Name: 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 (動画) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: 学ぶ時間的順序判決（TOJ）による注意と視覚処理パラメータの測定法。参加者が2つの標的の提示順を判断し、注意が刺激符号化速度に与える影響をモデル化します。TVA理論に基づく新手法です。

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

この作業の一部は、ドイツ研究財団（DFG）によって、イングリッド・シャーラウへの助成金1515/1-2および1515/6-1を通じて支援されています。

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<ol><li> 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。 </li><li>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）。 </li></ol> 2.電力見積もりと計画<ol><li> 選択されたモデルとデータセットをシミュレートすることによりベイジアン電力解析を実行し、計画された設計（SOA分布および反復）、サンプルサイズ、およびパラメータを仮定しました。 （例えば、パラメータの特定の差）研究目標に到達する可能性があるかどうかを推定します。電力が十分でない場合、SOAのか、繰り返しを追加またはシフトすることにより、設計を変更し、分析を繰り返します。 <ol><li>オープン提供TVATOJソフトウェアを使用し、スクリプト「EXP1-power.R」を編集します。特定の分析のためにそれを調整するために、ファイル内のコメントに従ってください。ベイズ電力推定に関する一般的な情報についてはクラスチケ13を参照してください。 </li></ol></li></ol> &lt;Pクラス= &quot;jove_title&quot;&gt; 3。実験の仕様やプログラミング<ol><li> 実験を実施するための実験ビルダーや心理物理プレゼンテーションライブラリを使用してください。 <ol><li> TVATOJで提供OpenSesame TOJプラグインを使用するには、トライアルプレゼンテーションのループに「psylab_toj_stimulus」プラグインをドラッグします。また、OpenSesameで「単純toj.osexp「例の実験を開きます。 </li><li> psylab_toj_stimulus構成のドロップダウンメニュー「刺激の種類」から目的の刺激の種類を選択します。必要に応じて新たな刺激の種類を追加するためのTVATOJの指示に従ってください。 </li></ol></li><li> 次の手順で説明するように試験を指定します。 <ol><li>すべての実験条件については、計画のSOAとの比較試験を作成します。 psylab_toj_stimulusプラグインとOpenSesameを使用する場合は、トライアルループ（ 例えば、「SOA」）への変数として、すべての様々な要因を追加します。 </li><li>実現するために、テーブルに行を追加します。すべての要因の組み合わせは、（ 例えば 、-100〜100ミリ秒7のSOAは、実験条件「注意」と「ニュートラル」と交配しました）。十分な繰り返しを作成するために、ループの &quot;繰り返し&quot;属性を調整（のSOAの分布と繰り返しを決定するためのプロトコルのステップ2を参照）。 注：典型的には、最大で800の試験は1時間以内に提示することができます。以上の繰り返しが必要な場合は、複数のセッションに実験を分割することを検討してください。ループの「注文」属性は、実験を実行する前に、「ランダム」に設定されていることを確認します。 </li><li> psylab_toj_stimulusプラグイン設定では、プレースホルダを追加する（ 例：「[SOA]」）は、それぞれの分野における様々な要因のために。変化していない要因の分野で一定の値を入力します。 注：この実験を実行する前に、正確なタイミングが保証されていることを確認します。