Name: Metody testowania uwagi wzrokowej online (Wideo) | JoVE Journal
Uploaded: 2015-02-19T14:00:00.000+00:00
Duration: 9 min 44 s
Description: Poznaj metody testowania uwagi wzrokowej online z wykorzystaniem aplikacji internetowej i kalibracji ekranu. Technika ta umożliwia zbieranie danych od większej grupy uczestników w krótszym czasie.

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

Autorzy nie mają nic do ujawnienia.

Protokół został zatwierdzony przez instytucjonalną komisję rewizyjną na Uniwersytecie Wisconsin-Madison. Poniższe kroki zostały napisane jako przewodnik dla programistów, aby odtworzyć zautomatyzowany proces opisanej aplikacji internetowej.
1. Zaloguj się uczestnika
<ol>
	<li>Poinstruuj uczestnika, aby korzystał z komputera z dostępem do Internetu i przeszedł do aplikacji internetowej za pomocą przeglądarki zgodnej z HTML5: <a href="http://brainandlearning.org/jove" target="_blank">http://brainandlearning.org/jove</a>. Niech uczestnik usiądzie w cichym pomieszczeniu wolnym od zakłóceń, z komputerem na wygodnej wysokości. 
	UWAGA: Ponieważ cały eksperyment odbywa się online, zadania można również wykonywać zdalnie bez obecności asystenta naukowego. Wszystkie instrukcje dla uczestnika zawarte są w aplikacji internetowej.</li>
	<li>Poproś uczestnika o wprowadzenie unikalnego identyfikatora, który będzie powiązany z danymi zebranymi i przechowywanymi w bazie danych MySQL. Poproś uczestnika o ponowne użycie tego identyfikatora, jeśli zadania online nie zostaną wykonane w ramach tej samej sesji. Przed zalogowaniem należy uzyskać zgodę uczestnika za pośrednictwem formularza zgody, do którego link znajduje się na stronie. 
	UWAGA: Postęp uczestnika jest zapisywany po każdym zadaniu, aby w razie potrzeby umożliwić wykonanie 2 zadań w oddzielnych momentach. Poinstruuj uczestnika, aby zawsze używał tego samego identyfikatora, aby zacząć od miejsca, w którym został przerwany.</li>
</ol>
2. Kalibracja ekranu
UWAGA: Aplikacja internetowa prowadzi uczestnika przez trzy kroki opisane na stronie kalibracji pod adresem: <a href="http://brainandlearning.org/jove/Calibration" target="_blank">http://brainandlearning.org/jove/Calibration</a>.
<ol>
	<li>Poproś uczestnika, aby w oznaczonym polu tekstowym wpisał rozmiar przekątnej ekranu w calach.
	<ol>
		<li>Jeśli jednak uczestnik nie zna tych informacji, poproś go o znalezienie płyty CD lub karty kredytowej jako obiektu do kalibracji (Rysunek 1). Po wybraniu jednego z nich poproś uczestnika o przystawienie obiektu do ekranu i wyrównanie go z reprezentatywnym obrazem obiektu wyświetlanego na ekranie.</li>
		<li>Poproś uczestnika o dostosowanie rozmiaru obrazu na ekranie do rozmiaru obiektu fizycznego. Na podstawie pomiarów fizycznej płyty CD (o średnicy 4,7 cala) lub karty kredytowej (o szerokości 3,2 cala), a także o rozmiarze piksela reprezentatywnego obrazu, określ stosunek pikseli do cali na ekranie.</li>
		<li>Pobierz rozdzielczość monitora w pikselach za pomocą właściwości screen.width i screen.height języka JavaScript, aby następnie obliczyć rozmiar przekątnej ekranu w pikselach. Znając tę wartość i wcześniej oszacowany stosunek pikseli do cali (patrz krok 2.1.2), przelicz rozmiar przekątnej na cale. Poproś uczestnika, aby potwierdził tę wartość w oknie dialogowym.</li>
	</ol>
	</li>
	<li>Poproś, aby uczestnik dostosował ustawienia jasności ekranu, aż wszystkie 12 pasm w czarno-białym gradiencie wyświetlanym na ekranie będzie wyraźnie rozróżnialnych. Elementy sterujące ustawieniami jasności różnią się w zależności od komputera.</li>
	<li>Poproś uczestnika, aby usiadł w wygodnej pozycji na odległość ramienia od monitora, a następnie ustaw okno przeglądarki w trybie pełnoekranowym. Okno przeglądarki musi być w trybie pełnoekranowym, aby zmaksymalizować przestrzeń wizualną wykorzystywaną przez zadania i usunąć wszelkie wizualne elementy rozpraszające, takie jak pasek narzędzi przeglądarki i paski zadań pulpitu.</li>
