Name: 시간적 순서 심판의 모델 기반 분석에 의해주의 및 Visual 처리 속도를 측정 (동영상) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: 배우세요 시간적 순서 심판(TOJ)을 사용하여 주의 및 시각 처리 속도를 측정하는 방법을. Bundesen의 시각 주의 이론 기반 모델을 활용해 거의 모든 자극에 적용 가능하며, 베이지안 계층적 분석으로 주의 가중치와 인코딩 속도를 정량화합니다.

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

이 작업의 일부는 독일 연구 재단(DFG)의 지원을 받아 Ingrid Scharlau에게 1515/1-2 및 1515/6-1을 지원했습니다.

참고 :이 프로토콜의 일부 단계는 http://groups.upb.de/viat/TVATOJ에 (설치 지침에 따라) 제공 사용자 정의 소프트웨어를 사용하여 수행 할 수 있습니다. 프로토콜에서 프로그램 및 스크립트의이 컬렉션은 &quot;TVATOJ&quot;라고합니다. 자극 물질의 1. 선택 <ol><li> 연구 문제에 따라 자극을 선택합니다. 주 : 일반적으로, 두 개의 타겟이 스크린의 다른 위치에 표시된다. 본 발명의 방법에 사용 된 자극은 팝 아웃 표시 예를 들면, 모양, 숫자, 문자, 싱글, 자연 이미지의 개체 포함한다. 후자의 세 가지 유형이 프로토콜에 사용되었다. 참고 : 여러 다른 자극 유형은 실험 빌더의 TOJ 플러그인 (TVATOJ 제공 &quot;psylab_toj_stimulus&quot;)에 포함되어 있습니다 (12)를 OpenSesame. </li><li> 새로운 자극 유형을 만들 때 있는지 확인하십시오 intere의 특성세인트 관심의 속성이 자동으로 인코딩 작업을 선택하거나 자극하기에 중요하여 판단 인코딩되어야한다 (예를 들어, 팝 아웃 표시에 싱글). </li></ol> 2. 전원 평가 및 계획 <ol><li> 선택된 모델 데이터 세트 계획된 설계 (SOA 분포 및 반복), 샘플 크기 및 가정 된 파라미터를 시뮬레이션하여 베이지안 전력 분석을 수행한다. (예를 들어, 매개 변수의 특정 차이) 연구 목표를 달성 할 가능성이 있는지 여부를 추정한다. 전력이 충분하지 않은 경우, 또는 SOA를 반복 추가나 이동하여 설계 변경과 분석을 반복한다. <ol><li> 열린 제공 TVATOJ 소프트웨어를 사용하고 스크립트 &quot;EXP1-power.R&quot;를 편집 할 수 있습니다. 구체적인 분석을 조정하기 위해 파일의 주석을 따르십시오. 베이지안 전력 추정에 대한 일반 정보 Kruschke (13)을 참조하십시오. </li></ol></li></ol> &lt;P 클래스 = &quot;jove_title&quot;&gt; 3. 사양 또는 실험의 프로그래밍 <ol><li> 실험을 구현하는 실험 빌더 또는 정신 물리학 프리젠 테이션 라이브러리를 사용합니다. <ol><li> TVATOJ에서 제공하는 OpenSesame TOJ 플러그인을 사용하려면, 시험 프리젠 테이션 루프에 &quot;psylab_toj_stimulus&quot;플러그인을 끕니다. 또한, OpenSesame에서 &quot;단순 toj.osexp&quot;예를 실험을 엽니 다. </li><li> psylab_toj_stimulus 구성의 드롭 다운 메뉴 &quot;자극 유형&quot;에서 원하는 자극 유형을 선택합니다. 필요한 경우 새로운 자극 유형을 추가하는 TVATOJ의 지시 사항을 따르십시오. </li></ol></li><li> 다음 단계에 설명 된대로 시험을 지정합니다. <ol><li> 모든 실험 조건의 경우, 계획의 SOA와 시련을 만들 수 있습니다. psylab_toj_stimulus 플러그인 및 OpenSesame를 사용하는 경우, 시험 루프 (예 : &quot;SOA&quot;)에 변수로 모든 다양한 요소를 추가합니다. </li><li> 실현하기 위해 테이블에 행을 추가모든 요소 조합 (-100에서 100 밀리 초에 예를 들어, 일곱의 SOA는 실험 조건 &quot;주의&quot;와 &quot;중립&quot;교차). 충분한 반복을 만들 수있는 루프의 &quot;반복&quot;속성을 조정합니다 (의 SOA의 분포 및 반복을 결정하기위한 프로토콜 2 단계 참조). 주 : 일반적으로 최대 800 시험 한 시간 내에 제공 할 수있다. 더 많은 반복이 필요한 경우, 여러 개의 세션으로 실험을 분할 고려한다. 루프의 &quot;주문&quot;속성이 실험을 실행하기 전에 &quot;임의&quot;로 설정되어 있는지 확인합니다. </li><li> psylab_toj_stimulus 플러그인 구성에서 자리를 추가합니다 (예 : &quot;[SOA]&quot;) 각각의 분야에서 다양한 요인. 변화되지 않는 요소의 분야에서 상수 값을 입력합니다. 참고 : 실험을 실행하기 전에, 정확한 타이밍이 보장되어 있는지 확인합니다. 새로운 모니터 적절한 타이밍 동작이 확인되지 않은 경우, 사용CRT 모니터와는 수직 귀선 신호 (12)와 동기화. </li></ol></li></ol> 4. 실험 절차 <ol><li> 환영 참가자의 브리핑 <ol><li> 참가자를 환영하고 실험 (컴퓨터 기반의 지각 실험)의 일반적인 형태에 대해이를 알려줍니다. 실험의 예상 지속 기간에 대해 참가자에게 알리십시오. 실험에 참여하는 참가자들의 동의를 얻습니다. </li><li> 참가자 (최적의 짧은 시력 검사를 실시하여) 정상 또는 수정-에 정상 시력 보여 있는지 확인합니다. 그들은 자극 물질의 특정 유형에 대한 연구 문제를 방해하지 않으면 이러한 색맹 같은 일부 결손은 허용 될 수있다. </li><li> 실험이 실시 조용한 부스를 제공합니다. 의자, 턱 받침대, 키보드 위치를 조정 등의 experime을위한 최적의보기 및 응답 조건을 보장하기 위해NT를. </li><li> 실험 관심과 집중력을 요구하고 피로 할 수 있다는 참가자인지 확인. 필요한 경우 짧은 휴식을 취하도록 요청합니다. 그것은 그러나, 동등하게 중요 강한 주의력 변형에 따라 다음의 간단한 작업을 수행 할 수 없습니다입니다. 약간의 오차가 만들어 괜찮 참가자에게. </li></ol></li><li> 수업 내용과 워밍업 <ol><li> 프리젠 테이션 순서 및 응답 수집 절차를 자세히 작업에 대한 현재 화면의 지시. 작업의 대상이 도착하고,이 일부 실험에서 어려울 것이라는 순서를보고임을 참가자에게 알린다. 그들은 확실히 순서를 알 수 없을 때 첫 인상을보고하는 참가자에게 물어, 그들은 전혀 그런 느낌이없는 경우이를 추측 할 수 있습니다. 참고 : 여기에 사용되는 이진 TOJs에서 동시성의 인식을 표시하는 옵션이 없습니다. 과도한 추측을 방지하기 위해, SIMU와 시험의 존재를 지적하지 않는다ltaneously 명시 적 목표를 제시했다. 이 단순히 위에서 설명한 지침에 어려운 시험하자. </li><li> 재판 동안 안구의 움직임을 방지하기 위해 화면의 중앙에 도시 된 마크를 흥분시키는 참가자에게. 턱 받침대에 머리를 휴식을 요청합니다. </li><li> 필요한 경우 짧은 휴식을 취할 참가자를 요청합니다. 휴식이 허용 될 때 그들을 알게하고 (예를 들어, 대상 프레젠테이션 중에하고 응답하기 전에) 회피해야 할 때. </li><li> 참가자가 작업에 익숙해 질 수있는 짧은 훈련을 포함합니다. 이를 위해, (프로토콜 단계 3.2 참조) 실험 시험의 임의의 서브 세트를 제시한다. 참고 : 작업 자체가 비교적 간단하기 때문에, 10-20 시험은 일반적으로 충분하다. 이 작업에서의 성능 참가자들의 신뢰를 증가하는 것이 유리할 수있다. 이것은 프레젠테이션을 둔화와 피드백을 제공하여 수행 할 수 있습니다. </li><li> 참가자들의 confirmati를 얻그들이 작업을 이해했는지에 그들은 더 이상 질문이 없다는 것을 (그들에게 그것을 설명하자). </li></ol></li><li> 주요 실험을 실행 <ol><li> 주요 시험의 프리젠 테이션과 실험 소프트웨어 시작하자. 주요 실험 부스를 남겨주세요. </li></ol></li></ol> TOJ 데이터 5. 모델 기반 분석 <ol><li> 모든 SOA에 대한 &quot;프로브 최초의&quot;심판의 카운트에 원시 데이터 파일을 변환합니다. 예를 들어, TVATOJ와 함께 제공되는 스크립트 &quot;os2toj.py&quot;를 실행합니다. </li><li> p와 C 승 주요 매개 변수를 추정하기 위해 베이지안 추정 프로 시저를 실행, 파생 사람의 V p와 V R과 매개 변수의 차이. 이를 위해 &quot;실행 - evaluation.R를&quot;파일에 제공된 지침에 따라 편집 한 후 스크립트를 실행합니다. </li><li> 샘플링이 완료되면, 연구 문제에 대한 관심의 차이가 평가 될 수있다. ExamplES는 다음 섹션에서 확인할 수 있습니다. </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>