新しいモニターの適切なタイミング動作が確認されなかった場合は、使用CRTモニタと垂直帰線信号12と同期。 </li></ol></li></ol> 4.実験手順<ol><li> 歓迎し、参加者のブリーフィング <ol><li>参加者を歓迎し、実験（コンピュータベースの知覚実験）の一般的な形式について知らせます。実験の将来の期間について参加者に通知してください。実験に参加する参加者のインフォームドコンセントを取得します。 </li><li>参加者は、通常の表示または（最適に短い視力検査を実施することにより）を補正ツー正常な視力いることを確認してください。彼らは刺激材料の特定の型の研究課題に干渉しない場合は、このような色覚異常などの一部の欠損は、許容することができます。 </li><li>実験が行われている静かなブースを提供します。椅子、顎受け、キーボードの位置を調整し、というように、experimeのための最適な表示と応答条件を確保するためにNT。 </li><li>実験は注意と集中力を必要とし、疲労することができますことを、参加者に認識させます。必要なときに短い休憩を取るためにそれらを確認して下さい。強力な注意の歪みの下でこれらの単純なタスクを実行するのではなく、しかし、同様に重要です。いくつかのエラーを作ることも大丈夫であることを参加者に知らせます。 </li></ol></li><li> 命令とウォームアップ <ol><li>プレゼンテーションの順序と応答収集手順を詳細タスクの現在の画面に表示される指示に従って、。タスクはターゲットが到着し、これは、いくつかの臨床試験では困難であろうと順序を報告することであることを参加者に通知します。彼らは、特定の注文を伝えることができないときに彼らの第一印象を報告し、参加者に依頼し、彼らは全くそのような印象を持っていない場合はそれらを推測してみましょう。 注：ここで使用されるバイナリTOJsでは、同時性の認識を示すためのオプションはありません。過度の推測を避けるために、SIMUと試験の存在を指摘していませんltaneously明示的に目標を提示しました。これらは単に、上記説明した手順では難しい試験とします。 </li><li>試験中に眼球運動を回避するために、画面の中央に表示されたマークを固定するよう参加者に依頼します。顎当てに自分の頭を休ませるよう依頼してください。 </li><li>必要に応じて、短い休憩をとるよう、参加者に依頼します。ブレークが許可されているときにそれらを知っていると彼らは（ 例えば 、標的プレゼンテーション中に、応答前に）避けなければならないとき。 </li><li>参加者がタスクに慣れることができる短いトレーニングを含めます。このため、実験的試験（プロトコールのステップ3.2を参照）のランダムなサブセットを提示します。 注：タスク自体はかなり単純であるため、1020年に試験が、通常は十分です。このタスクのそれらの性能における参加者の信頼を高めるために有利であり得ます。このプレゼンテーションを減速し、フィードバックを提供することによって行うことができます。 </li><li>参加者のconfirmatiを取得彼らは、タスクを理解していることに、彼らはそれ以上の質問を持っていないこと（彼らはそれを説明しましょう）。 </li></ol></li><li> 主な実験を実行しています <ol><li>主な臨床試験のプレゼンテーションで実験的なソフトスタートをしてみましょう。主な実験のためのブースを残します。 </li></ol></li></ol> TOJデータの5モデルベース分析<ol><li>すべてのSOAのための「プローブの最初の &quot;判断のカウントに生データファイルを変換します。例えば、TVATOJで提供されるスクリプト」os2toj.py」を実行します。 </li><li> pおよびCワットの主なパラメータを推定するベイズ推定手順を実行して、誘導されたものは、pとv rとパラメータの違いをV。この目的のために、「実行evaluation.Rを &quot;ファイルに記載されている手順に従って、それを編集した後にスクリプトを実行します。 </li><li>サンプリングが完了すると、調査の質問のために関心の違いを評価することができます。 ExamplESは、次のセクションで見つけることができます。 </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>

