il disegno aggiungendo o spostando SOA o ripetizioni e ripetere l&#39;analisi. <ol><li> Per utilizzare il software fornito TVATOJ, aprire e modificare lo script &quot;exp1-power.R&quot;. Seguire i commenti nel file per regolare per l&#39;analisi specifica. Per informazioni di carattere generale sulla stima di potenza bayesiana riferimento a Kruschke 13. </li></ol></li></ol> &lt;p class = &quot;jove_title&quot;&gt; 3. Specifica o Programmazione del Experiment <ol><li> Utilizzare un costruttore esperimento o una libreria presentazione psicofisico per implementare l&#39;esperimento. <ol><li> Per usare il plugin OpenSesame TOJ fornite in TVATOJ, trascinare il plugin &quot;psylab_toj_stimulus&quot; in un ciclo di presentazione di prova. In alternativa, aprire l&#39;esempio esperimento &quot;semplice-toj.osexp&quot; in OpenSesame. </li><li> Selezionare il tipo di stimolo desiderato dal menu a discesa &quot;tipo di stimolo&quot; nella configurazione psylab_toj_stimulus. Seguire le istruzioni in TVATOJ per l&#39;aggiunta di nuovi tipi di stimolo, se necessario. </li></ol></li><li> Specificare le prove, come descritto nei seguenti passaggi. <ol><li> Per ogni condizione sperimentale, creare prove con la SOA previsto. Quando si utilizza il plugin psylab_toj_stimulus e OpenSesame, aggiungere tutti i vari fattori come variabili per il ciclo di prova (ad esempio, &quot;SOA&quot;). </li><li> Aggiungere righe alla tabella di realizzaretutte le combinazioni di fattori (ad esempio, sette SOA, da -100 a 100 msec, incrociati con le condizioni sperimentali &quot;attenzione&quot; e &quot;neutrale&quot;). Regolare l&#39;attributo del loop &quot;Ripeti&quot; per creare ripetizioni sufficienti (vedere il passaggio del protocollo 2 per determinare la distribuzione e la ripetizione della SOA). NOTA: in genere, al massimo 800 prove possono essere presentati entro un&#39;ora. Se sono necessarie più ripetizioni, pensare di dividere l&#39;esperimento in varie sessioni. Assicurarsi che l&#39;attributo &quot;Ordine&quot; del ciclo è impostato su &quot;Random&quot; prima di eseguire l&#39;esperimento. </li><li> Nella configurazione del plugin psylab_toj_stimulus, aggiungere segnaposto (ad esempio &quot;[SOA]&quot;) per i vari fattori nei rispettivi campi. Inserisci valori costanti nei campi di fattori che non sono molteplici. NOTA: Prima di eseguire l&#39;esperimento, assicurarsi che tempistica accurata è garantita. Se il comportamento tempistica adeguata dei monitor più recenti non è stata verificata, l&#39;usoMonitor CRT e la sincronizzazione con il segnale di ritracciamento verticale 12. </li></ol></li></ol> 4. Procedura sperimentale <ol><li> Accogliente e briefing dei partecipanti <ol><li> Il benvenuto ai partecipanti e informarli circa la forma generale di questo esperimento (esperimento di percezione del computer-based). Informare i partecipanti circa la durata prospettica dell&#39;esperimento. Ottenere il consenso informato dei partecipanti di partecipare all&#39;esperimento. </li><li> Assicurarsi che i partecipanti mostrano normale o visione corretta-a-normale (in modo ottimale per lo svolgimento di brevi test di visione). Alcuni deficit, come cecità colore, può essere tollerabile se non interferiscono con la domanda di ricerca per il particolare tipo di materiale di stimolo. </li><li> Fornire una cabina tranquilla dove viene condotto l&#39;esperimento. Regolare la sedia, mentoniera, posizione sulla tastiera, e così via, al fine di garantire condizioni di visualizzazione e risposta ottimali per l&#39;experiment. </li><li> Rendere i partecipanti consapevoli del fatto che l&#39;esperimento richiede attenzione e la concentrazione mentale e può essere faticoso. Chiedi loro di prendere brevi pause quando necessario. È, tuttavia, altrettanto importante non eseguire queste semplici operazioni sotto forte sforzo attentivo. Dire ai partecipanti che è bene fare alcuni errori. </li></ol></li><li> Istruzione e warm-up <ol><li> istruzioni su schermo presenti per il compito, in dettaglio la procedura di sequenza di presentazione e la raccolta di risposta. Informare i partecipanti che il compito è quello di riportare l&#39;ordine in cui gli obiettivi sono arrivati, e che questo sarà difficile in alcuni studi. Chiedi ai partecipanti di segnalare la loro prima impressione quando non riescono a dire l&#39;ordine con certezza, e far loro indovinare se non hanno tale impressione a tutti. NOTA: Nelle tojs binari usati qui, non esiste alcuna opzione per indicare la percezione della simultaneità. Per evitare un eccessivo indovinare, non sottolineare la presenza di prove con SIMUltaneously presentato gli obiettivi in ​​modo esplicito. Lasciate che queste siano semplicemente prove difficili con le istruzioni di cui sopra. </li><li> Per evitare movimenti dell&#39;occhio durante le prove, chiedere ai partecipanti di fissare un marchio che viene mostrato al centro dello schermo. Chiedi loro di riposare la testa su una mentoniera. </li><li> Chiedi ai partecipanti di prendere brevi pause, se necessario. Fate loro sapere quando si rompe sono ammessi e quando devono essere evitati (ad esempio, durante la presentazione di destinazione e prima che la risposta). </li><li> Includere una breve formazione in cui i partecipanti possono abituarsi al compito. A tal fine, presentare un sottoinsieme casuale delle prove sperimentali (vedere fase protocollo 3.2). NOTA: poiché il compito in sé è piuttosto semplice, da dieci a venti prove sono in genere sufficienti. Può essere utile per aumentare la fiducia dei partecipanti nella loro performance in questo compito. Questo può essere fatto rallentando la presentazione e fornire un feedback. </li><li> Ottenere confirmati dei partecipantisu che hanno capito il compito (lasciarli spiegano) e che non hanno altre domande. </li></ol></li><li> Esecuzione di test principale <ol><li> Lasciate che l&#39;avvio del software sperimentale con la presentazione delle prove principali. Lasciare la cabina per l&#39;esperimento principale. </li></ol></li></ol> 5. Analisi basata su modelli di dati TOJ <ol><li> Convertire i file di dati grezzi in conti di giudizio per ogni SOA &quot;sonda primi&quot;. Ad esempio, eseguire lo script &quot;os2toj.py&quot; fornito con TVATOJ. </li><li> Eseguire la procedura di stima bayesiana per stimare i parametri principali w p e C, il derivato quelli v p e r v e le differenze dei parametri. A tale scopo, eseguire lo script &quot;run-evaluation.R&quot; dopo averlo modificato in base alle istruzioni fornite nel file. </li><li> Quando il campionamento è terminato, le differenze di interesse per le domande di ricerca possono essere valutati. examplES si possono trovare nella sezione seguente. </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>

