Name: Pomiar uwagi i szybkości przetwarzania wzrokowego za pomocą opartej na modelu analizy osądów porządku czasowego (Wideo) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: Poznaj metodę pomiaru uwagi i szybkości przetwarzania wzrokowego za pomocą osądów porządku czasowego. Protokół wykorzystuje teorię uwagi wizualnej Bundesena do analizy wpływu uwagi na kodowanie bodźców.

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

Część tej pracy została wsparta przez Niemiecką Fundację Badawczą (DFG) poprzez granty 1515/1-2 i 1515/6-1 dla Ingrid Scharlau.

UWAGA: Niektóre kroki w tym protokole można wykonać za pomocą dostarczonego specjalnego oprogramowania (wraz z instrukcjami instalacji) na http://groups.upb.de/viat/TVATOJ. W protokole ten zbiór programów i skryptów jest określany jako "TVATOJ".
1. Wybór materiału stymulacyjnego
<ol>
	<li>Dobierz bodźce zgodnie z pytaniem badawczym. 
	UWAGA: Ogólnie rzecz biorąc, dwa cele są wyświetlane w różnych miejscach na ekranie. Bodźce, które zostały wykorzystane w niniejszej metodzie, to na przykład kształty, cyfry, litery, singletony na wyskakujących wyświetlaczach i obiekty na naturalnych obrazach. W tym protokole użyto trzech ostatnich typów. 
	UWAGA: Kilka różnych typów bodźców jest zawartych we wtyczce TOJ ("psylab_toj_stimulus" dostarczanej z TVATOJ) dla konstruktora eksperymentów OpenSesame12.</li>
	<li>Tworząc nowe typy bodźców, upewnij się, że interesujące Cię właściwości muszą być zakodowane dla oceny, czyniąc je ważnymi dla zadania lub wybierz bodźce, w których interesujące Cię właściwości są kodowane automatycznie (np. singletony w wyskakujących wyświetlaczach).</li>
</ol>
2. Szacowanie i planowanie mocy
<ol>
	<li>Wykonaj bayesowską analizę mocy, symulując zestawy danych z wybranym modelem, planowanym projektem (rozkład SOA i powtórzenia), wielkościami prób i hipotetycznymi parametrami. Oceń, czy istnieje prawdopodobieństwo, że osiągnie cel badawczy (np. pewną różnicę w parametrach). Jeśli moc nie jest wystarczająca, zmień projekt, dodając lub przesuwając SOA lub powtórzenia, a następnie powtórz analizę.
	<ol>
		<li>Aby skorzystać z dostarczonego oprogramowania TVATOJ, otwórz i edytuj skrypt "exp1-power". R". Postępuj zgodnie z komentarzami w pliku, aby dostosować go do konkretnej analizy. Ogólne informacje na temat szacowania potęgi bayesowskiej można znaleźć w Kruschke13.</li>
	</ol>
	</li>
</ol>
3. Specyfikacja lub programowanie eksperymentu
<ol>
	<li>Użyj konstruktora eksperymentu lub biblioteki prezentacji psychofizycznych, aby zaimplementować eksperyment.
	<ol>
		<li>Aby użyć wtyczki OpenSesame TOJ dostarczonej w TVATOJ, przeciągnij wtyczkę "psylab_toj_stimulus" do pętli prezentacji próbnej. Alternatywnie, otwórz przykładowy eksperyment "simple-toj.osexp" w OpenSesame.</li>
		<li>Wybierz żądany typ bodźca z menu rozwijanego "Typ bodźca" w konfiguracji psylab_toj_stimulus. Postępuj zgodnie z instrukcjami w TVATOJ, aby dodać nowe typy bodźców, jeśli jest to wymagane.</li>
	</ol>
	</li>
	<li>Określ wersje próbne zgodnie z opisem w poniższych krokach.
	<ol>
		<li>Dla każdego warunku eksperymentalnego utwórz próby z zaplanowanymi SOA. Korzystając z wtyczki psylab_toj_stimulus i OpenSesame, dodaj wszystkie różne czynniki jako zmienne do pętli próbnej (np. "SOA").</li>
		<li>Dodaj wiersze do tabeli, aby zrealizować wszystkie kombinacje czynników (np. siedem SOA, od -100 do 100 ms, skrzyżowanych z warunkami eksperymentalnymi "uwaga" i "neutralny"). Dostosuj atrybut pętli "Repeat", aby utworzyć wystarczającą liczbę powtórzeń (zobacz krok 2 protokołu w celu określenia rozkładu i powtórzeń SOA). 
		UWAGA: Zazwyczaj w ciągu jednej godziny można przedstawić maksymalnie 800 prób. Jeśli potrzeba więcej powtórzeń, rozważ podzielenie eksperymentu na kilka sesji. Przed uruchomieniem eksperymentu upewnij się, że atrybut "Order" pętli jest ustawiony na wartość "Losowo".</li>
		<li>W konfiguracji wtyczki psylab_toj_stimulus dodaj symbole zastępcze (np. "[SOA]") dla różnych czynników w odpowiednich polach. Wprowadź wartości stałe w polach czynników, które nie są zmienne. 