著者らは開示するものは何もない。

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...

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順序を判定（TOJ）データをモデル化するために拡張することができる方法を示しています。この新規な方法は、容易に解釈可能な処理速度やリソース配分の推定値を提供します。この記事のプロトコルは、そのような実験を計画し、実施する方法を説明し、データを分析することができる方法を詳しく説明します。 前述したように、TVAベースのモデリングと注意パラメータの推定における通常のパラダイムは、文字のレポートタスクです。参加者は、一連の文字のIDを報告します簡単にフラッシュし、一般的に様々な遅延の後にマスクされています。他のパラメータの中でも、視覚的な要素は視覚短期記憶に符号化される速度を推定することができます。メソッドが正常に基礎・臨床研究の質問に適用されています。例えば、Bublakや同僚4は注意パラメータは加齢に関連する認知障害の異なる段階で影響を受けるかを評価しました。基本注目研究において、ピーターセン、Kyllingsbæk、及びBundesen 5は 、一定の時間間隔で二つの標的の第二の知覚における観察者の困難を注意滞留時間の効果をモデル化するためにTVAを用います。手紙レポートパラダイムの主な欠点は、それが十分にoverlearnedマスカブル刺激を必要とすることです。この要件は、文字と数字にメソッドを制限します。他の刺激は、参加者の重いトレーニングを必要とするであろう。 TOJパラダイムは、特定のstimulも必要としません私もマスキング。これは、出現順序を判断することができるために、刺激の任意の種類で使用することができます。これは、直接クロスモーダル比較6を含む関心の可能性がほとんどすべてに刺激範囲を拡張します。 TOJsと注意を調査することはかなり早い時期に出席した刺激が無人の1に比べて認識されているかの尺度である注意前のエントリの現象に基づいています。残念ながら、（例えば累積ガウスまたはロジスティック関数など）観察性能心理関数をフィッティングTOJデータを解析するための通常の方法は、注意が参加し、刺激の処理速度を増加させるか、無人の刺激7の速度を減少する場合かどうかを区別することができません。この曖昧さは、刺激の知覚は本当に強化されているかどうかのための質問の主要な問題であるか、それがために、競合stimulからのリソースの撤退の利点場合私たちは、両方の基本的かつ実用的な関連性の問題です。例えば、ヒューマン・マシン・インターフェースの設計のためには、一つの要素の隆起の増加は別の犠牲に動作するかどうかを知るために非常に適切です。 次のようにTOJタスクは通常進行する：固定マークは一般的に、短い遅延のために提示ランダム秒より短い間隔描かれています。そして、第1の目標が提示され、第二の標的によって可変刺激開始の非同期（SOA）の後に続きます。負のSOAでは、 プローブ 、出席した刺激は、最初に示されています。正のSOAでは、 参照 、無人の刺激は、リード。ゼロのSOAでは、両方のターゲットが同時に示されています。 一般的に、目標を提示することに刺激を切り替えることをいいます。特定の条件下では、しかし、そのような既に存在する標的またはオフセットのちらつきなどの他の一時的なイベントは、8に使用されます。 _content "（"最初の正方形の最初の"と別の1"ダイヤモンド&gt; TOJsでは、応答は通常、刺激アイデンティティとプレゼンテーションの注文にマッピングされたキーによって、unspeeded方法で採取されたが、刺激が正方形と菱形である場合、例えば 、一つのキーを示し"） 。重要なことは、評価のために、これらの判断は、「最初のプローブ」に変換されなければならない（または「参照最初の "）の判断。 本研究では、TVAとTOJ実験パラダイムの処理モデルの組み合わせは、個々のドメイン内の問題点を解消するために使用されます。この方法では、容易に解釈可能な速度パラメータは、観察者の注意は視覚要素競合に割り当てられているかを推測することを可能にする、ほとんど任意の視覚刺激のために推定することができます。 モデルは、まもなく以下に説明する個々の刺激を処理するためのTVAの方程式に基づいています。確率は1 stimul他が最初に現れるように、この刺激を判断する確率として解釈される前に、私たちは視覚的短期記憶に符号化されます。個々の符号化期間が指数関数的に9配布されます。 <img alt="式（1）" src="/files/ftp_upload/54856/54856eq1.jpg"> （1） 最大効果のない露光持続時間t 0は何もすべてでエンコードされていない前に、閾値です。 