Gli autori non hanno nulla da rivelare.

Il protocollo in questo articolo viene descritto come condurre tojs semplici e montare i dati con modelli basati sulla codifica stimolo fondamentale. Tre esperimenti hanno dimostrato come i risultati possono essere valutati in un quadro di stima Bayesiano gerarchico di valutare l&#39;influenza di attenzione altamente diverso materiale di stimolo. Salience nei display pop-out ha portato ad un aumento dei pesi di attenzione. Inoltre, l&#39;aumento dei pesi sono stati stimati per gli oggetti dello spazio di azione in immag...

Come attenzione viene distribuita nello spazio e nel tempo è uno dei fattori più importanti nella percezione visiva umana. Gli oggetti che catturano l'attenzione a causa della loro visibilità e importanza sono in genere elaborati più velocemente e con maggiore precisione. Nella ricerca comportamentale, tali vantaggi prestazionali sono stati dimostrati in una varietà di paradigmi sperimentali. Per esempio, destinando attenzione alla posizione di destinazione accelera la reazione in attività di rilevamento della sonda 1. Allo stesso modo, l'accuratezza delle lettere di segnalazione è migliorata l'attenzione 2. Tali risultati dimostrano che l'attenzione aumenta la lavorazione, ma rimangono irrimediabilmente muto su come è stabilito questo miglioramento. Il presente lavoro dimostra che i meccanismi di basso livello alle spalle vantaggi di attenzione può essere valutata misurando la velocità di elaborazione dei singoli stimoli in un quadro model-based che mette in relazione le misure a piccolo grano components di attenzione. Con un tale modello, la capacità di elaborazione complessiva e la sua distribuzione tra gli stimoli possono essere dedotti dalla misurazione della velocità di elaborazione. La teoria di Bundesen of Visual Attention (TVA) 3 fornisce un modello adatto a questo sforzo. E 'tipicamente applicato ai dati provenienti da attività di lettera di report. Di seguito, i fondamenti della TVA sono spiegati ed è mostrato come possono essere estesi per modellare i dati giudizio temporale-ordine (TOJ) ottenuti con (quasi) stimoli arbitrari. Questo nuovo metodo fornisce stime di velocità di elaborazione e distribuzione delle risorse che possono essere facilmente interpretabili. Il protocollo in questo articolo spiega come pianificare e condurre tali esperimenti e particolari come i dati possono essere analizzati. Come accennato in precedenza, il solito paradigma modellazione TVA-based e stima dei parametri di attenzione è il compito lettera report. I partecipanti riportano le identità di una serie di lettere cheè brevemente lampo e tipicamente mascherato dopo un ritardo variabile. Tra gli altri parametri, il tasso al quale elementi visivi sono codificati nella memoria visiva a breve termine può essere stimato. Il metodo è stato applicato con successo a domande in ricerca di base e clinica. Per esempio, Bublak e colleghi hanno valutato 4 che i parametri di attenzione sono colpiti in diverse fasi di deficit cognitivi legati all'età. Nella ricerca fondamentale l'attenzione, Petersen, Kyllingsbæk, e Bundesen 5 utilizzati TVA per modellare l'effetto tempo di sosta attentivo, difficoltà dell'osservatore nel percepire il secondo dei due obiettivi in determinati intervalli di tempo. Un grave inconveniente del paradigma lettera rapporto è che richiede stimoli sufficientemente overlearned e mascherabili. Questo requisito limita il metodo di lettere e cifre. Altri stimoli richiederebbero una formazione pesante di partecipanti. Il paradigma TOJ non richiede né stimul specificoio né mascheramento. Può essere utilizzato con qualsiasi tipo di stimoli per cui l'ordine di comparsa può essere giudicato. Questo si estende la gamma di stimolo per praticamente tutto ciò che possa essere di interesse, tra cui i confronti 6 cross-modali diretti. Investigating attenzione con Tojs si basa sul fenomeno di entrata prima dell'attenzione che è una misura di quanto in precedenza uno stimolo frequentato è percepito rispetto ad uno automatica. Purtroppo, il solito metodo per analizzare i dati TOJ, fitting funzioni psicometriche prestazioni osservatore (come ad esempio le funzioni gaussiana o logistiche cumulativi), non può distinguere se l'attenzione aumenta il tasso di trasformazione dello stimolo assistito o se diminuisce la percentuale di stimolo incustodita 7. Questa ambiguità è un problema importante perché la questione se la percezione di uno stimolo è veramente migliorata o se beneficia a causa del ritiro di risorse da un stimul competere noi è una questione di rilevanza sia fondamentale e pratico. Ad esempio, per la progettazione di interfacce uomo-macchina è molto importante per sapere se aumentare la prominenza di un elemento funziona a scapito di un altro. Il compito TOJ di solito procede come segue: un segno di fissaggio è presentato per un breve ritardo, tipicamente un estratto a sorte intervallo più breve di un secondo. Poi, il primo obiettivo è presentata, seguita dopo una variabile dello stimolo asincronia (SOA) dal secondo target. A SOA negativi, la sonda, lo stimolo frequentato, viene visualizzato per primo. A SOA positivi, il riferimento, lo stimolo incustodita, conduce. In una SOA zero, entrambi gli obiettivi sono mostrati simultaneamente. Tipicamente, presentando il bersaglio si riferisce alla commutazione stimolo on. In determinate condizioni, tuttavia, altri eventi temporali, come ad esempio un guizzo di una già presente bersaglio o offset sono utilizzati 8. _content "&gt; In tojs, le risposte sono raccolte in maniera unspeeded, di solito con i tasti mappati alle identità di stimolo e gli ordini di presentazione (ad esempio, se gli stimoli sono quadrati e diamanti, una chiave indica" piazza prima "e un altro" diamanti primo ") . È importante sottolineare