Artigo de método

Uma configuração naturalista para apresentar pessoas reais e ações vivas em estudos de psicologia experimental e neurociência cognitiva

3K vistas

⸱

DOI:

10.3791/65436

⸱

4 de agosto de 2023

 ,  ,  ,  , 
1Department of Cognitive Science, Middle East Technical University, 2Interdisciplinary Neuroscience Graduate Program, Bilkent University, 3Department of Computer Engineering, Middle East Technical University, 4Department of Cognitive Science, Jagiellonian University, 5Department of Psychology, Interdisciplinary Neuroscience Graduate Program, National Magnetic Resonance Research Center (UMRAM), Aysel Sabuncu Brain Research Center, Bilkent University

Neste artigo

Resumo

Este estudo apresenta uma configuração experimental naturalística que permite aos pesquisadores apresentar estímulos de ação em tempo real, obter tempo de resposta e dados de rastreamento do mouse enquanto os participantes respondem após cada exibição de estímulo e mudar os atores entre as condições experimentais com um sistema único, incluindo uma tela especial de diodo emissor de luz orgânica transparente (OLED) e manipulação de luz.

Resumo

A percepção das ações dos outros é crucial para a sobrevivência, interação e comunicação. Apesar de décadas de pesquisa em neurociência cognitiva dedicadas a entender a percepção de ações, ainda estamos longe de desenvolver um sistema de visão computacional neuronicamente inspirado que se aproxime da percepção da ação humana. Um grande desafio é que as ações no mundo real consistem em eventos que se desdobram temporalmente no espaço que acontecem "aqui e agora" e são estáveis. Em contraste, a percepção visual e a pesquisa em neurociência cognitiva até o momento têm estudado amplamente a percepção de ação por meio de exibições 2D (por exemplo, imagens ou vídeos) que não têm a presença de atores no espaço e no tempo, portanto, essas exibições são limitadas em proporcionar atuabilidade. Apesar do crescente corpo de conhecimento na área, esses desafios devem ser superados para uma melhor compreensão dos mecanismos fundamentais da percepção das ações dos outros no mundo real. O objetivo deste estudo é introduzir uma nova configuração para conduzir experimentos laboratoriais naturalísticos com atores vivos em cenários que se aproximam de cenários do mundo real. O elemento central da configuração usada neste estudo é uma tela de diodo emissor de luz orgânica transparente (OLED) através da qual os participantes podem assistir às ações ao vivo de um ator fisicamente presente enquanto o tempo de sua apresentação é precisamente controlado. Neste trabalho, essa configuração foi testada em um experimento comportamental. Acreditamos que a configuração ajudará os pesquisadores a revelar mecanismos cognitivos e neurais fundamentais e anteriormente inacessíveis de percepção de ação e será uma base para estudos futuros que investiguem a percepção social e a cognição em ambientes naturalísticos.

Introdução

Uma habilidade fundamental para a sobrevivência e interação social é a capacidade de perceber e dar sentido às ações dos outros e interagir com eles no ambiente circundante. Pesquisas anteriores realizadas nas últimas décadas têm trazido contribuições significativas para a compreensão dos princípios fundamentais de como os indivíduos percebem e compreendem as ações dos outros 1,2,3,4,5,6,7,8,9,10,11 . No entanto, dada a complexidade das interações e as circunstâncias em que elas ocorrem, há uma necessidade óbvia de desenvolver ainda mais o corpo de conhecimento em ambientes naturalistas, a fim de alcançar uma compreensão mais completa dessa habilidade complexa em cenários da vida cotidiana.

Em ambientes naturais, como nossos ambientes de vida diária, a percepção e a cognição exibem características corporificadas, incorporadas, estendidas e enativas12. Em contraste com os relatos internalistas de funções cerebrais que tendem a subestimar os papéis do corpo e do ambiente, as abordagens contemporâneas da cognição incorporada se concentram no acoplamento dinâmico do cérebro, corpo e ambiente. Por outro lado, a maioria das pesquisas em psicologia social, psicologia cognitiva e neurociência sobre percepção de ação tende a assumir que a utilização de desenhos experimentais bem controlados e simplificados em condições de laboratório (por exemplo, imagens ou vídeos em tarefas computadorizadas) produz resultados que podem ser generalizados para cenários mais complexos, como interações no mundo real 1,2,3,4,5,6,7 8,9,10,11. Essa suposição garante que dados robustos e confiáveis possam ser obtidos em muitas circunstâncias. No entanto, um desafio bem conhecido é que a validade dos modelos derivados de experimentos cuidadosamente controlados é limitada quando testada em um contexto do mundo real13. Consequentemente, novas investigações 13,14,15,16,17,18,19,20,21,22 têm sido conduzidas para abordar a validade ecológica e externa de estímulos e desenhos experimentais em vários campos de pesquisa.

Neste estudo, sugere-se um novo método para investigar como os indivíduos percebem e avaliam as ações dos outros usando ações ao vivo realizadas por um ator real e fisicamente presente. Cenários semelhantes a contextos da vida real são empregados, enquanto os experimentadores têm controle sobre possíveis fatores de confusão. Este estudo é uma forma de "pesquisa laboratorial naturalística", no âmbito de Matusz et al.14, que pode ser concebida como uma etapa intermediária entre a "pesquisa laboratorial clássica", que faz uso do máximo controle sobre os estímulos e o ambiente, muitas vezes em detrimento da naturalidade, e a "pesquisa totalmente naturalista do mundo real", que visa maximizar a naturalidade em detrimento do controle sobre a estimulação e oambiente14. O estudo visa abordar a necessidade de investigações empíricas neste nível na pesquisa de percepção de ação, a fim de preencher a lacuna entre os achados obtidos em experimentos laboratoriais tradicionais com alto grau de controle experimental e os achados obtidos em estudos conduzidos em ambientes naturais totalmente irrestritos.

Experimentos controlados versus irrestritos
O controle experimental é uma estratégia eficiente para projetar experimentos para testar uma hipótese específica, pois permite aos pesquisadores isolar variáveis-alvo de prováveis fatores de confusão. Também permite revisitar a mesma hipótese com certos níveis de alterações, como usar estímulos ligeiramente ou totalmente diferentes no mesmo desenho ou testar os mesmos estímulos em montagens experimentais alternativas. A investigação sistemática por meio de experimentos controlados é uma forma tradicional de metodologia em pesquisa em ciência cognitiva e domínios relevantes. Experimentos controlados ainda ajudam a estabelecer o corpo de conhecimento sobre os princípios fundamentais dos processos cognitivos em vários domínios de pesquisa, como atenção, memória e percepção. No entanto, pesquisas recentes também reconheceram as limitações dos experimentos laboratoriais tradicionais em termos de generalização dos achados para cenários do mundo real, e os pesquisadores têm sido encorajados a realizar estudos em ambientes ecológicos aprimorados 13,14,15,16,17,18,19,20,21 . Essa mudança visa abordar duas questões importantes sobre a discrepância entre experimentos laboratoriais tradicionais e cenários do mundo real. Primeiro, o mundo fora do laboratório é menos determinista do que nos experimentos, o que limita o poder representativo das manipulações experimentais sistemáticas. Em segundo lugar, o cérebro humano é altamente adaptativo, e isso é frequentemente subestimado devido às limitações práticas do planejamento e condução de estudos experimentais22. O conceito de "validade ecológica"23,24 tem sido utilizado para abordar métodos para resolver essa questão. O termo é geralmente usado para se referir a um pré-requisito para a generalização de achados experimentais para o mundo real fora do contexto laboratorial. A validade ecológica também tem sido interpretada como referindo-se à validação de montagens experimentais virtualmente naturalistas com estímulos irrestritos para garantir que o desenho do estudo seja análogo aos cenários da vida real25. Devido ao alto grau de variância na interpretação desse termo, é necessário compreender as vantagens e limitações das metodologias alternativas e da seleção de estímulos.

