Name: 방법은 온라인 비주얼주의를 테스트하려면 (동영상) | JoVE Journal
Uploaded: 2015-02-19T14:00:00.000+00:00
Duration: 9 min 44 s
Description: 배우세요 온라인 웹 애플리케이션을 활용한 시각주의 과제 데이터 수집 방법을. 화면 보정과 연습 시행을 통해 신뢰성 있는 실험 결과를 획득할 수 있습니다.

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

저자는 공개할 것이 없습니다.

프로토콜은 위스콘신 - 매디슨 대학에서이 연구는 임상 시험 심사위원회의 승인을 받았다. 프로그래머 설명한 웹 애플리케이션의 자동화 된 프로세스를 복제하는 다음 단계는 참조 기록되었다. 1. 로그인 참가자 <ol><li> : 인터넷을 사용할 수있는 컴퓨터를 사용하고 HTML5 호환 브라우저를 사용하여 웹 응용 프로그램을 탐색하기 위해 참가자를 지시 <a href="http://brainandlearning.org/jove" target="_blank">http://brainandlearning.org/jove을</a> . 참가자가 편안한 높이로 컴퓨터, 산만 무료 조용한 방에 앉아있다. 참고 : 전체 실험이 온라인으로 호스팅하기 때문에, 작업도 연구 조교의 존재 없이도 원격으로 수행 할 수 있습니다. 참가자에 대한 모든 지침은 웹 응용 프로그램에 포함되어 있습니다. </li><li> 참가자 입력에게 MySQL의 databas에서 수집 된 데이터와 연관 저장됩니다 고유 ID를 가지고전자. 온라인 작업 동일한 세션 내에 완료되지 않는 경우,이 참가자 ID를 재사용하게한다. 로그인하기 전에 페이지에 링크 된 동의서를 통해 참가자의 동의를 구하십시오. 참고 : 참가자의 진행이 필요한 경우 별도의 시간에이 작업의 완료를 허용하기 위해 각 작업 후 저장됩니다. 항상 1이 중단 된 부분을 시작하기 위해 동일한 ID를 사용하는 참가자 지시합니다. </li></ol> 2. 화면 보정 참고 : 웹 응용 프로그램에서 교정 페이지에 나와있는 세 가지 단계를 통해 참가자를 안내 <a href="http://brainandlearning.org/jove/Calibration" target="_blank">http://brainandlearning.org/jove/Calibration</a> . <ol><li> 레이블 텍스트 상자 인치 입력 화면의 대각선 크기를 참가자에게 문의하십시오. <ol><li> 참가자가이 정보를 알지 못하는 경우에는, (참가자 교정 오브젝트로서 CD 또는 신용 카드를 찾 <str옹&gt; 그림 1). 하나가 선택되면, 화면에 대하여 물체를 배치하고 화면에 표시된 오브젝트의 대표 화상에 정렬하도록 프롬프트 참가자. </li><li> 대상물의 크기에 맞게 화면 이미지의 크기를 조정 참가자 프롬프트. 물리적 CD (직경 4.7 &quot;) 또는 신용 카드 (폭 3.2&quot;대표 화상의 화소 크기에 더하여)의 측정에 기초하여, 화면 인치 픽셀의 비율을 결정한다. </li><li> 다음, 픽셀의 스크린 대각선 크기를 계산하도록 JavaScript의 screen.width 및 screen.height 특성 통해 모니터의 픽셀 해상도를 검색. 이 값과 이전 추정 화소 간 비율을 알면 인치 인치 대각선 크기를 변환한다 (단계 2.1.2 참조). 참가자가 대화 상자를 통해이 값을 확인하게한다. </li></ol></li><li> 화면 Brigh 일을 조정하기 위해 참가자를 프롬프트화면에 표시된 흑색 대 백색 경사의 대역까지 모든 12은 GNU General Public License 설정 명확히 구별된다. 밝기 설정 컨트롤은 컴퓨터에 따라 다릅니다. </li><li> 편안한 자세로 모니터에서 떨어진 팔의 길이를 앉아서 다음 전체 화면 모드로 브라우저 창을 설정하는 참가자에게 물어보십시오. 브라우저 창은 작업에 사용되는 시각적 공간을 최대화하고, 같은 브라우저 툴바 및 데스크톱 작업 표시 줄과 같은 시각적 산만을 제거하기 위해 전체 화면 모드에 있어야합니다. </li><li> 참가자의 스크린 해상도와 모니터의 대각선 크기를 알아야 자동 50cm 시거리에 기초하여 픽셀 /도 변환 값을 계산하는 웹 애플리케이션을 사용한다. 이 값을 이용하여, 상기 태스크의 자극의 크기를 리사이즈. 이 기반으로 아래에보고 된 모든 시각적 각도 치수는 모니터에서 평균 거리 값을 가정한다. </li><li> 캘리브레이션이 완료되면, 두 describ 작업을 완료하기 위해 요구 참가자아래 에드. 작업의 순서를 무작위로 선택하거나 웹 애플리케이션을 통해 순서를 할당한다. </li></ol> 3. 다중 객체 추적 작업 (MOT) - 그림 2 <ol><li> 소개 및에서 볼 셀프 가이드 튜토리얼을 통해 MOT 자극과 참가자를했습니다 : <a href="http://brainandlearning.org/jove/MOT/practice.php" target="_blank">http://brainandlearning.org/jove/MOT/practice.php</a> . 시험 작동 방식을 보여 단계별 지침을 읽어 참가자를 요청합니다. 참가자가 지침을 읽고 완료되면, 연습 시험을 통과 할 수있는 참가자하라는 메시지를 표시합니다. <ol><li> 설치 연습 자극 2 ° / sec의 이동 속도 0.8 °에서 8 점으로 구성합니다. 이 자극 동작을 제어하기 위해 60 Hz의 프레임 레이트로 브라우저 애니메이션을 최적화 HTML5 requestAnimationFrame API를 사용한다. </li><li> 도트 2 ° 편심과 CIRC의 원의 범위 내에서 이동 확인르 가려 지시없이, 참가자의 화면의 높이보다 크지. </li><li> 각 프레임에 도트가 0.2 °의 최대 각도로 방향을 변경하는 60 %의 확률로 임의의 궤도에 이동하는 점을 설정합니다. 도트가 다른 점이나 내부 또는 외부 반경 한계와 충돌하는 경우, 반대 방향으로 도트를 이동. </li><li> 노란색 점 방해 자극의 역할과, (연습 시험 당 1 ~ 2 점을 변화) 파란색 점을 추적하기 위해 참가자하라는 메시지를 표시합니다. </li><li> 2 초 후, 노란색 점으로 파란색 점을 변경하고 다른 4 초 동안 원래 노란색 점 사이를 이동하는 것을 계속한다. 각 시험의 끝에, 도트를 중지하고 하나를 강조. </li><li> 강조 표시된 점은 추적 된 점이나 방해 자극 점인지 키를 눌러를 통해 응답하는 참가자하라는 메시지를 표시합니다. 