che, per la valutazione, questi giudizi devono essere convertiti in "sonda prima" (o "primo riferimento") giudizi. Nel presente lavoro, una combinazione del modello di elaborazione di IVA e paradigma sperimentale TOJ viene utilizzato per eliminare i problemi in entrambi i domini individuale. Con questo metodo, i parametri di velocità facilmente interpretabili possono essere stimati per stimoli visivi quasi arbitrarie, consentendo di dedurre come l'attenzione dell'osservatore è assegnato a competere elementi visivi. Il modello si basa sulle equazioni di TVA per la lavorazione dei singoli stimoli, che verranno brevemente spiegate nel seguito. La probabilità che uno stimulci è codificato nella memoria visiva a breve termine prima che l'altro viene interpretato come la probabilità di giudicare questo stimolo come apparire per primo. Le singole durate di codifica sono esponenzialmente distribuiti 9: <img alt="Equazione 1" src="/files/ftp_upload/54856/54856eq1.jpg"> (1) La massima esposizione inefficace durata t 0 è una soglia di fronte al quale nulla è codificato a tutti. Secondo TVA, il tasso di v x, i in cui oggetto x è codificato come membro di una categoria percettiva i (come il colore o una forma) è data dall'equazione tasso, <img alt="Equazione 2" src="/files/ftp_upload/54856/54856eq2.jpg"> . (2) La forza dell'evidenza sensoriale che x appartiene alla categoria I è espressa in x η, i, e beta i è un bias decisione per classificare gli stimoli come membri della categoria i. Questo viene moltiplicato per unpesi ttentional. I singoli pesi di attenzione W x sono divisi per i pesi di attenzione di tutti gli oggetti nel campo visivo. Pertanto, il peso attentivo relativa viene calcolato come <img alt="Equazione 3" src="/files/ftp_upload/54856/54856eq3.jpg"> (3) dove R rappresenta tutte le categorie e η x, i rappresenta la prova sensoriale che oggetto x appartiene alla categoria j. Il valore di j π è chiamato pertinenza di categoria j e riflette una tendenza a fare categorizzazioni in j. La capacità di elaborazione totale C è la somma di tutte le tariffe di elaborazione per tutti gli stimoli e le categorizzazioni. Per una descrizione più dettagliata di TVA, fare riferimento a Bundesen e Habekost del libro 9. Nel nostro nuovo metodo, Equazione 1, che descrive la codifica dei singoli stimoli, si trasforma in un modello di Tojs. Supponendo che bias di selezione e le categorie di rapporti sono constant all'interno di un compito sperimentale, la velocità di elaborazione v p e v r della sonda due porta stimoli (p) e di riferimento (R) dipende C ei pesi attenzionali nella forma v p = C · w p e v r = C · w r rispettivamente. Il nuovo modello TOJ esprime la probabilità di successo P p 1 ° che un partecipante giudica lo stimolo della sonda di essere prima in funzione della SOA e le tariffe di lavorazione. Può essere formalizzata come segue: <img alt="Equazione 4" src="/files/ftp_upload/54856/54856eq4.jpg"> (4) Una descrizione più dettagliata di come questa equazione è derivata dalle equazioni di base TVA è descritto da Tünnermann, Petersen, e Scharlau 7. Per semplicità, il parametro t 0 è omesso nel modello in Equazione 1. Secondo la TVA originale, t 0 deve essere identico per boobiettivi Th nel compito TOJ, e, di conseguenza, si annulla. Tuttavia, questa ipotesi può talvolta essere violata (vedere la sezione Discussione). Per il montaggio questa equazione a dati TOJ, uno schema di stima bayesiana gerarchico 11 è suggerito. Questo approccio permette di stimare i pesi attentive w p e r w della sonda e di riferimento stimoli e la velocità di elaborazione complessiva C. Questi parametri, la conseguente tassi di assorbimento v p e V R, e le differenze di attenzione indotta tra di loro, può essere valutata sui livelli di soggetti e di gruppo insieme con le incertezze stimate. Il modello gerarchico è illustrato nella figura 1. Durante la fase di progettazione per un esperimento, comoda analisi di potenza bayesiana può essere condotta. Il seguente protocollo descrive come pianificare, eseguire ed analizzare esperimenti TOJ da cui parametri di velocità di elaborazione e pesi di attenzione per gli stimoli visivi possonoessere ottenuto. Il protocollo presuppone che il ricercatore è interessato a come una manipolazione attenzionale influenza la velocità di elaborazione di alcuni obiettivi di interesse. <img alt="Figura 1" src="/files/ftp_upload/54856/54856fig1.jpg"> Figura 1: modello grafico utilizzato nella procedura di stima bayesiana. Cerchi indicano le distribuzioni stimate; doppi cerchi indicano i nodi deterministici. Piazze indicano i dati. Le relazioni sono riportati sul lato destro della figura. I nodi al di fuori dei telai arrotondati ( "piatti") rappresentano stime medie e dispersione dei parametri TVA (vedi introduzione) a livello di gruppo. Nella piastra di "soggetti J", si può vedere come i pesi di attenzione (W) sono combinati con i tassi di elaborazione complessiva (C) dalla velocità di elaborazione dello stimolo (V) sul livello di soggetto. Piastra "i SOA &amp;# 8221; mostra come questi parametri TVA vengono poi trasformati (tramite la funzione P p 1 descritto nell'introduzione) nella probabilità di successo (θ) per le risposte binomiale distribuiti in ogni SOA. Pertanto, il θ insieme alle ripetizioni della SOA (n) descrivono i punti di dati (y). Per maggiori dettagli sulla notazione e l'interpretazione dei modelli grafici, fare riferimento a Lee e Wagenmakers 23. Si noti che, per motivi di chiarezza, i nodi che rappresentano differenze di parametri sono stati omessi. Questi parametri deterministici sono indicate nelle figure dei risultati sperimentali invece. <a href="http://ecsource.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">Clicca qui per vedere una versione più grande di questa figura.</a>