Níveis de naturalismo em estímulos e planejamento de experimentos
Trabalhos anteriores em psicologia experimental e neurociência cognitiva utilizaram uma ampla gama de estímulos com diferentes níveis de naturalismo26. A maioria dos pesquisadores prefere usar imagens estáticas ou vídeos dinâmicos curtos porque esses estímulos são mais fáceis de preparar do que aqueles que poderiam simular uma ação real ou um evento. Apesar de apresentarem vantagens, esses estímulos não permitem mensurar comportamentos contingentes entre agentes sociais. Em outras palavras, eles não são acionáveis e não têm acessibilidade social27. Nos últimos anos, uma alternativa a esses estímulos não interativos tem sido desenvolvida: animações em tempo real de avatares virtuais. Esses avatares permitem a investigação das interações entre avatares e seus usuários. No entanto, o uso de avatares virtuais está sujeito à redução da apreensão dos usuários, especialmente quando eles não parecem particularmente engajados em termos de seus comportamentos realistas e contingentes26. Portanto, há agora mais interesse em utilizar estímulos sociais reais em estudos experimentais. Embora seu projeto, registro e análise de dados possam exigir equipamentos avançados e análise de dados complexos, eles são os melhores candidatos para a compreensão do comportamento humano naturalista e da cognição.

O presente estudo propõe uma metodologia para o uso de estímulos sociais da vida real em ambiente laboratorial. Este estudo tem como objetivo investigar como as pessoas percebem e avaliam as ações dos outros em um ambiente com validade ecológica aprimorada em comparação com experimentos laboratoriais tradicionais. Desenvolvemos e descrevemos uma nova configuração na qual os participantes são expostos a atores reais que estão fisicamente presentes e compartilham o mesmo ambiente com eles. Neste protocolo, os tempos de resposta e as trajetórias dos camundongos são medidos, o que requer um tempo preciso de apresentação dos estímulos e um controle rigoroso sobre as condições experimentais neste ambiente ecológico aprimorado. Portanto, o paradigma experimental destaca-se entre os referenciais presentes na literatura, uma vez que a naturalidade dos estímulos é maximizada sem sacrificar o controle sobre o ambiente. A seguir, o protocolo apresenta as etapas para o estabelecimento de tal sistema e, em seguida, continua com os resultados representativos para os dados amostrais. Finalmente, apresenta-se a significação, as limitações e os planos de modificação do paradigma.

Delineamento experimental
Antes de prosseguir para a seção de protocolo, descrevemos os parâmetros utilizados no presente estudo e apresentamos os detalhes dos estímulos juntamente com o planejamento experimental.

Parâmetros do estudo
Este estudo tem como objetivo mensurar como o tipo de ator e a classe de ações que realizam afetam os processos de percepção da mente dos participantes. No protocolo, o processo de percepção da mente é medido em duas dimensões principais, a saber, agência e experiência, conforme proposto por pesquisaanterior28. As extremidades alta e baixa dessas duas dimensões também estão incluídas, como recentemente introduzido por Li et al.29.

A estrutura do estudo foi inspirada na versão30 de categoria única da tarefa de associação implícita (IAT) comumente utilizada31. Nesta tarefa, os tempos de resposta dos participantes ao combinarem um conceito de atributo com o conceito-alvo são usados como uma indicação da força de suas associações implícitas para esses dois conceitos. Na adaptação dessa tarefa implícita, os participantes são apresentados a ações ao vivo realizadas por atores reais e solicitados a combiná-los com conceitos-alvo. Os conceitos-alvo são os extremos altos e baixos das dimensões da agência ou da experiência, dependendo do bloco do experimento.

Em resumo, as variáveis independentes são Tipo de Ator e Classe de Ação. O Tipo de Ator tem dois níveis (ou seja, dois atores diferentes, Ator1 e Ator2, atuando no estudo). A Classe de Ação tem dois níveis: Classe de Ação1 e Classe de Ação2, e cada classe contém quatro ações. Os participantes avaliam os dois atores separadamente em quatro blocos (um ator em cada bloco) e, em cada bloco, os atores executam todas as ações em uma ordem contrabalanceada. Os participantes realizam avaliações com relação a duas dimensões pré-definidas e forçadas: Agência e Experiência. Os quatro blocos do experimento são (1) Ator1 em Bloco de Agência, (2) Ator2 em Bloco de Agência, (3) Ator1 em Bloco de Experiência e (4) Ator2 em Bloco de Experiência. A ordem dos blocos também é contrabalançada entre os participantes para que os blocos com o mesmo agente nunca se sucedam.

Além das respostas dos participantes, são registrados os tempos de resposta e as coordenadas x-y do mouse sem fio que eles usam enquanto se movem em direção a uma das duas alternativas de resposta. Assim, as variáveis dependentes são a resposta e o tempo de resposta (TR) dos participantes, bem como as medidas de desvio máximo (DM) e área sob a curva (AUC), derivadas do rastreamento do mouse computadorizado. A variável resposta é categórica; pode ser Alta ou Baixa, e como as avaliações são feitas em um dos blocos determinados, as respostas também podem ser rotuladas como Alta Agência, Baixa Agência, Alta Experiência ou Baixa Experiência. O tempo de resposta é uma variável contínua; Sua unidade é segundos, e refere-se ao tempo decorrido entre o início da apresentação de uma ação e a ocorrência de um clique do mouse em uma das alternativas de resposta. A DM de uma trajetória é uma variável contínua e refere-se ao maior desvio perpendicular entre a trajetória do(s) participante(s) e a trajetória idealizada (reta). A AUC de uma trajetória também é uma variável contínua e refere-se à área geométrica entre a trajetória do(s) participante(s) e a trajetória idealizada32.

Estímulos e planejamento do experimento
Um experimento em três estágios é utilizado no presente estudo. As medidas da terceira parte são utilizadas para as análises; As duas primeiras partes servem de preparação para a parte final. A seguir, descrevemos cada parte do experimento juntamente com os estímulos e hipóteses experimentais.

No Experimento Parte 1 (parte de treinamento lexical), os participantes completam uma sessão de treinamento para compreender os conceitos de Agência e Experiência e os níveis de capacidade representados com as palavras Alto e Baixo. Para selecionar os conceitos (n = 12) a serem utilizados nesta sessão de treinamento, alguns dos autores do presente trabalho realizaram um estudo normativo33. Como o presente estudo foi planejado para ser realizado nas línguas nativas dos participantes, os conceitos também foram traduzidos para o turco antes de serem normalizados. Os conceitos foram selecionados dentre aqueles que estavam fortemente associados com as extremidades Alta (n= 3) e Baixa (n= 3) das duas dimensões (seis conceitos para cada). Essa parte é fundamental, uma vez que se espera que a compreensão dos conceitos pelos participantes norteie seus processos avaliativos.