	<li>Znając rozdzielczość ekranu uczestnika i rozmiar przekątnej monitora, użyj aplikacji internetowej, aby automatycznie obliczyć wartość konwersji pikseli/stopni na podstawie odległości oglądania 50 cm. Zmień rozmiar wymiarów bodźców w zadaniach przy użyciu tej wartości. Wszystkie wymiary kąta widzenia podane poniżej są oparte na tej założonej średniej wartości odległości od monitora.</li>
	<li>Po zakończeniu kalibracji poproś uczestnika o wykonanie dwóch zadań opisanych poniżej. Wybierz kolejność zadań lub losowo przypisz kolejność za pomocą aplikacji internetowej.</li>
</ol>
3. Zadanie śledzenia wielu obiektów (MOT) – Rysunek 2
<ol>
	<li>Przedstaw uczestnika i zapoznaj go z bodźcami MOT za pomocą samouczka, który można zobaczyć pod adresem: <a href="http://brainandlearning.org/jove/MOT/practice.php" target="_blank">http://brainandlearning.org/jove/MOT/practice.php</a>. Poproś uczestnika, aby przeczytał instrukcje krok po kroku, które pokazują, jak będą przebiegać badania. Gdy uczestnik skończy czytać instrukcje, zachęć go do przejścia przez próby praktyczne.
	<ol>
		<li>Ustaw bodźce treningowe tak, aby składały się z 8 punktów pod kątem 0,8° z prędkością ruchu 2°/s. Użyj interfejsu API HTML5 requestAnimationFrame, aby zoptymalizować animację przeglądarki z częstotliwością odświeżania 60 Hz, aby kontrolować ten ruch bodźca.</li>
		<li>Upewnij się, że kropki poruszają się w granicach okręgu o mimośrodowości 2° i okręgu nie większego niż wysokość ekranu uczestnika, bez zasłaniania instrukcji.</li>
		<li>Ustaw kropki tak, aby poruszały się po losowej trajektorii, gdzie w każdej klatce kropka ma 60% szans na zmianę kierunku pod maksymalnym kątem 0,2°. Jeśli kropka koliduje z inną kropką lub wewnętrzną lub zewnętrzną granicą promieniową, przesuń kropkę w przeciwnym kierunku.</li>
		<li>Zachęć uczestnika do śledzenia niebieskich kropek (od 1 do 2 kropek na próbę próbną), przy czym żółte kropki działają jako dystraktory.</li>
		<li>Po 2 sekundach zmień niebieskie kropki na żółte kropki i kontynuuj przesuwanie ich wśród oryginalnych żółtych kropek przez kolejne 4 sekundy. Na końcu każdej próby zatrzymaj kropki i zaznacz jedną.</li>
		<li>Zachęć uczestnika do odpowiedzi za pomocą naciśnięcia, niezależnie od tego, czy podświetlona kropka była śledzoną kropką, czy kropką rozpraszającą. Następnie poproś uczestnika, aby nacisnął spację, aby przejść do następnej próby.</li>
		<li>Po 3 kolejnych poprawnych próbach, czyli maksymalnie 6 próbach, przejdź do pełnego zadania.</li>
	</ol>
	</li>
	<li>Rozpocznij pełne zadanie MOT dla uczestnika. Przykładowe zadanie można znaleźć pod adresem: <a href="http://brainandlearning.org/jove/MOT" target="_blank">http://brainandlearning.org/jove/MOT</a>.
	<ol>
		<li>Skonfiguruj pełne zadanie za pomocą 16 punktów, które poruszają się z prędkością 5°/s w przestrzeni między mimośrodem 2° a mimośrodem 10°. Jeśli na ekranie uczestnika nie mieści się okrąg o mimośrodowym kącie 10°, należy użyć maksymalnego rozmiaru, jaki może pomieścić ekran.</li>
		<li>Poproś uczestnika, aby wykonał łącznie 45 prób: mieszankę 5 prób składających się z 1 śledzonej kropki i 10 prób, z których każda składa się z 2-5 śledzonych kropek. Dopasuj wszystkie inne parametry do prób praktycznych (patrz kroki 3.1.3 - 3.1.6).</li>
		<li>Zapisz odpowiedź uczestnika i czas odpowiedzi po podświetleniu kropki.</li>
		<li>Na każde 15 prób zaproponuj uczestnikowi przerwę. W tych przerwach wyświetlaj na ekranie wyniki uczestnika (procent poprawnych prób) w bloku.</li>
	</ol>
	</li>
</ol>
4. Przechodzenie od jednego zadania do drugiego (krok opcjonalny)
<ol>
	<li>Pozwól uczestnikowi zrobić przerwę między tymi dwoma zadaniami. Powtórz jednak kroki 1 i 2, jeśli zadania nie zostaną ukończone podczas tej samej sesji logowania.</li>
</ol>
5. Użyteczne zadanie pola widzenia (UFOV) – Rysunek 3
<ol>
	<li>Przedstaw i zapoznaj uczestnika z bodźcami UFOV poprzez samouczek, który można zobaczyć pod adresem: <a href="http://brainandlearning.org/jove/UFOV/practice.php" target="_blank">http://brainandlearning.org/jove/UFOV/practice.php</a>. Poproś uczestnika, aby przeszedł przez 4 etapy instrukcji krok po kroku, które pokazują dwa bodźce docelowe, na które należy zwrócić uwagę podczas zadania.
	<ol>
		<li>Ustaw centralny bodziec docelowy jako buźkę 1°, która na środku ekranu z długimi lub krótkimi włosami. Losowo dobieraj długość włosów uśmieszki w różnych próbach.</li>