<table><tbody><tr><td>Personal Computer</td><td></td><td></td><td></td></tr> <tr><td>(Open Source) Software</td><td></td><td></td><td></td> di sperimentazione e valutazione</tr></tbody></table>

misurazione attenzione e velocità di elaborazione visiva dal modello di analisi basata su delle decisioni di ordine temporale

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

Questo protocollo descrive come condurre esperimenti temporale fine di misurare la velocità di elaborazione visiva e la distribuzione delle risorse dell&#39;attenzione. Il metodo proposto si basa su una nuova e sinergica combinazione di tre componenti: il paradigma giudizi temporali di ordine (TOJ), la teoria di Bundesen of Visual Attention (TVA), e un quadro di stima bayesiana gerarchica. Il metodo prevede parametri facilmente interpretabili, che sono supportate da le basi teoriche e neurofisiologici della TVA. Utilizzando tojs, le stime TVA-based possono essere ottenuti per una vasta gamma di stimoli, mentre paradigmi tradizionali utilizzati con IVA sono prevalentemente limitate alle lettere e cifre. Infine, i parametri significativi del modello proposto consentono la creazione di un modello bayesiano gerarchico. Tale modello statistico permette di valutare i risultati di una analisi coerente sia sul soggetto e il livello di gruppo. Per dimostrare la fattibilità e versatility di questo nuovo approccio, tre esperimenti sono riportati con manipolazioni di attenzione in sintetico display pop-out, le immagini naturali, e un cued paradigma lettera-rapporto.