저자는 공개할 것이 없습니다.

이 문서의 프로토콜은 간단한 TOJs를 수행하고 기본적인 자극 인코딩에 따라 모델 데이터를 맞게하는 방법에 대해 설명합니다. 세 실험 결과는 매우 다양한 자극 물질에의 관심의 영향을 평가하기 위해 계층 적 베이지안 추정 틀에서 평가 될 수 있는지 보여 주었다. 팝 아웃 표시의 돌출이 증가 주의력 무게되었다. 또한, 증가 가중치는 자연 이미지에 작업 공간 객체에 대한 추정되었다. 그러나, 공간적 관계가 상하와 같은 화상을 표시하여 교란 된 지속 장점 때문에, 다른 로컬 주의력 이점은 체중 증가를 초래하는 것이 예상된다. 주변 큐는 실험 3에서 사용 된 바와 같이, 주의력 중량에 부정적인 영향을 나타낸다. 그러나, 모델링하는 인코딩 프로세스의 시작 시간 사이의 지연 시간을 τ 매개 변수에 큰 영향을 이끈다. 프로토콜의 대부분은 일반적인 단계를 따릅니다일반적으로 TOJs 및 인식 실험을 실시한다. TVA 환산 결과의 해석이 시각적 단기 메모리에 자극을 코딩에 묶여 있다는 점에 유의...