Na Parte 2 do Experimento (parte de identificação da ação), os participantes assistem às mesmas oito ações realizadas pelo Ator1 e pelo Ator2, uma após a outra, e relatam qual é a ação para o experimentador. Esta seção serve como uma verificação de manipulação; Ao apresentar todas as ações quando ambos os atores as estão executando, é possível garantir que os participantes compreendam as ações e estejam familiarizados com os atores antes de iniciarem o teste implícito, onde precisam fazer avaliações rápidas. As ações selecionadas para Classe de Ação1 e Classe de Ação2 são aquelas que apresentaram os maiores escores H e níveis de confiança (quatro exemplares de ação diferentes em cada classe de ação) de acordo com os resultados dos dois estudos normativos (N = 219) para cada condição de ator conduzidos por alguns dos autores (manuscrito em preparação). Todas as ações são executadas dentro de uma duração de tempo igual de 6 s.

Este é um estudo em andamento, e tem alguns outros componentes; No entanto, as hipóteses para as seções descritas acima são as seguintes: (i) o tipo de ator afetará as variáveis dependentes; O Actor2 produzirá RTs mais longos, MDs mais altos e AUCs maiores em comparação com o Actor1; (ii) o tipo de ação afetará as medidas dependentes; A Classe de Ação1 produzirá RTs mais longos, MDs mais altos e AUCs maiores em comparação com a Classe de Ação2; (iii) as medidas dependentes para respostas Alta e Baixa para o mesmo ator e classe de ação serão diferentes entre as dimensões do bloco: Agência e Experiência.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Os protocolos experimentais deste estudo foram aprovados pelo Comitê de Ética em Pesquisa com Seres Humanos da Universidade de Bilkent. Todos os participantes incluídos no estudo eram maiores de 18 anos, leram e assinaram o termo de consentimento livre e esclarecido antes de iniciar o estudo.

1. Etapas gerais do projeto

OBS: A Figura 1A (vista superior) e a Figura 1B e Figura 1C (vistas frontal e traseira) demonstram o layout do laboratório; Essas figuras foram criadas com relação à instalação e configuração original do laboratório desenhadas para este estudo em particular. A Figura 1A mostra o layout de exibição superior do laboratório. Nesta figura, é possível ver luzes de LED no teto e no gabinete do ator. O sistema de cortina blackout divide a sala ao meio e ajuda na manipulação da luz, evitando que a luz vaze para a parte frontal da sala (Área do Participante). A Figura 1B apresenta a visão do laboratório sob a perspectiva do experimentador. O participante senta-se em frente à tela OLED e, usando o visor transparente, pode assistir às ações ao vivo realizadas pelos atores. Eles dão suas respostas usando o dispositivo de resposta (um mouse sem fio) na frente deles. O experimentador pode assistir simultaneamente ao ator através do display do participante (tela OLED) e das imagens provenientes da câmera de segurança. A Figura 1C demonstra os bastidores do estudo (Área do Ator) com a câmera de segurança e o computador pessoal (CP) do Ator, que não são visíveis para o participante. As imagens da câmera de segurança vão para o PC da câmera para estabelecer a comunicação entre os atores e o experimentador. O Actor PC exibe a ordem dos blocos e as informações da próxima ação para o ator para que o experimento flua sem qualquer interrupção. Os atores podem verificar a próxima ação rapidamente enquanto os participantes respondem à ação no teste anterior.

figure-protocol-1
Figura 1: Configuração do laboratório naturalístico. (A) Visão de cima para baixo da configuração do laboratório naturalístico. (B) As laterais traseira e frontal da configuração experimental naturalista do ponto de vista do participante. (C) As laterais traseira e frontal da configuração experimental naturalista do ponto de vista do ator. Clique aqui para ver uma versão maior desta figura.

  1. Projete uma configuração que inclua três computadores, incluindo (1) uma área de trabalho de controle principal (Experimenter PC), (2) um laptop ator (Actor PC) e (3) um PC com câmera, um dispositivo de resposta sem fio (mouse participante), dois monitores, um circuito de iluminação e uma câmera de segurança (consulte a Figura 2A para o diagrama de sistema da configuração deste estudo).
    NOTA: O PC Experimentador será usado pelo experimentador para executar os roteiros do experimento, o PC Ator será usado pelo ator para rastrear os blocos do experimento e a ordem das ações nos blocos, e o terceiro dispositivo, o PC Câmera, será conectado à câmera de segurança localizada na área do ator e usado pelo experimentador para monitorar os bastidores.
  2. Conecte os monitores separados (um para a apresentação dos estímulos [Participant Display], que é a tela OLED) e uma tela para o monitoramento do experimento, do dispositivo de resposta e do circuito de iluminação (através de fios ou conexões sem fio) ao PC do Experimentador (ver Figura 2A).
  3. Conecte o PC Experimentador e o PC Ator por uma rede sem fio para transmitir informações relacionadas ao status do experimento (por exemplo, "o ID da próxima ação é 'saudação'") aos atores.
  4. Projete e construa um circuito de iluminação que (veja a Figura 2B para a placa de circuito) possa ser controlado por um microcontrolador para ligar e desligar os LEDs.
    NOTA: A Figura 3A mostra o uso opaco da tela OLED usada no estudo a partir da visão do experimentador. Para garantir a opacidade, o fundo da tela é ajustado para branco (RGB: 255, 255, 255), e todas as luzes da sala (tanto na Área do Participante quanto na Área do Ator) são apagadas. O participante vê a fixação antes dos estímulos. A Figura 3B mostra o uso transparente da tela digital no estudo a partir da visão do experimentador. Para permitir a transparência, o fundo da tela é ajustado para preto (RGB: 0, 0, 0) e as luzes de LED no teto são acesas. O participante observa o ator. A Figura 3C mostra o uso opaco da tela digital no estudo. Para garantir a opacidade, o fundo da tela é ajustado para branco (RGB: 255, 255, 255), e todas as luzes da sala são apagadas. O participante é apresentado com a tela de avaliação para dar uma resposta. Eles precisam arrastar o cursor para o canto superior esquerdo ou superior direito da tela (uma das duas opções de resposta, Alta ou Baixa) usando um mouse sem fio. A trajetória do mouse e o tempo de resposta são registrados.
  5. Conecte o microcontrolador ao PC Experimenter.
  6. Armazene os scripts que executam o experimento no PC do Experimentador.
    NOTA: A Figura 4A mostra os bastidores (Área do ator) durante o experimento. As luzes frontais da sala (Área do Participante) estão apagadas, e o PC do Ator está mostrando o nome da ação que será executada pelo ator. A Figura 4B mostra o gabinete do ator no qual os atores podem esperar sua vez e mudar de roupa. O gabinete do ator não é visível da visão do participante, e como um sistema de cortina é usado, os atores podem usar qualquer entrada que quiserem. Durante o experimento, as luzes fluorescentes exibidas na figura são apagadas.

figure-protocol-2
Figura 2: Diagrama do sistema e da fiação . (A) O diagrama do sistema da configuração experimental naturalística. (B) O diagrama de fiação do circuito de luz que suporta a tela OLED durante o experimento. Clique aqui para ver uma versão maior desta figura.

figure-protocol-3
Figura 3: Tela OLED do ponto de vista do experimentador. (A) Uso opaco da tela digital OLED do ponto de vista do experimentador. (B) Uso transparente da tela digital OLED do ponto de vista do experimentador. (C) Uso opaco da tela digital OLED do ponto de vista do experimentador durante um período de resposta. Clique aqui para ver uma versão maior desta figura.

figure-protocol-4
Figura 4: Bastidores do experimento . (A) Bastidores durante um experimento. (B) O gabinete do ator fica na parte de trás da tela OLED, na qual os atores podem esperar sua vez ser visível durante o experimento. Clique aqui para ver uma versão maior desta figura.