Nel seguito sono riportati i risultati ottenuti con il metodo proposto. Tre esperimenti misurato l'influenza di diversi manipolazioni attentive con tre altamente diversi tipi di materiale di stimolo. Gli stimoli sono semplici segmenti di linea nei modelli di pop-out, azione oggetti spaziali in immagini naturali, e gli obiettivi della lettera cued. Esperimento 1: Salience nei display pop-out Esperimento 1 diretta a misurar...

I giudizi di ordine temporale possono essere utilizzati per stimare i parametri della velocità di elaborazione e i pesi dell'attenzione e quindi per dedurre i meccanismi dell'elaborazione attentiva. Questa metodologia può essere applicata a un'ampia gamma di stimoli visivi e funziona con molte manipolazioni dell'attenzione.

Misurazione Attenzione e velocità di elaborazione visiva dal Modello di analisi basata su delle decisioni di ordine temporale

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

L'obiettivo generale di questo protocollo è misurare i parametri di attenzione e di elaborazione visiva per stimoli quasi arbitrari. Ciò si ottiene modellando i dati dei giudizi di ordine temporale, TOJ. In questi, i partecipanti giudicano l'ordine di presentazione di due target, i dati risultanti vengono analizzati con un nuovo modello che permette di misurare come l'attenzione influisce sui tassi di codifica dello stimolo.La teoria dell'attenzione visiva di Bundesen fornisce vari usi per parametri, come il peso dell'attenzione e i tassi di elaborazione. In genere questi sono stimati nelle attività di report degli articoli in cui vengono utilizzate lettere o cifre, l'utilizzo di qualsiasi cosa diversa da lettere o cifre è difficile e richiede una formazione intensiva e quindi viene eseguita raramente. Ad esempio, è difficile immaginare come si misurerebbe la salienza delle immagini e i display pop-out con questo metodo.Pertanto proponiamo un nuovo metodo basato sulla TVA, che utilizza un giudizio di ordine temporale che può essere condotto con stimoli quasi arbitrari. I giudizi di ordine temporale sono stati utilizzati per valutare l'attenzione per molto tempo, ma combinati con la TVA, diventano più potenti, fornendo parametri facilmente interpretabili. Nel compito di giudizio dell'ordine temporale, due stimoli, qui identificati come A e B, vengono mostrati in stretta successione o simultaneità.La percezione dell'ordine temporale può essere modellata con un modello di canali indipendenti. In un modello di questo tipo ci sono canali di elaborazione indipendenti per ogni destinazione. Un comparatore di ordini monitora i canali e registra il conteggio quando un particolare bersaglio, qui A, vi arriva prima dell'altro bersaglio.Prima che ciò venga dimostrato, descriviamo brevemente la forma in cui i dati sperimentali sono tipicamente rappresentati. La frequenza relativa di un particolare tipo di giudizio, qui A per primo, viene tracciata in funzione della SOA, l'intervallo di tempo tra le presentazioni dei due obiettivi. Ora, con un grande SOA negativo, qui questo significa che lo stimolo A è in testa, è molto probabile che A arrivi per primo al comparatore.Solo molto raramente lo stimolo B arriva prima. Pertanto, otteniamo un punto dati che rappresenta una frequenza relativa vicina a uno. Per un grande SOA positivo, cioè lo stimolo B conduce, il comparatore registra prima i risultati A solo molto raramente.Pertanto otteniamo un punto dati vicino allo zero. Se la SOA è zero, gli obiettivi vengono presentati contemporaneamente e viene registrato un punto dati al livello di probabilità del punto cinque. Quando le SOA variavano su un intervallo di valori, il modello risultante può essere descritto con una funzione psicometrica.Ora, quando l'attenzione è rivolta a uno stimolo, qui, lo stimolo A, arriva prima al comparatore, di conseguenza, qui mostrato per SOA zero, la probabilità di A primi giudizi è aumentata. Questo sposta l'intera funzione psicometrica. La SOA in cui la curva rossa attraversa il livello del punto cinque viene spesso utilizzata per quantificare l'influenza dell'attenzione.L'autogiudizio temporale sembra essere il modo naturale per valutare la latenza percettiva, e molte domande sull'influenza dell'attenzione e della percezione del tempo sono state risolte con questo metodo. Tuttavia, il TOJ ha una debolezza centrale, e questa è la sua natura relativa. L'autopercezione temporale potrebbe dirci che lo stimolo A viene percepito prima dello stimolo B, ma non ci dice perché.Potrebbe essere perché lo stimolo A viene elaborato più velocemente o perché B viene elaborato più lentamente. Per aumentare il potere esplicativo è derivato un modello TOJ dalla TVA, che modella i processi di codifica degli stimoli