無関係な刺激と行動制御：ディストラクタ - 応答パラダイムを結合することにより無視された刺激の影響を分析

次の実験の全体的な目標は、無関係な反応、気を散らす反応、または刺激が人間の反応と統合できること、およびこれらの結合がその後の行動に影響を与えることを示すことです。これは、ターゲット刺激とディストラクタ刺激が引き出され、各刺激が特定の応答に割り当てられる刺激セットを定義することによって達成されます。次に、2つの応答のシーケンスが作成され、ターゲット刺激に対する応答が反復または変化し、追加の無視刺激が直交的に反復または変化するため、気晴らし刺激が最初の応答と統合され、2番目の応答のパフォーマンスに影響を与えることができます。

次に、応答時間とエラー率を試行で繰り返し測定し、応答の繰り返しと応答の変更試行の両方で、変更のディストラクタと比較して、繰り返されるディストラクタの影響を収集します。その結果、ディストラクタ応答結合は、応答変化におけるディストラクタの繰り返しの利点が小さいことが示されています。次に、応答時間やエラー率の違いに基づいて繰り返し試行を行います。

この手法がネガティブプライミングパラダイムなどの既存の方法よりも優れている点は、刺激の繰り返しによる反応検索効果を、典型的な干渉パラダイムや認知心理学で常に働いている選択的注意の効果と区別できることです。この方法は、人間の行動制御の分野における重要な問題、例えば、追加の行動関連刺激が人間の行動にどのような条件でどのように影響を与えるかなど、ほぼ自動的な刺激反応ルーチンを確立することで答えるのに役立ちます。ePrimeなどの実験ソフトウェアプログラムを使用して実験のプログラミングを開始するには、ターゲットとディストラクタの両方が引き出される刺激セットを1つ作成します。

たとえば、セットには 8 つの文字 S、D、F、G、H、J、K、および L を含めることができます。次に、刺激セットを 4 つのグループに分け、各グループに 1 つの応答を割り当てます。たとえば、ボタンに s と D を割り当てます。左中指でfとgを押してボタンを押します。

左手の人差し指でhとjを押してボタンを押します。右手の人差し指とKとLでボタンを押します。右手の中指で押します。

ターゲットとディストラクターをグループ化して提示する刺激の配置を決定します。ゲシュタルトの原理は、刺激のグループ化を実装するのに役立ちます。たとえば、文字を垂直線ではなく水平線で表示します。

ターゲット選択の基準を決定します。たとえば、ターゲットとディストラクタを水平線で表示し、ターゲットを含む特定の位置または色を定義します。実験全体を通して、すべてのディスプレイに同じ刺激配置を使用します。

6種類の試行タイプまたはプライムプローブ配列を準備し、各プライムおよび各プローブ配置で直交的に変化する応答関係とディストラクタ関係を準備します。試行のために異なる応答にマッピングされたディストラクタとターゲットを組み合わせるように注意してください。タイプ R-R-I-D-R は、プライムとプローブ ディスプレイに同じターゲット刺激 ID を表示することにより、プライム ターゲットへの応答とプローブ ターゲットへの応答との間の応答の繰り返しを実装します。

プライムとプローブディスプレイに同じディストラクタ刺激をトライアル用に提示することにより、ディストラクタの繰り返しを実装します。タイプ R-R-I-D-C は、プライムとプローブのディスプレイに同じターゲット刺激の同一性を提示することにより、応答の繰り返しを実装します。プライムとプローブディスプレイAに異なるディストラクタ刺激を提示することにより、ディストラクタの変更を実装します。タイプRRDRは、プライムとプローブディスプレイに同じ応答カテゴリからのターゲット刺激を提示することにより、応答の繰り返しを実装します。

プライムとプローブディスプレイに同じディストラクタ刺激をトライアル用に提示することにより、ディストラクタの繰り返しを実装します。タイプRRDCは、プライムディスプレイとプローブディスプレイに同じ応答カテゴリからのターゲット刺激を提示することにより、応答の繰り返しを実装します。プライムとプローブディスプレイに異なるディストラクタ刺激を提示することで、実装、気晴らし、または変更を行います。

タイプRCDRは、プライムディスプレイとプローブディスプレイに異なる応答カテゴリからのターゲット刺激を提示することにより、応答変更を実装します。プライムとプローブディスプレイに同じディストラクタ刺激をトライアル用に提示することにより、気を散らすか繰り返します。タイプRCDCは、プライムディスプレイとプローブディスプレイに異なる応答カテゴリからのターゲット刺激を提示することにより、応答変更を実装します。