2. Projeto e implantação do circuito de iluminação

  1. Passos a seguir antes de ligar os dispositivos/componentes do circuito
    1. Para alterar os estados dos LEDs instalados nos bastidores (Área do ator), forneça ao PC Experimentador a capacidade de alternar os LEDs para ON ou OFF.
    2. Para transmitir os comandos digitais que serão enviados do PC Experimenter através de um cabo USB, selecione um dispositivo microcontrolador que possa receber entradas digitais e gerar uma saída digital (consulte a Tabela de Materiais para o microcontrolador usado neste estudo).
    3. Selecione uma porta USB específica do PC Experimenter para se conectar à entrada USB do microcontrolador através de um cabo USB. Não ligue o PC antes de se certificar de que todas as ligações foram estabelecidas com êxito.
    4. Incluir um módulo de comutação para aumentar a amplitude do sinal de saída (em torno de 3,3 V) gerado pelo microcontrolador.
    5. Conecte o pino de saída digital designado (para este experimento, o pino designado é D9) e os pinos de terra do microcontrolador ao módulo de comutação.
    6. Para executar a carga (os LEDs), inclua um módulo de transistor de efeito de campo (MOSFET) de alta potência (ou módulo MOSFET) que é acionado pelo sinal gerado pelo módulo de comutação, e conecte os pinos de sinal do módulo MOSFET ao par sinal-terra correspondente no módulo de comutação.
    7. Conecte os pinos de leito quente do módulo MOSFET à carga.
    8. Para fornecer uma tensão constante regulada para os módulos (e indiretamente, para os LEDs), inclua uma fonte de alimentação LED que receba a entrada da rede de corrente alternada (CA) e gere uma tensão DC constante no circuito.
    9. Conecte as saídas da fonte de alimentação LED às entradas de alimentação do módulo MOSFET e do módulo de comutação.
  2. Passos a seguir após a fiação dos componentes do circuito
    1. Conecte o cabo USB à porta USB selecionada do PC Experimenter.
    2. Crie um link de comunicação serial entre o microcontrolador e o ambiente de software em execução no Experimenter PC (consulte a subseção Conectando o microcontrolador ao Experimenter PC).
    3. Conecte a fonte de alimentação LED à entrada de rede CA.

3. Programação do experimento

NOTA: Crie três scripts experimentais principais (ExperimentScript1.m [Supplemental Coding File 1], ExperimentScript2.m [Supplemental Coding File 2] e ExperimentScript3.m [Supplemental Coding File 3]), bem como várias funções (RecordMouse.m [Supplemental Coding File 4], InsideROI.m [Supplemental Coding File 5], RandomizeTrials.m [Supplemental Coding File 6], RandomizeBlocks.m [Supplemental Coding File 7], GenerateResponsePage.m [Supplemental Coding File 8], GenerateTextures.m [Supplemental Coding File 9], ActorMachine.m [Supplemental Coding File 10], MatchIDtoClass.m [Supplemental Coding File 11] e RandomizeWordOrder.m [Supplemental Coding File 12]) para realizar o experimento.

NOTA: Consulte os scripts relacionados para obter explicações detalhadas.

  1. Randomização do ensaio e ordens de bloqueio
    1. Defina e crie duas funções para randomizar as ordens de ensaio (RandomizeTrials.m) e ordens de bloco (RandomizeBlocks.m) que tomam os parâmetros de randomização (como o ID do participante) como entradas e retornam uma matriz de sequências pseudorandomizadas.
    2. Consulte os scripts RandomizeBlocks.m (linhas 2-24) e RandomizeTrials.m (linhas 3-26) para obter detalhes sobre como as sequências aleatórias são geradas.
  2. Rastreamento da resposta (RecordMouse, InsideRoi)
    1. Crie uma função que rastreie e registre a trajetória do mouse dos participantes e o tempo decorrido durante o experimento (consulte RecordMouse.m).
    2. Crie uma função auxiliar para verificar se as coordenadas clicadas estão dentro das regiões aceitáveis ou não (consulte o script InsideRoi.m).
  3. Geração de texturas para instruções e feedbacks (GenerateTextures.m, GenerateResponsePage.m)
    1. Preparar as instruções relacionadas ao experimento e o feedback relacionado aos ensaios como imagens.
    2. Salve o conteúdo dessas imagens em um arquivo .mat (consulte o arquivo ExperimentImages.mat [Supplemental Coding File 13]).
    3. Carregue o arquivo .mat no espaço de trabalho (consulte GenerateTextures.m linha 25) depois de criar uma janela na tela.
    4. Crie uma textura separada e seu identificador para cada imagem (consulte GenerateTextures.m linhas 27-165).
    5. Defina uma função para desenhar as texturas de página de resposta relacionadas para cada script de experimento (consulte GenerateResponsePage.m).
  4. Conectando o PC do Ator ao PC do Experimentador sobre TCP/IP
    1. Crie um soquete de servidor TCP no script (consulte ExperimentScript2.m linha 174) em execução no PC do Experimenter.
    2. Crie um soquete de cliente TCP correspondente no script (consulte ActorMachine.m linha 16) em execução no Actor PC.
    3. Envie informações sobre o próximo bloco/teste para os atores do roteiro (consulte as linhas 207, 229 e 278 no ExperimentScript2.m ou veja as linhas 136, 141, 153, 159 e 297 no ExperimentScript3.m) em execução no Experimenter PC.
    4. Exiba as informações recebidas do PC do Experimentador na janela na tela do PC do Ator (consulte as linhas 31-47 em ActorMachine.m).
  5. Conectando o microcontrolador ao PC Experimenter
    1. Conecte o microcontrolador a uma porta USB específica (por exemplo, PORTA 9) para controlar o estado (LIGADO ou DESLIGADO) dos LEDs instalados no backstage.
    2. Estabeleça uma comunicação serial entre o dispositivo microcontrolador e o Experimenter PC (consulte a linha 185 no script ExperimentScript2.m).
    3. Envie um sinal lógico alto (1) para o microcontrolador a partir do script em execução no Experimenter PC (veja a linha 290 em ExperimentScript2.m ou veja a linha 311 em scripts ExperimentScript3.m) para ligar os LEDs quando as ações estiverem sendo exibidas através do cabo USB.
    4. Envie um sinal lógico baixo (0) para o microcontrolador a partir do script em execução no Experimenter PC (veja a linha 292 em ExperimentScript2.m ou veja a linha 314 em scripts ExperimentScript3.m) para desligar os LEDs quando o participante deve dar uma resposta.