visivi. In ogni canale, si presume che la codifica proceda secondo il modello di razza esponenziale della TVA.Le probabilità di codificare ogni target entro un certo periodo di tempo vengono trasformate nella probabilità di codificare un target prima dell'altro. La percezione dell'ordine temporale. È importante sottolineare che i due parametri di velocità ereditati dalla TVA consentono di rispondere a domande come: è stato lo stimolo assistito ad essere elaborato più velocemente o è stato il non presidiato ad essere rallentato?In alternativa, i tassi possono anche essere espressi come pesi dell'attenzione relativa. Seleziona gli stimoli in base alla domanda di ricerca. In generale, deve essere possibile mostrare due bersagli in posizioni diverse sullo schermo.Più avanti in questo protocollo, mostriamo i risultati di esperimenti con display pop-out, immagini naturali e target di lettere. Ecco un esempio di come è possibile utilizzare lo spazio d'azione e gli oggetti di sfondo nelle immagini naturali. La fotografia con entrambi i bersagli presenti viene sovrapposta a uno con uno senza di essi.Gli oggetti vengono virtualmente rimossi rendendo l'immagine superiore localmente trasparente. Con questa procedura, vengono create immagini con entrambi, nessuno e uno dei due oggetti presenti, per stabilire TOJ con prima lo sfondo, prima lo spazio d'azione e la presentazione simultanea. Per pianificare il disegno e la dimensione del campione dell'esperimento, è possibile eseguire un'analisi di potenza bayesiana.Simulare e adattare ripetutamente i dati con il modello previsto, la progettazione dell'esperimento e i parametri ipotizzati. Le proporzioni delle simulazioni per le quali viene raggiunto un criterio di successo, ad esempio una differenza nei pesi attentivi, vengono utilizzate per stimare la potenza dell'esperimento. Utilizza un generatore di esperimenti o una libreria di presentazioni psicofisiche per implementare l'esperimento.Forniamo un per il generatore di esperimenti open source OpenSesame, per TOJ con lettere, cifre e forme, in cui è necessario specificare solo la tabella delle prove. Forniamo anche un esempio di OpenSesame per TOJ con immagini naturali. Per ogni condizione, creare prove per tutti i SOA pianificati.Le distribuzioni SOA esemplari sono mostrate nei risultati rappresentativi. I due target sono definiti come sonda e riferimento. Il riferimento è sempre mostrato a zero, ed è il bersaglio non presidiato, mentre lo stimolo della sonda è soggetto alla manipolazione dell'attenzione.Nelle prove con SOA negativo, presentare prima lo stimolo della sonda e dopo la SOA lo stimolo di riferimento. Per le prove con SOA positivi, presentare prima lo stimolo di riferimento e, dopo un ritardo, la sonda secondo la SOA. Per la SOA pari a zero, presentare entrambi i target contemporaneamente.In condizioni neutre, l'assegnazione della sonda e del riferimento è arbitraria, ma necessaria per l'analisi dei dati. Crea ripetizioni di tutti i SOA. Randomizzare o variare sistematicamente le influenze che non sono di influenza, come la posizione dello stimolo o l'identità del bersaglio.Il numero di ripetizioni dipende dalla potenza assistita. Circa 800 prove possono essere presentate in un'ora. Se sono necessarie più ripetizioni, prendi in considerazione la possibilità di suddividere l'esperimento in più sessioni.Accogliere i partecipanti e informarli sulla procedura generale dell'esperimento. Ottenere il consenso per partecipare. Assicurati che abbiano una vista normale o corretta alla normalità.Fornisci una cabina tranquilla per l'esperimento. Regolare la sedia, il mentoniera e la tastiera e così via per garantire condizioni ottimali. Rendere i partecipanti consapevoli del fatto che gli esperimenti richiedono attenzione e concentrazione mentale e possono essere faticosi.Chiedi loro di fare brevi pause quando necessario. Presenta le istruzioni sullo schermo che descrivono in dettaglio le presentazioni e la raccolta delle risposte. Ricordare ai partecipanti che il compito è quello di riportare l'ordine temporale percepito dei bersagli e indovinare nelle prove in cui non possono dire affatto l'ordine.Per evitare movimenti oculari durante le prove, chiedi ai partecipanti di fissare un marcatore centrale ogni volta che viene mostrato sullo schermo. Chiedi loro di appoggiare la testa sul poggiamento. Chiedi loro di fare delle brevi pause, se necessario.Esegui un breve allenamento con da dieci a 20 prove. Conferma che i partecipanti hanno compreso l'attività. Lasciate che siano loro a spiegarlo.Se non hanno altre domande, lascia la cabina per l'esperimento principale. Dopo aver convertito i dati prova per prova in conteggi dei giudizi della prima sonda, i