관심은 시간과 공간에 분포되는 방법 인간의 시각적 인식에 가장 중요한 요소 중 하나이다. 때문에 외연 또는 중요한 관심을 끄는 객체는 일반적으로 빠른 처리와 높은 정확도로되어있다. 행동 연구에서, 이러한 성능 향상은 실험 패러다임 다양한 입증되었다. 예를 들면, 목표 위치에주의를 할당하는 프로브 검출 작업 (1)에서의 반응 속도. 마찬가지로, 문자보고의 정확성은 관심이 향상된다. 이러한 연구 결과는 관심이 처리를 강화 것을 증명하지만,이 향상이 설정 방법에 대한 희망 음소거 남아있다. 본 논문은 주의력 장점 뒤에 로우 레벨의 메커니즘 모델 기반하는 측정에 관한 틀 세밀한 componen 개별 자극의 처리 속도를 측정함으로써 평가 될 수 있다는 것을 보여준다관심의 TS. 이러한 모델은 자극 사이의 전체적인 처리 능력 및 그 분포는 처리 속도의 측정으로부터 추론 될 수있다. 비주얼주의의 Bundesen의 이론 (TVA)는 3이 노력에 적합한 모델을 제공합니다. 이것은 일반적으로 문자 리포트 작업의 데이터에 적용된다. 이하, TVA의 기본 원리를 설명하고 그것은 (거의) 임의의 자극 얻어 시간적 순서 판단 (TOJ) 데이터 모델로 확장 될 수있는 방법을 도시한다. 이 새로운 방법은 용이하게 해석 될 수있는 처리 속도 및 자원 분포의 추정치를 제공한다. 이 문서의 프로토콜은 데이터를 분석 할 수있는 방법 등 실험과 세부 사항을 계획하고 수행하는 방법에 대해 설명합니다. 전술 한 바와 같이, TVA 기반 모델링 및 관심 파라미터 추정 일반적인 패러다임 문자 보고서 작업이다. 참가자는 문자 집합의 ID를보고하는잠시 번쩍 일반적으로 가변 지연 후 마스크입니다. 다른 파라미터들 중에서, 시각적 요소가 시각적 단기 메모리에 인코딩되는 레이트를 추정 할 수있다. 이 방법은 성공적 기초 및 임상 연구에서 질문에 적용되었다. 예를 들어, Bublak와 동료 4 주의력 매개 변수는 연령 관련인지 적자의 다른 단계에 영향을받는 평가했다. 기본주의 연구에서, 피터슨 Kyllingsbæk 및 Bundesen 5 주의력 체류 시간 효과, 특정 시간 간격에서 두 타겟의 제 지각에서 관찰자의 어려움 TVA 모델을 사용했다. 문자 리포트 패러다임의 주요 단점은 충분히 overlearned 및 마스크 가능한 자극을 필요로한다는 것이다. 이 요구 사항은 문자와 숫자의 방법을 제한합니다. 다른 자극은 참가자의 무거운 훈련을 필요로한다. TOJ 패러다임은 어느 특정 STIMUL이 필요합니다내가 나 마스킹. 이는 외관의 순서를 판정 할 수있는 자극의 종류와 사용될 수있다. 이 자극 범위를 확장 직접 크로스 모달 비교 (6)을 포함하여 관심을 가질 수있는 거의 모든 것을한다. TOJs와 관심을 조사하는 것은 훨씬 이전에 유인 자극이 무인 일에 비해 인식 방법의 측정은 주의력 이전 항목의 현상을 기반으로합니다. 불행히도 TOJ 데이터 (예 누적 정규 또는 로지스틱 함수와 같은) 피팅 관찰자 성능 심리 함수를 분석하기위한 통상적 인 방법은 관심이 참석 자극의 처리 속도를 증가 여부를 구별 할 수 없거나 그것을 7 무인 자극의 속도를 감소하는 경우. 이 모호함이 문제는 자극의 인식이 진정으로 향상 여부 있기 때문에 큰 문제이거나 때문에 경쟁 STIMUL에서 자원의 철수의 혜택을 경우 우리는 모두 근본적이고 실제적인 관련성의 문제이다. 예를 들어, 인간 - 기계 인터페이스의 설계는 하나의 요소의 돌기의 증가는 다른 것의 희생 동작하는지 아는 것이 매우 적합하다. 다음과 같이 TOJ 작업은 일반적으로 진행 : 정착 마크가 일반적으로 짧은 지연을 제시 임의로 초 이상 간격을 짧게 그려집니다. 그리고, 제 1 타겟이 제시되고, 제 2 타겟에 의해 가변 자극 개시 비동기 (SOA) 후에 하였다. 마이너스의 SOA에서, 프로브 착안 자극, 제 나타낸다. 양의 SOA에서, 참조, 무인 자극, 리드. 제로의 SOA에서 두 목표를 동시에 표시됩니다. 일반적으로 목표를 제시하기에 자극 전환을 의미한다. 특정 조건 하에서, 그러나, 이미 존재하는 대상 또는 오프셋의 시간적 플리커와 같은 다른 이벤트는,도 8을 사용한다. _content "("첫 번째 사각형 먼저 "와 다른"다이아몬드&gt; TOJs에서 응답은 일반적으로 자극 ID 및 프리젠 테이션 주문에 대응 키함으로써, unspeeded 방식으로 수집은 자극이 사각형 및 다이아몬드 인 경우 예를 들어, 하나의 키를 나타냅니다 ") . 중요한 것은, 평가, 이러한 판단은 "첫 번째 프로브"으로 변환해야합니다 (또는 "참조 첫 번째") 판단. 본 연구에서는 TVA 및 TOJ 실험 패러다임 처리 모델의 조합이 하나의 개별 영역에서 문제를 제거하기 위해 사용된다. 이 방법으로 쉽게 해석 속도 파라미터는 관찰자의 시선이 시각적 요소를 경쟁에 할당되는 방법을 유추 할 수 있도록 거의 임의의 시각적 자극에 대해 추정 될 수있다. 모델은 곧 이하에 설명한다 개별적인 자극의 처리 TVA의 방정식에 기초한다. 