		UWAGA: Przed uruchomieniem eksperymentu upewnij się, że gwarantowany jest dokładny czas. Jeśli prawidłowe zachowanie taktowania nowszych monitorów nie zostało zweryfikowane, użyj monitorów CRT i zsynchronizuj je z sygnałem pionowego śledzenia 12.</li>
	</ol>
	</li>
</ol>
4. Procedura eksperymentalna
<ol>
	<li>Powitanie i odprawa uczestników
	<ol>
		<li>Przywitaj uczestników i poinformuj ich o ogólnej formie eksperymentu (eksperyment percepcji komputerowej). Poinformuj uczestników o przewidywanym czasie trwania eksperymentu. Uzyskanie świadomej zgody uczestników na udział w eksperymencie.</li>
		<li>Upewnij się, że uczestnicy wykazują normalne lub skorygowane do normalnego widzenie (optymalnie poprzez przeprowadzenie krótkich testów widzenia). Niektóre deficyty, takie jak ślepota barw, mogą być tolerowane, jeśli nie kolidują z pytaniem badawczym dotyczącym określonego rodzaju materiału bodźcowego.</li>
		<li>Zapewnij cichą kabinę, w której przeprowadzany jest eksperyment. Dostosuj krzesło, podbródek, pozycję klawiatury i tak dalej, aby zapewnić optymalne warunki oglądania i reakcji w eksperymencie.</li>
		<li>Uświadom uczestnikom, że eksperyment wymaga uwagi i skupienia psychicznego i może być męczący. Poproś ich, aby w razie potrzeby robili krótkie przerwy. Równie ważne jest jednak, aby nie wykonywać tych prostych zadań pod silnym napięciem uwagi. Powiedz uczestnikom, że nie ma nic złego w popełnianiu błędów.</li>
	</ol>
	</li>
	<li>Instrukcja i rozgrzewka
	<ol>
		<li>Przedstaw instrukcje wyświetlane na ekranie dotyczące zadania, szczegółowo opisując sekwencję prezentacji i procedurę zbierania odpowiedzi. Poinformuj uczestników, że zadanie polega na zrelacjonowaniu kolejności, w jakiej przybyły cele, i że w niektórych próbach będzie to trudne. Poproś uczestników, aby opowiedzieli o swoim pierwszym wrażeniu, gdy nie mogą z całą pewnością stwierdzić kolejności, i pozwól im zgadnąć, czy w ogóle nie mają takiego wrażenia. 
		UWAGA: W użytych tutaj binarnych TOJ nie ma opcji wskazania percepcji równoczesności. Aby uniknąć nadmiernego zgadywania, nie należy wyraźnie wskazywać na obecność badań, w których jednocześnie przedstawiono cele. Niech to będą po prostu trudne próby z instrukcjami przedstawionymi powyżej.</li>
		<li>Aby uniknąć ruchów gałek ocznych podczas prób, poproś uczestników, aby utrwalili znak, który jest pokazany na środku ekranu. Poproś ich, aby oparli głowę na podbródku.</li>
		<li>Poproś uczestników, aby w razie potrzeby zrobili krótkie przerwy. Poinformuj ich, kiedy dozwolone są przerwy, a kiedy należy ich unikać (np. podczas prezentacji celu i przed odpowiedzią).</li>
		<li>Dołącz krótkie szkolenie, podczas którego uczestnicy mogą przyzwyczaić się do zadania. W tym celu należy przedstawić losowy podzbiór badań eksperymentalnych (patrz krok 3.2 protokołu). 
		UWAGA: Ponieważ samo zadanie jest raczej proste, zwykle wystarcza od dziesięciu do dwudziestu prób. Korzystne może być zwiększenie zaufania uczestników do ich działania w tym zadaniu. Można to zrobić, spowalniając prezentację i przekazując informację zwrotną.</li>
		<li>Uzyskaj potwierdzenie od uczestników, że zrozumieli zadanie (pozwól im je wyjaśnić) i że nie mają więcej pytań.</li>
	</ol>
	</li>
	<li>Przeprowadzanie głównego eksperymentu
	<ol>
		<li>Niech oprogramowanie eksperymentalne rozpocznie się od prezentacji głównych prób. Opuść kabinę na główny eksperyment.</li>
	</ol>
	</li>
</ol>
5. Analiza danych TOJ oparta na modelu
<ol>
	<li>Przekształć pliki danych pierwotnych w liczbę ocen "najpierw sonduj" dla każdej architektury SOA. Na przykład uruchom skrypt "os2toj.py" dostarczony z TVATOJ.</li>
	<li>Uruchom procedurę estymacji bayesowskiej, aby oszacować główne parametry wp i C, pochodne vp i vr oraz różnice parametrów. W tym celu uruchom skrypt "run-evaluation. R" po jego edycji zgodnie z instrukcjami podanymi w pliku.</li>
	<li>Po zakończeniu doboru próby można ocenić różnice w zainteresowaniu pytaniami badawczymi. Przykłady można znaleźć w poniższej sekcji.</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>

