Métodos de Ensaio Visual Atenção online
February 19th, 2015
Para replicar as configurações de laboratório, os métodos de coleta de dados on-line para tarefas visuais exigem um controle rígido sobre a apresentação do estímulo. Descrevemos métodos para o uso de um aplicativo da web para coletar dados de desempenho em dois testes de atenção visual.
O objetivo geral deste procedimento é simplificar a coleta de dados para tarefas de atenção visual por meio de um aplicativo da Web online. Isso é feito primeiro fazendo login dos participantes em um aplicativo da web. Em seguida, os participantes são instruídos a calibrar suas telas para a apresentação correta do estímulo
.Em seguida, os participantes leem as instruções da tarefa e completam os testes práticos. Finalmente, os dados são coletados dos participantes à medida que eles concluem as tarefas completas. Em última análise, os métodos de coleta de dados online para tarefas visuais mostram resultados consistentes com os métodos tradicionais baseados em laboratório.
A principal vantagem dessa técnica sobre os métodos existentes é que os dados podem ser coletados de uma população maior e mais diversificada em um período de tempo relativamente curto. Demonstrando este procedimento estará Olga P igual, uma técnica do laboratório. Para começar, peça ao participante que se sente em uma sala silenciosa, livre de distrações, com um computador habilitado para internet a uma altura confortável.
Instrua o participante a navegar até o aplicativo Web mostrado aqui. Usando um navegador compatível com HTML cinco, peça ao participante que insira um ID exclusivo que será associado aos dados coletados e armazenados em um banco de dados my SQL. Antes de fazer login, obtenha o consentimento do participante por meio de um formulário de consentimento vinculado na página.
Para calibrar a tela, peça ao participante para inserir o tamanho diagonal da tela em polegadas na caixa de texto rotulada. Se o participante não souber essas informações, peça-lhe que encontre um CD ou cartão de crédito como objeto de calibração. Quando um for selecionado, solicite que o participante coloque o objeto contra a tela e alinhe-o com uma imagem representativa do objeto exibido na tela.
Solicite que o participante ajuste o tamanho da imagem da tela para corresponder ao tamanho do objeto físico com base nas medidas do CD físico ou de um cartão de crédito e no tamanho do pixel da imagem representativa. Determine o tamanho diagonal da tela em polegadas. Peça ao participante que confirme esse valor por meio de uma caixa de diálogo.
Em seguida, solicite que o participante ajuste as configurações de brilho da tela até que todas as 12 bandas em um gradiente preto para branco exibidas na tela sejam claramente distinguíveis. Peça ao participante para se sentar à distância de um braço do monitor em uma posição confortável e, em seguida, defina a janela do navegador para o modo de tela cheia. A janela do navegador deve estar no modo de tela inteira para maximizar o espaço visual usado pelas tarefas e remover quaisquer distrações visuais, como a barra de ferramentas do navegador e as barras de tarefas da área de trabalho.
Usando o tutorial autoguiado de rastreamento de múltiplos objetos ou MOT encontrado neste URL, peça ao participante para ler as instruções passo a passo que demonstram como os testes funcionarão. Assim que o participante terminar de ler as instruções, solicite que o participante passe pelos testes práticos, configure os estímulos práticos para consistir em oito pontos a 0,8 graus com uma velocidade de movimento de dois graus por segundo. Use a API de quadro de animação de cinco solicitações HTML para otimizar a animação do navegador a uma taxa de quadros de 60 hertz para controlar esse movimento de estímulo.
Em seguida, peça ao participante que rastreie os pontos azuis com os pontos amarelos atuando como distratores. Após dois segundos, troque os pontos azuis por pontos amarelos e continue a movê-los entre os pontos amarelos originais por mais quatro segundos. No final de cada tentativa, pare os pontos e destaque um.
Solicite que o participante responda pressionando a tecla, seja o ponto destacado um ponto de controle ou um ponto de distração. Após três tentativas corretas consecutivas ou um máximo de seis tentativas, mova o participante para a tarefa completa. Para iniciar a tarefa MOT completa para o participante, configure-a com 16 pontos que se movem a cinco graus por segundo.
Dentro do espaço entre dois graus de excentricidade e 10 graus de excentricidade, faça com que o participante complete um total de 45 tentativas, uma mistura de cinco tentativas consistindo em um ponto rastreado e 10 tentativas, cada uma consistindo de dois a cinco pontos rastreados. Usando o tutorial encontrado aqui, peça ao participante que passe por quatro estágios de instruções passo a passo que demonstrem os dois estímulos-alvo que devem ser atendidos durante o campo de visão útil ou conjunto de tarefas UFOV. O estímulo alvo central é um smiley de um grau que pisca no centro da tela com cabelos longos ou curtos.