다음, 다음 재판에 계속 스페이스 바를 눌러 참가자하라는 메시지를 표시합니다. </li><li> 연속 3 정확한 시험, 또는 6의 최대 시험 후, MO전체 작업 상에 참가자를했습니다. </li></ol></li><li> 참가자의 전체 MOT 작업을 시작합니다. : 태스크의 예에서 발견 될 수 <a href="http://brainandlearning.org/jove/MOT" target="_blank">http://brainandlearning.org/jove/MOT</a> . <ol><li> 설정 2 ° 편심 10 ° 편심 사이의 공간 내에서 5 ℃가 / sec로 이동 16 점으로 전체 작업. 참가자의 화면이 10 °의 편심 원 맞지 않으면 화면 대신에 포함 할 수있는 최대 크기를 사용한다. </li><li> - 5 추적 점 1 추적 점 각 2로 구성된 10 시험으로 구성된 5 시련의 혼합물 : 참가자가 45 시험의 총을 완료해야합니다. 연습 시험에 다른 모든 매개 변수를 (- 3.1.6 단계 3.1.3 참조) 일치시킵니다. </li><li> 도트가 강조되면 참가자의 응답 및 응답 시간을 기록한다. </li><li> 매 15 시험의 경우, 참가자에게 휴식을 제안한다. 이러한 구분에서, 참가자를 표시7; 화면의 블록 내에서의 성능 (정확한 시험 퍼센트). </li></ol></li></ol> 4. 또 다른 (선택적 단계)에 하나의 작업에서 이동 <ol><li> 참가자가 두 작업 사이의 휴식을 취할 수 있도록합니다. 작업이 동일한 로그인 세션 동안 완료되지 않은 경우, 1 단계와 2 단계를 반복합니다. </li></ol> 보기 작업 (UFOV) 5. 유용한 필드 - 그림 3 <ol><li> 소개 및에서 볼 셀프 가이드 튜토리얼을 통해 UFOV 자극과 참가자를했습니다 : <a href="http://brainandlearning.org/jove/UFOV/practice.php" target="_blank">http://brainandlearning.org/jove/UFOV/practice.php</a> . 작업 과정에 참석해야하는 두 가지 목표 자극을 보여 단계별 지침의 4 단계를 통해 이동하는 참가자에게 물어보십시오. <ol><li> 하나 길거나 짧은 머리를 가진 화면의 중앙에 깜박 1 ° 웃는 등 중앙 대상 자극을 설정합니다. 무작위시험에서 웃는 머리 길이. </li><li> 원 약 8 위치 (0 °, 45 °, 90 °, 135 °, 180 °, 225 °, 270 °, 315 °) 중 하나에 편심 ° 4에서 깜박 1 ° 스타로 주변 목표 자극을 설정 . 시험에서 별의 위치를​​ 랜덤 화. </li><li> 제어 프리젠 테이션 시간에 사용되는 프레임 수를 통해 기간을 자극. HTML5 requestAnimationFrame API를 사용하여 프레임 당 약 17 밀리 초에서 프레임 새로 고침을 최적화합니다. </li><li> 예상 프리젠 테이션 시간이 달성 된 경우 확인하려면 참가자의 시스템 클럭에 따라 자극 지속 시간의 시작 시간과 종료 시간을 얻기 위해 자바 스크립트의 다음 getTime () 메서드를 사용합니다. 이 두 값에서 측정 된 프리젠 테이션 타임을 계산하고 데이터 분석에 대해이 값을 사용한다. </li><li> 각각의 연습 시험의 경우, 약 200 밀리 초 (약 12 프레임)의 자극을 표시하기 전에 500 밀리 초를 기다립니다. </li><li> 자극 사전에 따라320 밀리 초 (약 19 프레임)에 대한 랜덤하게 생성 된 계조 도트 어레이로 이루어지는 노이즈 마스크 테이션. </li><li> 1 단계의 경우, 단지 중앙 목표를 표시하고 머리 길이가 표시된 키 누름을 통해 응답하는 참가자하라는 메시지를 표시합니다. </li><li> 2 단계의 경우, 단지 주변 대상을 표시하고 별이 나타난 위치를 표시하기 위해, 8 가능한 대상의 위치를​​ 나타내는 하나의 8 방사형 선을 클릭 참가자하라는 메시지를 표시합니다. </li><li> 스테이지 (3)의 경우 두 중추 및 말초 타겟 자극을 표시하고 스마일의 종류 및 위치 별 모두에 대한 응답을 제공하라는 메시지 참가자. 참고 : 참가자가 자유롭게이 두 응답의 순서를 선택할 수 있습니다. </li><li> 스테이지 (4)의 경우, 주변 방해 자극에 더하여 두 타겟 자극을 표시 한 후 모두 목표 자극에 반응하는 참가자 프롬프트. 방해 자극 들어, 디스플레이 1 ° 사각형은 4 ° 편심에 나머지 7 곳에서 발표, 전2 ° 편심에 8 개의 사각형 n에 추가. </li><li> 참가자의 응답 후, 각 시험 후 각 대상 응답 참가자 피드백 (정답이나 오답에 대한 적십자 녹색 확인 표시)를 보여줍니다. </li><li> 3 연속 올바른 재판을받은 후 다음 연습 무대에 참가자를 이동합니다. 4 단계 후, 전체 작업에 참가자를 이동합니다. </li></ol></li><li> 전체 UFOV 작업을 시작하기 위해 참가자를하라는 메시지를 표시합니다. : 태스크의 예에서 발견 될 수 <a href="http://brainandlearning.org/jove/UFOV" target="_blank">http://brainandlearning.org/jove/UFOV</a> . <ol><li> 연습 세션에서와 같은 중앙 자극을 제시한다 (단계 5.1.1 참조). 앞서 언급 한 8 위치 중 하나에서 7 ° 편심에 주변 대상을 표시합니다 (단계 5.1.2 참조). 24 방해 자극 사각형은 3 ° 편심, 5 ° 편심, 나머지 7 °에 표시됩니다편심 위치. </li><li> 자극의 프리젠 테이션 시간을 결정하기 위해 3 다운, 하나 업 계단 절차를 사용하여 연속 된 3 정확한 시험 후의 자극의 지속 기간을 감소시키고 각 오류 재판 후에 증가한다. </li><li> 계단 제 3 역전 전에 2 프레임 (약 매 33 밀리 초)의 스텝 크기를 사용한다. 3 역전 후, 1 프레임의 스텝 크기를 사용한다. 1 프레임과 시험 당 99 프레임 사이의 자극 발병하기 전에 지연을 변경, 320 밀리 초 (약 19 프레임)에서의 잡음 마스크 지속 시간을 유지. 참고 : 역전 기간이 변경되는 점입니다 중 감소로 증가 또는 감소에서 증가. </li><li> 세 가지 조건 중 하나가 충족 될 때 작업을 종료 : 계단 절차 8 역전 도달; 참가자는 천장 기간 (99 프레임) 또는 바닥 기간 (1 프레임) 중 하나에서 10 연속 시험을 완료; 또는 참가자 72 시험의 최대에 도달한다. </li><li> 참가자의 R을 기록중앙 자극과 주변 자극 모두 저 응답 및 응답 시간. </li></ol></li></ol>