확률 하나 STIMUL다른 첫번째 나타나는 바와 같이 자극이 판정의 확률로 해석되기 전에 미국 시각적 단기 메모리에 인코딩된다. 개별 인코딩 기간은 기하 급수적으로 9 배포됩니다 <img alt="식 (1)" src="/files/ftp_upload/54856/54856eq1.jpg"> (1) 최대 효과가 노출 지속 시간 t 0 것도 전혀 부호화되지 않은 이전 임계치이다. TVA, 속도 V (X)에 따르면, 나는이되는 객체 X가 (예 : 색이나 모양 등) 지각 범주 I의 구성원으로 인코딩, 속도 식으로 주어진다 <img alt="식 (2)" src="/files/ftp_upload/54856/54856eq2.jpg"> . (2) x는 내가 η X, 내가 표현된다 범주에 속하는, 그리고 난을 β하는 감각 증거의 강도는 등급 I의 구성원으로 자극을 분류하기위한 의사 결정 편견이다. 이것은 곱ttentional 무게. X w 개별 주의력 가중치는 시야에있는 모든 개체의 주의력 무게에 의해 구분된다. 따라서, 상대 주의력 중량은 다음과 같이 계산된다 <img alt="식 (3)" src="/files/ftp_upload/54856/54856eq3.jpg"> (삼) R은 모든 카테고리와 η의 X를 나타냅니다, 내가 개체 x는 카테고리 J에 속하는 감각 증거를 나타냅니다. 값 π j를 카테고리 j의 적절라는와 j에 범주화를 만들 수있는 편견을 반영한다. 전체 처리 용량 C는 모든 자극하고 범주화 모든 처리율의 합이다. TVA에 대한 자세한 설명은, Bundesen 및 Habekost의 책 (9)을 참조하십시오. 각각의 자극의 인코딩을 설명 우리 신규있어서, 수학 식 1에서, TOJs의 모델로 변환된다. 선택 편견 및 보고서 범주 constan 있다고 가정실험적인 작업 내에서 t는이 목표 자극 프로브 (p)를 참조 (R)의 처리 속도의 V p와 V r은 C 및 P 및 V R = C w 양식 V P는 = C의 주의력 무게 ·에 따라 달라집니다 · 각각 R, w 새로운 TOJ 모델 참가자 판단 프로브 자극은 SOA 및 처리 비율의 함수로서 제 될 것을 성공 확률 P P는 1을 나타낸다. 그것은 다음과 같이 공식화 될 수있다 : <img alt="식 (4)" src="/files/ftp_upload/54856/54856eq4.jpg"> (4) 이 방정식은 TVA의 기본 방정식으로부터 유도되는 방법의보다 상세한 설명은 Tünnermann, 피터슨 및 Scharlau (7)에 의해 설명된다. 간략화를 위해, 파라미터 t 0 일본어 TVA에 따르면, 수학 식 1의 모델을 생략 t 0 보 동일되어야번째 TOJ 태스크의 타겟과, 따라서, 상쇄. 그러나이 가정은 때때로 (섹션 토론 참조)에 위반 될 수있다. TOJ 데이터에이 식 피팅의 경우, 계층 적 베이지안 추정 기법 (11)는 좋습니다. 이 방법은 P (W)와 프로브와 기준 자극 전체적인 처리 속도 C. 이러한 파라미터 생성 흡수율 브이 P 및 V (R), 그리고 그들 사이의 관심 유도 차이 R 승 주의력 가중치를 추정 할 수있게 평가할 수있다 추정 불확실성과 함께 피사체와 그룹 차원에서. 계층 모델이 실험을 위해 계획 단계 동안도 1에 도시되어 편리 전력 베이지안 분석이 수행 될 수있다. 다음 프로토콜은 TOJ 실험을 실행하고 분석하고 계획하는 방법에 대해 설명하는에서 시각적 자극에 대한 처리 속도 매개 변수 및 주의력 무게 수얻을 수. 프로토콜은 연구자가 주의력 조작 관심 대상 일부의 처리 속도에 영향을 미치는 방법에 관심이 있다고 가정한다. <img alt="그림 1" src="/files/ftp_upload/54856/54856fig1.jpg"> 그림 1 : 베이지안 추정 절차에 사용되는 그래픽 모델입니다. 원 추정 분포를 나타냅니다; 이중 원은 결정 노드를 나타냅니다. 사각형 데이터를 나타냅니다. 관계는 도면의 우측에 나타내었다. 둥근 프레임 외부 노드는 ( "판") 그룹 수준에서 TVA 매개 변수 (소개 참조)의 평균과 분산 추정을 나타냅니다. 주의력 가중치 (w)가 될 수준의 자극 처리 속도 (V)에서의 전체 처리 속도 (C)와 결합하는 방법은 "J 과목"판에서는 볼 수있다. 플레이트 "난의 SOA &amp;# 8221; 이러한 TVA 매개 변수는 각 SOA의 binomially 분산 응답에 대한 성공 확률 (θ)에 (소개에 설명 된 기능 P p를 1로) 변환되는 방법을 보여줍니다. 따라서, 함께 SOA (N)의 반복과 θ의 데이터 요소 (Y)를 설명한다. 표기법 및 그래픽 모델의 해석에 대한 자세한 내용은 리와 Wagenmakers (23)을 참조하십시오. 명확성을 위해 것을 유의 파라미터의 차이를 나타내는 노드는 생략 하였다. 이들 결정 변수 대신에 실험 결과를 도면에 표시되어있다. <a href="http://ecsource.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