Randomize o comprimento do cabelo do smiley em todas as tentativas, defina o estímulo alvo periférico como uma estrela de um grau que pisca a quatro graus de excentricidade em um dos oito locais ao redor do círculo. Randomize a localização da estrela em tentativas. Apenas para o estágio um.
Exiba o alvo central e, em seguida, solicite que o participante responda pressionando a tecla, cujo comprimento de cabelo foi exibido apenas para o estágio dois. Exiba o alvo periférico e, em seguida, solicite ao participante que clique em uma das oito linhas de rádio que representam os oito locais de destino possíveis para indicar onde a estrela apareceu. Para o estágio três, exiba os estímulos-alvo centrais e periféricos e, em seguida, solicite ao participante que forneça respostas ao tipo de smiley e à localização da estrela.
Para o estágio quatro, exiba os dois estímulos-alvo, além dos distratores periféricos e, em seguida, solicite que o participante responda a ambos os estímulos-alvo. Para a exibição dos distratores, quadrados de um grau apresentados nos sete locais restantes com quatro graus de excentricidade, além de mais oito quadrados com dois graus de excentricidade. Após a resposta do participante, mostre o feedback do participante para cada resposta alvo Após cada tentativa, depois de obter três tentativas corretas consecutivas, mova o participante para o próximo estágio de prática.
Após o estágio quatro, solicite ao participante que inicie a tarefa UFOV completa. Apresente o mesmo estímulo central da sessão prática. Exiba o alvo periférico com excentricidade de sete graus em um dos oito locais mencionados anteriormente.
24 quadrados de distratores também são exibidos em três graus de excentricidade, cinco graus de excentricidade e os sete graus restantes de centricidade. Use um procedimento de três descidas de uma escada para determinar o tempo de apresentação dos estímulos, diminuir a duração dos estímulos após três tentativas corretas consecutivas e aumentar após cada tentativa de erro e a tarefa. Quando uma das três condições é atendida, o procedimento de escada atinge oito reversões.
O participante completa 10 tentativas consecutivas com duração máxima de 99 quadros ou duração mínima de um quadro, ou o participante atinge um máximo de 72 tentativas. Dados de 1.744 participantes online foram usados para análise MOT. O desempenho do MOT foi medido pelo cálculo da precisão média de cada série.
A precisão do tamanho varia de 0,4 a 1,0 para o tamanho do conjunto um a 0,1 a 1,0 para o tamanho do conjunto cinco e a precisão média variou de 0,99 para o tamanho do conjunto um a 0,71 para o tamanho do conjunto cinco. Os escores médios de acurácia variaram de 1,0 a 0,70 para o tamanho do conjunto um e cinco, respectivamente. A precisão diminuiu à medida que o tamanho do conjunto aumentou, demonstrando um efeito MOT típico para a tarefa UFOV.
Foram analisados dados de 1.747 participantes online. O desempenho foi calculado calculando a média do tempo de apresentação nas últimas cinco tentativas para obter um limiar de detecção, que reflete a duração mínima da apresentação na qual os participantes podem detectar o alvo periférico com aproximadamente 79% de precisão. O limiar médio de OVNI foi de 64,7 milissegundos e as pontuações variam de 17 milissegundos a 315 milissegundos, com um limiar médio de 45 milissegundos.
A distribuição dos limiares foi positivamente assimétrica com assimetria de 1,92 e curtose de 3,93. Os resultados foram consistentes com trabalhos anteriores. Depois de assistir a este vídeo, você deve ter uma boa compreensão de como desenvolver rastreamento de vários objetos e experimentos úteis de campo de visão como aplicativos Web seguindo este procedimento.
Outros métodos com apresentação precisa de estímulos visuais também podem ser adaptados para um ambiente online. Os dados podem então ser coletados de uma população mais representativa ou de um subtipo específico de indivíduos que são difíceis de trazer para o laboratório. Obrigado por assistir.
View the full transcript and gain access to thousands of scientific videos
Visão Geral
Este artigo descreve métodos para coleta de dados online em tarefas de atenção visual usando uma aplicação web. Ele enfatiza a importância da calibração de tela e das instruções da tarefa para uma apresentação precisa do estímulo.
Componentes Principais do Estudo
Área da Ciência
- Neurociência
- Ciência Comportamental
- Métodos de Coleta de Dados
Fundo
- Métodos tradicionais baseados em laboratório para tarefas visuais requerem ambientes controlados.