TVA、速度v xに応じて、私はこれに物体xが（例えば、色や形状など）知覚カテゴリーIのメンバーとして符号化され、 レート方程式で与えられます。 <img alt="式（2）" src="/files/ftp_upload/54856/54856eq2.jpg"> 。 （2） xは、iはiは、ηxに発現しており、 私は 、カテゴリIのメンバーとして刺激を分類するための意思決定バイアスであるβれるカテゴリに属していることを感覚的証拠の強さ。これは、乗算されますttentional重み。 Xワット個々の注意重みは視野内のすべてのオブジェクトの注意の重みによって分割されています。したがって、相対的な注意重量は次のように計算され<img alt="式3" src="/files/ftp_upload/54856/54856eq3.jpg"> （3） Rは、すべてのカテゴリとηxを表し、私は、オブジェクトxはカテゴリjに属することを感覚的な証拠を示しています。値πjは 、カテゴリjの妥当性と呼ばれるとjに分類を行うためのバイアスを反映しています。全体の処理容量Cは、すべての刺激と分類のためのすべての処理速度の合計です。 TVAの詳細については、BundesenとHabekostの本9を参照してください。 個々の刺激の符号化を説明我々の新規な方法、式（1）において、TOJsのモデルに変換されます。選択バイアスおよびレポートカテゴリががconstanあると仮定すると、Pワット実験タスク内で、処理速度のV pとV 2つのターゲットの刺激プローブ（p）のrと参照（r）は、CとフォームのV P = Cでの注意の重みに依存トン・とv R = C・それぞれR、ワット新しいTOJモデルは、参加者がSOAと処理速度の関数として最初になるようにプローブの刺激を判断することが、成功の確率P pが第一を表します。これは次のように定式化することができます。 <img alt="式4" src="/files/ftp_upload/54856/54856eq4.jpg"> （4） この方程式は、基本的なTVA方程式から導出される方法のより詳細な説明はTünnermann、ピーターセン、及びScharlau社7に記載されています。 簡略化のために、パラメータt 0は 、元TVAによると、式1のモデルでは省略され、時刻t 0が boのために同一である必要がありますしたがって、それは番目のTOJタスクでターゲットとし、相殺します。しかし、この仮定は時々（セクションの説明を参照）に違反することができます。 TOJデータにこの式をフィッティングするために、階層ベイズ推定方式11が提案されています。このアプローチは、pとプローブと基準刺激のW rと全体の処理速度C.これらのパラメータは、得られる吸収速度V pおよびV rを、それらの間に注意誘導性の差W注意重みを推定することができ、評価することができます推定の不確実性とともに、被写体とグループレベルで。階層モデルは実験の計画段階で、図1に示されている、便利なベイジアン電力解析を行うことができます。 以下のプロトコルは、TOJ実験を実行し、分析し、計画する方法について説明しているから、視覚刺激のための処理速度パラメータと注意ウエイトことができます得られます。プロトコルは、研究者が注意操作が興味のあるいくつかのターゲットの処理速度にどのように影響するかに関心があることを前提としています。 <img alt="図1" src="/files/ftp_upload/54856/54856fig1.jpg"> 図1：ベイズ推定手順で使用されるグラフィカルモデル。円は推定分布を示しています。二重丸は、確定ノードを示しています。四角はデータを示しています。関係は図の右側に示されています。丸いフレーム（「プレート」）外のノードは、グループレベルで（概要を参照してください）TVAパラメータの平均と分散の推定値を表します。 「J科目」板では、それがどのように注意の量（ワット）見ることができ、被写体のレベルで刺激処理速度（V）からに、全体的な処理速度（C）と組み合わされます。プレート「私のSOA＆＃8221;これらのTVAパラメータは、各SOAでの二項分布する応答の成功確率（θ）へ（はじめに説明関数P pが第一を介して）変換される方法を示しています。したがって、SOAの繰り返しと共にθ（n）は、データ点（y）を説明します。表記法とグラフィカルモデルの解釈の詳細については、リーとWagenmakers 23を参照してください。明瞭にするため、パラメータの差を表すノードが省略されていることに留意されたいです。これらの決定論的パラメータは、代わりに、実験結果の図に示されています。 <a href="http://ecsource.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">この図の拡大版をご覧になるにはこちらをクリックしてください。</a>