<table><tbody><tr><td>개인용 컴퓨터</td><td></td><td></td><td></td></tr><tr><td>(오픈 소스) 실험 및 평가 소프트웨어</td><td></td><td></td><td></td></tr></tbody></table>

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

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

이 프로토콜은 시각 처리 속도 및 주의력 자원 분포를 측정하는 시간 차 실험을 수행하는 방법을 설명한다. 제안 된 방법은 세 부품의 새로운 시너지 조합에 기초되어 시간적 순서 판단 (TOJ) 패러다임 시선의 Bundesen 이론 (TVA), 및 계층 베이지안 추정 프레임 워크. 상기 방법은 TVA의 이론적 토대 신경 생리 지원하는 용이하게 해석 가능한 파라미터들을 제공한다. TVA 사용할 전통적인 패러다임은 주로 문자와 숫자로 한정되는 반면 TOJs를 이용하여 TVA 기반 추정은 자극의 폭 넓은 범위에서 얻을 수있다. 마지막으로, 제안 된 모델 파라미터의 의미는 계층 베이지안 모델의 확립을 허용. 이러한 통계 모델은 하나의 일관된 주제에 대한 분석을 모두와 그룹 수준의 결과를 평가 할 수 있습니다. 타당성 및 v을 보여주기 위해이 새로운 접근 방식의 ersatility, 세 가지 실험을 합성 팝 아웃 표시, 자연 이미지에 관심을 조작하여보고하고, 큐 레터 보고서 패러다임된다.

이하에서는 제안 된 방법으로 얻은 결과가보고된다. 세 실험 자극 물질의 세 가지 매우 다양한 종류의 다른 주의력 조작의 영향을 측정 하였다. 자극은 간단 팝 아웃 패턴의 선 세그먼트, 자연스러운 이미지의 작업 공간 객체, 큐 편지 쓰기 대상입니다. 실험 1 : 팝 아웃 표시에 돌출 실험 1은 합성 패턴 선분의 처리 속도에 시각적 돌출의 영향을 측정하는 목적. 주제 지향 선분의 배경 패턴이 타겟 선분 (왼쪽 또는 오른쪽) 중 어느 것이 먼저 점멸 판정. 재판의 절반에서, 상기 프로브는 색 팝 아웃 (도 2a 참조)였다. 팝 아웃의 TOJ 기반 평가에 대한 자세한 배경은 어디에 크루거와 동료 (8), 지역 ORIENTA에 의해 연구에서 찾을 수 있습니다기의 돌출 대신 컬러의 조작되었...