<ol><li>Henrich, J., Heine, S. J., Norenzayan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+weirdest+people+in+the+world%5BTitle%5D)+AND+%22The+Behavioral+And+Brain+Sciences%22%5BJournal%5D)">The weirdest people in the world.</a> The Behavioral And Brain Sciences. 33, 61-135 (2010).</li>
<li>Buhrmester, M., Kwang, T., Gosling, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amazon%27s+Mechanical+Turk%3A+A+new+source+of+inexpensive%2C+yet+high-quality%2C+data%5BTitle%5D)+AND+%22Perspectives+on+Psychological+Science%22%5BJournal%5D)">Amazon's Mechanical Turk: A new source of inexpensive, yet high-quality, data.</a> Perspectives on Psychological Science. 6 (1), 3-5 (2011).</li>
<li>Goodman, J. K., Cryder, C. E., Cheema, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data+collection+in+a+flat+world%3A+the+strengths+and+weaknesses+of+mechanical+turk+samples%5BTitle%5D)+AND+%22Journal+of+Behavioral+Decision+Making%22%5BJournal%5D)">Data collection in a flat world: the strengths and weaknesses of mechanical turk samples.</a> Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).</li>
<li>Mason, W., Suri, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conducting+behavioral+research+on+Amazon%27s+Mechanical+Turk%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">Conducting behavioral research on Amazon's Mechanical Turk.</a> Behavior Research Methods. 44 (1), 1-23 (2012).</li>
<li>Crump, M. J., McDonnell, J. V., Gureckis, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+Amazon%27s+Mechanical+Turk+as+a+tool+for+experimental+behavioral+research%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Evaluating Amazon's Mechanical Turk as a tool for experimental behavioral research.</a> PLoS One. 8, e57410(1371).</li>
<li>Lupyan, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+difficulties+of+executing+simple+algorithms%3A+why+brains+make+mistakes+computers+don%27t%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">The difficulties of executing simple algorithms: why brains make mistakes computers don't.</a> Cognition. 129, 615-636 (2013).</li>
<li>Ball, K., Owsley, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+useful+field+of+view+test%3A+a+new+technique+for+evaluating+age-related+declines+in+visual+function%5BTitle%5D)+AND+%22J+Am+Optom+Assoc%22%5BJournal%5D)">The useful field of view test: a new technique for evaluating age-related declines in visual function.</a> J Am Optom Assoc. 64 (1), 71-79 (1993).</li>
<li>Pylyshyn, Z. W., Storm, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+multiple+independent+targets%3A+Evidence+for+a+parallel+tracking+mechanism%5BTitle%5D)+AND+%22Spatial+Vision%22%5BJournal%5D)">Tracking multiple independent targets: Evidence for a parallel tracking mechanism.</a> Spatial Vision. 3 (3), 179-197 (1988).</li>
<li>Dye, M. W. G., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differential+development+of+visual+attention+skills+in+school-age+children%5BTitle%5D)+AND+%22Vision+Research%22%5BJournal%5D)">Differential development of visual attention skills in school-age children.</a> Vision Research. 50 (4), 452-459 (2010).</li>
<li>Green, C. S., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enumeration+versus+multiple+object+tracking%3A+The+case+of+action+video+game+players%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Enumeration versus multiple object tracking: The case of action video game players.</a> Cognition. 101 (1), 217-245 (2006).</li>
<li>Chapter 1. Kodak Company. Ergonomics Design Philosophy. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Kodak%E2%80%99s+Ergonomic+Design+for+People+at+Work%22">Kodak’s Ergonomic Design for People at Work</a>. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. , 2nd Edition, John Wiley & Sons, Inc. Hoboken, NJ. (2004).</li>
<li>Elze, T., Bex, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((P1-7%3A+Modern+display+technology+in+vision+science%3A+Assessment+of+OLED+and+LCD+monitors+for+visual+experiments%5BTitle%5D)+AND+%22i-Perception%22%5BJournal%5D)">P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments.</a> i-Perception. 3 (9), 621(2012).</li>
<li>Elze, T., Tanner, T. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+Properties+of+Liquid+Crystal+Displays%3A+Implications+for+Vision+Science+Experiments%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments.</a> PLoS One. 7 (9), e44048(2012).</li>
</ol>