		<li>Ustaw bodziec celu obwodowego jako gwiazdę o kącie 1°, która z mimośrodem 4° w jednym z 8 miejsc wokół okręgu (0°, 45°, 90°, 135°, 180°, 225°, 270° i 315°). Losowo wybieraj lokalizację gwiazdy w różnych próbach.</li>
		<li>Kontroluj czas trwania bodźca za pomocą liczby klatek używanych do czasu prezentacji. Zoptymalizuj odświeżanie klatek z szybkością około 17 ms na klatkę przy użyciu interfejsu API requestAnimationFrame HTML5.</li>
		<li>Aby sprawdzić, czy oczekiwany czas prezentacji został osiągnięty, użyj metody getTime() JavaScript w celu uzyskania czasu rozpoczęcia i zakończenia czasu trwania bodźca na podstawie zegara systemowego uczestnika. Oblicz zmierzony czas prezentacji na podstawie tych dwóch wartości i użyj tej wartości do analizy danych.</li>
		<li>W przypadku każdej próby próbnej odczekaj 500 ms przed wyświetleniem bodźców przez około 200 ms (około 12 klatek).</li>
		<li>Śledź prezentację bodźca za pomocą maski szumów złożonej z losowo generowanej tablicy punktowej w skali szarości przez 320 ms (około 19 klatek).</li>
		<li>W przypadku etapu 1 wyświetl tylko centralny cel, a następnie poproś uczestnika o odpowiedź za pomocą naciśnięcia, który został wyświetlony.</li>
		<li>W przypadku etapu 2 wyświetl tylko cel peryferyjny, a następnie poproś uczestnika o kliknięcie jednej z 8 linii promieniowych, reprezentujących 8 możliwych lokalizacji docelowych, aby wskazać, gdzie pojawiła się gwiazda.</li>
		<li>W etapie 3 wyświetlaj zarówno centralne, jak i peryferyjne bodźce docelowe, a następnie zachęć uczestnika do udzielenia odpowiedzi zarówno na rodzaj uśmieszki, jak i lokalizację gwiazdy. 
		UWAGA: Uczestnicy mogą dowolnie wybrać kolejność tych dwóch odpowiedzi.</li>
		<li>W etapie 4 wyświetlaj oba bodźce docelowe oprócz dystraktorów obwodowych, a następnie zachęć uczestnika do reagowania na oba bodźce docelowe. W przypadku dystraktorów wyświetl kwadraty 1° przedstawione w pozostałych 7 lokalizacjach przy mimośrodzie 4°, a także 8 dodatkowych kwadratów przy mimośrodzie 2°.</li>
		<li>Po udzieleniu odpowiedzi przez uczestnika pokaż informację zwrotną uczestnika (zielony znacznik wyboru dla poprawnej odpowiedzi lub czerwony krzyżyk dla nieprawidłowej odpowiedzi) dla każdej docelowej odpowiedzi po każdej próbie.</li>
		<li>Przenieś uczestnika do następnego etapu ćwiczeń po wykonaniu 3 kolejnych poprawnych prób. Po etapie 4 przenieś uczestnika do pełnego zadania.</li>
	</ol>
	</li>
	<li>Zachęć uczestnika do rozpoczęcia pełnego zadania UFOV. Przykładowe zadanie można znaleźć pod adresem: <a href="http://brainandlearning.org/jove/UFOV" target="_blank">http://brainandlearning.org/jove/UFOV</a>.
	<ol>
		<li>Przedstaw ten sam bodziec centralny, co podczas sesji treningowej (patrz krok 5.1.1). Wyświetlić cel peryferyjny pod kątem mimośrodu 7° w jednym z wcześniej wymienionych 8 miejsc (patrz krok 5.1.2). 24 kwadraty dystraktora są również wyświetlane w lokalizacjach mimośrodu 3°, mimośrodu 5° i pozostałych 7° mimośrodu.</li>
		<li>Użyj procedury schodów 3-dół, 1-góra, aby określić czas prezentacji bodźców: zmniejsz czas trwania bodźców po 3 kolejnych prawidłowych próbach i zwiększ po każdej próbie błędu.</li>
		<li>Przed pierwszymi 3 odwróceniami na klatce schodowej użyj kroku o rozmiarze 2 ramek (mniej więcej co 33 ms). Po 3 odwróceniach użyj kroku o rozmiarze 1 klatki. Zmieniaj opóźnienie przed nadejściem bodźca od 1 klatki do 99 klatek na próbę i utrzymuj czas trwania maski szumów na poziomie 320 ms (około 19 klatek). 
		UWAGA: Odwrócenia to punkty, w których czas trwania zmienia się ze zwiększającego się na malejący lub malejącego na rosnący.</li>
		<li>Zakończ zadanie, gdy spełniony jest jeden z trzech warunków: procedura schodowa osiąga 8 odwróceń, uczestnik wykonuje 10 kolejnych prób w czasie trwania pułapu (99 klatek) lub czasu trwania podłogi (1 klatka) lub uczestnik osiąga maksymalnie 72 próby.</li>
		<li>Rejestruj reakcję uczestnika i czas odpowiedzi zarówno na bodziec centralny, jak i bodziec obwodowy.</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>