- Métodos online podem simplificar a coleta de dados.
- Consistência entre resultados online e baseados em laboratório é crucial.
- A calibração da tela é essencial para uma apresentação precisa do estímulo.
Propósito do Estudo
- Simplificar a coleta de dados para tarefas de atenção visual.
- Avaliar a eficácia dos métodos de coleta de dados online.
- Garantir que dados de desempenho confiáveis sejam coletados.
Métodos Utilizados
- Participantes fazem login em uma aplicação web.
- A calibração da tela é realizada para exibição precisa do estímulo.
- Participantes leem as instruções da tarefa e completam testes práticos.
- Os dados são coletados durante a conclusão das tarefas completas.
Principais Resultados
- Métodos de coleta de dados online produzem resultados consistentes.
- Participantes completam tarefas com sucesso após a calibração.
- Os dados de desempenho se alinham com métodos tradicionais de laboratório.
- Aplicações web podem facilitar efetivamente a pesquisa de atenção visual.
Conclusões
- Métodos online são alternativas viáveis à coleta de dados tradicional.
- Calibração e instruções adequadas melhoram a qualidade dos dados.
- Pesquisas futuras podem se beneficiar dessas abordagens simplificadas.
Perguntas Frequentes
Executive Industry Relevance
Online behavioral testing enables scalable, representative data collection for visual attention assays, addressing a key bottleneck in target validation and phenotypic screening. By ensuring stimulus timing and size fidelity through web-based calibration, the method supports mechanistic de-risking of neural pathways involved in attention and perception. This approach expands access to diverse participant pools, improving predictive confidence in early discovery while reducing reliance on constrained laboratory recruitment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses related to visual processing and attentional networks in human participants.
- Operational Value: Supports biological de-risking by quantifying target engagement through standardized visual attention performance metrics.
- Predictive Value: Provides quantitative, reproducible readouts that aid in portfolio triage of CNS-targeted compounds affecting sensory or cognitive function.
Screening & Assay Development
- Assay Readiness: Delivers calibrated, stimulus-controlled visual attention tasks suitable for high-throughput online screening of compound effects on perception.
- Quantitative Output: Generates measurable endpoints such as multiple object tracking accuracy and useful field of view thresholds for dose-response modeling.
- Scalability: Enables deployment across large, diverse cohorts, improving statistical power and reducing variability in behavioral phenotyping.
Translational & Preclinical Research
- Translational Continuity: Bridges in vitro or rodent models to human-relevant visual attention phenotypes, supporting cross-species validation.
- Mechanistic De-risking: Isolates specific cognitive functions (e.g., tracking, peripheral detection) to clarify drug effects on neural circuits.
- Risk-Adjusted Advancement: Supports go/no-go decisions by detecting subtle attentional impairments early in the discovery pipeline.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target validation through lead identification, particularly for compounds modulating attention, arousal, or sensory processing.
- Discovery Biology: Facilitates hypothesis testing of neural targets involved in visual attention by providing quantifiable behavioral phenotypes in human subjects.
- Screening: Delivers reproducible, web-administered assays with controlled stimulus timing and size, enabling reliable compound screening.
- Analytics: Produces continuous, threshold-based measurements (e.g., UFOV detection time, MOT accuracy) that support statistical comparison across conditions.
- Translational Research: Aligns with preclinical models of attention by capturing homologous human visual attention behaviors.
- Enterprise Reuse: Establishes a scalable, standardized platform for repeated use across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity in cognitive drug effects through direct human behavioral measurement.
- Operational Value: Ensures standardization and reproducibility via screen calibration protocols and stimulus timing controls.
- Strategic Value: Improves capital efficiency by enabling large-scale data collection without laboratory constraints, accelerating early decision-making.
- Portfolio Impact: Supports risk-adjusted prioritization by identifying attentional liabilities or benefits early, reducing late-stage attrition in CNS programs.
Implementation Considerations
- Requires expertise in behavioral neuroscience and web-based stimulus delivery to ensure proper task design and execution.
- Depends on HTML5-compatible browsers and JavaScript APIs (e.g., requestAnimationFrame) for precise stimulus timing and animation control.
- Necessitates cross-team standardization of calibration procedures (screen size, brightness, viewing distance) to maintain data validity across sites.
- Must account for variability in home environments (lighting, distractions, screen quality) through participant screening and instructional compliance.
- Limited to tasks where stimulus size and timing can be reliably controlled via web technologies; not suitable for sub-millisecond precision requirements.
