February 19th, 2015
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.
이 절차의 전반적인 목표는 온라인 웹 애플리케이션을 통해 시각적 주의 작업을 위한 데이터 수집을 단순화하는 것입니다. 이 작업은 먼저 참가자를 웹 애플리케이션에 로그인하여 수행됩니다. 다음으로, 참가자들은 올바른 자극 제시를 위해 화면을 보정하도록 지시받습니다.
그런 다음 참가자들은 과제 지침을 읽고 연습 시험을 완료합니다. 마지막으로, 참가자가 전체 작업을 완료할 때 참가자로부터 데이터를 수집합니다. 궁극적으로, 시각적 작업을 위한 온라인 데이터 수집 방법은 기존의 실험실 기반 방법과 일관된 결과를 보여줍니다.
기존 방법에 비해 이 기술의 주요 장점은 비교적 짧은 시간에 더 크고 다양한 모집단에서 데이터를 수집할 수 있다는 것입니다. 이 절차를 시연하는 것은 실험실의 기술자인 Olga P Equal입니다. 우선, 참가자가 방해받지 않는 조용한 방에 앉아 편안한 높이의 인터넷 지원 컴퓨터를 사용하도록 합니다.
참가자에게 여기에 표시된 웹 애플리케이션으로 이동하도록 지시합니다. HTML 5 호환 브라우저를 사용하여 참가자가 my SQL 데이터베이스에 수집 및 저장되는 데이터와 연결될 고유 ID를 입력하도록 합니다. 로그인하기 전에 페이지에 링크된 동의서를 통해 참가자의 동의를 구하십시오.
화면을 보정하려면 참가자에게 레이블이 지정된 텍스트 상자에 화면의 대각선 크기(인치)를 입력하도록 요청합니다. 참가자가 이 정보를 모르는 경우 CD 또는 신용 카드를 보정 대상으로 찾도록 합니다. 하나를 선택하면 참가자에게 개체를 화면에 놓고 화면에 표시된 개체의 대표 이미지에 정렬하라는 메시지를 표시합니다.
참가자에게 실제 CD 또는 신용 카드의 측정 값과 대표 이미지의 픽셀 크기를 기반으로 물리적 개체의 크기와 일치하도록 화면 이미지의 크기를 조정하라는 메시지를 표시합니다. 화면의 대각선 크기를 인치 단위로 결정합니다. 참가자가 대화 상자를 통해 이 값을 확인하도록 합니다.
다음으로, 화면에 표시된 흑백 그라데이션의 12개 밴드가 모두 명확하게 구분될 때까지 참가자에게 화면 밝기 설정을 조정하라는 메시지를 표시합니다. 참가자에게 모니터에서 팔 길이만큼 떨어진 편안한 자세로 앉도록 요청한 다음 브라우저 창을 전체 화면 모드로 설정합니다. 브라우저 창은 작업에 사용되는 시각적 공간을 최대화하고 브라우저 도구 모음 및 데스크톱 작업 표시줄과 같은 시각적 방해 요소를 제거하기 위해 전체 화면 모드여야 합니다.
이 URL에 있는 자체 안내 다중 객체 추적 또는 MOT 자습서를 사용하여 참가자에게 시험의 작동 방식을 보여주는 단계별 지침을 읽도록 요청합니다. 참가자가 지침을 읽으면 참가자에게 연습 시험을 진행하도록 요청하고 연습 자극을 초당 2도의 이동 속도로 0.8도에서 8개의 점으로 구성하도록 설정합니다. HTML 5 요청 애니메이션 프레임 API를 사용하여 이 자극 모션을 제어하기 위해 60Hz의 프레임 속도로 브라우저 애니메이션을 최적화합니다.
다음으로, 참가자에게 노란색 점이 방해 요소 역할을 하는 파란색 점을 추적하도록 요청합니다. 2초 후 파란색 점을 노란색 점으로 변경하고 다시 4초 동안 원래 노란색 점 사이에서 계속 이동합니다. 각 시도가 끝나면 점을 멈추고 하나를 강조 표시합니다.
참가자에게 강조 표시된 점이 트랙 점인지 산만함 점인지 여부에 관계없이 키 누름을 통해 응답하도록 요청합니다. 3회 연속 올바른 시행 또는 최대 6회 시행 후 참가자를 전체 작업으로 이동합니다. 참가자에 대한 전체 MOT 작업을 시작하려면 초당 5도씩 움직이는 16개의 점으로 설정합니다.
2도 이심률과 10도 이심률 사이의 공간 내에서 참가자는 총 45개의 시행을 완료하도록 합니다. 여기에 있는 튜토리얼을 사용하여 참가자에게 유용한 시야 또는 UFOV 작업 세트 동안 주의를 기울여야 하는 두 가지 목표 자극을 보여주는 4단계의 단계별 지침을 거치도록 요청합니다. 중심 목표 자극은 긴 머리 또는 짧은 머리로 화면 중앙에서 번쩍이는 1도 스마일리입니다.