Autorzy nie mają nic do ujawnienia.

Protokół w tym artykule opisuje, jak przeprowadzać proste TOJ i dopasowywać dane do modeli opartych na podstawowym kodowaniu bodźców. Trzy eksperymenty pokazały, w jaki sposób wyniki można ocenić w hierarchicznej ramach estymacji bayesowskiej w celu oceny wpływu uwagi na bardzo różny materiał bodźcowy. Istotność wyskakujących wyświetlaczy doprowadziła do zwiększenia wagi uwagi. Oszacowano również zwiększoną wagę obiektów w przestrzeni działania na naturalnych obrazach. Jednak ze względu na utrzymującą się przewagę, gdy r...

Sposób rozkładu uwagi w przestrzeni i czasie jest jednym z najważniejszych czynników w ludzkiej percepcji wzrokowej. Obiekty przyciągające uwagę ze względu na swoją widoczność lub znaczenie są zazwyczaj przetwarzane szybciej i z większą dokładnością. W badaniach behawioralnych takie korzyści wydajnościowe wykazano w wielu paradygmatach eksperymentalnych. Na przykład skierowanie uwagi na lokalizację celu przyspiesza reakcję w zadaniach wykrywania bodźca sprawdzającego1. Podobnie, uwaga poprawia dokładność odczytywania liter2. Takie wyniki dowodzą, że uwaga usprawnia przetwarzanie, jednak pozostają one całkowicie milczące na temat tego, w jaki sposób to usprawnienie jest osiągane.
Niniejsza praca wykazuje, że mechanizmy niskiego poziomu leżące u podstaw przewag uwagi mogą zostać ocenione poprzez pomiar szybkości przetwarzania poszczególnych bodźców w ramach modelu, który wiąże pomiary z precyzyjnie określonymi komponentami uwagi. Dzięki takiemu modelowi, na podstawie pomiarów szybkości przetwarzania można wywnioskować ogólną zdolność przetwarzania oraz jej rozkład pomiędzy bodźce.
Teoria uwagi wizualnej (TVA) Bundesena3 stanowi odpowiedni model dla tego przedsięwzięcia. Jest ona zazwyczaj stosowana do danych z zadań raportowania liter. W dalszej części wyjaśniono podstawy TVA oraz pokazano, w jaki sposób można je rozszerzyć w celu modelowania danych dotyczących oceny kolejności czasowej (TOJ) uzyskanych przy użyciu (prawie) dowolnych bodźców. Ta nowatorska metoda pozwala na oszacowanie szybkości przetwarzania i rozkładu zasobów, co można łatwo zinterpretować. Protokół opisany w niniejszym artykule wyjaśnia, jak planować i przeprowadzać takie eksperymenty oraz szczegółowo opisuje sposób analizy danych.
Jak wspomniano powyżej, typowym paradygmatem w modelowaniu i szacowaniu parametrów uwagi w oparciu o TVA jest zadanie raportowania liter. Uczestnicy zgłaszają tożsamość zestawu liter, który jest krótko wyświetlany i zazwyczaj maskowany po zmiennym opóźnieniu. Metoda ta pozwala m.in. na oszacowanie szybkości, z jaką elementy wizualne są kodowane w wizualnej pamięci krótkotrwałej. Została ona z sukcesem zastosowana w badaniach podstawowych oraz klinicznych. Na przykład Bublak i współpracownicy4 ocenili, które parametry uwagi ulegają zmianom na różnych etapach związanych z wiekiem deficytów poznawczych. W podstawowych badaniach nad uwagą Petersen, Kyllingsbæk i Bundesen5 wykorzystali TVA do modelowania efektu czasu przebywania uwagi (dwell time effect), czyli trudności obserwatora w postrzeganiu drugiego z dwóch celów w określonych odstępach czasu. Główną wadą paradygmatu raportowania liter jest to, że wymaga on bodźców odpowiednio wyćwiczonych i podatnych na maskowanie. Wymóg ten ogranicza zastosowanie tej metody do liter i cyfr. Inne bodźce wymagałyby intensywnego treningu uczestników.
Paradygmat TOJ nie wymaga ani specyficznych bodźców, ani maskowania. Może być stosowany z dowolnym rodzajem bodźców, dla których można ocenić kolejność pojawienia się. Rozszerza to zakres bodźców na niemal wszystko, co może być przedmiotem zainteresowania, w tym na bezpośrednie porównania między modalnościami6.
Badanie uwagi za pomocą TOJ opiera się na zjawisku priorytetowego wejścia uwagi (attentional prior entry), które jest miarą tego, o ile wcześniej postrzegany jest bodziec objęty uwagą w porównaniu z bodźcem nieuwagowanym. Niestety, powszechna metoda analizy danych TOJ, polegająca na dopasowaniu psychometrycznych funkcji wydajności obserwatora (takich jak skumulowane funkcje Gaussa lub funkcje logistyczne), nie pozwala rozróżnić, czy uwaga zwiększa tempo przetwarzania bodźca objętego uwagą, czy też zmniejsza tempo przetwarzania bodźca nieuwagowanego7. Ta niejednoznaczność stanowi istotny problem, ponieważ pytanie o to, czy percepcja bodźca jest faktycznie wzmocniona, czy też zyskuje dzięki wycofaniu zasobów z bodźca konkurującego, ma znaczenie zarówno fundamentalne, jak i praktyczne. Na przykład w przypadku projektowania interfejsów człowiek-maszyna niezwykle istotne jest ustalenie, czy zwiększenie widoczności jednego elementu odbywa się kosztem innego.
Zadanie TOJ zazwyczaj przebiega w następujący sposób: znak fiksacyjny jest prezentowany przez krótki czas oczekiwania, zazwyczaj losowo dobrany odstęp krótszy niż sekunda. Następnie prezentowany jest pierwszy bodziec docelowy, po którym po zmiennym odstępie między początkami bodźców (SOA) następuje drugi bodziec docelowy. Przy ujemnych wartościach SOA najpierw wyświetlana jest sonda, czyli bodziec poddany uwadze. Przy dodatnich wartościach SOA prowadzący jest punkt odniesienia, czyli bodziec niepodlegający uwadze. Przy SOA równym zero oba bodźce docelowe są wyświetlane jednocześnie.
Zazwyczaj prezentowanie celu odnosi się do włączenia bodźca. W określonych warunkach stosuje się jednak inne zdarzenia czasowe, takie jak migotanie już obecnego celu lub jego znikanie8.
W testach TOJ odpowiedzi są zbierane w sposób nieograniczony czasowo, zazwyczaj za pomocą klawiszy przypisanych do tożsamości bodźców i kolejności ich prezentacji (np. jeśli bodźcami są kwadraty i romby, jeden klawisz wskazuje „najpierw kwadrat”, a inny „najpierw romb”). Co istotne, do celów oceny osądy te muszą zostać przekształcone w osądy typu „najpierw sonda” (lub „najpierw referencja”).
