オンライン視覚的注意をテストする方法
February 19th, 2015
実験室の設定を再現するために、視覚タスクのためのオンラインデータ収集方法は、刺激の提示を厳密に制御する必要があります。Webアプリケーションを使用して、視覚的注意の2つのテストでパフォーマンスデータを収集する方法を概説します。
この手順の全体的な目標は、オンラインWebアプリケーションを介した視覚的な注意タスクのデータ収集を簡素化することです。これは、最初に参加者をWebアプリケーションにログインすることで実現されます。次に、参加者は、正しい刺激の提示のために画面を調整するように指示されます。
その後、参加者はタスクの指示を読み、模擬試験を完了します。最後に、参加者が完全なタスクを完了するときに、参加者からデータが収集されます。最終的に、視覚タスクのオンラインデータ収集方法は、従来のラボベースの方法と一貫した結果を示しています。
この手法が既存の方法よりも優れている点は、より大規模で多様な集団から比較的短時間でデータを収集できることです。この手順を実証するのは、ラボの技術者であるOlga P equalです。まず、参加者に気を散らすもののない静かな部屋に座ってもらい、快適な高さにあるインターネット対応のコンピューターを使用します。
ここに示す Web アプリケーションに移動するように参加者に指示します。HTML 5互換のブラウザを使用して、参加者に、my SQLデータベースに収集および保存されるデータに関連付けられる一意のIDを入力してもらいます。ログインする前に、ページにリンクされている同意書から参加者の同意を得てください。
画面を調整するには、参加者にラベル付きのテキストボックスに画面の対角線サイズをインチ単位で入力してもらいます。参加者がこの情報を知らない場合は、キャリブレーションオブジェクトとしてCDまたはクレジットカードを見つけてもらいます。いずれかが選択されたら、参加者にオブジェクトを画面に対して配置し、画面に表示されているオブジェクトの代表的な画像に揃えるように促します。
参加者に、物理 CD またはクレジット カードの測定値と代表画像のピクセル サイズに基づいて、物理オブジェクトのサイズと一致するように画面イメージのサイズを調整するように促します。画面の対角線サイズをインチ単位で決定します。参加者にダイアログボックスでこの値を確認してもらいます。
次に、画面に表示される黒から白のグラデーションの12のバンドすべてが明確に区別できるようになるまで、参加者に画面の明るさ設定を調整するように促します。参加者にモニターから腕の長さで快適な位置に座るように依頼し、ブラウザーウィンドウを全画面モードに設定します。ブラウザー ウィンドウは、タスクによって使用される視覚空間を最大化し、ブラウザー ツール バーやデスクトップ タスク バーなどの視覚的な気を散らすものを取り除くために、全画面表示モードにする必要があります。
このURLにあるセルフガイドの複数オブジェクト追跡またはMOTチュートリアルを使用して、参加者にトライアルがどのように機能するかを示すステップバイステップの指示を読むように依頼します。参加者が指示を読み終えたら、練習試行を行うように促し、練習刺激を0.8度の8つのドットで構成され、毎秒2度の移動速度になるように設定します。HTML の 5 つのリクエスト アニメーション フレーム API を使用して、この刺激モーションを制御するために、60 ヘルツのフレーム レートでブラウザー アニメーションを最適化します。
次に、参加者に青い点を追跡し、黄色の点が気を散らすように促します。2秒後、青いドットを黄色のドットに変更し、元の黄色のドットの間でさらに4秒間移動し続けます。各試行の最後に、ドットを止めて 1 つを強調表示します。
強調表示されたドットがトラックドットであるか、気を散らすドットであるかにかかわらず、キーを押して応答するように参加者に促します。3回連続で正しい試行を行った後、または最大6回の試行を行った後、参加者を完全なタスクに移動します。参加者の完全なMOTタスクを開始するには、毎秒5度で移動する16個のドットを設定します。
2度の離心率と10度の離心率の間のスペース内で、参加者に合計45回の試行を完了してもらい、1つの追跡ドットで構成される5つの試行と、それぞれ2〜5つの追跡ドットで構成される10回の試行の混合物。ここにあるチュートリアルを使用して、参加者に、有用な視野またはUFOVタスクセット中に注意しなければならない2つのターゲット刺激を示す4つの段階のステップバイステップの指示を実行するように依頼します。中心的なターゲット刺激は、長い髪または短い髪で画面の中央で点滅する1度のスマイリーです。
試行間でスマイリーの髪の長さをランダム化し、周辺ターゲット刺激を、円の周りの8つの位置のいずれかで4度の離心率で点滅する1度の星として設定します。試行間で星の位置をランダム化します。ステージ1のみ。
中央のターゲットを表示し、ステージ 2 でのみ表示された髪の毛の長さをキー押下して応答するように参加者に促します。周辺ターゲットを表示し、参加者に 8 つの可能なターゲット位置を表す 8 本の無線線のいずれかをクリックして、星が表示された場所を示すように促します。ステージ3では、中心と周辺の両方のターゲット刺激を表示し、参加者にスマイリーの種類と星の位置の両方に対して応答するように促します。
ステージ4では、末梢の気晴らしに加えて両方のターゲット刺激を表示し、参加者に両方のターゲット刺激に反応するように促します。ディストラクタディスプレイの場合、残りの7つの場所に4度の偏心で1度の正方形が表示され、さらに2度の偏心でさらに8つの正方形が表示されます。参加者の回答後、各目標回答の参加者のフィードバックを表示します 各試行の後、3回連続で正しい試行を行った後、参加者を次の練習段階に移します。
ステージ4の後、参加者に完全なUFOVタスクを開始するように促します。練習セッションと同じ中心的な刺激を提示します。前述の 8 つの場所のいずれかで、偏心 7 度の周辺ターゲットを表示します。
24 個のディストラクタ スクエアも、3 度の偏心、5 度の偏心、および残りの 7 度の偏心の位置に表示されます。3つの下り、1つ上の階段の手順を使用して、刺激の提示時間を決定し、3回連続して正しい試行の後に刺激の持続時間を短縮し、各エラー試行とタスクの後に増加します。3 つの条件のいずれかが満たされると、階段の手順は 8 回の反転に達します。