이 연구는 스위스 국립 재단(100014_140676), 국립 과학 재단(1227168) 및 국립 보건원 국립 안과 연구소(P30EY001319)의 지원을 받았습니다.

온라인 데이터 수집은 표준 실험실 기반 데이터 수집에 비해 많은 장점을 갖는다. 이러한 분야에 사용되는 전형적인 대학 학부 풀보다 훨씬 더 대표적인 개체군을 샘플링 전위하고 실험실에서 작은 차수가 크고 샘플 크기를 획득하기 위해 걸리는 시간보다 적은 시간에 훨씬 큰 샘플 크기를 획득 할 수있는 능력을 포함 1-6 (예를 들어, 현재의 종이에 1,700+ 참가자로부터 수집 데이터 포인트는 일주일 미만으로 얻었다). 염료 및 UFOV 작업에 대한 Bavelier 9 녹색과 Bavelier에 의해보고 된 결과와 비교 온라인 작업에 UFOV 임계 값 및 MOT 정확도 계산 방법 및 범위했다 : 기술 온라인 방법은 이전에 실시 실험실 기반의 연구에서 얻은 결과를 복제 할 수 있었다 MOT 작업에 대한 10. 그러나, 참가자가 큰 샘플의 분포에 영향을 미칠 않았다특히 UFOV 작업의 결과. 온라인 UFOV 임계 ...