parametri possono essere stimati eseguendo il modello gerarchico beyesiano desiderato. Al termine del processo, tracciare la diagnostica di convergenza per tutti i parametri e confermare che le catene siano convergenti e che forniscano una dimensione effettiva del campione sufficientemente ampia.Quindi, traccia e valuta i parametri di interesse. I risultati esemplificativi sono mostrati nella sezione successiva di questo video. Il primo esperimento ha misurato l'influenza della salienza visiva sulla velocità di elaborazione.I partecipanti hanno giudicato quale dei due segmenti di linea target, a sinistra o a destra, in uno schema di sfondo, sfarfallava per primo. Nella metà delle prove, la sonda era a colori pop-out. I dati sono stati dotati di un modello TOJ derivato dal TVA, descritto in precedenza.Il beneficio dello stimolo saliente può essere visto nella condizione di attenzione, come un aumento del peso attentivo del punto cinque nove per la sonda. Nella condizione di controllo in cui nessun bersaglio era saliente, è stato ottenuto il peso neutro del punto cinque, quindi il peso attenzionale della sonda nella condizione di attenzione era attendibilmente più alto. Zero, nessuna differenza, non è stato incluso nel 95 HDI.I pesi individuali della sonda e il relativo riferimento mostrano che il vantaggio dello stimolo saliente deriva da una riduzione della velocità di elaborazione di 16 hertz dello stimolo non saliente. È possibile che il bersaglio saliente sopprima l'elaborazione di quello non saliente in una certa misura, e quindi ne tragga beneficio relativamente. Il secondo esperimento ha indagato i vantaggi dell'attenzione nello spazio d'azione raffigurato nelle immagini naturali.Lo spazio d'azione, la sonda e il riferimento agli oggetti di sfondo, sono apparsi per il TOJ. In un esperimento di controllo è stata registrata una linea di base senza vantaggi nello spazio di azione utilizzando versioni capovolte delle immagini, per le quali la percezione del layout della scena è disturbata. Il parametro posterius indica un vantaggio nello spazio di azione nella condizione di attenzione.Il peso della sonda è superiore a quello neutro del punto cinque. Curiosamente, questo si trova anche nella condizione di controllo, suggerendo che l'inversione dell'immagine non ha rimosso il potenziale vantaggio dello spazio d'azione. Pertanto, molto probabilmente i vantaggi causati da fattori come la salienza o la visibilità, che non vengono rimossi dall'inversione di scena.La possibilità che la potenza sperimentale fosse troppo bassa per rilevare l'effetto dello spazio d'azione, è discussa nella parte scritta di questo protocollo. Un segnale periferico viene utilizzato nel terzo esperimento, porta a un grande effetto in un parametro aggiuntivo, che modella il ritardo tra i processi di codifica. Questo esperimento è discusso in dettaglio nella parte scritta di questo protocollo.In conclusione, il protocollo in questo articolo descrive come condurre semplici TOJ e adattare i dati in base a un modello fondamentale di codifica dello stimolo. In tre esperimenti, abbiamo dimostrato che i risultati possono essere valutati in un quadro di stima bayesiana gerarchica. Abbiamo scoperto che la salienza nei display pop-out porta ad un aumento del peso dell'attenzione.Inoltre, sono stati stimati pesi aumentati per gli oggetti dello spazio d'azione nelle immagini naturali, tuttavia, a causa del vantaggio persistente, quando le relazioni spaziali sono state disturbate mostrando le immagini capovolte, è probabile che un altro beneficio attentivo abbia portato all'aumento di peso. Un segnale periferico nel terzo esperimento ha portato a un valore elevato per un parametro che modella un ritardo aggiuntivo tra i processi di codifica. I vantaggi del protocollo sono la semplicità del compito TOJ, che può utilizzare stimoli quasi arbitrari.L'approfondito supporto teorico della TVA e lo schema di valutazione bayesiano. Sebbene la salienza svolga un ruolo importante in molti studi, solo pochi di essi hanno cercato di quantificare la salienza visiva. Quantificare la salienza visiva, tuttavia, ci consentirebbe di confrontare diverse dimensioni delle caratteristiche, come l'orientamento, il colore o il movimento.Qui, abbiamo studiato l'influenza del contrasto cromatico sui pesi attenzionali del modello formale derivato dalla TVA, ci ha permesso di misurare la salienza quantitativamente e in modo psicologicamente solido. Per il successo di questo protocollo è fondamentale che ci siano solo due stimoli che generano segnali temporali nelle posizioni target. Modellare esplicitamente stimoli aggiuntivi nei TOJ, come i segnali periferici, è l'obiettivo della ricerca futura.