4. O fluxo de um experimento de amostra

  1. Etapas pré-experimento
    1. Certifique-se de que todos os dispositivos no laboratório (PC Experimentador, PC Câmera, PC Ator e Exibição do Participante) estejam alimentados por um no-break.
    2. Ligue o microcontrolador lightning ao PC Experimenter através de um cabo USB, para que se ligue automaticamente à medida que o PC Experimenter é ligado.)
    3. Ligue o PC Experimenter e verifique se ele está conectado ao Wi-Fi de 5 GHz.
    4. Escolha o dispositivo de som (os alto-falantes na Tabela de Materiais) como o dispositivo de saída de som do Experimenter PC.
    5. Ligue a tela do participante e defina as configurações de volume para 80%.
    6. Defina as configurações de tela do Experimenter PC para vários monitores. Estenda a exibição do PC do experimento para a exibição do participante. A exibição do PC Experimentador será 1 e a Exibição do Participante será 2.
    7. Ligue o Actor PC e verifique se ele está conectado ao Wi-Fi de 5 GHz.
    8. Conecte a câmera de segurança ao Actor PC através de um cabo USB, para que ele seja ligado automaticamente à medida que o Actor PC for ligado.
    9. Ligue o PC da câmera e abra o aplicativo da câmera na área de trabalho. Certifique-se de que cada ator, seus movimentos e suas entradas e saídas para o gabinete estejam visíveis da câmera.
    10. Certifique-se de que todos os computadores, monitores e dispositivos (o dispositivo de resposta [mouse sem fio do participante], alto-falantes, teclado e mouse do Experimenter PC e do Actor PC e do microcontrolador lightning) funcionem corretamente.
    11. Receber o participante em outra sala; Após breve informação sobre o estudo, fornecer o Termo de Consentimento Livre e Esclarecido e assiná-lo.
    12. Peça ao participante que desenhe um número de uma bolsa e diga-lhe que o número será seu ID de participante durante todo o estudo.
    13. Permita que o participante preencha o formulário de dados demográficos on-line com sua ID de participante anônima.
      OBS: É fundamental que os participantes não vejam os atores antes do experimento. Assim, essa papelada é concluída em outra sala, em vez da sala de experimentos principal, para que os atores possam fazer pausas entre os participantes.
  2. As etapas do experimento
    1. Abra o software de experimento no Experimenter PC, abra o script ExperimentScript1.m e execute-o.
    2. Preencher o documento de identificação do participante e idade; em seguida, o roteiro iniciará a primeira parte do experimento (o primeiro estímulo visível será uma cruz no centro da Exibição do Participante).
    3. Abra o software de experimento no Actor PC e abra o script ActorMachine.m.
    4. Coloque o PC da câmera perto do PC do experimentador e verifique se as imagens provenientes da câmera de segurança não estão visíveis para o participante.
    5. Dê as boas-vindas ao participante na sala principal do experimento e deixe-o sentar-se na frente do visor do participante.
    6. Diga ao participante para se organizar de tal forma que a cruz esteja no meio e em frente.
    7. Dê instruções sobre as partes do experimento brevemente, consultando as explicações e durações escritas no quadro branco.
    8. Desligue todas as luzes da sala de experimentos.
  3. Experimento parte 1:
    1. Diga ao participante que ele completará o treinamento lexical/conceitual na primeira parte do experimento. Avise-os sobre o cuidado de seguir as instruções para que possam passar no treinamento.
    2. Diga ao participante que o experimento pode ser iniciado quando ele estiver pronto.
    3. Pressione o botão ESC quando o participante disser que está pronto para a primeira parte.
      NOTA: A partir de agora, o participante progredirá no experimento lendo as instruções na Tela do Participante e selecionando uma das opções. Eles receberão feedback sobre suas respostas certas e erradas para que possam progredir bem no treinamento. A correspondência continuará até que os participantes atinjam o limiar mínimo (80%) dentro de 10 repetições em bloco.
    4. Quando o participante completar a parte de treinamento, pressione o botão ESC e diga ao participante que o experimentador está assumindo o controle do mouse para iniciar a segunda parte do experimento.
  4. Experimento parte 2:
    1. Abra o script ExperimentScript2.m e aguarde o prompt Aguardando o PC do ator.
    2. Toque a campainha quando o prompt for visto para que um dos atores possa executar o script no PC do ator para habilitar a conexão com o PC do experimentador.
    3. Aguarde até que o prompt Experimento Parte 2 esteja pronto.
    4. Diga ao participante que agora que a tela será transparente enquanto eles assistem a algumas ações curtas através dela.
    5. Avise-os para observar cada ação com cuidado e informe-os de que eles devem dizer qual é a ação em voz alta.
    6. Diga ao participante que o experimento pode ser iniciado quando ele estiver pronto.
    7. Pressione o botão ESC quando o participante disser que está pronto para a primeira parte.
      NOTA: O participante progride nas instruções e assiste à primeira ação. O Actor1 executa as ações quando as luzes LED são acesas e eles verificam a próxima ação no prompt no Actor PC quando as luzes são apagadas. Quando cada ação terminar, uma caixa de diálogo surgirá na tela do Experimenter PC.
    8. Digite o que o participante diz sobre a ação na caixa de diálogo e digite 1 ou 0 na segunda caixa de diálogo, dependendo da identificação certa ou errada da ação, respectivamente.
      NOTA: Estes passos serão repetidos oito vezes para o primeiro ator, e a música de fundo começará a tocar quando for a hora de os atores mudarem de lugar.
    9. Assista aos bastidores das imagens da câmera de segurança no PC da câmera.
    10. Pressione o botão ESC para iniciar a identificação do Actor2 quando o ator acenar com as mãos em direção à câmera de segurança com o gesto I am ready .
    11. Repita as etapas 4.4.7 e 4.4.8 junto com o participante até que as mesmas oito ações também sejam identificadas enquanto estiverem sendo executadas pelo Ator2.
    12. Quando o participante vê o aviso de Identificação completa e sai da parte clicando na seta, pressione o botão ESC e diga ao participante que o experimentador está assumindo o controle do mouse para iniciar a terceira parte do experimento.
  5. Experimento parte 3:
    1. Abra o script ExperimentScript3.m.
    2. Diga ao participante que ele assistirá às ações de ambos os atores e, em seguida, clicará na opção que achar adequada.
      OBS: Os participantes avaliarão as ações dos atores em quatro blocos. Em dois dos blocos, o Ator1 executará as ações e, nos outros dois, o Ator2 executará as mesmas ações. Em dois dos blocos, os participantes avaliarão as ações atribuindo altas ou baixas capacidades de agência, e nos outros dois, atribuirão capacidades de alta ou baixa experiência.
    3. Pressione o botão ESC quando o participante disser que está pronto para a terceira parte.
      NOTA: O participante progride através das instruções, e elas começam com o primeiro bloco. Os atores executam as ações na luz e, enquanto os participantes dão suas respostas, a tela fica opaca e as luzes são apagadas para que os atores possam ver qual ação está por vir. Quando cada bloco terminar, os atores mudarão de lugar seguindo os prompts no Actor PC.
    4. Verifique se tudo vai bem nos bastidores e se o ator certo está conduzindo a ação certa durante os blocos.
    5. Pressione o botão ESC para iniciar o próximo bloco quando o ator direito acenar com as mãos com o gesto Estou pronto após a substituição dos atores.
    6. Repita as etapas 4.5.4 e 4.5.5 em cooperação com o participante e o ator até que os quatro blocos estejam completos.
    7. Quando o participante vir o O experimento acabou, aviso de agradecimento, pressione o botão ESC .
    8. Agradeça ao participante e, após o debriefing e a retirada das assinaturas, envie o participante para fora.