지난 5 년 동안 온라인 행동 데이터 수집 방법의 사용에 대한 관심이 급증되고있다. 심리학의 영역에서 출판물의 대부분은 잠재적으로 비 대표 대상 인구를 활용하고 있지만 1 (즉, 주로 대학 학부생) 종종 합리적으로 작은 샘플 크기뿐만 아니라 (즉, 일반적으로 주제의 수십의 범위), 온라인 방법 훨씬 더 다양하고 더 큰 샘플의 약속을 제공합니다. 예를 들어, 아마존의 기계 터크 서비스가 최근 많은 연구의 대상이되어왔다 모두 &quot;작업자&quot;모집단의 특성 및 행동 연구 2-6이 인구의 용도를 설명. 그러나, 이러한 방법에 관한 하나의 중요한 관심사는 중요한 자극 변수 제어의 상대적 부족이다. 예를 들어, 대부분의 정신 물리학 시각 태스크에서, 자극의 관점에서 설명된다시각. 시야각의 계산 시거리, 스크린 크기, 스크린 해상도의 정확한 측정을 요구한다. 이러한 매개 변수는 실험 환경에서 측정 할 사소한 및 제어 아르 (알려진 모니터가 있고 턱 나머지 모니터에서 알려진 거리를 배치하는 동안 참가자들이 자극을 볼 수) 동안, 같은 온라인 데이터 수집 사실이 아니다. 온라인 환경에서, 참가자뿐만 아니라 필연적 다른 소프트웨어 설정과 크기가 다른 모니터의 다양한 사용, 그들은 또한 그들의 모니터 크기를 결정하거나 필요한 지식을 가질 수 있도록 할 눈금자 / 줄자에 쉽게 액세스 할 수 없을 수도 자신의 소프트웨어와 하드웨어 설정 (예를 들어, 새로 고침 속도, 해상도)를 확인합니다. 보기 (UFOV)의 유용한 필드 패러다임 7 (MOT) 작업을 추적 여러 개체 - 여기에서 우리는 시각적주의의 두 잘 알려진 테스트 데이터를 수집하는 방법의 집합을 설명 <sup&gt; 8 - 온라인 측정에 내재 변동성의 근원 최대한 피하면서. 이러한 작업은 인터넷 연결 및 HTML5 호환 브라우저 참가자 실행할 수 있습니다. 자신의 화면 사이즈를 모르는 참가자 표준 크기의 일반적으로 이용 가능한 상품을 이용하는 측정 처리 걸었다 (즉, 신용 카드 / CD는 -도 1 참조). 이 두 작업에 대한 데이터는 대규모 온라인 오픈 코스에 1,700 참가자들로부터 수집되었다. 이 온라인 샘플의 평균 성능은 동일한 작업 (9, 10)의 엄격하게 제어 실험실 기반의 측정에서 얻은 결과와 매우 일치했다. 우리의 결과는도보기 조건을 통해 특정 제어를 필요로하는 작업에서, 온라인 데이터 수집 방법의 효능을 입증 문학의 성장 몸 따라서 일치한다.

<table><tbody><tr><td>컴퓨터/태블릿</td><td></td><td></td><td>인터넷에 연결되어 있어야 하며 HTML5 호환 브라우저가 있어야 합니다.</td></tr><tr><td>참가자가 이미 모니터 크기를 알고 있는 경우</td> <td>CD 또는 신용 카드가</td><td></td><td></td> 필요하지 않을 수 있습니다.</tr></tbody></table>

방법은 온라인 비주얼주의를 테스트하려면

Methods to Test Visual Attention Online

그들은 일반적으로 대학 캠퍼스에서 수집 할 수있는 것보다 훨씬 더 큰 약속 훨씬 더 대표적인 데이터 샘플을 제공하기 때문에 온라인 데이터 수집 방법은 행동 과학자들에게 특별한 매력을 가지고있다. 자극 특성 위에 엄격한 제어가 필요하다 실험에 특히 - 이러한 방법이 널리 채택 될 수 있기 전에 그러나 기술적 과제 번호 극복되어야한다. 여기에서 우리는 시각적주의의 두 테스트에서 성능 데이터를 수집하기위한 방법을 제시한다. 검사가 포함 모두로 테스트 중 간단히 이동 자극하거나 자극 번쩍 (차례로 시거리, 모니터 크기, 화면 해상도 등의 지식이 필요) 자극의 시야각 제어 및 자극의 타이밍을 (필요 특정 속도에서). 1,700 온라인 참가자의이 시험에 수집 된 데이터는 동일한 테스트 실험실 기반 버전에서 수집 된 데이터와 일치했다. 이러한 결과적절한 치료와 함께, 타이밍 / 자극의 크기에 따라 작업이 웹 기반 설정에 배치 될 수 있음을 시사한다.

특이점 제거 1779 참가자의 총 UFOV 작업을 완료했다. 이 중 32 참가자들은 지시에 따라 작업을 수행 할 수 없음을 시사 평균으로부터보다 3 표준 편차이었다 UFOV 임계 값을했다. 이와 같이, 이들 참가자 UFOV 데이터는 1747의 총 참가자 떠나는 최종 분석에서 제거 하였다. 데이터는 MOT 작업에 대한 1746 참가자를 얻었다. 두 참가자 따라서 이들 참가자 데이터를 MOT 최종 분석에서 제거 된 다음 평균 3 개 이상의 표준 편차는 1744 참가자 총두고 있었다 정확도 점수를 의미했다. UFOV UFOV 작업의 경우, 성능은 검출 임계 값을 얻기 위해서 최종 5 회 시도 프리젠 테이션 시간을 평균하여 산출 하였다. 프레젠테이션 시간은 측정 된 자극 프레 젠 테이션 뒤 반영각 참여자의 화면 비율 : 마지막 자극 프레임 ...