W niniejszej pracy zastosowano połączenie modelu przetwarzania TVA oraz eksperymentalnego paradygmatu TOJ, aby wyeliminować problemy występujące w każdym z tych obszarów z osobna. Dzięki tej metodzie możliwe jest oszacowanie łatwo interpretowalnych parametrów szybkości dla niemal dowolnych bodźców wizualnych, co pozwala wnioskować o sposobie rozdzielania uwagi obserwatora pomiędzy konkurujące elementy wizualne.
Model opiera się na równaniach TVA dotyczącym przetwarzania pojedynczych bodźców, które zostaną krótko wyjaśnione poniżej. Prawdopodobieństwo, że jeden bodziec zostanie zakodowany w wizualnej pamięci krótkotrwałej przed drugim, jest interpretowane jako prawdopodobieństwo uznania tego bodźca za pojawiający się pierwszy. Czas trwania poszczególnych procesów kodowania ma rozkład wykładniczy9:
<img alt="Wzór funkcji F(t), wykładniczy zanik, zależność od czasu, analiza wykresów, badania naukowe." src="/files/ftp_upload/54856/54856eq1.jpg" data-altupdatedat="1788235205000" data-alt="Równanie 1"> (1)
Maksymalny czas nieskutecznej ekspozycji t0 jest progiem, przed którym nie dochodzi do żadnego kodowania. Zgodnie z TVA, szybkość vx,i, z jaką obiekt x jest kodowany jako członek kategorii percepcyjnej i (takiej jak kolor lub kształt), jest określona przez równanie szybkości,
<img alt="Wzór matematyczny: obliczanie prędkości, równanie symboliczne, analiza badawcza, przetwarzanie obrazów." src="/files/ftp_upload/54856/54856eq2.jpg" data-altupdatedat="1788235205000" data-alt="Równanie 2"> . (2)
Siła dowodów sensorycznych wskazujących, że x należy do kategorii i, jest wyrażona przez ηx,i, natomiast βi stanowi błąd decyzyjny w kategoryzowaniu bodźców jako członków kategorii i. Wartość ta jest mnożona przez wagi uwagi. Indywidualne wagi uwagi wx są dzielone przez wagi uwagi wszystkich obiektów w polu widzenia. Zatem względna waga uwagi jest obliczana jako
<img alt="Równanie: wx = Σ(ηx,i * πj); reprezentacja symboliczna w analizie statystycznej." src="/files/ftp_upload/54856/54856eq3.jpg" data-altupdatedat="1788235205000" data-alt="Równanie 3">  (3)
gdzie R reprezentuje wszystkie kategorie, a ηx,i reprezentuje dowody sensoryczne wskazujące, że obiekt x należy do kategorii j. Wartość πj nazywana jest przynależnością kategorii j i odzwierciedla tendencję do przypisywania obiektów do kategorii j. Całkowita zdolność przetwarzania C jest sumą wszystkich szybkości przetwarzania dla wszystkich bodźców i kategoryzacji. Bardziej szczegółowy opis TVA znajduje się w książce Bundesena i Habekosta9.
W naszej nowej metodzie Równanie 1, opisujące kodowanie poszczególnych bodźców, zostaje przekształcone w model TOJ. Zakładając, że obciążenia selekcyjne i kategorie raportowania są stałe w ramach zadania eksperymentalnego, szybkości przetwarzania vp oraz vr z dwóch bodźców docelowych: sondy (p) i referencyjnego (r) zależą od C oraz wag uwagi w formie vp= C · wp i vr = C · wProszę podać tekst źródłowy do tłumaczenia.odpowiednio. Nowy model TOJ wyraża prawdopodobieństwo sukcesu Pp1. że uczestnik ocenia bodziec sprawdzający jako występujący pierwszy w zależności od SOA oraz szybkości przetwarzania. Można to sformalizować w następujący sposób:
<img alt="Wzór na równowagę statyczną; P_gst(ν_p,ν_r,SOA); równanie matematyczne." src="/files/ftp_upload/54856/54856eq4.jpg" data-altupdatedat="1788235205000" data-alt="Równanie 4"> (4)
Bardziej szczegółowy opis wyprowadzenia tego równania z podstawowych równań TVA został przedstawiony przez Tünnermanna, Petersena i Scharlau7.
Dla uproszczenia w modelu w Równaniu 1 pominięto parametr t0. Zgodnie z oryginalną TVA, t0 powinno być identyczne dla obu celów w zadaniu TOJ, i w związku z tym znosi się. Założenie to może być jednak czasami naruszane (patrz sekcja Dyskusja).
Do dopasowania tego równania do danych TOJ sugeruje się zastosowanie hierarchicznego schematu estymacji bayesowskiej1. Podejście to pozwala na oszacowanie wag uwagi wp i wr dla bodźców badawczych i referencyjnych oraz ogólnego tempa przetwarzania C. Parametry te, wynikowe tempo przyswajania vp i vr oraz różnice między nimi indukowane uwagą mogą być oceniane na poziomie badawczym i grupowym wraz z oszacowaną niepewnością. Model hierarchiczny przedstawiono na Rysunku 1. Na etapie planowania eksperymentu można przeprowadzić odpowiednią analizę mocy metodą bayesowską.
Poniższy protokół opisuje sposób planowania, przeprowadzania i analizowania eksperymentów TOJ, z których można uzyskać parametry szybkości przetwarzania oraz wagi uwagi dla bodźców wzrokowych. Protokół zakłada, że badacza interesuje wpływ manipulacji uwagą na szybkość przetwarzania wybranych docelowych bodźców.
<img alt="Schemat sieci bayesowskiej z równaniami do analizy modelu poznawczego badanych i SOA." src="/files/ftp_upload/54856/54856fig1.jpg" data-altupdatedat="1788235205000" data-alt="Rysunek 1">
Rysunek 1: Model graficzny wykorzystany w procedurze estymacji bayesowskiej. Koła oznaczają estymowane rozkłady; podwójne koła oznaczają węzły deterministyczne. Kwadraty oznaczają dane. Relacje przedstawiono po prawej stronie rysunku. Węzły poza zaokrąglonymi ramkami („płytkami”) reprezentują estymacje średniej i dyspersji parametrów TVA (patrz Wstęp) na poziomie grupy. Na płytce „j Subjects” widać, w jaki sposób wagi uwagi (w) są łączone z ogólnymi szybkościami przetwarzania (C), tworząc szybkości przetwarzania bodźców (v) na poziomie badanego. Płytka „i SOAs” pokazuje, jak parametry TVA są następnie przekształcane (za pomocą funkcji Pp1st opisanej we Wstępie) w prawdopodobieństwo sukcesu (θ) dla odpowiedzi o rozkładzie dwumianowym przy każdym SOA. Zatem θ wraz z liczbą powtórzeń SOA (n) opisują punkty danych (y). Więcej szczegółów na temat notacji i interpretacji modeli graficznych znajduje się u Lee i Wagenmakers23. Należy zauważyć, że dla przejrzystości pominięto węzły reprezentujące różnice parametrów. Deterministyczne parametry te wskazano zamiast tego na rysunkach z wynikami eksperymentalnymi. <a href="http://cloudflare.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>