A Figura 5 mostra uma amostra de tentativa a partir da visão do participante. A Figura 5A mostra o participante olhando para o cursor no centro da tela em seu uso opaco. A Figura 5B mostra o participante assistindo aos estímulos live-action através da tela. A Figura 5C mostra a tela de avaliação apresentada ao participante após os estímulos, na qual ele precisa arrastar o mouse para uma das duas alternativas em cada canto superior da tela.

figure-protocol-5
Figura 5: Tela OLED do ponto de vista do participante. (A) Uso opaco da tela digital OLED do ponto de vista do participante durante uma tela de fixação. (B) Uso transparente da tela digital OLED do ponto de vista do participante durante a apresentação de uma ação ao vivo.(C) Uso opaco da tela digital OLED do ponto de vista do participante durante o período de resposta. Clique aqui para ver uma versão maior desta figura.

5. Pré-processamento e análise dos dados

  1. Segmentando dados em condições
    1. Leia todos os arquivos de dados do participante no espaço de trabalho do ambiente de software.
    2. Defina as condições para agrupar os dados (duas classes de ação [Action Class1 e Action Class2] x dois atores [Actor1 e Actor2] x duas dimensões [Agency and Experience] x dois níveis [High and Low]).
    3. Segmente os dados em quatro grupos principais: Agência Alta, Agência Baixa, Experiência Alta e Experiência Baixa.
    4. Divida esses grupos principais em quatro subgrupos (dois atores x duas classes de ação).
    5. Faça um loop por cada arquivo de dados para agrupar as avaliações que pertencem a um dos quatro subgrupos definidos anteriormente.
    6. Armazene as informações de avaliação relevantes (tempo de resposta, movimento do cursor e pontos de tempo em que a posição do cursor é amostrada) em estruturas de dados separadas para cada subgrupo.
    7. Saia do loop quando todas as avaliações estiverem agrupadas.
  2. Visualização das trajetórias
    1. Depois de segmentar os dados, execute as etapas a seguir para visualizar as trajetórias do mouse.
    2. Para aplicar a interpolação de tempo às trajetórias de resposta, para cada tentativa, selecione 101 pares (x,y) da matriz de trajetória para que cada subgrupo de dados tenha tentativas com um número igual de etapas de tempo.
      NOTA: Ao ancorar o número de pares em 101, certifique-se de seguir a convenção32para realizar a normalização de tempo correta. Assim, obtenha a normalização do tempo usando a seguinte equação, onde n é o número de amostras em uma matriz de trajetória:
      figure-protocol-6
    3. Calcule a soma de pares (x,y) em cada um dos 101 pontos de tempo e, em seguida, divida o resultado obtido pelo número total de tentativas desse subgrupo para obter as médias para cada subgrupo (por exemplo, Experience Low Actor1 ou Experience Low Actor2).
    4. Aplique uma operação de dimensionamento aos valores de linha para visualizar as trajetórias médias.
      NOTA: O plano de coordenadas 2D assume que ambos os eixos aumentam a partir do ponto zero localizado no canto inferior esquerdo da janela (supondo que as coordenadas sejam inteiros positivos), enquanto o formato de pixel usa o canto superior esquerdo da janela como referência (por exemplo, ponto zero). Assim, aplique uma operação de dimensionamento para as coordenadas y (correspondentes aos valores de linha em formato de pixel) dos locais amostrados extraindo a coordenada y amostrada de cada tentativa do valor do número total de linhas.
    5. Plote os subgrupos relacionados na mesma figura para comparação.
      NOTA: Cada trajetória começa no centro do retângulo localizado no centro inferior, rotulado START, e termina dentro dos retângulos localizados nos cantos superior esquerdo ou superior direito.

6. Condições que podem levar a falhas e precauções do sistema

OBS: Em caso de falha do sistema, é fundamental ter um sinal físico (tocar um sino) para avisar o ator sobre a falha e avisá-lo para ficar em um local que seja invisível para o participante.

  1. Falhas devido à conexão de rede
    1. Se um dos computadores estiver conectado a uma rede diferente, a solicitação de conexão TCP/IP falhará e o sistema mostrará um erro. Para evitar isso, verifique se o Experimenter PC e o Actor PC estão na mesma banda da mesma rede sem fio.
    2. Para garantir que ambos os PCs permaneçam na mesma rede, apague as redes sem fios anteriormente ligadas de ambos os PCs.
    3. Defina endereços IP estáticos para os dispositivos na rede selecionada, pois os endereços IP em uma rede podem ser alterados sem aviso prévio.
    4. Qualquer desconexão momentânea (por exemplo, devido a uma queda de energia, queda de Internet, etc.) à rede pode causar falha no script. Nessas circunstâncias, o sistema precisa ser reiniciado desde o início para restabelecer a conexão TCP/IP.
      Observação : O requisito de IPs estáticos para dispositivos pode ser atendido pelo provedor de serviços de Internet. Determinadas portas podem ser desativadas pelo sistema operacional ou pelo hardware em um determinado dispositivo; portanto, as portas que devem ser usadas no experimento devem ser abertas e não devem ter uma conexão ativa até que o script do experimento seja iniciado.
  2. Falhas devido a falhas de software
    1. O ambiente de software pode falhar devido a conexões com falha (por exemplo, conexão de porta serial, conexão TCP/IP, conexão de vídeo, etc.), e isso pode levar a uma perda de dados. Para superar isso, divida o script do experimento principal em vários scripts. Por exemplo, se houver um bloco que precise ser concluído antes que os atores comecem a executar ações, não há necessidade de criar um servidor no PC do Experimentador durante esse bloco. O servidor pode ser criado quando o bloco que envolve ações e, portanto, requer comunicação entre o Experimenter PC e o Actor PC, está prestes a começar.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Comparações de tempo de resposta (TR)
O presente estudo é um projeto em andamento, portanto, como resultados representativos, são apresentados dados da parte principal do experimento (Experimento Parte 3). Esses dados são de 40 participantes, sendo 23 do sexo feminino e 17 do sexo masculino, com idades variando de 18 a 28 anos (M = 22,75, DP = 3,12).

Investigar a extensão da normalidade da distribuição das variáveis dependentes foi necessário para a escolh...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

O objetivo geral do presente estudo é contribuir para a compreensão de como a percepção visual e a cognição humanas de alto nível funcionam em situações da vida real. Este estudo centrou-se na percepção da ação e sugeriu um paradigma experimental naturalista, mas controlável, que permite aos pesquisadores testar como os indivíduos percebem e avaliam as ações dos outros, apresentando atores reais em um ambiente de laboratório.