실험실 설정을 복제하기 위해 시각적 작업을 위한 온라인 데이터 수집 방법은 자극 프레젠테이션에 대한 엄격한 제어가 필요합니다. 웹 애플리케이션을 사용하여 두 가지 시각적 주의 테스트에서 성능 데이터를 수집하는 방법을 간략하게 설명합니다.

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

이 절차의 전반적인 목표는 온라인 웹 애플리케이션을 통해 시각적 주의 작업의 데이터 수집을 간소화하는 것입니다. 이는 먼저 참가자를 웹 애플리케이션에 로그인시킴으로써 수행됩니다. 다음으로, 참가자들은 정확한 자극 제시를 위해 화면 보정을 수행하도록 안내받습니다.그런 다음 참가자들은 과제 지침을 읽고 연습 시행을 완료합니다. 마지막으로, 참가자들이 전체 과제를 수행하는 동안 데이터를 수집합니다. 궁극적으로 시각 과제에 대한 온라인 데이터 수집 방법은 기존의 실험실 기반 방법과 일치하는 결과를 보여줍니다.기존 방법과 비교해 이 기술의 주요 장점은 상대적으로 짧은 시간 내에 더 많고 다양한 인구 집단으로부터 데이터를 수집할 수 있다는 점입니다. 이 절차의 시연은 실험실 기술자인 Olga P equal이 진행하겠습니다. 먼저, 참가자가 방해 요소가 없는 조용한 방에서 인터넷 연결이 가능한 컴퓨터를 편안한 높이로 맞추고 앉게 하십시오.참가자에게 여기 표시된 웹 애플리케이션으로 접속하도록 안내하십시오. HTML5 호환 브라우저를 사용하여, 참가자가 MySQL 데이터베이스에 수집 및 저장될 데이터와 연결될 고유 ID를 입력하게 하십시오. 로그인하기 전, 페이지에 링크된 동의서를 통해 참가자로부터 동의를 얻으십시오.화면을 보정하려면, 표시된 텍스트 상자에 화면의 대각선 크기를 인치(inches) 단위로 입력하도록 참가자에게 요청하십시오. 참가자가 이 정보를 모르는 경우, 보정 도구로 CD나 신용카드를 준비하도록 하십시오. 도구가 선택되면, 참가자에게 해당 물체를 화면에 대고 화면에 표시된 물체의 대표 이미지와 일치시키도록 안내하십시오.참가자에게 실제 CD 또는 신용카드의 측정값과 대표 이미지의 픽셀 크기를 기반으로, 화면 이미지의 크기를 실제 물체의 크기와 일치하도록 조정하도록 요청하십시오. 화면의 대각선 크기를 인치 단위로 결정하십시오. 참가자가 대화 상자를 통해 이 값을 확인하도록 하십시오.다음으로, 화면에 표시된 흑백 그라데이션의 12개 밴드가 모두 명확하게 구분될 때까지 참가자가 화면 밝기 설정을 조정하도록 안내하십시오. 참가자에게 모니터로부터 팔 길이만큼 떨어진 편안한 자세로 앉으라고 요청한 다음, 브라우저 창을 전체 화면 모드로 설정하십시오. 과제에 사용되는 시각적 공간을 최대화하고 브라우저 툴바나 데스크톱 작업 표시줄과 같은 시각적 방해 요소를 제거하기 위해 브라우저 창은 반드시 전체 화면 모드여야 합니다.해당 URL에 있는 자가 학습형 다중 객체 추적(multiple object tracking, MOT) 튜토리얼을 사용하여, 참가자에게 실험 진행 방식이 설명된 단계별 지침을 읽도록 요청하십시오. 참가자가 지침 읽기를 마치면 연습 시행을 진행하도록 안내하십시오. 연습 자극은 0.8도의 점 8개로 구성하고 이동 속도는 초당 2도로 설정하십시오. 이러한 자극의 움직임을 제어하기 위해 HTML5 requestAnimationFrame API를 사용하여 브라우저 애니메이션을 60Hz의 프레임 속도로 최적화하십시오.다음으로, 노란색 점들이 방해 자극으로 작용하는 동안 참가자가 파란색 점들을 추적하도록 유도합니다. 2초 후 파란색 점들을 노란색 점으로 바꾸고, 기존의 노란색 점들 사이에서 4초 동안 계속 이동시킵니다. 각 시행의 마지막에 점들의 이동을 멈추고 그중 하나를 강조 표시합니다.참가자에게 강조된 점이 추적 점이었는지 아니면 방해 점이었는지를 키 입력을 통해 응답하도록 요청하십시오. 세 번 연속 정답을 맞히거나 최대 6회 시도 후에 참가자를 전체 과제로 이동시키십시오. 참가자를 위한 전체 MOT 과제를 시작하려면, 초당 5도로 이동하는 16개의 점으로 설정하십시오.편심도 2도에서 10도 사이의 공간에서 피험자가 총 45회의 시행을 완료하게 합니다. 이는 추적 점이 하나인 시행 5회와, 추적 점이 2개에서 5개인 시행이 각각 10회씩 포함된 구성입니다. 