Prace te były wspierane przez Szwajcarską Fundację Narodową (100014_140676), Narodową Fundację Nauki (1227168) oraz Narodowy Instytut Oka Narodowych Instytutów Zdrowia (P30EY001319).

Gromadzenie danych online ma wiele zalet w porównaniu ze standardowym gromadzeniem danych laboratoryjnych. Obejmują one możliwość pobierania próbek znacznie bardziej reprezentatywnych populacji niż typowa pula studentów studiów licencjackich wykorzystywanych w tej dziedzinie, a także możliwość uzyskania znacznie większych rozmiarów próbek w czasie krótszym niż potrzeba uzyskania wielkości próby, która jest o rząd wielkości mniejsza w laboratorium1-6 (np. punkty danych zebrane od 1,700+ uczestników w o...

W ciągu ostatnich pięciu lat nastąpił gwałtowny wzrost zainteresowania wykorzystaniem metod zbierania danych behawioralnych online. Podczas gdy zdecydowana większość publikacji w dziedzinie psychologii wykorzystywała potencjalnie niereprezentatywne populacje badanych1 (tj. głównie studentów szkół wyższych) i często dość małe próby (tj. zazwyczaj w zakresie dziesiątek przedmiotów), metody online oferują obietnicę znacznie bardziej zróżnicowanych i większych prób. Na przykład usługa Mechanical Turk firmy Amazon była przedmiotem wielu ostatnich badań, zarówno opisujących charakterystykę populacji "pracowników", jak i wykorzystanie tej populacji w badaniach behawioralnych2-6.
Jednak jednym z istotnych problemów związanych z takimi metodami jest względny brak kontroli nad krytycznymi zmiennymi bodźców. Na przykład w większości zadań psychofizyki wizualnej bodźce są opisywane w kategoriach kąta widzenia. Obliczanie kątów widzenia wymaga precyzyjnych pomiarów odległości oglądania, rozmiaru ekranu i rozdzielczości ekranu. Chociaż parametry te są trywialne do zmierzenia i kontrolowania w warunkach laboratoryjnych (gdzie znajduje się znany monitor, a uczestnicy oglądają bodźce w podbródku umieszczonym w znanej odległości od monitora), to samo nie dotyczy zbierania danych online. W środowisku online uczestnicy nie tylko nieuchronnie będą korzystać z szerokiej gamy monitorów o różnych rozmiarach i różnych ustawieniach oprogramowania, ale także mogą nie mieć łatwego dostępu do linijek/taśm mierniczych, które pozwoliłyby im określić rozmiar monitora lub posiadać wiedzę niezbędną do określenia ustawień oprogramowania i sprzętu (np. częstotliwość odświeżania, rezolucja).
Tutaj opisujemy zestaw metod zbierania danych na temat dwóch dobrze znanych testów uwagi wzrokowej - paradygmatu użytecznego pola widzenia (UFOV)7 i zadania śledzenia wielu obiektów (MOT)8 - unikając w miarę możliwości źródeł zmienności, które są nieodłącznie związane z pomiarami online. Zadania te mogą być uruchamiane przez każdego uczestnika z połączeniem internetowym i przeglądarką zgodną z HTML5. Uczestnicy, którzy nie znają rozmiaru swojego ekranu, są przeprowadzani przez proces pomiaru z wykorzystaniem powszechnie dostępnych przedmiotów o standardowym rozmiarze (np. karty kredytowej/płyty CD – patrz Rysunek 1).
Dane dotyczące tych dwóch zadań zostały zebrane od ponad 1 700 uczestników Ogromnego Otwartego Kursu Online. Średnia wydajność tej próby online była wysoce zgodna z wynikami uzyskanymi w ściśle kontrolowanych pomiarach laboratoryjnych dokładnie tych samych zadań9,10. Nasze wyniki są zatem zgodne z rosnącą literaturą wykazującą skuteczność metod gromadzenia danych online, nawet w zadaniach wymagających szczególnej kontroli nad warunkami oglądania.