A importância desta metodologia proposta em comparação com as metodo...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não ter interesses financeiros relevantes ou materiais relacionados à pesquisa descrita neste artigo.

Agradecimentos

Este trabalho foi apoiado por bolsas para Burcu A. Urgen do Conselho de Pesquisa Científica e Tecnológica de Türkiye (número do projeto: 120K913) e da Universidade de Bilkent. Agradecemos à nossa participante piloto Sena Er Elmas por trazer a ideia de adicionar ruído de fundo entre as mudanças do ator, Süleyman Akı pela montagem do circuito de luz e Tuvana Karaduman pela ideia de usar uma câmera de segurança nos bastidores e sua contribuição como um dos atores do estudo.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Mesa de Altura AjustávelN/A Feita sob medidaLargura: 60 cm, Altura: 62 cm, Profundidade: 40 cm
Ardunio UNO Smart ProjectsA000066Microcontrolador usado para alternar o estado dos LEDs do script em execução no PC do operador
Calças pretasSem marcaN/ACalças de ajuste relaxado de atores sem nome de marca ou logotipo aparente.
EstojoXigmatekEN43224XIGMATEK HELIOS RAINBOW LED USB 3.0 MidT ATX GAMING
CASE CPUAMDAMD Ryzen 5 1600 Soket AM4 3,2 GHz - 3,6 GHz 16 MB 65 W 12 nm
Cortinasdo processador N/A feito sob medidaLargura: Parte 1: 110 cm de largura do lado da parede (esquerda), Parte 2: 123 cm de largura acima da tela OLED, Parte 3: 170 cm da tela OLED para o lado direito, Profundidade da cabine: 100 cm, Profundidade interna da cabine: 100 cm, todas as alturas 230 cm, exceto a Parte 2 (75 cm de altura)
Cadeira ajustável/giratória ExperimenterSem marcaN/AQualquer marca
Mesa ExperimenterCustomN/ALargura: 160 cm, Altura: 75 cm, Profundidade: 80 cm
GPUMSIGT 1030 2GHD4 LP OCMSI GEFORCE GT 1030 2GHD4 LP OC 2GB DDR4 64bit GPU NVIDIA
Cortina blackout cinzenta/Afeita à medidaLargura: 330 cm, Altura: 230 cm, utilizada para cobrir o fundo
Disco rígidoKioxiaLTC10Z240GG8Kioxia 240 GB Exceria Sata 3.0 SSD (555 MB de leitura/540 MB de escrita)
Disco rígidoToshibaHDWK105UZSVAToshiba 2,5'' 500 GB L200 SATA 3.0 8 MB Cache 5400 Rpm 7 mm Disco rígido
Módulo MOSFET de alta potênciaN/AControlador de Aquecimento N/AMKS MOSFET Module
LaptopAppleS/N: C02P916ZG3QTMacBook Pro 11.1 Intel Core i7 (Usado como o PC ator)
LaptopAsus UX410UUsado para monitorar a câmera de segurança em tempo real.
Luzes LEDSem marcaN/A
LED STRIP Power SupplySem marcaN/AAC para conversor de tensão DC usado para fornecer tensão DC ao circuito de iluminação
MATLAB The MathWorks Inc., Natick, MA, EUAVersão: R2022aUsado para programar o experimento.

Caixas de ferramentas necessárias:
Pacote de suporte MATLAB para hardware Arduino (versão 22.1.2)
Instrument Control Toolbox (versão 4.6)
Psychtoolbox (versão 3)
MonitorPhilipsUHB2051005145 ID do modelo: 242V8A/00, Monitor de Jogos IPS PHILIPS 23.8" 242V8A 4ms 75 Hz Freesync DP-HDMI+VGA IPS 
Placa-mãeMSIB450M-A PRO MAXMSI B450M-A PRO MAX Amd B450 Socket AM4 DDR4 3466(OC) M.2 Placa-mãe
Mouse Pad para participanteMonster  78185721101502042 / 8699266781857Pusat Gaming Mouse Pad XL
Lâmpada noturnaAukesES620-0.5W 6500K-IP 20Usado para ajudar os atores a ver ao redor quando as luzes estão apagadas nos bastidores.
Cadeira ajustável / giratória ParticipantSem marcaN/A
Mesa de ParticipanteIKEASandsberg 294.203.93Largura: 110 cm, Altura: 75 cm, Profundidade: 67 cm
Cabo de extensão de energiaViko9011760Y250 V (6 entradas) Cabo de
extensãoViko9011730Y250 V (3 entradas) Cabo
extensãoViko9011330Y250 V (3 entradas) Cabo de
Extensão de Energias-link Modelo No: SPG3-J-10AC - 250 V 3 metros (5 entradas)
Fonte de AlimentaçãoTHERMALTAKEPS-LTP-0550NHSANE-1THERMALTAKE LITEPOWER RGB 550W APFC 12 cm FAN PSU
Mouse Gaming ProfissionalRampage 8680096Modelo No: SMX-R50 
RAMGSKILLF4-3000C16S-8GVRBGSKILL 8GB (1x8GB) RipjawsV Red DDR4 3000 MHz CL16 1.35 V Single Ram
Sino de recepçãoSem marcaN/AUsado para ajudar na comunicação entre o experimentador e os atores.
Câmera de SegurançaBrion Vega2-20204210Modelo:BV6000
Alto-falantesLogitechP/N: 880-000-405 PID: WD528XMUsado para tocar a música de fundo.
Software de pesquisaQualtrics N/A
Módulo de comutaçãoSem marcaN/AF5305S Módulo de comutação PMOS
Tabela sob o visor OLED/Afeito à medidaLargura: 123 cm, Altura: 75 cm, Profundidade: 50 cm
Visor OLED transparentePN planar: 998-1483-01 S/N:195210075Um ecrã transparente de 55 polegadas que apresenta informações dinâmicas, permitiu a utilização opaca e transparente durante a experiência.
UPSEAGK200610100087EAG 110
UPSEAG210312030507EAG 103
Cabo USB 2.0 Tipo A/B para Arduino UNO (Azul)ProjectsM000006 Usado para conectar o microcontrolador ao PC experimental.
Conversor USB para RS232s-link8680096082559Modelo: SW-U610
Blusa branca de manga comprida (2)H & M (algodão)N/ABlusas de ajuste descontraído com decote redondo e sem marca ou logotipo aparente.
Teclado sem fioLogitechP/N: 820-003488 S/N: 1719CE0856D8Modelo: K360
Mouse sem fioLogitechS/N: 2147LZ96BGQ9Modelo: M190 (usado como dispositivo de resposta)
YD1600BBAFBOX N preto de preto Branco NSmart

