Um Paradigma Psicofísico para a Coleta e Análise de Julgamentos de Similaridade

Resumo

O protocolo apresenta um paradigma psicofísico experimental para obter grandes quantidades de julgamentos de similaridade, e um fluxo de trabalho de análise que acompanha. O paradigma sonda efeitos de contexto e permite a modelagem de dados de similaridade em termos de espaços euclidianos de pelo menos cinco dimensões.

Resumo

Julgamentos de similaridade são comumente usados para estudar representações mentais e suas correlações neurais. Essa abordagem tem sido usada para caracterizar espaços perceptivos em muitos domínios: cores, objetos, imagens, palavras e sons. Idealmente, pode-se querer comparar estimativas de similaridade percebida entre todos os pares de estímulos, mas isso é muitas vezes impraticável. Por exemplo, se alguém pede a um sujeito para comparar a semelhança de dois itens com a semelhança de dois outros itens, o número de comparações cresce com a quarta potência do tamanho do conjunto de estímulos. Uma estratégia alternativa é pedir a um sujeito para classificar semelhanças de pares isolados, por exemplo, em uma escala Likert. Isso é muito mais eficiente (o número de classificações cresce quadráticamente com tamanho definido em vez de quarticamente), mas essas classificações tendem a ser instáveis e têm resolução limitada, e a abordagem também assume que não há efeitos de contexto.

Aqui, é apresentado um novo paradigma de classificação para a coleta eficiente de julgamentos de similaridade, juntamente com um pipeline de análise (software fornecido) que testa se os modelos de distância euclidianos explicam os dados. Os ensaios típicos consistem em oito estímulos em torno de um estímulo de referência central: o sujeito classifica estímulos em ordem de sua semelhança com a referência. Por seleção criteriosa de combinações de estímulos utilizados em cada ensaio, a abordagem tem controles internos para efeitos de consistência e contexto. A abordagem foi validada para estímulos extraídos de espaços euclidianos de até cinco dimensões.

A abordagem é ilustrada com um experimento que mede semelhanças entre 37 palavras. Cada ensaio produz os resultados de 28 comparações em pares da forma: "A era mais semelhante à referência do que B era a referência?" Embora comparar diretamente todos os pares de pares de estímulos teria exigido 221445 ensaios, este projeto permite a reconstrução do espaço perceptivo a partir de 5994 comparações obtidas a partir de 222 ensaios.

Introdução

Os seres humanos processam mentalmente e representam informações sensoriais recebidas para realizar uma ampla gama de tarefas, como reconhecimento de objetos, navegação, fazer inferências sobre o meio ambiente e muitas outras. Julgamentos de similaridade são comumente usados para sondar essas representações ^mentais1. Compreender a estrutura das representações mentais pode fornecer insights sobre a organização do conhecimento ^conceitual2. Também é possível obter insights sobre computação neural, relacionando julgamentos de similaridade aos padrões de ativação ^cerebral3. Além disso, julgamentos de s....

Protocolo

Antes do início dos experimentos, todos os sujeitos fornecem consentimento informado de acordo com as diretrizes institucionais e a Declaração de Helsinque. No caso deste estudo, o protocolo foi aprovado pelo conselho de revisão institucional da Weill Cornell Medical College.

1. Instalação e configuração

1. Baixe o código no repositório do GitHub, semelhanças (https://github.com/jvlab/similarities). Na linha de comando, corra: https://github.com/jvlab/similarities.git do clone git. - Se o git não estiver instalado, baixe o código como uma pasta com zíper do repositório.
   NOTA: No repositório estão dois sub....

Resultados

A Figura 1A mostra parte de um arquivo de condições gerado pelo script na etapa 3.3, para o experimento da palavra. Cada linha corresponde a um julgamento. O estímulo na coluna do árbitro aparece no centro do display. Os nomes das colunas stim1 a stim8 correspondem a oito posições ao longo de um círculo, correndo no sentido anti-horário, começando da posição à direita da referência central. Um teste amostral do experimento da palavra é mostrado na Figura 1B

Discussão

O protocolo aqui delineado é eficaz para a obtenção e análise de julgamentos de similaridade para estímulos que podem ser apresentados visualmente. O paradigma experimental, a análise e possíveis extensões são discutidos primeiro e, posteriormente, as vantagens e desvantagens do método.

Paradigma experimental: O método proposto é demonstrado utilizando um domínio de 37 nomes de animais, e um conjunto de dados amostral de julgamentos perceptivos é fornecido para que se possa ac.......

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Estação de trabalho do computador	N/A	N/A	SO: Windows/MacOS 10 ou superior/Linux; Intel Core i5 dual-core de 3,1 GHz ou similar; 8 GB ou mais de memória; Permissões de usuário para gravar e executar arquivos
conda		Versão 4.11	SO: Windows/ MacOS 10 ou superior/
Linux Microsoft Excel	Microsoft	Qualquer	Para abrir e embaralhar linhas e colunas em arquivos de condições de teste.
PsychoPy	N/A	Versão 2021.2	Estrutura para execução de estudos psicofísicos
Python 3	Python Software Foundation	Python Versão 3.8	Python3 e bibliotecas integradas associadas
Bibliotecas Python necessárias	/A	versão numpy: 1.17.2 ou superior; matplotlib versão 3.4.3 ou superior; scipy versão 1.3.1 ou superior; pandas versão 0.25.3 ou superior; seaborn versão 0.9.0 ou superior; versão scikit_learn 0.23.1 ou superior; yaml versão 6.0 ou superior	numpy, scipy e scikit_learn são módulos de computação com funções embutidas para otimização e operações vetoriais. matplotlib e seaborn são bibliotecas de plotagem. o pandas está acostumado a ler e editar dados de arquivos csv.

N