<table><tbody><tr><td>Komputer/tablet</td><td></td><td></td><td>Musi mieć połączenie z Internetem i przeglądarkę kompatybilną z HTML5</td></tr><tr><td>Płyta CD lub karta</td><td></td><td></td> kredytowa <td>Może nie być potrzebny, jeśli uczestnik zna już rozmiar monitora</td></tr></tbody></table>

metody testowania uwagi wzrokowej online

Methods to Test Visual Attention Online

Metody zbierania danych online są szczególnie atrakcyjne dla behawiorystów, ponieważ oferują obietnicę znacznie większych i znacznie bardziej reprezentatywnych próbek danych niż te, które zazwyczaj można zebrać na kampusach uniwersyteckich. Zanim jednak takie metody będą mogły zostać powszechnie przyjęte, konieczne jest pokonanie szeregu wyzwań technologicznych – w szczególności w eksperymentach, w których konieczna jest ścisła kontrola właściwości bodźców. Poniżej przedstawiamy metody zbierania danych o wydajności w dwóch testach uwagi wzrokowej. Oba testy wymagają kontroli nad kątem widzenia bodźców (co z kolei wymaga wiedzy na temat odległości oglądania, rozmiaru monitora, rozdzielczości ekranu itp.) oraz czasu wystąpienia bodźców (ponieważ testy obejmują albo krótko bodźce, albo bodźce, które poruszają się z określoną prędkością). Dane zebrane w tych testach od ponad 1700 uczestników online były zgodne z danymi zebranymi w laboratoryjnych wersjach dokładnie tych samych testów. Wyniki te sugerują, że przy odpowiedniej pielęgnacji zadania zależne od czasu/wielkości bodźca mogą być wdrażane w ustawieniach internetowych.

Usuwanie wartości odstających
W zadaniu UFOV wzięło udział łącznie 1 779 uczestników. spośród nich 32 uczestników osiągnęło progi UFOV przekraczające 3 odchylenia standardowe od średniej, co sugeruje, że nie byli oni w stanie wykonać zadania zgodnie z instrukcją. W związku z tym dane UFOV od tych uczestników zostały usunięte z końcowej analizy, co pozostawiło łącznie 1 747 uczestników.
Dane do zadania MOT uzyskano od 1746 uczestników. Dwóch uczestników uzyskało średnie...

Aby odtworzyć ustawienia laboratoryjne, metody zbierania danych online do zadań wizualnych wymagają ścisłej kontroli nad prezentacją bodźców. Przedstawiamy metody wykorzystania aplikacji internetowej do zbierania danych o wydajności w dwóch testach uwagi wzrokowej.