それぞれの試行タイプによって定義された制限の下で、プライムとプローブの表示に異なるディストラクタ刺激を提示することにより、ディストラクタの変更を実装します。設定された刺激からの刺激をプライムディストラクタの役割にランダムに割り当てます。プライムターゲットプローブターゲットとプローブディストラクタは、各プライムと各プローブ配置にあります。

ターゲットとは異なる応答にマップされたディストラクタを使用します。各試用版の種類に対して課題を実行し、これを 30 回繰り返して 180 回の試用版を作成します。180 回の試行の順序をランダム化します。

練習ブロックに60回の試行のランダムサンプルを使用します。参加者としてボランティアとして参加するのは、研究室の学生アシスタントとしてMelina OTです。実験を開始するには、参加者を歓迎し、コンピューターを割り当てます。

グループでのテストが可能です。ただし、個々の防音室で参加者をテストすることが望ましいです。年齢、性別、視力障害などのデータを収集します。

まず、コンピューターの画面から。タスクの説明と、各試行でディスプレイを表示するためにエラーを起こさずにできるだけ早く応答するように促すリマインダーを含む書面による指示を提供します。まず、次の試行が開始されていることを参加者に示すアスタリスクなど、1000 ミリ秒のキューを表示します。

画面の中央にプラス記号などの固定マーカーを 500 ミリ秒間表示します。参加者が応答ボタンの 1 つを押して応答するまで、画面の中央にプライム ディスプレイを表示します。応答が不正確な場合のプライムレスポンスの時間とプライムレスポンスの精度をログに記録します。

1500 ミリ秒間、参加者にできるだけ早く反応するように促す警告を表示します。ただし、エラーを起こさないようにします。プライム応答の 500 ミリ秒後。参加者が応答ボタンの1つを押して応答するまで、プローブディスプレイを表示します。

応答が不正確な場合は、1500 ミリ秒間警告を表示します。これにより、参加者はできるだけ早く反応するように、しかし実験中にエラーを犯さないようにすることができます。180 回の試行をすべてランダムな順序で表示します。

参加者が約60回の試行ごとに休憩を取ることができることを確認してください。応答の省略、ターゲット同一性による反復試行、ターゲット同一性の影響を除外するための反復、プローブ応答時間の分析のための反復効果では、プライムとプローブに対する正しい応答を持つ試行のみを考慮し、予測応答時間と外れ値応答時間を除外します。最後に、プローブの応答時間を 2 x 2 の分散分析に入力します。

同じANOVAを使用してプローブエラー率を分析し、さまざまなモダリティおよびモダリティ間でのディストラクタ応答結合効果を調査できます。ターゲット刺激とディストラクタ刺激は、視覚的、聴覚的、または戦術的に、プローブの応答時間で2×2のinovaで簡単に提示できます。応答関係とディストラクタ関係の有意な交互作用は、ディストラクタ応答結合の効果を示しています。

ディストラクタ反復の利点は、応答変更試行よりも応答反復の方が大きく、ここで示されているように、ディストラクタ応答結合の影響のみがパターンディストラクタ反復効果に影響を与えると予想される場合です。ディストラクタを繰り返すと、応答の繰り返しでは有利になりますが、応答変更の試行では不利になります。ディストラクタの繰り返しの有意な主効果は、ディストラクタの抑制が応答時間に影響を与える場合、追加のディストラクタの抑制効果を示しています。

応答検索の影響に加えて、この図に示すようなパターンが予想されます。ディストラクタの繰り返しの一般的な追加の利点は、応答の繰り返しの試行におけるディストラクタの繰り返しのさらに大きな効果につながり、応答変更の試行で示されたディストラクタの繰り返しによる不利な点を相殺します。FFR Rothman と Ventura によって収集されたデータの例を次に示します。

この図は、さまざまなモダリティでの33の実験の気晴らし応答結合効果をまとめたものです。この影響は、タスクが難しくなるほど大きくなるため、応答時間が長くなり、トリガーされた応答の取得と応答の実行の間の遅延が長くなります。取得プロセスは、レスポンスが実行される前に完了する可能性が高くなります。

したがって、気晴らし応答結合効果は、その開発後により顕著になります。この技術は、人間の行動制御の分野の研究者が、無視された刺激が人間の行動に影響を与える状況や方法を調査する道を開きました。このビデオを見た後、関連する破壊的な刺激が人間の反応と統合できること、およびこれらの刺激反応の結合がその後の行動に影響を与えることを示す方法について十分に理解しているはずです。