参加者は、99 フレームの上限期間または 1 フレームのフロア期間で 10 回の連続した試行を完了するか、参加者が最大 72 回の試行に達します。1, 744人のオンライン参加者からのデータをMOT分析に使用しました。MOT性能は、各セットの平均精度を計算することによって測定されました。
サイズ精度の範囲は、セット サイズ 1 の 0.4 から 1.0 からセット サイズ 5 の 0.1 から 1.0 までで、平均精度の範囲はセット サイズ 1 の 0.99 からセット サイズ 5 の 0.71 までです。精度スコアの中央値は、セットサイズ1とセットサイズ5でそれぞれ1.0から0.70の範囲でした。セットサイズが大きくなると精度が低下し、UFOVタスクの典型的なMOT効果が示されました。
1, 747人のオンライン参加者からのデータを分析しました。パフォーマンスは、参加者が約 79% の精度で周辺ターゲットを検出できる最小プレゼンテーション時間を反映する検出しきい値を取得するために、最後の 5 回の試行でプレゼンテーション時間を平均することによって計算されました。平均UFOV閾値は64.7ミリ秒で、スコアは17ミリ秒から315ミリ秒の範囲で、閾値の中央値は45ミリ秒でした。
閾値分布は、歪度が1.92、尖度が3.93と正に歪んでいました。結果は以前の研究と一致していました。このビデオを見れば、この手順に従って、複数のオブジェクト追跡と有用な視野実験を Web アプリケーションとして開発する方法を十分に理解できるはずです。
正確な視覚刺激の提示を行う他の方法も、オンライン環境に適応させることができます。その後、より一般的に代表的な集団から、またはラボに持ち込むのが難しい特定のサブタイプからデータを収集できます。ご覧いただきありがとうございます。
View the full transcript and gain access to thousands of scientific videos
概要
この記事では、ウェブアプリケーションを使用した視覚的注意タスクのオンラインデータ収集方法について概説します。正確な刺激の提示のために画面のキャリブレーションとタスク指示の重要性を強調します。
主要な研究構成要素
科学の分野
- 神経科学
- 行動科学
- データ収集方法
背景
- 視覚タスク用の従来のラボベースの方法は、制御された環境を必要とします。
- オンラインの方法はデータ収集を簡素化できます。
- オンラインとラボベースの結果の一貫性は重要です。
- 正確な刺激の提示には画面のキャリブレーションが不可欠です。
研究の目的
- 視覚的注意タスクのデータ収集を簡素化すること。
- オンラインデータ収集方法の有効性を評価すること。
- 信頼性の高いパフォーマンスデータを確実に収集すること。
使用された方法
- 参加者はウェブアプリケーションにログインします。
- 正確な刺激表示のために画面のキャリブレーションが実行されます。
- 参加者はタスク指示を読み、練習試行を完了します。
- 完全なタスクの完了中にデータが収集されます。
主要な結果
- オンラインデータ収集方法は一貫した結果をもたらします。
- 参加者はキャリブレーション後にタスクを成功裏に完了します。
- パフォーマンスデータは従来のラボ方式と一致します。
- ウェブアプリケーションは視覚的注意研究を効果的に促進できます。
結論
- オンライン方式は従来のデータ収集の代替手段として実行可能です。
- 適切なキャリブレーションと指示はデータの質を向上させます。
- 将来の研究はこれらの効率化されたアプローチから恩恵を受けることができます。
よくある質問
Executive Industry Relevance
Online behavioral testing enables scalable, representative data collection for visual attention assays, addressing a key bottleneck in target validation and phenotypic screening. By ensuring stimulus timing and size fidelity through web-based calibration, the method supports mechanistic de-risking of neural pathways involved in attention and perception. This approach expands access to diverse participant pools, improving predictive confidence in early discovery while reducing reliance on constrained laboratory recruitment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses related to visual processing and attentional networks in human participants.
- Operational Value: Supports biological de-risking by quantifying target engagement through standardized visual attention performance metrics.
- Predictive Value: Provides quantitative, reproducible readouts that aid in portfolio triage of CNS-targeted compounds affecting sensory or cognitive function.
Screening & Assay Development
- Assay Readiness: Delivers calibrated, stimulus-controlled visual attention tasks suitable for high-throughput online screening of compound effects on perception.
- Quantitative Output: Generates measurable endpoints such as multiple object tracking accuracy and useful field of view thresholds for dose-response modeling.