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

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

이 프로토콜의 전반적인 목표는 거의 임의의 자극에 대한 주의와 시각적 처리의 매개변수를 측정하는 것입니다. 이는 시간적 순서 판단(TOJ)의 데이터를 모델링하여 수행됩니다. 여기에서 참가자는 두 대상의 제시 순서를 판단하고, 결과 데이터는 주의가 자극 인코딩 속도에 미치는 영향을 측정할 수 있는 새로운 모델로 분석됩니다.Bundesen의 시각적 주의 이론은 주의력 가중치 및 처리 속도와 같은 매개변수에 대한 다양한 사용을 제공합니다. 일반적으로 이러한 작업은 문자나 숫자가 사용되는 항목 보고서 작업에서 추정되며, 문자나 숫자 이외의 다른 것을 사용하는 것은 어렵고 집중적인 교육이 필요하므로 거의 수행되지 않습니다. 예를 들어, 이 방법으로 시각적 현저성과 팝아웃 디스플레이를 측정하는 방법을 상상하기 어렵습니다.따라서 우리는 거의 임의의 자극으로 수행될 수 있는 시간적 순서 판단을 사용하는 새로운 TVA 기반 방법을 제안합니다. 시간적 순서 판단은 오랫동안 주의력을 평가하는 데 사용되어 왔지만, TVA와 결합하면 더 강력해져서 쉽게 해석할 수 있는 매개변수를 제공합니다. 시간적 질서 판단 과제에서, 여기서 A와 B로 식별되는 두 개의 자극이 밀접하게 연속되거나 동시적으로 보여진다.시간적 질서에 대한 인식은 독립 채널 모델로 모델링할 수 있습니다. 이러한 모델에는 각 대상에 대한 독립적인 처리 채널이 있습니다. 주문 비교기는 채널을 모니터링하고 특정 대상(여기서는 A)이 다른 대상보다 먼저 도착할 때 카운트를 기록합니다.이를 설명하기 전에 실험 데이터가 일반적으로 표시되는 형태를 간략하게 설명합니다. 특정 유형의 판단의 상대적 빈도(여기서는 A first)는 SOA, 즉 두 대상의 제시 사이의 시간 간격에 따라 플롯됩니다. 이제 음의 SOA가 크면 여기서 이것은 자극 A가 리드한다는 것을 의미하며, A가 비교기에 먼저 도착할 가능성이 가장 높습니다.자극 B가 더 일찍 도착하는 경우는 매우 드뭅니다. 따라서 1에 가까운 상대 주파수를 나타내는 데이터 점을 얻습니다. 큰 양의 SOA, 즉 자극 B가 리드하는 경우 비교기는 A의 첫 번째 결과를 매우 드물게 등록합니다.따라서 0에 가까운 데이터 포인트를 얻습니다. SOA가 0이면 목표가 동시에 표시되고 포인트 5 chance level의 데이터 포인트가 기록됩니다. SOA가 값 범위에 따라 다양할 때 결과 패턴은 심리 측정 함수로 설명할 수 있습니다.이제, 주의가 자극, 여기서, 자극 A에 집중될 때, 그것은 비교기에 더 일찍 도달하고, 결과적으로, 여기에서 SOA 0에 대해 보여지고, A 첫 번째 판단의 확률이 증가합니다. 이것은 전체 심리 측정 기능을 변화시킵니다. 빨간색 곡선이 포인트 5 레벨을 교차하는 지점의 SOA는 종종 관심의 영향을 정량화하기 위해 사용됩니다.시간적 자동 판단은 지각 지연 시간을 평가하는 자연스러운 방법인 것으로 보이며, 주의와 시간 지각의 영향에 대한 많은 질문이 이 방법으로 답변되었습니다. 그러나 TOJ에는 근본적인 약점이 있는데, 이것이 TOJ의 상대적인 특성입니다. 시간적 자동 지각은 자극 A가 자극 B보다 먼저 지각된다는 것을 말해 줄 수 있지만, 그 이유는 말해주지는 않습니다.자극 A가 더 빨리 처리되기 때문일 수도 있고, B가 더 느리게 처리되기 때문일 수도 있습니다. 설명력을 높이기 위해 TOJ 모델은 시각적 자극의 인코딩 과정을 모델링하는 TVA에서 파생됩니다. 각 채널에서 인코딩은 TVA의 지수 레이스 모델에 따라 진행된다고 가정합니다.특정 기간 내에 각 대상을 인코딩할 확률은 한 대상을 다른 대상보다 먼저 인코딩할 확률로 변환됩니다. 시간적 질서에 대한 인식. 중요한 것은 TVA에서 상속된 두 가지 속도 매개변수를 통해 더 빨리 처리된 유인 자극이었는지, 아니면 속도가 느려진 무인 자극이었는지와 같은 질문에 답할 수 있다는 것입니다.또는 비율을 상대적 주의 가중치로 표현할 수도 있습니다. 연구 질문에 따라 자극을 선택합니다. 일반적으로 화면의 서로 다른 위치에 두 개의 대상을 표시할 수 있어야 합니다.이 프로토콜의 뒷부분에서는 팝아웃 디스플레이, 자연스러운 이미지 및 문자 대상을 사용한 실험의 결과를 보여줍니다. 다음은 자연 이미지의 액션 공간과 배경 개체를 사용하는 방법의 예입니다. 두 목표물이 모두 있는 사진은 목표물이 없는 하나와 함께 놓여 있습니다.개체는 위쪽 이미지를 로컬로 투명하게 만들어 가상으로 제거됩니다. 이 절차를 통해 둘 다, 없음 및 두 개체 중 하나가 있는 이미지가 생성되어 배경 우선, 작업 공간 우선, 동시 표시가 있는 TOJ를 설정합니다. 실험의 설계 및 표본 크기를 계획하기 위해 베이지안 검정력 분석을 수행할 수 있습니다.반복적으로 시뮬레이션하고 의도한 모델, 실험 설계 및 가설에 도출된 매개변수로 데이터를 피팅합니다. 성공 기준(success criterion)에 도달하는 시뮬레이션의 비율(예: 주의 가중치의 차이)은 실험의 검정력을 추정하는 데 사용됩니다. 실험 빌더 또는 정신물리학적 프레젠테이션 라이브러리를 사용하여 실험을 구현합니다.오픈 소스 실험 빌더 OpenSesame에 문자, 숫자 및 모양이 있는 TOJ에 대해 trials 테이블만 지정하면 됩니다. 또한 자연스러운 이미지가 있는 TOJ에 대한 OpenSesame 예제를 제공합니다. 각 조건에 대해 계획된 모든 SOA에 대한 평가판을 만듭니다.대표적인 SOA 분포가 대표적인 결과에 표시되어 있습니다. 두 대상은 프로브 및 참조로 정의됩니다. 참조는 항상 0으로 표시되며 무인 대상인 반면 프로브 자극은 어텐션 조작의 대상이 됩니다.