<table><tbody><tr><td>Komputer</td><td></td><td></td><td></td> osobisty</tr> <tr><td>(Open Source) Oprogramowanie</td><td></td><td></td><td></td> do eksperymentowania i oceny</tr></tbody></table>

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

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

Ten protokół opisuje, jak przeprowadzać eksperymenty z porządkiem czasowym w celu zmierzenia szybkości przetwarzania wizualnego i rozkładu zasobów uwagi. Proponowana metoda opiera się na nowym i synergicznym połączeniu trzech komponentów: paradygmatu sądów porządku czasowego (TOJ), teorii uwagi wzrokowej Bundesena (TVA) oraz hierarchicznej ramy estymacji bayesowskiej. Metoda dostarcza łatwych do interpretacji parametrów, które są wspierane przez teoretyczne i neurofizjologiczne podstawy TVA. Korzystając z TOJ, można uzyskać szacunki oparte na TVA dla szerokiego zakresu bodźców, podczas gdy tradycyjne paradygmaty stosowane z TVA ograniczają się głównie do liter i cyfr. Wreszcie, znaczące parametry proponowanego modelu pozwalają na ustanowienie hierarchicznego modelu bayesowskiego. Taki model statystyczny pozwala na ocenę wyników w jednej, spójnej analizie zarówno na poziomie przedmiotu, jak i grupy.
Aby zademonstrować wykonalność i wszechstronność tego nowego podejścia, opisano trzy eksperymenty z manipulacjami uwagi w syntetycznych wyświetlaczach pop-out, naturalnymi obrazami i paradygmatem list-raport z sygnalizacją.

W dalszej części przedstawiono wyniki uzyskane przy zastosowaniu proponowanej metody. Trzy eksperymenty służyły pomiarowi wpływu różnych manipulacji uwagą przy użyciu trzech wysoce zróżnicowanych typów materiału bodźcowego. Bodźce stanowią proste odcinki linii w wzorach typu pop-out, obiekty w przestrzeni akcji na obrazach naturalnych oraz celowe litery z sygnałem wskazującym.
Eksperyment 1: Wyraźność w wyświetlaniach typu pop-o...

