気晴らしの結果セットに固有のキャプチャを測定する急速な連続視覚的なプレゼンテーションを使用して、マルチタスクをしながら
August 29th, 2018
このメソッドを使用して「偶発的注意の獲得」と気晴らし参加者は、複数の検索を維持するときのコストは、「セット固有のキャプチャ」の両方を含む、visual 検索時に気晴らしのインデックスのコストに動的視覚的に表示目標同時に。このメソッドは、基本的なメカニズムと視覚的注意の限界を明らかにしました。
このプロトコルは、研究者がビジュアル検索環境でマルチタスクを行いながら、注意散漫を調査するのに役立ちます。たとえば、食料品の買い物をしていて、赤唐辛子を探しているとします。このタスクに注意を向けると、赤色のものすべてなど、すべての類似したアイテムの処理が強化されます。
その結果、すべての赤があなたの注意を引き付け、検索が遅くなります。さて、赤唐辛子や黄唐辛子など、食料品リストに複数のアイテムがあるとします。一度に複数のアイテムを検索するために、両方のアイテムに関連する情報の処理が強化されます。
気晴らしはマルチタスク検索にどのように影響しますか?私たちのプロトコルは、この問題に対処します。これを調査するために、参加者に、急速に変化するカラー文字の中央表示を検索し、2つの特定のターゲットカラーのいずれかで表示されるすべての文字を特定するように依頼しました。
時折、左右のディスプレイの灰色の文字の色が変わり、気が散ります。このスローダウンの例では、オレンジ色の U ターゲットと緑色の X ターゲットがあります。この方法は、検索目標がメモリ内でどのように維持および使用されるか、マルチタスクの限界は何かなど、視覚的な注意に関する重要な質問に答えるのに役立ちます。
この手法の主な利点は、タスクが大きな効果を生み出し、研究者が注意散漫の微妙な側面を柔軟に測定できることです。この手法は、放射線科医が医療画像の異常をどのように検索するか、セキュリティ担当者が密輸品のバッグをどのように検索するかなどの応用問題にまで及びます。この手順を実演するのは、Attention, Memory, and Cognition Laboratoryの学部生であるJamie JasinaとAriel Kershnerです。
実験を開始する前に、試行の種類と各種類の試行回数を選択します。たとえば、ターゲットのみの試行では、ターゲットは周辺部の文字の色が最近変更されることなく表示されます。Distractor Alone のトライアルでは、周囲の文字がターゲットの色に変わりますが、その後、中央のディスプレイにターゲットは表示されません。
非ターゲット色ディストラクタの試行では、ターゲットが中央に表示される直前に周辺に色付きの文字が表示されますが、ディストラクタはターゲット色ではありません。同じターゲットの色のディストラクタの試行では、ターゲットの前方に表示される色付きの周辺アイテムは、そのターゲットと同じ色です。異なるターゲット色のディストラクタの試行では、ターゲットの前方に表示される色付きの周辺アイテムもターゲットの色付きですが、その試行のターゲットと同じ色ではありません。
次に、ディストラクタとターゲットを含む各試行タイプで、ターゲットディストラクタのラグ長を選択します。また、文字のターゲット、ディストラクタ、および中央のフィラーの色を選択して、ターゲットの色がカラーホイールに隣接しないようにします。タスクが設計およびプログラムされたら、参加者をモニターから57センチ離して、あご当てを使用してこの視聴距離を強制し、必要に応じてモニターを固定位置に固定します。
ソフトウェアを開き、実験フォルダーに移動して、実験スクリプトをコマンド ウィンドウに入力します。日付や参加者番号などのパラメータを入力し、参加者の指示を支援します。実験中は、モニターから均一な視距離が維持されていること、タスクが適切に完了していること、参加者が眠りに落ちたり気が散ったりしていないことを確認するために、参加者を監督します。
参加者に応答キーを思い出させ、文字を特定した後にどの応答を行うかをゆっくりと考え、応答がすぐに発生しなくても応答が正しいと記録されるようにします。必要に応じて休憩を取るように参加者に促します。このタスクは非常に難しく、パフォーマンスは平均して約75%正確です。
参加者が多くの間違いを犯している場合でも落胆しないように、参加者を励ましてください。プログラムが終了したら、参加者をデブリーフィングして解散させます。Target Alone試験の成績は、参加者が同時に1つのターゲットを探しているか、2つのターゲットを探しているかにかかわらず、同様に良好です。
ターゲットカラーではない周辺アイテムが表示されても、これは気を散らすものではありません。周辺ディストラクタとターゲットが同じ色の場合、ターゲットカラーディストラクタが注目を集めるため、パフォーマンスが低下します。非標的カラー試験と同じ標的カラー試験との間の性能の差は、偶発的な注意捕捉と見なされます。
ターゲットの色付きディストラクタが、その試行で後続のターゲットと同じ色でない場合、パフォーマンスは急落します。このセット固有のキャプチャ効果は、偶発的な注意キャプチャの 2 倍から 3 倍の大きさです。特定のキャプチャを設定すると、1つの目標に関連する無関係な刺激が注目を集め、メモリでの目標の表現方法が一時的に変更されたために、他の目標に一致するターゲットを識別する能力が損なわれます。
非常にコストがかかるだけでなく、セット固有のキャプチャは、偶発的な注意キャプチャよりも回復に時間がかかります。この手順を試行する際には、フィードバックと励ましを提供することが重要です。この手順は、画像などのさまざまな刺激に適合させて、多くの目標が維持されたときに気晴らし効果がどのように変化するかを判断できます。
今後の研究では、私たちがさまざまな特徴や概念をどのように探すかを調べ、注意のメカニズムとそれらが記憶や知覚にどのように関連しているかを明らかにする可能性があります。
View the full transcript and gain access to thousands of scientific videos
概要
このプロトコルは、視覚検索環境でのマルチタスキング中の注意散漫を調査する研究者に役立ちます。複数のターゲットを検索する際に、複数のアイテムによって注意がどのように奪われるかを明らかにします。
主要な研究構成要素
科学分野
- 視覚的注意
- マルチタスキングにおける注意散漫
- 認知処理
背景
- 注意散漫は視覚検索タスクを遅くする可能性があります。
- 注意は類似アイテムの処理を強化します。
- マルチタスキングは視覚刺激の知覚と反応に影響を与えます。
- これらのメカニズムを理解することで、タスクの効率性を向上させることができます。
研究目的
- 視覚検索中の注意散漫のコストを調査する。
- 条件付き注意捕捉とセット特異的捕捉を探求する。
- 視覚注意の基本的なメカニズムと限界を明らかにする。
使用された方法
- 注意散漫コストを索引化するための動的視覚表示。
- 実世界のマルチタスキングシナリオをシミュレートする実験タスク。
- 検索効率に対する注意捕捉効果の分析。
- 異なる検索目標間のパフォーマンス比較。
主要な結果
- 注意散漫は検索時間に大きな影響を与えます。
- 色の類似性に基づいて、注意は関連性のないアイテムにも向けられる可能性があります。
- 複数の検索目標を維持することで、関連情報の処理が強化されます。
- 結果は視覚注意のダイナミクスの理解に貢献します。
結論
- 注意散漫は視覚検索タスクにおける重要な要因です。
- 注意捕捉を理解することで、注意散漫を軽減する戦略を立てることができます。
- 将来の研究はこれらの知見を基に、認知タスクのパフォーマンスを向上させることができます。
よくある質問
Executive Industry Relevance
This method quantifies distraction costs in multitasking visual search, offering a sensitive measure of attentional capture that can inform target validation assays where competing biological signals may interfere with detection. By isolating set-specific capture—a mechanism where goal-related distractors impair performance on alternative targets—the approach supports mechanistic de-risking in early discovery by revealing how attentional resources are allocated under competing task demands. The dynamic, continuous display design enhances sensitivity over static assays, enabling detection of subtle interference effects relevant to screening cascade fidelity and lead identification confidence.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Measures how competing search goals (e.g., dual-target screening) increase vulnerability to distraction from goal-related stimuli, informing target selectivity and specificity assessments.