여러 시도에 걸쳐 스마일리의 머리 길이를 무작위화하고, 주변 목표 자극을 원 주위의 8개 위치 중 하나에서 4도의 이심률로 번쩍이는 1도의 별로 설정합니다. 시행 전반에 걸쳐 별의 위치를 무작위화합니다. 1단계 전용입니다.
중앙 대상을 표시한 다음 참가자에게 키 누름을 통해 응답하도록 요청하며, 이 머리 길이는 2단계에서만 표시되었습니다. 주변 표적을 표시한 다음 참가자에게 별이 나타난 위치를 나타내기 위해 8개의 가능한 표적 위치를 나타내는 8개의 무선 라인 중 하나를 클릭하도록 요청합니다. 3단계에서는 중추 및 말초 표적 자극을 모두 표시한 다음 참가자에게 스마일리의 유형과 별의 위치에 대한 반응을 제공하도록 유도합니다.
4단계의 경우, 주변 방해 요소 외에도 두 목표 자극을 모두 표시한 다음 참가자가 두 목표 자극에 모두 반응하도록 유도합니다. 산만함 디스플레이의 경우, 4도 편심에서 나머지 7개 위치에 표시되는 1도 정사각형과 2도 편심에서 8개의 추가 정사각형이 표시됩니다. 참가자의 응답 후 각 목표 응답에 대한 참가자 피드백을 표시합니다.각 시도 후 3회 연속 올바른 시도를 한 후 참가자를 다음 연습 단계로 이동합니다.
4단계가 끝나면 참가자에게 전체 UFOV 과제를 시작하도록 유도합니다. 연습 세션에서와 동일한 중심 자극을 제시합니다. 앞서 언급한 8개 위치 중 하나에서 7도 편심으로 주변 대상을 표시합니다.
24개의 방해 요소 사각형도 3도 편심, 5도 편심 및 나머지 7도 중심 위치에 표시됩니다. 세 번 아래로 한 계단 절차를 사용하여 자극의 표시 시간을 결정하고, 세 번 연속으로 올바른 시도 후 자극의 지속 시간을 줄이고, 각 오류 시행 및 작업 후에 증가시킵니다. 세 가지 조건 중 하나가 충족되면 계단 절차는 8번의 반전에 도달합니다.
참가자는 99프레임의 천장 지속 시간 또는 1프레임의 바닥 지속 시간에서 10개의 연속 시행을 완료하거나 참가자가 최대 72개의 시행에 도달합니다. MOT 분석을 위해 1,744명의 온라인 참가자의 데이터가 사용되었습니다. MOT 성능은 각 세트에 대한 평균 정확도를 계산하여 측정했습니다.
크기 정확도 범위는 세트 크기 1의 경우 0.4에서 1.0, 세트 크기 5의 경우 0.1에서 1.0까지이며 평균 정확도 범위는 세트 크기 1의 경우 0.99에서 세트 크기 5의 경우 0.71까지입니다. 정확도 점수의 중앙값은 세트 크기 1과 5에 대해 각각 1.0에서 0.70 사이였습니다. 세트 크기가 증가함에 따라 정확도가 감소하여 UFOV 작업에 대한 일반적인 MOT 효과를 보여줍니다.
1,747명의 온라인 참가자의 데이터를 분석했습니다. 성능은 참가자가 약 79%의 정확도로 주변 대상을 감지할 수 있는 최소 프레젠테이션 시간을 반영하는 검출 임계값을 얻기 위해 마지막 5번의 시도에 대한 발표 시간의 평균을 계산하여 계산되었습니다. 평균 UFOV 임계값은 64.7밀리초였고 점수 범위는 17밀리초에서 315밀리초 사이였으며 중앙값 임계값은 45밀리초였습니다.
역치 분포는 왜도(skewness) 1.92, 첨도(kurtosis) 3.93으로 양의 스큐(positive-skewness)를 보였다. 결과는 이전 연구와 일치했습니다. 이 비디오를 시청한 후에는 이 절차에 따라 웹 애플리케이션으로 다중 개체 추적 및 유용한 시야 실험을 개발하는 방법을 잘 이해하게 될 것입니다.
정확한 시각적 자극을 제시하는 다른 방법도 온라인 환경에 적용할 수 있습니다. 그런 다음 보다 일반적으로 대표되는 모집단 또는 실험실로 가져오기 어려운 특정 하위 유형의 개인으로부터 데이터를 수집할 수 있습니다. 시청해 주셔서 감사합니다.
View the full transcript and gain access to thousands of scientific videos
이 기사는 웹 애플리케이션을 사용한 시각 주의 과제의 온라인 데이터 수집 방법을 설명합니다. 정확한 자극 제시를 위한 화면 보정과 과제 지시의 중요성을 강조합니다.
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.
The method fits within the discovery continuum from target validation through lead identification, particularly for compounds modulating attention, arousal, or sensory processing.