음의 SOA를 사용한 시험에서는 프로브 자극을 먼저 제시하고 SOA 다음에 기준 자극을 제시합니다. SOA가 양수인 시험의 경우, 먼저 기준 자극을 제시하고, 지연 후에는 SOA에 따라 프로브를 제시합니다. SOA가 0인 경우 두 대상을 동시에 제시합니다.중립 조건에서 프로브 및 참조의 할당은 임의적이지만 데이터를 분석하는 데 필요합니다. 모든 SOA의 반복을 만듭니다. 자극, 위치 또는 대상 정체성과 같이 영향을 받지 않는 영향을 무작위화하거나 체계적으로 변경합니다.반복 횟수는 유력 전력에 따라 다릅니다. 약 800개의 임상시험이 1시간 이내에 발표될 수 있습니다. 더 많은 반복이 필요한 경우 실험을 여러 세션으로 나누는 것이 좋습니다.참가자를 환영하고 실험의 일반적인 절차에 대해 알려줍니다. 참여에 대한 동의를 얻습니다. 시력이 정상인지 또는 정상으로 교정되었는지 확인하십시오.실험을 위한 조용한 부스를 제공합니다. 의자, 턱받침대, 키보드 등을 조정하여 최적의 조건을 보장합니다. 참가자들에게 실험에는 주의와 정신적 집중이 필요하며 피곤할 수 있다는 것을 인식시킵니다.필요할 때 잠시 휴식을 취하도록 요청하십시오. 프레젠테이션 및 응답 수집을 자세히 설명하는 화면 지침을 제시합니다. 참가자들에게 과제는 대상의 인지된 시간적 순서를 보고하는 것임을 상기시키고, 순서를 전혀 알 수 없는 시행에서 추측하는 것입니다.시험 중 안구 움직임을 피하기 위해 참가자들에게 화면에 표시될 때마다 중앙 마커를 고정하도록 요청하십시오. 턱 받침대에 머리를 대라고 합니다. 필요한 경우 잠시 휴식을 취하도록 요청하십시오.10-20번의 시도로 짧은 훈련을 수행합니다. 참가자가 작업을 이해했는지 확인합니다. 그들이 설명하게 하십시오.더 이상 질문이 없으면 주요 실험을 위해 부스를 떠나십시오. 시행별 데이터를 프로브 첫 번째 판단 횟수로 변환한 후 원하는 Beyesian 계층 모델을 실행하여 매개변수를 추정할 수 있습니다. 프로세스가 완료된 후 모든 파라미터에 대한 수렴 진단을 플롯하고 체인이 수렴되었으며 충분히 큰 유효 표본 크기를 제공하는지 확인합니다.그런 다음 관심 있는 매개변수를 플롯하고 평가합니다. 예시적인 결과는 이 비디오의 다음 섹션에 나와 있습니다. 첫 번째 실험은 시각적 현저성이 처리 속도에 미치는 영향을 측정했습니다.참가자들은 배경 패턴에서 왼쪽 또는 오른쪽의 두 목표 선 세그먼트 중 어느 것이 먼저 깜박이는지 판단했습니다. 시험의 절반에서 프로브는 색상이 튀어나왔습니다. 데이터는 앞서 설명한 TVA에서 파생된 TOJ 모델을 적용했습니다.두드러진 자극의 이점은 주의 상태에서 볼 수 있는데, 프로브에 대한 포인트 5 9의 주의 가중치가 증가하기 때문입니다. 두드러진 표적이 없는 제어 조건에서, 포인트 5의 중립 중량이 얻어졌고, 따라서 주의 조건에서 프로브의 주의 가중치는 신뢰성 있게 더 높았습니다. 0, 차이 없음은 95 HDI에 포함되지 않았습니다.프로브와 참조의 개별 가중치는 돌출 자극 이점이 비돌출 자극의 16Hz 처리 속도 감소로 인해 발생한다는 것을 보여줍니다. 아마도 현저한 표적은 현저하지 않은 표적의 처리를 어느 정도 억제하므로 상대적으로 이점이 있습니다. 두 번째 실험은 자연 이미지에 묘사된 행동 공간에서 주의력의 이점을 조사했습니다.액션 스페이스, 프로브 및 배경 오브젝트 참조가 TOJ에 등장했습니다. 제어 실험에서는 장면 레이아웃 인식이 방해받는 이미지의 거꾸로 된 버전을 사용하여 행동 공간 이점이 없는 기준선을 기록했습니다. 매개변수 posterius는 어텐션 조건에서 행동 공간 이점을 나타냅니다.프로브 무게는 포인트 5의 중립 무게보다 높습니다. 흥미롭게도, 이것은 제어 조건에서도 발견되며, 이는 이미지 반전이 잠재적인 행동 공간 이점을 제거하지 않았음을 시사합니다. 따라서 장면 반전에 의해 제거되지 않는 현저성 또는 가시성과 같은 요인으로 인한 이점이 가장 가능성이 높습니다.실험력이 너무 낮아 행동 공간 효과를 감지할 수 없었을 가능성은 이 프로토콜의 서면 부분에서 논의됩니다. 세 번째 실험에서는 주변 신호가 사용되었으며, 인코딩 프로세스 간의 지연을 모델링하는 추가 매개 변수에 큰 영향을 미칩니다. 이 실험은 이 프로토콜의 서면 부분에서 자세히 설명합니다.결론적으로, 이 기사의 프로토콜은 간단한 TOJ를 수행하고 자극 인코딩의 기본 모델을 기반으로 데이터를 맞추는 방법을 설명합니다. 세 가지 실험에서 우리는 결과가 계층적 베이지안 추정 프레임워크에서 평가될 수 있음을 보여주었습니다. 우리는 팝아웃 디스플레이의 현저함이 주의력 가중치를 증가시킨다는 것을 발견했습니다.또한, 자연 이미지에서 활동 공간 객체에 대한 증가된 가중치가 추정되었지만, 지속적인 이점으로 인해 이미지를 거꾸로 표시하여 공간 관계가 방해를 받았을 때, 또 다른 주의적 이점이 무게 증가로 이어질 가능성이 있습니다. 실험 3의 주변 신호는 인코딩 프로세스 간의 추가 지연을 모델링하는 매개변수에 대한 큰 값으로 이어졌습니다. 프로토콜의 장점은 거의 임의의 자극을 활용할 수 있는 TOJ 작업의 단순성입니다.TVA의 철저한 이론적 토대와 베이지안 평가 체계. 현저성은 많은 연구에서 중요한 역할을 하지만, 시각적 현저성을 정량화하려고 시도한 연구는 소수에 불과합니다. 그러나 시각적 현저성을 정량화하면 방향, 색상 또는 움직임과 같은 다양한 기능 치수를 비교할 수 있습니다.여기에서 우리는 TVA에서 파생된 공식 모델의 주의 가중치에 대한 색상 대비의 영향을 조사하고 현저성을 정량적으로 그리고 심리적으로 건전한 방식으로 측정할 수 있었습니다. 이 프로토콜의 성공을 위해서는 목표 위치에서 시간 신호를 생성하는 자극이 두 개만 있는 것이 중요합니다. 말초 신호와 같은 TOJ의 추가 자극을 명시적으로 모델링하는 것이 향후 연구의 목표입니다.