- Scalability: Enables deployment across large, diverse cohorts, improving statistical power and reducing variability in behavioral phenotyping.
Translational & Preclinical Research
- Translational Continuity: Bridges in vitro or rodent models to human-relevant visual attention phenotypes, supporting cross-species validation.
- Mechanistic De-risking: Isolates specific cognitive functions (e.g., tracking, peripheral detection) to clarify drug effects on neural circuits.
- Risk-Adjusted Advancement: Supports go/no-go decisions by detecting subtle attentional impairments early in the discovery pipeline.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target validation through lead identification, particularly for compounds modulating attention, arousal, or sensory processing.
- Discovery Biology: Facilitates hypothesis testing of neural targets involved in visual attention by providing quantifiable behavioral phenotypes in human subjects.
- Screening: Delivers reproducible, web-administered assays with controlled stimulus timing and size, enabling reliable compound screening.
- Analytics: Produces continuous, threshold-based measurements (e.g., UFOV detection time, MOT accuracy) that support statistical comparison across conditions.
- Translational Research: Aligns with preclinical models of attention by capturing homologous human visual attention behaviors.
- Enterprise Reuse: Establishes a scalable, standardized platform for repeated use across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity in cognitive drug effects through direct human behavioral measurement.
- Operational Value: Ensures standardization and reproducibility via screen calibration protocols and stimulus timing controls.
- Strategic Value: Improves capital efficiency by enabling large-scale data collection without laboratory constraints, accelerating early decision-making.
- Portfolio Impact: Supports risk-adjusted prioritization by identifying attentional liabilities or benefits early, reducing late-stage attrition in CNS programs.
Implementation Considerations
- Requires expertise in behavioral neuroscience and web-based stimulus delivery to ensure proper task design and execution.
- Depends on HTML5-compatible browsers and JavaScript APIs (e.g., requestAnimationFrame) for precise stimulus timing and animation control.
- Necessitates cross-team standardization of calibration procedures (screen size, brightness, viewing distance) to maintain data validity across sites.
- Must account for variability in home environments (lighting, distractions, screen quality) through participant screening and instructional compliance.
- Limited to tasks where stimulus size and timing can be reliably controlled via web technologies; not suitable for sub-millisecond precision requirements.