<table><tbody><tr><td>パーソナルコンピュータ</td><td></td><td></td><td></td></tr><tr><td>(オープンソース)実験・評価ソフト</td><td></td><td></td><td></td></tr></tbody></table>

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

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

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。

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</s...

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。

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

このプロトコルの全体的な目標は、ほぼ任意の刺激に対する注意と視覚処理のパラメータを測定することです。これは、時間順序判定 (TOJ) からのデータをモデル化することによって実現されます。これらでは、参加者は2つのターゲットの提示順序を判断し、結果のデータは、注意が刺激符号化率にどのように影響するかを測定できる新しいモデルで分析されます。ブンデセンの視覚的注意の理論は、注意の重さや処理速度などのパラメータにさまざまな用途を提供します。通常、これらは文字や数字が使用されるアイテムレポートタスクで推定されますが、文字や数字以外のものを使用することは難しく、集中的なトレーニングが必要なため、めったに行われません。たとえば、この方法でビジュアルの顕著性やポップアウトディスプレイをどのように測定するかを想像するのは難しいです。そこで、私たちは、ほぼ任意の刺激で行うことができる時間的順序判断を用いた新しいTVAベースの方法を提案します。時間順序判断は、長い間注意を評価するために使用されてきましたが、TVAと組み合わせることで、より強力になり、容易に解釈可能なパラメータを提供します。時間順序判断タスクでは、ここではAとBとして識別される2つの刺激が、近接してまたは同時に示されます。時間順序の認識は、独立したチャネルモデルでモデル化できます。このようなモデルでは、ターゲットごとに独立した処理チャネルがあります。オーダーコンパレータは、チャネルを監視し、特定のターゲット(ここではA)が他のターゲットよりも先にチャネルに到着したときのカウントを記録します。これを実証する前に、実験データが通常表される形式について簡単に説明します。特定のタイプの判断の相対周波数(ここでは最初にA)は、SOA、つまり2つのターゲットのプレゼンテーション間の時間間隔に応じてプロットされます。さて、大きな負のSOAでは、これは刺激Aが導くことを意味し、Aが最初に比較器に到達する可能性が最も高いです。刺激Bが早く到着することはめったにありません。したがって、1に近い相対周波数を表すデータポイントが得られます。大きな正のSOA、つまり刺激Bがリードする場合、コンパレータが最初にAの結果を登録することはめったにありません。したがって、ゼロに近いデータポイントを取得します。SOA が 0 の場合、ターゲットは同時に提示され、ポイント 5 のチャンス レベルのデータ ポイントが記録されます。SOAが値の範囲で変化した場合、結果のパターンは心理測定関数で記述できます。さて、ある刺激、ここでは刺激Aに注意が向けられると、それは比較器に早く到着し、その結果、ここでSOAゼロについて示されているように、Aが最初に判断する確率が増加する。これにより、心理測定機能全体がシフトします。赤い曲線がポイント5レベルと交差するSOAは、注意の影響を定量化するためによく取られます。時間的自動判断は、知覚遅延を評価する自然な方法であるように思われ、注意と時間知覚の影響に関する多くの疑問がこの方法で解決されています。しかし、TOJには中心的な弱点があり、それがその相対的な性質である。時間的自己知覚は、刺激Aが刺激Bの前に知覚されることを教えてくれるかもしれませんが、その理由は教えてくれません。これは、刺激Aが速く処理されるか、Bが遅く処理されるためである可能性があります。説明力を高めるために、視覚刺激の符号化プロセスをモデル化するTVAからTOJモデルが導出されます。各チャネルでは、符号化は TVA の指数関数的競合モデルに従って進行すると仮定されます。特定の期間内に各ターゲットをエンコードする確率は、一方のターゲットが他方のターゲットより先にエンコードされる確率に変換されます。時間的秩序の知覚。重要なのは、TVAから継承された2つのレートパラメータにより、処理が速かったのは有人刺激だったのか、それとも遅くなったのは無人だったのか、などの質問に答えることができることです。あるいは、レートは相対的な注意ウェイトとして表すこともできます。研究課題に応じて刺激を選択します。一般に、画面上の異なる位置に 2 つのターゲットを表示できる必要があります。このプロトコルの後半では、ポップアウトディスプレイ、自然な画像、文字ターゲットを使用した実験の結果を示します。ここでは、自然画像内のアクションスペースと背景オブジェクトの使用方法の例を示します。両方のターゲットが存在する写真は、ターゲットのない1つのターゲットの上に置かれます。オブジェクトは、上の画像を局所的に透明にすることで仮想的に削除されます。この手順では、両方のオブジェクトが存在する画像、存在しない画像、または2つのオブジェクトのいずれかが存在する画像が作成され、背景が最初に、アクションスペースが先に、同時表示が可能なTOJが確立されます。実験の計画とサンプルサイズを計画するために、ベイズ検出力分析を実行できます。繰り返しシミュレーションを行い、データを目的のモデル、実験計画、および仮説パラメータに適合させます。達成基準に達したシミュレーションの割合(注意の重みの違いなど)は、実験の検出力を推定するために使用されます。実験ビルダーまたは心理物理学的プレゼンテーション ライブラリを使用して、実験を実装します。オープンソースの実験ビルダーOpenSesameには、文字、数字、形状のTOJにaを提供し、trialsテーブルのみを指定する必要があります。