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

Research

연구

JoVE Journal

Behavior

행동

안구 추적이 오랫동안 일반적-개발하는 개인에 시선 패턴을 공부하기 위해 사용되었지만 최근의 기술적 진보는 자폐증보다 실현 가능한 포함한 임상 인구와 사용을 만들었습니다. 눈이-추적 자폐증과 어린 자녀 것은 초기 증상의 발현에 대한 통찰력을 제공할 수 있지만, 그것은 방법론적인 도전을 포함한다. 모범 사례에 대한 제안 사항이 제공됩니다.

자폐증과 어린 아이를 추적 눈

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

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

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

이것은 눈-추적 데이터의 질적 비교 사례 연구 분석 사회 비디오 장면의 첫 순간에 볼 3 참가자: 자폐증 스펙트럼 장애과 comorbid 주의 적자 활동적인 장애, 하나 하나 하나 neurotypical 컨트롤입니다.

눈-추적 데이터 높은 기능 ASD, Comorbid ADHD 어린이의 및 사회 동영상 보고 제어의 비교

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

시각적 이벤트를 기반으로 하는 간격 비교(지속 시간 인식) 작업 중에 눈의 움직임을 모니터링하기 위해 시선 추적을 사용하는 프로토콜을 제시합니다. 목표는 지속 시간 인식 작업에 대한 안구 운동 반응(시간 간격의 비교 또는 구별)을 자극 자체에 대한 반응과 분리하기 위한 예비 가이드를 제공하는 것입니다.

시각 지속 시간 지각에서의 안구 운동: 사전 결정 과정에서 시간으로부터의 자극 해소

우리는 중심 시력 상실을 시뮬레이션하는 지각 및 안구 운동 연구를 위해 설계된 시선 조건부 디스플레이 프레임워크의 개발을 제시합니다. 이 프레임워크는 시뮬레이션 및 병리학적 중심 시력 상실을 모두 경험하는 개인의 보상 행동 및 안구 운동 전략을 연구하는 데 특히 적합합니다.

시뮬레이션된 중심 시력 상실을 이용한 지각 학습 연구를 위한 시선 조건부 디스플레이 프레임워크

기능적 자기공명영상(functional magnetic resonance imaging)을 통해 pRF(visual population receptive field)의 편향되지 않은 추정치를 얻는 것이 중요합니다. pRF 형상에 대한 선험적 가정 없이 pRF 지형을 추정하기 위해 가벼운 정규화 제약 조건을 사용하여 특정 pRF 모델을 사후에 선택할 수 있습니다. 이는 시각 경로 병변이 있는 피험자에게 특히 유리합니다.

자기 공명하여 Visual 인구 받아들이는 필드의 지형 평가

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.

방법은 온라인 비주얼주의를 테스트하려면

배우세요 시간적 순서 심판(TOJ)을 사용하여 주의 및 시각 처리 속도를 측정하는 방법을. Bundesen의 시각 주의 이론 기반 모델을 활용해 거의 모든 자극에 적용 가능하며, 베이지안 계층적 분석으로 주의 가중치와 인코딩 속도를 정량화합니다.

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

더 많은 동영상 탐색