時間的順序の判決のモデルベース分析により注目し、視覚処理速度を測定します

Summary

時間順序の判断は、処理速度パラメータと注意の重みを推定し、それによって注意処理のメカニズムを推測するために使用できます。この方法論は、広範囲の視覚刺激に適用でき、多くの注意操作で機能します。

Abstract

このプロトコルは、視覚処理速度と注意資源の分布を測定するための時間的順序の実験を行う方法について説明します。時間的順序判断（TOJ）パラダイム、視覚的注意のBundesenの理論（TVA）、および階層ベイズ推定の枠組み：提案された方法は、3つのコンポーネントの新しいと相乗的な組み合わせに基づいています。この方法は、TVAの理論的および神経生理学的基盤によってサポートされて容易に解釈可能なパラメータを、提供します。 TVAで使用される伝統的なパラダイムは、主に文字と数字に限定されているのに対し、TOJsを使用して、TVAベースの推定値は、刺激の広い範囲のために取得することができます。最後に、提案したモデルの意味のあるパラメータは、階層ベイズモデルの確立を可能にします。このような統計モデルは、1コヒーレントテーマに関する分析の両方とグループレベルで結果を評価することができます。

実現可能性とvを実証するために、この新しいアプローチのersatility、3つの実験は、合成飛び出し表示され、自然画像の注目操作で報告され、手掛かり手紙レポートパラダイムされています。

Introduction

注意が空間と時間に配布されてどのように人間の視覚の中で最も重要な要素の1つです。なぜなら彼らの誘目または重要で注目を集めるオブジェクトは通常より速く処理され、より精度の高いされています。行動研究では、このような性能上の利点は、実験パラダイムの様々な実証されています。例えば、ターゲットの場所に注意を割り当てることプローブ検出タスク¹での反応をスピードアップします。同様に、文字の報告の精度が注目²によって改善されます。このような所見は注意が処理を増強することを証明するが、彼らはこの拡張が確立された方法については絶望的にミュートのまま。

本稿では、注目の利点の背後にある低レベルのメカニズムがきめ細かいするcomponenを測定に関するモデルベースの枠組みの中で個々の刺激の処理速度を測定することによって評価することができることを示しています注目のTS。このようなモデルを用いて、刺激間の全体的な処理能力とその分布は、処理速度測定値から推測することができます。

視覚的注意のBundesenの理論^{（TVA）3は、}この試みに適したモデルを提供します。それは、典型的には、文字レポートタスクからのデータに適用されます。以下では、TVAの原理を説明すると、（ほとんど）任意の刺激を用いて得られた時間的な....

Protocol

注：このプロトコルのいくつかのステップがhttp://groups.upb.de/viat/TVATOJで（インストール手順と一緒に）提供されるカスタム・ソフトウェアを使用して達成することができます。プロトコルでは、プログラムやスクリプトのこのコレクションは「TVATOJ」と呼ばれています。

刺激材料の1選定

1. 研究課題に応じて刺激を選択します。
   注：一般的に、二つのターゲットが画面上の異なる位置に示されています。本発明の方法で使用されてきた刺激は、例えば、形状、数字、英字、ポップアウト・ディスプレイでのシングルトン、および自然画像内のオブジェクトが含まれています。後者の3つのタイプは、このプロトコルで使用しました。
   注：いくつかの異なる刺激タイプが実験ビルダーOpenSesame ¹² TOJプラグイン（TVATOJで提供される「psylab_toj_stimulus」）に含まれています。
2. 新しい刺激タイプを作成する場合は、することを確認してくださいintereの性質stは関心の特性が自動的にエンコードされているタスクまたは選択刺激のためにそれらが重要行うことで、判断のために符号化されなければならない（ 例えば 、ポップアウトディスプレイでシングルトン）。

Results

以下では、提案された方法を用いて得られた結果が報告されています。 3つの実験は、刺激材料の3高度の異なる種類の異なる注意操作の影響を測定しました。刺激は、単純なポップアウトパターンの線分、自然画像における行動空間のオブジェクト、および手掛かり文字の標的です。

実験1：ポップアウト・ディスプレイで顕著
合成パターンにおける線分の処理速度の視覚的顕著性の影響を測定することを目的とした実験1。指向線分の背景パターンにおける2つの標的線分（左または右）の判断対象は、最初の点滅しました。試験の半分では、プローブは、色ポップアウト（ 図2aを参照）でした。ポップアウトのTOJベースの評価に関する詳細な背景には、ローカルORIENTAクルーガーや同僚⁸での研究で見つけることができますション顕著性ではなく、色の操作されました。 SOAの分布および頻度は、図2b

Discussion

この記事のプロトコルは、単純なTOJsを実施し、基本刺激エンコーディングに基づいてモデルをデータにフィットする方法について説明します。 3つの実験の結果は非常に異なった刺激材料における注目の影響を評価するために、階層的ベイズ推定の枠組みの中で評価することができる方法を実証しました。ポップアウトディスプレイの顕著性が向上注意重みにつながりました。また、増加した重みは自然画像における行動空間のオブジェクトのために推定されました。しかし、空間的な関係を上下逆さまにこのような画像を表示することによって乱された持続効果に起因し、他のローカル注意利点は、体重増加につながる可能性があります。周辺キューは、実験3で使用されるように、注意量に負の影響を示します。しかし、符号化処理の開始時刻との間のモデルの遅延τパラメータで大きな効果をもたらします。

プロトコルのほとんどは、一般的な手順に従います一般にTOJsと知覚実験を行いました。 TVAの点で、結果の解釈が視覚短期記憶に刺激をコードに縛られていること、しかし、注意してください。純粋な発症検出によってTOJを行う可能性を極力低減されるべきです。プロ.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
パーソナルコンピュータ
(オープンソース)実験・評価ソフト