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

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

Ogólnym celem tego protokołu jest pomiar parametrów uwagi i przetwarzania wzrokowego dla prawie dowolnych bodźców. Osiąga się to poprzez modelowanie danych z osądów porządku czasowego, TOJ. W nich uczestnicy oceniają kolejność prezentacji dwóch celów, a uzyskane dane są analizowane za pomocą nowatorskiego modelu, który pozwala zmierzyć, jak uwaga wpływa na wskaźniki kodowania bodźców.Teoria uwagi wzrokowej Bundesena zapewnia różne zastosowania parametrów, takich jak waga uwagi i szybkość przetwarzania. Zazwyczaj są one szacowane w zadaniach raportu pozycji, w których używane są litery lub cyfry, używanie czegokolwiek innego niż litery lub cyfry jest trudne i wymaga intensywnego szkolenia, a zatem jest rzadko wykonywane. Na przykład trudno sobie wyobrazić, w jaki sposób można by zmierzyć istotność wizualizacji i wyskakujące wyświetlacze za pomocą tej metody.Dlatego proponujemy nowatorską metodę opartą na TVA, która wykorzystuje ocenę porządku czasowego, którą można przeprowadzić za pomocą niemal dowolnych bodźców. Osądy kolejności czasowej były używane do oceny uwagi przez długi czas, ale w połączeniu z TVA stają się one bardziej potężne, dostarczając łatwych do zinterpretowania parametrów. W zadaniu oceny porządku czasowego dwa bodźce, tutaj zidentyfikowane jako A i B, są pokazane w bliskim następstwie lub równocześnie.Percepcja porządku czasowego może być modelowana za pomocą modelu kanałów niezależnych. W takim modelu istnieją niezależne kanały przetwarzania dla każdego celu. Komparator zleceń monitoruje kanały i rejestruje liczbę, gdy określony cel, w tym przypadku A, dotrze do niego przed innym celem.Zanim to zademonstrujemy, pokrótce opiszemy formę, w jakiej dane eksperymentalne są zwykle reprezentowane. Względna częstotliwość określonego rodzaju osądu, w tym przypadku najpierw A, jest wykreślana w zależności od SOA, czyli odstępu czasu między prezentacjami dwóch celów. Teraz, przy dużym ujemnym SOA, oznacza to, że bodziec A prowadzi, jest najbardziej prawdopodobne, że A dotrze najpierw do komparatora.Bardzo rzadko bodziec B dotrze wcześniej. W związku z tym otrzymujemy punkt danych reprezentujący względną częstość bliską jedności. W przypadku dużego dodatniego SOA, czyli bodźca B, komparator rejestruje pierwsze wyniki A bardzo rzadko.W związku z tym uzyskujemy punkt danych bliski zeru. Jeśli wartość SOA wynosi zero, cele są prezentowane jednocześnie i rejestrowany jest punkt danych na poziomie szansy punktu piątego. Gdy SOA różniły się w zakresie wartości, wynikowy wzorzec można opisać za pomocą funkcji psychometrycznej.Teraz, gdy uwaga jest skierowana na bodziec, tutaj bodziec A, dociera on wcześniej do komparatora, w konsekwencji, tutaj pokazano dla SOA zero, zwiększa się prawdopodobieństwo pierwszych sądów A. To przesuwa całą funkcję psychometryczną. Wskaźnik SOA, w którym czerwona krzywa przecina poziom punktu piątego, jest często używany do ilościowego określenia wpływu uwagi.Automatyczna ocena czasowa wydaje się być naturalnym sposobem oceny opóźnienia percepcyjnego i ta metoda daje odpowiedzi na wiele pytań dotyczących wpływu uwagi i percepcji czasu. Jednak TOJ ma główną słabość, a jest nią jego względna natura. Temporalna autopercepcja może nam powiedzieć, że bodziec A jest postrzegany przed bodźcem B, ale nie mówi nam dlaczego.Może to być spowodowane tym, że bodziec A jest przetwarzany szybciej lub ponieważ B jest przetwarzany wolniej. Aby zwiększyć moc wyjaśniającą, model TOJ wywodzi się z TVA, który modeluje procesy kodowania bodźców wzrokowych. Zakłada się, że w każdym kanale kodowanie przebiega zgodnie z wykładniczym modelem wyścigu TVA.Prawdopodobieństwo zakodowania każdego celu w określonym czasie jest przekształcane w prawdopodobieństwo zakodowania jednego celu przed drugim. Postrzeganie porządku czasowego. Co ważne, dwa parametry szybkości odziedziczone po TVA pozwalają odpowiedzieć na pytania takie jak: czy to bodziec nadzorowany był przetwarzany szybciej, czy to bodziec nienadzorowany był spowalniany?Alternatywnie, wskaźniki mogą być również wyrażone jako względne wagi uwagi. Dobierz bodźce zgodnie z pytaniem badawczym. Ogólnie rzecz biorąc, musi istnieć możliwość pokazania dwóch celów w różnych miejscach na ekranie.W dalszej części tego protokołu pokazujemy wyniki eksperymentów z wyskakującymi wyświetlaczami, naturalnymi obrazami i celami literowymi. Oto przykład tego, jak można wykorzystać przestrzeń akcji i obiekty tła na naturalnych obrazach. Fotografia z obecnymi obydwoma tarczami jest nakładana na jednego z jednym bez nich.Obiekty są wirtualnie usuwane poprzez uczynienie górnego obrazu lokalnie przezroczystym. Dzięki tej procedurze tworzone są obrazy z obecnymi zarówno obiektami, żadnymi, jak i jednym z dwóch obiektów, w celu ustanowienia TOJ z najpierw tłem, najpierw przestrzenią akcji i jednoczesną prezentacją. Aby zaplanować projekt i wielkość próby eksperymentu, można przeprowadzić bayesowską analizę mocy.Wielokrotnie symuluj i dopasowuj dane do zamierzonego modelu, projektu eksperymentu i hipotetycznych parametrów. Proporcje symulacji, dla których osiągnięto kryterium sukcesu, na przykład różnicę w wagach uwagi, są wykorzystywane do oszacowania mocy eksperymentu. Użyj konstruktora eksperymentu lub biblioteki prezentacji psychofizycznych, aby zaimplementować eksperyment.Dostarczamy dla konstruktora eksperymentów open source OpenSesame, dla TOJ z literami, cyframi i kształtami, w których należy określić tylko tabelę prób. Dostarczamy również przykład OpenSesame dla TOJ z naturalnymi obrazami. Dla każdego warunku utwórz wersje próbne dla wszystkich planowanych architektów SOA.Przykładowe rozkłady SOA przedstawiono w reprezentatywnych wynikach. Dwa cele są zdefiniowane jako sonda i odniesienie. Odniesienie jest zawsze wyświetlane na zero i jest celem pozostawionym bez nadzoru, podczas gdy bodziec sondy podlega manipulacji uwagi.W badaniach z ujemnym wynikiem SOA należy najpierw przedstawić bodziec sondy, a po SOA