ちょうど顕著な違い

違いが認識されるためには、正確にはどのくらいのものを変える必要がありますか?

例えば、急速に成長する幼い子供たちが、日々背が高くなることを考えてみてください。しかし、微妙な変化に気づくのは難しいことが多く、特にバスケットボールに到達するのに苦労している場合はなおさらです。

はるかに長いスパンで、彼らの成長の急激さは知覚できる以上のものになります。実際、その量は膨大に見えるかもしれません!これらの高さの変化は、日々の小さな違いが小さすぎて知覚できないため、経過後にのみ気付かれます。

最小でありながら知覚される量は、ちょうど目立つ差であり、この例では、注目される成長の最小量です。

このビデオでは、形状サイズの顕著な違いを測定するための標準的なアプローチを示しています。実験の設計と実行に必要な手順を説明するだけでなく、データの分析方法や結果の解釈方法も説明し、面積の変化がどれほど小さいかを知覚する必要があります。

この実験では、参加者にはサイズが異なる2つの異なる円が簡単に表示され、どちらが大きいかを選択するように強制されます。

各試行中、1つは常に同じ円周で提示されますが、もう1つは変化します。このアプローチは、一定の刺激の方法と呼ばれます。

この場合、一定の刺激は半径が10 pxになるように設計されており、画面の左側または右側にランダムに配置されます。対照的に、比較刺激と呼ばれるもう一方の円は、半径が5〜9〜11〜15pxの間で変化します。

これらの 10 の可能性が与えられた場合、比較刺激は両側に 10 回、合計 200 回の試行で示されます。従属変数は、どの刺激がより大きな刺激として選択されたかとして記録されます。

参加者は、2つの刺激のサイズの違いを認識した場合、正しく選択することが期待されます。ただし、形状が円周に近づき、ちょうど目立つ差を下回ると、パフォーマンスが低下すると予測されます。

実験を開始するには、ラボの参加者に挨拶します。彼らがコンピューターの前に快適に座っている状態で、タスクの指示を説明します:スペースバーを押すまで、画面には「準備完了ですか?」という言葉が表示されます。

2つの青い刺激が現れるのを見て、参加者に「L」キー(左)と「R」を押して右側の反応を示し、どちらの刺激が大きかったかを示すように指示します。どちらが大きいかわからない場合は推測する必要があることを彼らに思い出させます。

参加者の質問に答えたら、部屋を出ます。5分間で200回の試行をすべて完了させます。彼らが終わったら、部屋に戻り、実験に参加したことに感謝します。

データを分析するには、まず、各参加者の応答をキャプチャしたプログラムされた出力ファイルを取得します。データをすばやく一瞥して、パフォーマンスが適切であったこと、つまり、比較刺激のサイズが5ピクセルと15ピクセルの場合、精度がほぼ完璧であったことを確認します。

次に、出力テーブルに「Accuracy」という列を追加して、記録された回答が正しいかどうかを判断します。すべての試行で得られたものを正しい回答と比較します。次の IF ステートメントを使用して、指定された応答が正しかった場合は 1 を登録し、正しくなかった場合は 0 を登録します。

次に、テーブルに「比較回答の割合」というラベルの付いた別の列を追加します。列「Comparison Position」と「Response」を比較し、新しいIFステートメントを使用して、比較刺激が選択された場合は「1」をマークし、定数円を選択した場合は「0」をマークします。

結果を視覚化するには、X 軸に比較のサイズ、Y 軸に大きいと選択された回数の割合で散布図を作成します。一定の刺激は常に10pxの半径を持っていたため、半径が5pxまたは6pxの刺激はほとんど選択されず、半径が14または15の刺激が常に選択されることを思い出してください。

半径が9ピクセルまたは11ピクセルの場合、比較はより難しく、参加者はしばしば間違いを犯しました。実際、パフォーマンスは偶然のレベルにあり、違いが認識されていないことを示唆しています。

ちょうど顕著な違いを計算するには、75% の確率で選択された比較サイズ (この場合は半径 12) から 25% の確率で選択された比較サイズ (半径 8) を差し引いたものを取り、結果を 2 で割ると 2 px の答えが得られます。

言い換えれば、円のサイズを正確に認識するには、円の半径が少なくとも 2 px 異なる必要があります。

さて、視覚物体の知覚における顕著な違いに慣れ親しんできましたか?サイズでは、このパラダイムが脳の反応方法を探求するための神経生理学的研究や、食品中の脂肪レベルを区別するなどの他の行動状況でどのように使用されているかを見てみましょう。

研究者たちは、視覚野の個々のニューロンが、物体のように世界の物理的特性をどのようにコード化しているかを調査しました。サイズ。

研究者は、刺激の提示と併せて発火パターンを測定する電気生理学的記録技術を使用して、サイズに敏感なニューロンが、実際には異なるサイズの物体に対して同じように反応することがあることを発見しました。

これが、JNDがかろうじて目立つ理由です:時々、脳内では、関連する刺激が本当に区別がつかない効果を生み出します。

さらに、研究者たちは、食品中の脂肪濃度を検出するための個々の閾値を特徴付けるために、ちょうど顕著な違いの課題を使用しました。

彼らは、ボディマス指数が高い個人は、サンプル中の脂肪酸を味わう前に、より高い顕著な差、またはより高い閾値を必要とすることを発見しました。これらの結果は、過剰な脂肪消費を制限するための新しいアプローチにつながる可能性があります。

JoVEのちょうど顕著な違いの紹介を見ました。これで、実験の設計方法と実行方法、および結果の分析と評価方法について十分に理解できたはずです。

ご覧いただきありがとうございます!