Metody testowania uwagi wzrokowej online

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

Ogólnym celem niniejszej procedury jest uproszczenie gromadzenia danych dla zadań dotyczących uwagi wizualnej za pomocą aplikacji internetowej. Osiąga się to najpierw poprzez zalogowanie uczestników do aplikacji internetowej. Następnie uczestnicy otrzymują instrukcje dotyczące kalibracji ekranów w celu poprawnego wyświetlania bodźców.Następnie uczestnicy zapoznają się z instrukcjami do zadania i wykonują próby treningowe. Na koniec zbierane są dane od uczestników podczas wykonywania przez nich pełnych zadań. W ostateczności metody zbierania danych online w zadaniach wizualnych wykazują wyniki spójne z wynikami otrzymywanymi przy użyciu tradycyjnych metod laboratoryjnych.Główną zaletą tej techniki w porównaniu z istniejącymi metodami jest możliwość gromadzenia danych od większej i bardziej zróżnicowanej populacji w stosunkowo krótkim czasie. Procedurę tę zaprezentuje Olga P equal, technik laboratoryjny. Na początek należy poprosić uczestnika o zajęcie miejsca w cichym pomieszczeniu, wolnym od rozpraszaczy, przy komputerze z dostępem do Internetu ustawionym na wygodnej wysokości.Poleć uczestnikowi przejście do przedstawionej tutaj aplikacji internetowej. Za pomocą przeglądarki zgodnej ze standardem HTML5 poproś uczestnika o wprowadzenie unikalnego identyfikatora, który zostanie przypisany do zgromadzonych danych i zapisany w bazie danych my SQL. Przed zalogowaniem uzyskaj zgodę uczestnika za pomocą formularza zgody zamieszczonego w formie linku na stronie.Aby skalibrować ekran, poproś uczestnika o wpisanie przekątnej ekranu w calach w odpowiednim polu tekstowym. Jeśli uczestnik nie zna tej informacji, poproś go o znalezienie płyty CD lub karty kredytowej jako obiektu kalibracyjnego. Po dokonaniu wyboru poproś uczestnika o przyłożenie obiektu do ekranu i dopasowanie go do wyświetlanego na ekranie obrazu reprezentacyjnego tego obiektu.Poproś uczestnika o dostosowanie rozmiaru obrazu na ekranie tak, aby odpowiadał rozmiarowi fizycznego obiektu, w oparciu o wymiary fizycznej płyty CD lub karty kredytowej oraz rozmiar piksela obrazu reprezentatywnego. Określ przekątną ekranu w calach. Poproś uczestnika o potwierdzenie tej wartości w oknie dialogowym.Następnie poproś uczestnika o dostosowanie ustawień jasności ekranu tak, aby wszystkie 12 pasów gradientu od czerni do bieli wyświetlanych na ekranie były wyraźnie rozróżnialne. Poproś uczestnika o zajęcie wygodnej pozycji w odległości wyciągniętej ręki od monitora, a następnie ustaw okno przeglądarki w trybie pełnoekranowym. Okno przeglądarki musi znajdować się w trybie pełnoekranowym, aby zmaksymalizować przestrzeń wizualną wykorzystywaną przez zadania i usunąć wszelkie rozpraszacze, takie jak pasek narzędzi przeglądarki czy pasek zadań pulpitu.Korzystając z samouczka śledzenia wielu obiektów (MOT) dostępnego pod tym adresem URL, poproś uczestnika o przeczytanie instrukcji krok po kroku, które wyjaśniają przebieg prób. Gdy uczestnik skończy czytać instrukcje, poleć mu wykonanie prób treningowych; skonfiguruj bodźce treningowe tak, aby składały się z ośmiu punktów o rozmiarze 0.8 stopnia, poruszających się z prędkością dwóch stopni na sekundę. Użyj interfejsu HTML5 requestAnimationFrame API, aby zoptymalizować animację w przeglądarce przy częstotliwości odświeżania 60 Hz w celu kontrolowania ruchu bodźca.Następnie poproś uczestnika o śledzenie niebieskich kropek, podczas gdy żółte kropki pełnią funkcję dystraktorów. Po dwóch sekundach zmień niebieskie kropki na żółte i kontynuuj ich przesuwanie wśród oryginalnych żółtych kropek przez kolejne cztery sekundy. Na koniec każdej próby zatrzymaj kropki i wyróżnij jedną z nich.Poproś uczestnika o odpowiedź za pomocą naciśnięcia klawisza, wskazując, czy podświetlona kropka była kropką śledzoną, czy kropką dystraktorem. Po trzech kolejnych prawidłowych próbach lub maksymalnie po sześciu próbach, przejdź z uczestnikiem do pełnego zadania. Aby rozpocząć pełne zadanie MOT dla uczestnika, skonfiguruj je z 16 kropkami poruszającymi się z prędkością 5 stopni na sekundę.W obszarze między ekscentrycznością 2 stopni a 10 stopni uczestnik powinien wykonać łącznie 45 prób: mieszankę pięciu prób składających się z jednej śledzonej kropki oraz po 10 prób składających się z dwóch do pięciu śledzonych kropek. Korzystając z samouczka dostępnego tutaj, poproś uczestnika o przejście przez cztery etapy