bodziec referencyjny. W przypadku prób z dodatnimi SOA należy najpierw przedstawić bodziec referencyjny, a po opóźnieniu sondę zgodnie z SOA. Dla SOA równego zero, przedstaw oba cele jednocześnie.W warunkach neutralnych przypisanie sondy i odniesienia jest dowolne, ale wymagane do analizy danych. Twórz powtórzenia wszystkich SOA. Losowo lub systematycznie zmieniaj wpływy, na które nie ma wpływu, takie jak lokalizacja bodźca lub tożsamość celu.Liczba powtórzeń zależy od obsługiwanej mocy. W ciągu jednej godziny można zaprezentować około 800 prób. Jeśli potrzeba więcej powtórzeń, rozważ podzielenie eksperymentu na kilka sesji.Przywitaj uczestników i poinformuj ich o ogólnej procedurze eksperymentu. Uzyskaj zgodę na uczestnictwo. Upewnij się, że widzenie jest normalne lub skorygowane do normalnego.Zapewnij cichą kabinę na czas eksperymentu. Dostosuj krzesło, podbródek i klawiaturę i tak dalej, aby zapewnić optymalne warunki. Uświadom uczestnikom, że eksperymenty wymagają uwagi i skupienia psychicznego oraz mogą być męczące.Poproś ich, aby w razie potrzeby robili krótkie przerwy. Wyświetlaj na ekranie instrukcje szczegółowo opisujące prezentacje i zbieranie odpowiedzi. Przypomnij uczestnikom, że zadanie polega na zrelacjonowaniu postrzeganej kolejności czasowej celów i zgadywaniu w próbach, w których w ogóle nie mogą określić kolejności.Aby uniknąć ruchów gałek ocznych podczas prób, poproś uczestników, aby utrwalili centralny marker za każdym razem, gdy jest on wyświetlany na ekranie. Poproś ich, aby oparli głowę na podbródku. Poproś ich, aby w razie potrzeby robili krótkie przerwy.Przeprowadź krótki trening składający się z dziesięciu do 20 prób. Upewnij się, że uczestnicy zrozumieli zadanie. Niech to wyjaśnią.Jeśli nie mają więcej pytań, opuść kabinę na główny eksperyment. Po przekształceniu danych z poszczególnych prób w liczbę pierwszych wyroków sondy, parametry można oszacować, uruchamiając żądany model hierarchiczny Beyesa. Po zakończeniu procesu należy wykreślić diagnostykę zbieżności dla wszystkich parametrów i potwierdzić, że łańcuchy są zbieżne i że zapewniają wystarczająco dużą efektywną wielkość próby.Następnie narysuj i oceń interesujące Cię parametry. Przykładowe wyniki przedstawiono w następnej części tego filmu. W pierwszym eksperymencie mierzono wpływ istotności wizualnej na szybkość przetwarzania.Uczestnicy oceniali, który z dwóch segmentów linii docelowej, lewy lub prawy, w tle migotał jako pierwszy. W połowie prób sonda była kolorowym wyskakującym okienkiem. Dane zostały dopasowane do modelu TOJ wywodzącego się z TVA, który został opisany wcześniej.Korzyść z istotnego bodźca można zaobserwować w stanie uwagi, jako zwiększoną wagę uwagi punktu piątego dziewiątego dla sondy. W warunkach kontrolnych, w których żaden cel nie był istotny, uzyskano neutralną wagę punktu piątego, stąd waga uwagi sondy w stanie uwagi była niezawodnie wyższa. Zero, bez różnicy, nie zostało uwzględnione w 95 HDI.Poszczególne wagi sondy i odniesienie do niej pokazują, że przewaga istotnego bodźca wynika ze zmniejszenia szybkości przetwarzania bodźca nieistotnego o 16 herców. Możliwe, że istotny cel do pewnego stopnia hamuje przetwarzanie nieistotnego, a zatem przynosi względne korzyści. W drugim eksperymencie badano przewagę uwagi w przestrzeni akcji przedstawionej na naturalnych obrazach.Przestrzeń działania, odniesienie do sondy i obiektów tła pojawiły się dla TOJ. W eksperymencie kontrolnym zarejestrowano linię bazową bez przewagi przestrzeni działania przy użyciu odwróconych wersji obrazów, w przypadku których percepcja układu sceny jest zaburzona. Parametr posterius wskazuje na przewagę przestrzeni działania w warunku uwagi.Masa sondy jest wyższa niż neutralna w punkcie piątym. Co ciekawe, znajduje się to również w warunku kontrolnym, co sugeruje, że odwrócenie obrazu nie usunęło potencjalnej przewagi przestrzeni działania. W związku z tym najprawdopodobniej korzyści wynikające z takich czynników jak istotność czy widoczność, które nie są eliminowane przez odwrócenie sceny.Możliwość, że moc eksperymentalna była zbyt niska, aby wykryć efekt przestrzeni działania, jest omówiona w pisemnej części niniejszego protokołu. W trzecim eksperymencie użyto sygnału peryferyjnego, który prowadzi do dużego efektu w dodatkowym parametrze, który modeluje opóźnienie między procesami kodowania. Eksperyment ten został szczegółowo omówiony w pisemnej części niniejszego protokołu.Podsumowując, protokół w tym artykule opisuje, jak przeprowadzać proste TOJ i dopasowywać dane w oparciu o podstawowy model kodowania bodźców. W trzech eksperymentach wykazaliśmy, że wyniki można ocenić w hierarchicznej strukturze estymacji bayesowskiej. Odkryliśmy, że istotność wyskakujących wyświetlaczy prowadzi do zwiększenia wagi uwagi.Oszacowano również zwiększoną wagę dla obiektów przestrzeni działania na obrazach naturalnych, jednak ze względu na utrzymującą się przewagę, gdy relacje przestrzenne zostały zakłócone przez pokazanie obrazów do góry nogami, jest prawdopodobne, że inna korzyść związana z uwagą doprowadziła do wzrostu wagi. Wskazówka peryferyjna w eksperymencie trzecim doprowadziła do dużej wartości parametru, który modeluje dodatkowe opóźnienie między procesami kodowania. Zaletą protokołu jest prostota zadania TOJ, które może wykorzystywać niemal dowolne bodźce.Gruntowne podstawy teoretyczne TVA i bayesowski schemat oceny. Chociaż istotność odgrywa ważną rolę w wielu badaniach, tylko kilka z nich próbowało określić ilościowo istotność wizualną. Kwantyfikacja istotności wizualnej umożliwiłaby nam jednak porównanie różnych wymiarów cech, takich jak orientacja, kolor lub ruch.Tutaj zbadaliśmy wpływ kontrastu kolorów na wagi uwagi modelu formalnego wyprowadzonego z TVA, co pozwoliło nam zmierzyć istotność ilościowo i w psychologicznie uzasadniony sposób. Dla powodzenia tego protokołu kluczowe jest, aby w miejscach docelowych istniały tylko dwa bodźce, które generują sygnały czasowe. Wyraźne modelowanie dodatkowych bodźców w TOJ, takich jak sygnały peryferyjne, jest celem przyszłych badań.