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

Research

Ricerca

JoVE Journal

Behavior

Comportamento

Eye Tracking è stato a lungo utilizzato per studiare gli schemi di sguardo in soggetti con sviluppo tipico, ma i recenti progressi tecnologici hanno reso l'uso con le popolazioni cliniche, tra cui l'autismo, più fattibile. Mentre eye-tracking bambini con autismo in grado di offrire comprensione manifestazioni dei sintomi iniziali, si tratta di sfide metodologiche. Suggerimenti per le migliori pratiche sono forniti.

Eye tracking bambini piccoli con autismo

Questo articolo descrive una nuova procedura a doppio compito combinata con la Rapid Serial Visual Presentation per osservare il battito di ciglia attentivo in corrispondenza di varie asincronie di insorgenza di stimoli. Questa procedura sperimentale differiva dalle altre in quanto testava il battito di ciglia attentivo per i non bersagli.

Una procedura di duplice compito Combinato con Rapid Serial presentazione visiva a Test attenzionale Blink per Nontargets

Il controllo dell'attenzione comprende il miglioramento dei segnali target e l'attenuazione dei segnali di distrazione. Descriviamo un approccio per misurare separatamente ma contemporaneamente, la neurofisiologia dell'attenzione e dell'ignoranza nell'attenzione intermodale sostenuta, utilizzando una condizione di controllo passivo durante la quale nessuno dei due processi è continuamente impegnato.

Misura di segnali neurofisiologici di Ignorando e Assistere Processi in controllo Attenzione

Viene descritto un metodo per quantificare la qualità dell'elaborazione delle informazioni visive basata sui movimenti oculari riflessi in risposta a specifiche modalità visive. I tempi di reazione e i parametri di output della fissazione vengono utilizzati per caratterizzare le prestazioni visive nei bambini con e senza disabilità visive a partire dai 6 mesi di età.

Un metodo per quantificare Visual Information Processing in bambini che utilizzano Eye Tracking

Questa è un'analisi qualitativa comparata caso studio di eye tracking dati sui primi momenti di sociale scene video come visualizzato da tre partecipanti: uno con disturbo dello spettro autistico, uno con disturbo da deficit-iperattività di attenzione del comorbid e uno controllo neurotipici.

Confronto dei dati di Eye-tracking dei bambini con autismo ad alto funzionamento, del Comorbid ADHD e di un controllo guardando video sociali

Questo protocollo sperimentale combinato eye tracking e la valutazione della sensibilità presaccadic visual in un paradigma di duplice compito, che consiste di un'attività di libera scelta delle saccadi e un compito di discriminazione visiva, per indagare la distribuzione dell'attenzione visiva spaziale prima di saccadi, accurate ed in media.

Studiando la distribuzione dell'attenzione visiva prima di saccadi Accurate e media tramite Eye-Tracking e valutazione della sensibilità visiva

Presentiamo un protocollo che impiega il tracciamento oculare per monitorare i movimenti oculari durante un'attività di confronto a intervalli (percezione della durata) basata su eventi visivi. L'obiettivo è quello di fornire una guida preliminare per separare le risposte oculomotorie ai compiti di percezione della durata (confronto o discriminazione degli intervalli di tempo) dalle risposte allo stimolo stesso.

Movimenti oculari nella percezione della durata visiva: districare lo stimolo dal tempo nei processi predecisionali

Presentiamo lo sviluppo di un framework di visualizzazione contingente allo sguardo progettato per la ricerca percettiva e oculomotoria che simula la perdita della visione centrale. Questo quadro è particolarmente adattabile per lo studio di strategie comportamentali e oculomotorie compensatorie in individui che sperimentano una perdita della visione centrale sia simulata che patologica.

Un framework di visualizzazione contingente allo sguardo per la ricerca sull'apprendimento percettivo con perdita simulata della visione centrale

È importante ottenere stime imparziali dei campi recettivi della popolazione visiva (pRF) mediante risonanza magnetica funzionale. Utilizziamo lievi vincoli di regolarizzazione per stimare la topografia pRF senza assunzioni a priori sulla forma pRF, consentendoci di scegliere modelli pRF specifici post-hoc. Ciò è particolarmente vantaggioso nei soggetti con lesioni della via visiva.

Stima topografica Visual Popolazione ricettivo campi da fMRI

Per replicare le impostazioni di laboratorio, i metodi di raccolta dati online per le attività visive richiedono uno stretto controllo sulla presentazione dello stimolo. Delineiamo i metodi per l'uso di un'applicazione web per raccogliere dati sulle prestazioni su due test di attenzione visiva.

Metodi per test visivo attenzione online

Impara a misurare l'attenzione e la velocità di elaborazione visiva utilizzando giudizi di ordine temporale (TOJ). Questo metodo basato sulla teoria TVA di Bundesen consente di analizzare parametri attentivi con stimoli arbitrari.

Misurazione Attenzione e velocità di elaborazione visiva dal Modello di analisi basata su delle decisioni di ordine temporale

Esplora altri video