instrukcji krok po kroku, które prezentują dwa bodźce docelowe wymagające uwagi podczas zestawu zadań użytecznego pola widzenia (useful field of view, UFOV). Centralnym bodźcem docelowym jest buźka o rozmiarze 1 stopnia, która miga w centrum ekranu z długimi lub krótkimi włosami.Zrandomizuj długość włosów u buźki w poszczególnych próbach; ustaw obwodowy bodziec docelowy jako gwiazdkę o wielkości jednego stopnia, która miga w odległości czterech stopni od centrum w jednym z ośmiu miejsc rozmieszczonych w okręgu. Zrandomizuj położenie gwiazdki w poszczególnych próbach. Tylko dla etapu pierwszego.Wyświetl cel centralny, a następnie poproś uczestnika o odpowiedź za pomocą klawisza, wskazując, jaka długość włosów była wyświetlana wyłącznie w etapie drugim. Wyświetl cel peryferyjny, a następnie poproś uczestnika o kliknięcie jednej z ośmiu linii opcji (radio lines) reprezentujących osiem możliwych lokalizacji celu, aby wskazać miejsce pojawienia się gwiazdy. W etapie trzecim wyświetl bodźce celu centralnego i peryferyjnego, a następnie poproś uczestnika o udzielenie odpowiedzi zarówno na pytanie o rodzaj uśmiechniętej buźki, jak i lokalizację gwiazdy.W etapie czwartym wyświetl oba bodźce docelowe oraz dystraktory peryferyjne, a następnie poproś uczestnika o odpowiedź na oba bodźce docelowe. W przypadku wyświetlania dystraktorów, zaprezentuj kwadraty o boku jednego stopnia w pozostałych siedmiu lokalizacjach przy ekscentryczności czterech stopni, a dodatkowo osiem kolejnych kwadratów przy ekscentryczności dwóch stopni. Po odpowiedzi uczestnika wyświetl informację zwrotną dotyczącą każdej odpowiedzi na bodziec docelowy. Po każdej próbie, po uzyskaniu trzech kolejnych poprawnych odpowiedzi, przenieś uczestnika do następnego etapu treningu.Po czwartym etapie poproś uczestnika o rozpoczęcie pełnego zadania UFOV. Przedstaw ten sam bodziec centralny, co w sesji treningowej. Wyświetl cel peryferyjny w odległości siedmiu stopni od centrum w jednej z ośmiu wcześniej wspomnianych lokalizacji.Wyświetlonych jest również 24 kwadraty rozpraszające w lokalizacjach o ekscentryczności trzech stopni, pięciu stopni oraz pozostałe w lokalizacjach o ekscentryczności siedmiu stopni. Aby określić czas prezentacji bodźców, zastosowano procedurę schodkową typu „trzy w dół, jeden w górę” – czas trwania bodźców skracano po trzech kolejnych poprawnych próbach i wydłużano po każdej próbie zakończonej błędem w zadaniu. Procedura schodkowa kończyła się po osiągnięciu ośmiu odwróceń, gdy spełniono jeden z trzech warunków.Uczestnik wykonuje 10 kolejnych prób w czasie trwania wynoszącym albo górną granicę 99 klatek, albo dolną granicę jednej klatki, lub do momentu osiągnięcia maksymalnej liczby 72 prób. Do analizy MOT wykorzystano dane od 1 744 uczestników online. Wyniki MOT mierzono poprzez obliczenie średniej dokładności dla każdego zestawu.Dokładność rozmiaru wahała się od 0,4 do 1,0 dla zestawu o rozmiarze jeden do 0,1 do 1,0 dla zestawu o rozmiarze pięć, natomiast średnia dokładność wynosiła od 0,99 dla zestawu o rozmiarze jeden do 0,71 dla zestawu o rozmiarze pięć. Mediany wyników dokładności wynosiły odpowiednio od 1,0 do 0,70 dla zestawu o rozmiarze jeden i pięć. Dokładność spadała wraz ze zwiększaniem rozmiaru zestawu, co wykazuje typowy efekt MOT w zadaniu UFOV.Przeanalizowano dane od 1 747 uczestników badania online. Wyniki obliczono poprzez uśrednienie czasu prezentacji z pięciu ostatnich prób w celu uzyskania progu detekcji, który odzwierciedla minimalny czas prezentacji, przy którym uczestnicy są w stanie wykryć obwodowy cel z dokładnością wynoszącą około 79%. Średni próg UFOV wyniósł 64,7 milliseconds, a uzyskane wyniki mieściły się w zakresie od 17 milliseconds do 315 milliseconds, przy medianie progu wynoszącej 45 milliseconds.Rozkład progów był prawostronnie skośny, z współczynnikiem skośności wynoszącym 1.92 i kurtozą na poziomie 3.93. Wyniki były zgodne z poprzednimi badaniami. Po obejrzeniu tego filmu powinni Państwo posiadać dobrą wiedzę na temat tego, jak opracowywać eksperymenty dotyczące śledzenia wielu obiektów oraz użytecznego pola widzenia w formie aplikacji internetowych, stosując opisaną procedurę.Inne metody z precyzyjną prezentacją bodźców wizualnych mogłyby zostać również dostosowane do środowiska online. Dane mogłyby być wówczas zbierane z bardziej reprezentatywnej populacji lub od konkretnej podgrupy osób, których trudno sprowadzić do laboratorium. Dziękujemy za oglądanie.