여기에서 제공되는 튜토리얼을 사용하여, 유효 시야(useful field of view, UFOV) 과제 설정 동안 주의를 기울여야 하는 두 가지 표적 자극을 보여주는 4단계의 단계별 지침을 피험자가 이수하도록 요청하십시오. 중앙 표적 자극은 화면 중앙에서 긴 머리 또는 짧은 머리를 한 1도 크기의 스마일리 얼굴이 깜빡이는 형태입니다.시행마다 스마일리의 머리카락 길이를 무작위로 설정하고, 주변부 표적 자극은 원형 주변 8개 위치 중 한 곳의 4도 편심도에서 깜박이는 1도 크기의 별 모양으로 설정하십시오. 별의 위치를 시행마다 무작위로 설정하십시오. 이는 1단계에만 적용됩니다.중앙 표적을 제시한 다음, 참여자가 키를 눌러 어떤 머리 길이가 2단계에서만 표시되었는지 응답하도록 유도하십시오. 주변부 표적을 제시한 다음, 참여자가 8개의 가능한 표적 위치를 나타내는 8개의 라디오 라인 중 하나를 클릭하여 별이 어디에 나타났는지 표시하도록 유도하십시오. 3단계에서는 중앙 및 주변부 표적 자극을 모두 제시한 후, 참여자가 스마일리 유형과 별의 위치 모두에 대해 응답하도록 유도하십시오.4단계에서는 주변부 방해 자극과 더불어 두 개의 표적 자극을 모두 제시한 후, 참가자가 두 표적 자극 모두에 반응하도록 유도합니다. 방해 자극 제시의 경우, 4도 편심도의 나머지 7개 위치에 1도 크기의 정사각형을 제시하고, 여기에 더해 2도 편심도에 8개의 정사각형을 추가로 제시합니다. 참가자가 반응한 후, 각 표적 반응에 대한 피드백을 참가자에게 보여줍니다. 각 시행 후 3회 연속으로 정답을 맞히면 참가자를 다음 연습 단계로 이동시킵니다.4단계 이후, 참여자에게 전체 UFOV 과제를 시작하도록 안내하십시오. 연습 세션에서와 동일한 중심 자극을 제시하십시오. 이전에 언급한 8개 위치 중 한 곳의 7도 편심도에 주변부 표적을 표시하십시오.24개의 방해 자극 사각형이 편심도 3도, 5도 및 나머지 7도 위치에 배치됩니다. 3회 정답 시 1회 오답(three down one-up) 계단식 절차를 사용하여 자극 제시 시간을 결정하며, 3회 연속 정답 시에는 자극 지속 시간을 줄이고, 오답 시에는 늘립니다. 세 가지 조건 중 하나가 충족되거나 계단식 절차에서 8회의 반전이 일어날 때 과제가 종료됩니다.참가자는 99프레임의 최대 지속 시간 또는 1프레임의 최소 지속 시간으로 10회 연속 시행을 완료하거나, 최대 72회 시행에 도달할 때까지 수행합니다. MOT 분석을 위해 1,744명의 온라인 참가자로부터 얻은 데이터를 사용했습니다. MOT 성능은 각 세트의 평균 정확도를 계산하여 측정했습니다.세트 크기가 1일 때 0.4에서 1.0 사이인 크기 정확도가 세트 크기가 5일 때는 0.1에서 1.0 사이였으며, 평균 정확도는 세트 크기 1의 0.99에서 세트 크기 5의 0.71 범위였습니다. 중앙값 정확도 점수는 세트 크기 1과 5에 대해 각각 1.0에서 0.70 범위였습니다. 세트 크기가 증가함에 따라 정확도가 감소하였으며, 이는 UFOV 과제에서 전형적인 MOT 효과가 나타남을 입증합니다.1,747명의 온라인 참가자로부터 얻은 데이터를 분석하였습니다. 탐지 임계값을 구하기 위해 마지막 5회 시행의 제시 시간을 평균하여 성능을 계산하였으며, 이 임계값은 참가자가 주변부 타겟을 약 79%의 정확도로 탐지할 수 있는 최소 제시 시간을 반영합니다. 평균 UFOV 임계값은 64.7 milliseconds였으며, 점수 범위는 17 milliseconds에서 315 milliseconds 사이였고 임계값 중앙값은 45 milliseconds였습니다.임계값 분포는 왜도 1.92, 첨도 3.93으로 양의 왜도를 보였습니다. 결과는 이전 연구와 일치하였습니다. 이 영상을 시청한 후, 귀하는 이 절차에 따라 다중 객체 추적 및 유효 시야 실험을 웹 애플리케이션으로 개발하는 방법에 대해 충분히 이해하게 될 것입니다.정밀한 시각적 자극 제시가 가능한 다른 방법들 또한 온라인 환경에 맞게 조정될 수 있습니다. 이를 통해 보다 일반적인 대표성 있는 인구 집단이나, 실험실로 방문시키기 어려운 특정 하위 유형의 개인들로부터 데이터를 수집할 수 있습니다. 시청해 주셔서 감사합니다.