また、自然な画像を持つTOJ用のOpenSesameの例も提供しています。各条件について、計画されたすべての SOA のトライアルを作成します。代表的な結果には、例示的なSOA分布が示されています。2 つのターゲットは、プローブとリファレンスとして定義されます。参照は常にゼロで示され、無人ターゲットですが、プローブ刺激は注意操作の対象となります。SOAが陰性の試験では、最初にプローブ刺激を提示し、SOAの後に参照刺激を提示します。SOAが陽性の試験では、最初に参照刺激を提示し、遅延後にSOAに従ってプローブを提示します。SOA が 0 の場合は、両方のターゲットを同時に表示します。ニュートラルな条件では、プローブとリファレンスの割り当ては任意ですが、データの分析に必要です。すべての SOA の繰り返しを作成します。影響に関係のない影響 (刺激の位置やターゲットの同一性など) をランダム化または体系的に変化させます。繰り返し回数は、出席した電力によって異なります。1時間以内に約800件の試験を実施できます。さらに繰り返しが必要な場合は、実験をいくつかのセッションに分割することを検討してください。参加者を歓迎し、実験の一般的な手順について伝えます。参加の同意を得るため。彼らが正常であるか、正常な視力に矯正されていることを確認してください。実験用の静かなブースを提供します。椅子、あご当て、キーボードなどを調整して、最適な状態を確保します。実験には注意力と精神的な集中力が必要であり、疲れる可能性があることを参加者に認識させます。必要に応じて短い休憩を取るように頼んでください。プレゼンテーションと回答の収集を詳しく説明する画面上の指示を表示します。参加者に、タスクはターゲットの知覚された時間的順序を報告することであり、順序がまったくわからない試行で推測することであることを思い出させます。試験中の眼球運動を避けるために、参加者に中央のマーカーが画面に表示されるたびに固定するように依頼します。あご当てに頭を乗せるように頼みます。必要に応じて、短い休憩を取るように依頼してください。10回から20回の試行で短いトレーニングを実行します。参加者がタスクを理解したことを確認します。彼らに説明させてください。他に質問がない場合は、メインの実験のためにブースを離れてください。試行ごとのデータをプローブのファースト判定のカウントに変換した後、目的のベイジアン階層モデルを実行してパラメータを推定できます。プロセスが完了したら、すべてのパラメーターの収束診断をプロットし、チェーンが収束したこと、およびチェーンが十分に大きな有効サンプルサイズを提供していることを確認します。次に、対象のパラメーターをプロットして評価します。例示的な結果は、このビデオの次のセクションで示します。最初の実験では、視覚的顕著性が処理速度に与える影響を測定しました。参加者は、背景パターンの左または右の2つのターゲットラインセグメントのどちらが最初にちらついたかを判断しました。試験の半分では、プローブはカラーポップアウトでした。データは、前述のTVAから導出されたTOJモデルで適合しました。顕著な刺激による利点は、プローブのポイント59の注意ウェイトの増加として、注意状態に見ることができます。ターゲットが突出していない制御条件では、ポイント5の中性重量が得られ、したがって、注意条件でのプローブの注意ウェイトは確実に高かった。ゼロ、差はなく、95 HDIには含まれていませんでした。プローブの個々の重みとその参照は、顕著な刺激の利点が、非顕著な刺激の16ヘルツの処理速度の低下から生じることを示しています。おそらく、顕著なターゲットは、顕著でないターゲットの処理をある程度抑制し、したがって相対的に利益を得る。2つ目の実験では、自然イメージに描かれた行動空間における注意力の利点を調査しました。アクションスペース、プローブ、および背景オブジェクト参照は、TOJ用に登場しました。制御実験では、アクションスペースの利点のないベースラインが、シーンレイアウトの知覚が乱される画像の逆さまバージョンを使用して記録されました。パラメーターposteriusは、アテンション条件におけるアクションスペースのアドバンテージを示します。プローブの重量は、ポイント5の中立の重量よりも高くなっています。興味深いことに、これは制御条件にも見られ、画像の反転が潜在的な作用空間の利点を奪わなかったことを示唆しています。したがって、ほとんどの場合、顕著性や可視性などの要因によって引き起こされる利点は、シーンの反転によって削除されません。実験力が作用空間効果を検出するには低すぎた可能性は、このプロトコルの書かれた部分で議論されています。3番目の実験では、周辺キューが使用され、エンコードプロセス間の遅延をモデル化する追加のパラメーターに大きな効果をもたらします。この実験については、このプロトコルの書かれた部分で詳しく説明しています。結論として、この記事のプロトコルでは、単純なTOJを実施し、刺激符号化の基本モデルに基づいてデータを適合させる方法について説明します。3つの実験で、その結果が階層的なベイズ推定フレームワークで評価できることを示しました。ポップアウトディスプレイの顕著性が、注意力の重みの増加につながることがわかりました。また、自然画像における行動空間オブジェクトについては、重みの増加が推定されたが、その持続的な利点により、画像を逆さまに表示することによって空間的関係が乱された場合、別の注意利益が重みの増加につながる可能性が高い。実験 3 の周辺キューにより、エンコード プロセス間の追加の遅延をモデル化するパラメーターの値が大きくなりました。このプロトコルの利点は、TOJタスクの単純さであり、ほぼ任意の刺激を利用できることです。TVAによる徹底的な理論的基盤とベイズ評価スキーム。顕著性は多くの研究で重要な役割を果たしていますが、視覚的な顕著性を定量化しようと試みた研究はごくわずかです。しかし、視覚的な顕著性を定量化することで、向き、色、動きなど、さまざまな特徴の次元を比較することができます。ここでは、TVAから導出された形式モデルの注意の重みに対する色のコントラストの影響を調査し、顕著性を定量的に、そして心理的に健全な方法で測定することを可能にしました。このプロトコルを成功させるためには、ターゲットの位置で時間的なシグナルを生成する刺激が2つだけであることが重要である。末梢の手がかりなど、TOJにおける追加の刺激を明示的にモデル化することが、将来の研究の目標です。