Referências

  1. Grossman, E. D., Blake, R. Brain areas active during visual perception of biological motion. Neuron. 35 (6), 1167-1175 (2002).
  2. Saygin, A. P. Superior temporal and premotor brain areas necessary for biological motion perception. Brain. 130 (9), 2452-2461 (2007).
  3. Peelen, M. V., Downing, P. E. The neural basis of visual body perception. Nature Reviews Neuroscience. 8 (8), 636-648 (2007).
  4. Caspers, S., Zilles, K., Laird, A. R., Eickhoff, S. B. ALE meta-analysis of action observation and imitation in the human brain. Neuroimage. 50 (3), 1148-1167 (2010).
  5. Nelissen, K., et al. Action observation circuits in the macaque monkey cortex. Journal of Neuroscience. 31 (10), 3743-3756 (2011).
  6. Oosterhof, N. N., Tipper, S. P., Downing, P. E. Crossmodal and action-specific: Neuroimaging the human mirror neuron system. Trends in Cognitive Sciences. 17 (7), 311-318 (2013).
  7. Lingnau, A., Downing, P. E. The lateral occipitotemporal cortex in action. Trends in Cognitive Sciences. 19 (5), 268-277 (2015).
  8. Giese, M. A., Rizzolatti, G. Neural and computational mechanisms of action processing: Interaction between visual and motor representations. Neuron. 88 (1), 167-180 (2015).
  9. Tucciarelli, R., Wurm, M., Baccolo, E., Lingnau, A. The representational space of observed actions. eLife. 8, e47686(2019).
  10. Tarhan, L., Konkle, T. Sociality and interaction envelope organize visual action representations. Nature Communications. 11 (1), 3002(2020).
  11. Urgen, B. A., Saygin, A. P. Predictive processing account of action perception: Evidence from effective connectivity in the action observation network. Cortex. 128, 132-142 (2020).
  12. Newen, A., De Bruin, L., Gallagher, S. The Oxford Handbook of 4E Cognition. , Oxford University Press. Oxford, UK. (2018).
  13. Snow, J. C., Culham, J. C. The treachery of images: How realism influences brain and behavior. Trends in Cognitive Sciences. 25 (6), 506-519 (2021).
  14. Matusz, P. J., Dikker, S., Huth, A. G., Perrodin, C. Are we ready for real-world neuroscience. Journal of Cognitive Neuroscience. 31 (3), 327-338 (2019).
  15. Zaki, J., Ochsner, K. The need for a cognitive neuroscience of naturalistic social cognition. Annals of the New York Academy of Sciences. 1167 (1), 16-30 (2009).
  16. Hasson, U., Honey, C. J. Future trends in Neuroimaging: Neural processes as expressed within real-life contexts. NeuroImage. 62 (2), 1272-1278 (2012).
  17. Risko, E. F., Laidlaw, K. E., Freeth, M., Foulsham, T., Kingstone, A. Social attention with real versus reel stimuli: toward an empirical approach to concerns about ecological validity. Frontiers in Human Neuroscience. 6, 143(2012).
  18. Parsons, T. D. Virtual reality for enhanced ecological validity and experimental control in the clinical, affective and social neurosciences. Frontiers in Human Neuroscience. 9, 660(2015).
  19. Deuse, L., et al. Neural correlates of naturalistic social cognition: brain-behavior relationships in healthy adults. Social Cognitive and Affective Neuroscience. 11 (11), 1741-1751 (2016).
  20. Camerer, C., Mobbs, D. Differences in behavior and brain activity during hypothetical and real choices. Trends in Cognitive Sciences. 21 (1), 46-56 (2017).
  21. Nastase, S. A., Goldstein, A., Hasson, U. Keep it real: Rethinking the primacy of experimental control in cognitive neuroscience. NeuroImage. 222, 117254(2020).
  22. Kihlstrom, J. F. Ecological validity and "ecological validity". Perspectives on Psychological Science. 16 (2), 466-471 (2021).
  23. Brunswik, E. Perception and the Representative Design of Psychological Experiments. , University of California Press. Oakland, California. (1956).
  24. Aronson, E., Carlsmith, J. M. Experimentation in social psychology. The Handbook of Social Psychology. Gilbert, D. T., Fiske, S. T., Lindzay, G. , McGraw-Hill. New York, NY. 1-79 (1968).
  25. Hammond, K. Ecological validity: Then and now. University of Colorado. , Available from: https://www.albany.edu/cpr/brunswik/notes/essay1.html (1998).
  26. Fan, S., Dal Monte, O., Chang, S. W. Levels of naturalism in social neuroscience research. IScience. 24 (7), 102702(2021).
  27. Orban, G. A., Lanzilotto, M., Bonini, L. From observed action identity to social affordances. Trends in Cognitive Sciences. 25 (6), 493-505 (2021).
  28. Gray, H. M., Gray, K., Wegner, D. M. Dimensions of mind perception. Science. 315 (5812), 619(2007).
  29. Li, Z., Terfurth, L., Woller, J. P., Wiese, E. Mind the machines: Applying implicit measures of mind perception to social robotics. 2022 17th ACM/IEEE International Conference on Human-Robot Interaction (HRI. , 236-245 (2022).
  30. Karpinski, A., Steinman, R. B. The single category implicit association test as a measure of implicit social cognition. Journal of Personality and Social Psychology. 91 (1), 16(2006).
  31. Greenwald, A. G., McGhee, D. E., Schwartz, J. L. Measuring individual differences in implicit cognition: the implicit association test. Journal of Personality and Social Psychology. 74 (6), 1464(1998).
  32. Freeman, J. B., Ambady, N. MouseTracker: Software for studying real-time mental processing using a computer mouse-tracking method. Behavior Research Methods. 42 (1), 226-241 (2010).
  33. Pekçetin, T. N., Barinal, B., Tunç, J., Acarturk, C., Urgen, B. A. Studying mind perception in social robotics implicitly: The need for validation and norming. Proceedings of the 2023 ACM/IEEE International Conference on Human-Robot Interaction. , 202-210 (2023).
  34. Yu, Z., Wang, F., Wang, D., Bastin, M. Beyond reaction times: Incorporating mouse-tracking measures into the implicit association test to examine its underlying process. Social Cognition. 30 (3), 289-306 (2012).
  35. Romero, C. A., Snow, J. C. Methods for presenting real-world objects under controlled laboratory conditions. Journal of Visualized Experiments. (148), e59762(2019).
  36. Jastorff, J., Abdollahi, R. O., Fasano, F., Orban, G. A. Seeing biological actions in 3 D: An f MRI study. Human Brain Mapping. 37 (1), 203-219 (2016).
  37. Ferri, S., Pauwels, K., Rizzolatti, G., Orban, G. A. Stereoscopically observing manipulative actions. Cerebral Cortex. 26 (8), 3591-3610 (2016).
  38. Stangl, M., Maoz, S. L., Suthana, N. Mobile cognition: Imaging the human brain in the 'real world. Nature Reviews Neuroscience. 24 (6), 347-362 (2023).
  39. Kriegeskorte, N. Deep neural networks: a new framework for modeling biological vision and brain information processing. Annual Review of Vision Science. 1, 417-446 (2015).
  40. Marblestone, A. H., Wayne, G., Kording, K. P. Toward an integration of deep learning and neuroscience. Frontiers in Computational Neuroscience. 10, 94(2016).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Percep o da A oExperimento NaturalistaIntera o SocialTela OLED TransparenteApresenta o de Ator RealValidade Ecol gicaExperimento ComportamentalAn lise de Trajet ria do Mouse

Artigos relacionados