Research

JoVE Journal

Behavior

Zachowanie

Ten artykuł opisuje nowatorską procedurę podwójnego zadania połączoną z Szybką Seryjną Prezentacją Wizualną, aby przyjrzeć się uważnym mrugnięciom przy różnych asynchronicznościach początków bodźców. Ta eksperymentalna procedura różniła się od innych tym, że testowała mruganie uwagi dla osób niebędących celami.

Procedura podwójnego zadania w połączeniu z szybką seryjną prezentacją wizualną w celu przetestowania mrugania uwagi u osób niebędących celami

Opisano metodę ilościowego określania jakości przetwarzania informacji wizualnych na podstawie odruchowych ruchów gałek ocznych w odpowiedzi na określone modalności wizualne. Czasy reakcji i wyjściowe parametry fiksacji służą do charakteryzowania sprawności wzrokowej u dzieci z wadami wzroku i bez wad wzroku od 6 miesiąca życia.

Metoda ilościowego określania przetwarzania informacji wzrokowych u dzieci za pomocą śledzenia ruchu gałek ocznych

Oceny porządku czasowego mogą być używane do szacowania parametrów szybkości przetwarzania i wag uwagi, a tym samym do wnioskowania o mechanizmach przetwarzania uwagi. Metodologia ta może być stosowana do szerokiego zakresu bodźców wzrokowych i działa z wieloma manipulacjami uwagi.

Pomiar uwagi i szybkości przetwarzania wzrokowego za pomocą opartej na modelu analizy osądów porządku czasowego

Niniejszy artykuł omawia metodologię śledzenia wzroku w badaniach nad rozumieniem języka. Aby uzyskać wiarygodne dane, należy postępować zgodnie z kluczowymi krokami protokołu. Należą do nich m.in. prawidłowa konfiguracja eye trackera (np. zapewniająca dobrą jakość obrazów oka i głowy) oraz dokładna kalibracja.

Śledzenie ruchu gałek ocznych podczas wizualnego rozumienia języka: elastyczność i ograniczenia w odkrywaniu wizualnych efektów kontekstowych

Ten eksperymentalny protokół łączył śledzenie ruchu gałek ocznych i ocenę preakkadowej wrażliwości wzrokowej w paradygmacie podwójnego zadania, składającego się z zadania sakad wolnego wyboru i zadania dyskryminacji wizualnej, aby zbadać rozmieszczenie wizualnej uwagi przestrzennej przed zarówno dokładnymi, jak i uśredniającymi sakkadami.

Badanie rozmieszczenia uwagi wzrokowej przed dokładnymi i uśredniającymi sakkadami poprzez śledzenie ruchu gałek ocznych i ocenę wrażliwości wzrokowej

W tym artykule prezentujemy nowatorską, zautomatyzowaną metodę oceny ostrości wzroku u niemowląt i małych dzieci za pomocą systemu śledzenia wzroku.

Zautomatyzowana metoda oceny ostrości wzroku u niemowląt i małych dzieci za pomocą systemu śledzenia ruchu gałek ocznych

Nie jest jasne, w jaki sposób sygnały z góry na dół z brzusznego strumienia wzrokowego wpływają na ruch. Opracowaliśmy paradygmat do testowania zachowań motorycznych w stosunku do celu na iluzji odwrócenia głębi 3D. Istotne różnice występują zarówno w celowych, ukierunkowanych na cel ruchach, jak i automatycznych działaniach w iluzorycznych i prawdziwych warunkach widzenia.

Metody badania wpływu odgórnych procesów wzrokowych na zachowania motoryczne

Kontrola uwagi polega na wzmacnianiu sygnałów docelowych i tłumieniu sygnałów dystraktora. Opisujemy podejście do pomiaru oddzielnie, ale równocześnie, neurofizjologii uczestniczenia i ignorowania w długotrwałej uwadze intermodalnej, wykorzystując stan pasywnej kontroli, podczas którego żaden z procesów nie jest stale zaangażowany.

Pomiar neurofizjologicznych sygnałów procesów ignorowania i uczestniczenia w kontroli uwagi

Ten artykuł opisuje nowatorską metodę symulacji i badania adaptacji w systemie wzrokowym.

Wizualizacja adaptacji wizualnej

To badanie porównało prezentacje obrazów emocjonalnych w centralnym i podzielonym polu widzenia, aby ocenić różnice w umotywowanej uwadze między dwiema półkulami. Późny potencjał dodatni (LPP) zarejestrowano za pomocą metodologii elektroencefalografii (EEG) i potencjałów związanych ze zdarzeniami (ERP) w celu oceny umotywowanej uwagi.

Centralna i podzielona prezentacja obrazów emocjonalnych w polu widzenia w celu pomiaru różnic w półkulach w umotywowanej uwadze

Poznaj metody testowania uwagi wzrokowej online z wykorzystaniem aplikacji internetowej i kalibracji ekranu. Technika ta umożliwia zbieranie danych od większej grupy uczestników w krótszym czasie.

Metody testowania uwagi wzrokowej online

Przeglądaj więcej filmów