Research

연구

JoVE Journal

Behavior

행동

이 논문은 다양한 자극 시작 비동기성에서 주의 깜박임을 보기 위해 Rapid Serial Visual Presentation과 결합된 새로운 이중 작업 절차를 설명합니다. 이 실험 절차는 비표적에 대한 주의 깜박임을 테스트했다는 점에서 다른 실험 절차와 다릅니다.

Nontargets에 대한주의 집중 깜박임을 테스트하는 빠른 직렬 비주얼 프리젠 테이션과 결합하여 이중 작업 절차

특정 시각 양식에 대한 반응으로 반사적 안구 운동을 기반으로 시각적 정보 처리의 품질을 정량화하는 방법을 설명합니다. 반응 시간 및 고정 출력 매개변수는 생후 6개월부터 시각 장애가 있거나 없는 어린이의 시력 성능을 특성화하는 데 사용됩니다.

Method는 눈 추적을 사용하여 어린이의 시각 정보 처리를 정량화하기

시간 순서 판단은 처리 속도, 매개 변수 및주의 가중치를 추정하고 이에 따라주의 처리의 메커니즘을 추론하는 데 사용할 수 있습니다. 이 방법론은 광범위한 시각적 자극에 적용할 수 있으며 많은 주의 조작과 함께 작동합니다.

시간적 순서 심판의 모델 기반 분석에 의해주의 및 Visual 처리 속도를 측정

현재 문서 언어 이해에 대 한 연구에 대 한 눈-추적 방법론을 검토합니다. 신뢰할 수 있는 데이터를 얻기 위해 프로토콜의 주요 단계를 따라 해야 합니다. 이 중 눈 추적자 (예를 들어, 눈 및 머리 이미지의 좋은 품질 보장) 및 정확한 교정의 올바른 설정이 있습니다.

시각적으로 위치한 언어 이해 동안 눈 추적: 유연성과 잠복 시각적 컨텍스트 효과에 한계

이 실험 프로토콜 결합 안구 추적 및 자유 선택 saccade 작업과 시각적 공간 관심의 배포 조사 시각적 차별 작업의 구성 된 듀얼 작업 패러다임에 presaccadic 시각적인 감도의 평가 전에 모두, 정확 하 고 평균 saccades.

안구 추적을 통해 정확 하 고 평균 Saccades 전에 시각적 관심의 배포 및 시각적인 감도의 평가 조사

이 논문에서는 시선 추적 시스템을 사용하여 영유아의 시력을 평가하는 새로운 자동화 방법을 제시합니다.

시선 추적 시스템을 사용하여 영유아의 시력을 평가하는 자동화된 방법

그것은 복부 영상 스트림에서 하향식 (top-down) 신호가 운동에 어떻게 영향을 미치는지 명확하지 않다. 우리는 3D 깊이 반전 환상을 대상으로 모터의 동작을 테스트 할 수있는 패러다임을 개발했다. 큰 차이는 환상과 진실 된보기 상태에서 의도적으로, 목표 지향적 움직임과 자동 작업 모두에서보고됩니다.

모터 동작 톱 다운 비주얼 프로세스의 영향을 탐색하는 방법

주의 제어는 대상 신호의 향상과 산만 신호의 감쇠로 구성됩니다. 우리는 개별적으로, 그러나 동시에 측정하는 접근 방식을 설명하며, 두 과정 모두 지속적으로 관여하지 않는 수동 제어 조건을 활용하여 지속적인 복합 모드 주의에 주의를 기울이고 무시하는 신경 생리학을 설명합니다.

주의 컨트롤의 프로세스를 무시하고 참석의 신경 생리학 신호의 측정

이 문서는 시뮬레이션 및 시각 시스템에서 적응을 연구하기위한 새로운 방법을 설명한다.

시각 적응을 시각화

이 비교 연구는 동기 주의 두 반구 간의 차이 평가 하기 위해 한 정서적 이미지의 분할된 시야 프레 젠 테이 션 대 중앙. 늦은 긍정적인 잠재력 (LPP) 동기 주의 평가 하기 위해 electroencephalography (뇌 파) 및 이벤트 관련 후보 (르 프 스크 웨) 방법론을 사용 하 여 기록 했다.

시야의 중앙와 프레 젠 테이 션의 정서적 이미지 동기 관심에 반구형 차이 측정

배우세요 온라인 웹 애플리케이션을 활용한 시각주의 과제 데이터 수집 방법을. 화면 보정과 연습 시행을 통해 신뢰성 있는 실험 결과를 획득할 수 있습니다.

방법은 온라인 비주얼주의를 테스트하려면

더 많은 동영상 탐색