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

Research

JoVE Journal

Behavior

行動

アイトラッキングは、長い間一般的に、開発個人の視線パターンを研究するために使用されてきたが、最近の技術の進歩は、自閉症を含む臨床集団、での使用がより実現可能にしました。自閉症のアイトラッキング子供たちは初期症状の症状への洞察を提供することができますが、それは方法論的課題が含まれます。ベストプラクティスの提案が提供されています。...

自閉症幼児を追跡する目

この論文は、さまざまな刺激開始非同期で注意のまばたきを見るための、新しいデュアルタスク手順とRapid Serial Visual...

非ターゲットのための注意の瞬きをテストするために迅速なシリアルビジュアルプレゼンテーションと組み合わせることで、デュアルタスク手順

アテンション制御は、ターゲット信号の強化とディストラクタ信号の減衰から構成されます。私たちは、持続的なインターモーダル注意に注意を払い、無視する神経生理学を別々に、しかし同時に測定するアプローチについて説明し、どちらのプロセスも継続的に関与しない受動的な制御条件を利用します。...

注目のコントロール内のプロセスを無視し、出席の神経生理学的信号の測定

特定の視覚モダリティに反応した反射的な眼球運動に基づく視覚情報処理の品質を定量化する方法が説明されています。反応時間と固定出力パラメータは、生後6か月以降の視覚障害のある子供とない子供の視覚パフォーマンスを特徴付けるために使用されます。...

アイトラッキングを使用した子どもたちに視覚情報処理を定量化する方法

これは 3 名の参加者で見る社会映像シーンの最初の瞬間に目追跡データの定性的比較事例分析: 自閉症スペクトラム障害併存注意欠陥多動障害の 1 つ、1 つ 1...

動画の社会制御の高機能 ASD の併発 ADHD 児の目追跡データを比較します。

この実験的なプロトコルを組み合わせてアイトラッ キングと自由な選択の眼球と視覚空間的注意の展開を調べるには、弁別タスクから成るデュアル タスク...

アイトラッ キングによる正確かつ平均サッカード前に視覚的注意の展開と視覚感度の評価を調査

アイトラッキングを採用して、視覚イベントに基づく間隔比較(持続時間知覚)タスク中の眼球運動を監視するプロトコルを紹介します。目的は、持続時間知覚タスク(時間間隔の比較または識別)に対する眼球運動反応を刺激自体への反応から分離するための予備的なガイドを提供することです。...

視持続時間知覚における眼球運動:決定前過程における時間からの刺激の解脱

中心視力喪失をシミュレートする知覚および眼球運動研究のために設計された視線コンティンジェントディスプレイフレームワークの開発を紹介します。このフレームワークは、シミュレートされた中心視力喪失と病的な中心視力喪失の両方を経験している個人の代償性行動および眼球運動戦略の研究に特に適応できます。...

シミュレートされた中心視力喪失を伴う知覚学習研究のための視線依存ディスプレイフレームワーク

機能的磁気共鳴画像法によって、視覚集団受容野(pRF)の偏りのない推定値を得ることが重要です。軽度な正則化制約を使用して、pRF 形状に関する先験的な仮定なしに pRF トポグラフィーを推定し、特定の pRF...

fMRIのことで視覚人口受容野の地形の推定

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。...

オンライン視覚的注意をテストする方法

学ぶ時間的順序判決（TOJ）による注意と視覚処理パラメータの測定法。参加者が2つの標的の提示順を判断し、注意が刺激符号化速度に与える影響をモデル化します。TVA理論に基づく新手法です。

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

さらに動画を探す