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

Research

JoVE Journal

Behavior

Zachowanie

Okulografia (eye tracking) od dawna jest wykorzystywana do badania wzorców spojrzenia u osób rozwijających się typowo, jednak ostatnie postępy technologiczne zwiększyły możliwość jej zastosowania w populacjach klinicznych, w tym u osób z autyzmem. Chociaż okulografia u małych dzieci z autyzmem może dostarczyć informacji o wczesnych manifestacjach objawów, wiąże się ona z wyzwaniami metodologicznymi. Przedstawiono sugestie dotyczące najlepszych praktyk.

Śledzenie ruchu gałek ocznych u małych dzieci z autyzmem

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

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

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

To jest jakościowa analiza porównawcza danych z danych śledzenia wzroku w pierwszych chwilach scen wideo oglądanych przez trzech uczestników: jednego z zaburzeniami ze spektrum autyzmu, jednego ze współistniejącym deficytem uwagi i nadpobudliwością psychoruchową i jednego neurotypowego kontrolnego.

Porównywanie danych ze śledzenia wzroku dzieci z wysoko funkcjonującym ASD, współwystępującym ADHD i grupy kontrolnej oglądającej filmy społecznościowe

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

Prezentujemy protokół, który wykorzystuje śledzenie ruchów gałek ocznych do monitorowania ruchów gałek ocznych podczas zadania polegającego na porównywaniu interwałów (percepcji czasu trwania) na podstawie zdarzeń wizualnych. Celem jest dostarczenie wstępnego przewodnika do oddzielenia reakcji okoruchowych na zadania percepcji czasu trwania (porównanie lub rozróżnienie przedziałów czasowych) od reakcji na sam bodziec.

Ruchy gałek ocznych w percepcji czasu widzenia: rozplątywanie bodźca od czasu w procesach przeddecyzyjnych

Prezentujemy rozwój struktury wyświetlania zależnej od spojrzenia, przeznaczonej do badań percepcyjnych i okoruchowych symulujących utratę widzenia centralnego. Ramy te są szczególnie podatne na adaptację do badania kompensacyjnych strategii behawioralnych i okoruchowych u osób doświadczających zarówno symulowanej, jak i patologicznej utraty widzenia centralnego.

Ramy wyświetlania zależne od spojrzenia do badań nad uczeniem się percepcyjnym z symulowaną utratą widzenia centralnego

Ważne jest, aby uzyskać bezstronne szacunki wizualnych pól recepcyjnych populacji (pRF) za pomocą funkcjonalnego rezonansu magnetycznego. Używamy łagodnych ograniczeń regularyzacji do oszacowania topografii pRF bez apriorycznych założeń dotyczących kształtu pRF, co pozwala nam wybrać konkretne modele pRF post hoc. Jest to szczególnie korzystne u osób z uszkodzeniami drogi wzrokowej.

Topograficzne oszacowanie wizualnych pól recepcyjnych populacji za pomocą fMRI

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

Poznaj metodę pomiaru uwagi i szybkości przetwarzania wzrokowego za pomocą osądów porządku czasowego. Protokół wykorzystuje teorię uwagi wizualnej Bundesena do analizy wpływu uwagi na kodowanie bodźców.

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

Przeglądaj więcej filmów