- Operational Value: Isolates set-specific capture effects that are two to three times larger than contingent capture, providing a robust readout for attentional interference in multiplexed assays.
- Predictive Value: Reveals temporary changes in goal representation in memory, supporting hypotheses about cognitive load in high-content screening environments.
Screening & Assay Development
- Assay Readiness: Uses dynamic RSVP streams with heterogeneous distractors to simulate real-world noise in multiplexed detection systems, improving ecological validity over static controls.
- Quantitative Output: Tracks performance recovery over time via target-distractor lag lengths, enabling kinetic modeling of distraction recovery relevant to assay incubation times.
- Scalability: Continuous display reduces chance performance to near-zero, increasing dynamic range and sensitivity for detecting small effect sizes in compound screening.
Translational & Preclinical Research
- Translational Continuity: Adapts to image-based stimuli (e.g., medical imaging, contraband search), supporting extrapolation to complex visual detection tasks in preclinical imaging or diagnostic development.
- Mechanistic De-risking: Clarifies how distraction from one target (e.g., off-target signal) impairs detection of another (on-target), informing false-negative risks in dual-reporter or multiplexed biomarker assays.
- Predictive Confidence: Quantifies recovery timelines from distraction, helping define optimal timing windows for signal readout in time-resolved screening formats.
Pipeline & Workflow Integration
Positioned between hypothesis-driven target validation and assay optimization, this method supports early discovery by characterizing attentional limitations under multitasking conditions that parallel multiplexed screening workflows.
- Discovery Biology: Tests how maintaining multiple search goals (e.g., dual-color targets) increases susceptibility to distraction, informing target panel design and orthogonal validation strategies.
- Screening: Enables assay standardization through parametric control of distractor timing and color parameters, supporting reproducible quantification of interference effects.
- Analytics: Generates dependent variable measurements (target identification accuracy) across trial types, allowing statistical comparison of contingent vs. set-specific capture magnitudes.
- Translational Research: Supports continuity to preclinical imaging tasks where distractor signals (e.g., autofluorescence) may impair target detection, per adaptation to image-based stimuli.
- Enterprise Reuse: Software-based protocol allows standardized deployment across labs for consistent assessment of distraction-related assay noise.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity in attentional selection under load, improving confidence in target engagement readouts.
- Operational Value: Standardized timing and color parameters enhance reproducibility across sites and screening campaigns.
- Strategic Value: Enables go/no-go decisions based on quantified distraction costs, reducing late-stage failure from undetected assay interference.
- Portfolio Impact: Supports risk-adjusted prioritization of targets or assay formats based on resilience to multiplexed interference.
Implementation Considerations
- Requires expertise in visual attention programming and stimulus timing control.
- Dependent on precise monitor calibration and viewing distance enforcement (57 cm via chin rest).
- Necessitates cross-team agreement on color palette selection (non-adjacent on color wheel) to avoid unintended spectral overlap.
- Adaptation to image-based stimuli requires validation of distractor salience equivalence to color-based paradigms.
- Performance averages ~75% correct, indicating high task difficulty that may require extended training or fatigue management in high-throughput settings.
