Name: Medindo atenção e velocidade de processamento Visual pela análise baseada no modelo de decisões de ordem temporal (Vídeo) | JoVE Journal
Uploaded: 2017-01-23T14:00:00.000+00:00
Duration: 13 min
Description: Aprenda a medir atenção e velocidade de processamento visual usando julgamentos de ordem temporal com estímulos arbitrários. Este método baseado na teoria de Bundesen permite analisar como a atenção modula taxas de codificação.

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

Partes deste trabalho foram apoiadas pela Fundação Alemã de Pesquisa (DFG) por meio das bolsas 1515/1-2 e 1515/6-1 para Ingrid Scharlau.

NOTA: Algumas etapas deste protocolo pode ser realizada utilizando software personalizado fornecido (juntamente com instruções de instalação) na http://groups.upb.de/viat/TVATOJ. No protocolo, este conjunto de programas e scripts é referido como &quot;TVATOJ&quot;. 1. Seleção de estímulos materiais <ol><li> Selecione estímulos de acordo com a pergunta da pesquisa. NOTA: Em geral, os dois alvos são mostrados em diferentes locais na tela. Estímulos que têm sido utilizados com o presente método incluem, por exemplo, formas, números, letras, singletons em exibe pop-out, e objetos em imagens naturais. Os três últimos tipos foram utilizados no presente protocolo. NOTA: Vários tipos de estímulos diferentes estão incluídos no plugin TOJ ( &quot;psylab_toj_stimulus&quot; fornecido com TVATOJ) para o construtor experimento OpenSesame 12. </li><li> Ao criar novos tipos de estímulo, certifique-se de que as propriedades de interest tem que ser codificado para o julgamento, tornando-as importantes para a tarefa ou selecionar estímulos onde as propriedades de interesse são codificados automaticamente (por exemplo, singletons em exibe pop-out). </li></ol> 2. Poder Estimativa e Planejamento <ol><li> Faça uma análise de energia Bayesian simulando conjuntos de dados com o modelo selecionado, design planejado (distribuição SOA e repetições), tamanhos de amostra e parâmetros hipotéticos. Estimar se é susceptível de atingir a meta de pesquisa (por exemplo, uma certa diferença nos parâmetros). Se a energia não for suficiente, alterar o projeto, adicionando ou mudando SOAs ou repetições e repita a análise. <ol><li> Para usar o software TVATOJ fornecido, abrir e editar o script &quot;exp1-power.R&quot;. Siga os comentários no arquivo para ajustá-lo para a análise específica. Para obter informações gerais sobre a estimativa de energia Bayesian referem-se a Kruschke 13. </li></ol></li></ol> &lt;p class = &quot;jove_title&quot;&gt; 3. Especificação ou Programação do Experimento <ol><li> Use um construtor de experiência ou biblioteca de apresentação psicofísico para implementar o experimento. <ol><li> Para usar o plugin OpenSesame TOJ previsto no TVATOJ, arraste o plug-in &quot;psylab_toj_stimulus&quot; em um loop apresentação julgamento. Como alternativa, abra o &quot;simple-toj.osexp&quot; exemplo experimento no OpenSesame. </li><li> Selecione o tipo de estímulo desejado no menu suspenso &quot;Tipo de estímulo&quot; na configuração psylab_toj_stimulus. Siga as instruções em TVATOJ para a adição de novos tipos de estímulo, se necessário. </li></ol></li><li> Especificar os ensaios conforme descrito nos seguintes passos. <ol><li> Para cada condição experimental, criar testes com o SOA planejado. Ao utilizar o plugin psylab_toj_stimulus e OpenSesame, adicione todos os fatores variados como variáveis para o ciclo de teste (por exemplo, &quot;SOA&quot;). </li><li> Adicionar linhas ao quadro para percebertodas as combinações de fatores (por exemplo, sete SOAS, de -100 a 100 ms, cruzou-se com as condições experimentais &quot;atenção&quot; e &quot;neutro&quot;). Ajuste atributo &quot;Repeat&quot; do circuito para criar repetições suficientes (veja o passo protocolo 2 para determinar a distribuição e repetição de SOAs). NOTA: Normalmente, no máximo, 800 ensaios podem ser apresentados no prazo de uma hora. Se forem necessários mais repetições, considere dividir a experiência em várias sessões. Certifique-se de que o atributo &quot;Ordem&quot; do loop é definido como &quot;Random&quot; antes de executar o experimento. </li><li> Na configuração plug-in psylab_toj_stimulus, adicione espaços reservados (por exemplo, &quot;[SOA]&quot;) para os fatores variados nos respectivos campos. Entre os valores constantes nos campos de factores que não são variadas. NOTA: Antes de executar o experimento, certifique-se que o timing exato é garantida. Se o comportamento horário adequado de monitores mais novos não se verificou, o usoMonitores CRT e sincronizar com o sinal de retorno vertical 12. </li></ol></li></ol> 4. Procedimento Experimental <ol><li> Acolhedor e coletiva dos participantes <ol><li> Boas-vindas aos participantes e informá-los sobre a forma geral do experimento (experimento percepção baseado em computador). Informar os participantes sobre a duração potencial da experiência. Obter um consentimento informado dos participantes para participar na experiência. </li><li> Certifique-se de que os participantes mostram normal ou visão corrigida-a-normal (de forma otimizada através da realização de testes de visão curta). Alguns déficits, como daltonismo, pode ser tolerável se não interferir com a questão de pesquisa para o tipo particular de material de estímulo. </li><li> Fornecer uma cabine calmo onde o experimento é conduzido. Ajuste a cadeira, resto queixo, posição do teclado, e assim por diante, para garantir condições de visualização e de resposta óptimas para o experiment. </li><li> Faça os participantes cientes de que o experimento requer atenção e foco mental e pode ser fatigante. Peça-lhes para fazer pausas curtas quando necessário. É, no entanto, igualmente importante não realizar estas tarefas simples sob forte pressão de atenção. Diga aos participantes que é bom para fazer alguns erros. </li></ol></li><li> Instrução e warm-up <ol><li> instruções na tela atual para a tarefa, detalhando o procedimento sequência de apresentação e recolha de resposta. Informar os participantes que a tarefa é informar a ordem em que os alvos chegou, e que isso vai ser difícil em alguns ensaios. Peça aos participantes para relatar sua primeira impressão quando eles não podem dizer a ordem certa, e deixá-los acho que se eles não têm essa impressão em tudo. NOTA: Nos tojs binários usados ​​aqui, não há nenhuma opção para indicar a percepção da simultaneidade. Para evitar adivinhação excessiva, não apontam a presença de ensaios com simultaneously alvos apresentados explicitamente. Deixe estes ser simplesmente ensaios difíceis com as instruções descritas acima. </li><li> Para evitar movimentos oculares durante os ensaios, peça aos participantes para fixar uma marca que é mostrado no centro da tela. Peça-lhes para descansar a sua cabeça em um descanso de queixo. </li><li> Peça aos participantes para fazer pausas curtas, se necessário. Deixe-os saber quando as rupturas são permitidos e quando eles devem ser evitados (por exemplo, durante a apresentação do alvo e antes da resposta). </li><li> Incluir uma formação de curta duração em que os participantes podem se acostumar com a tarefa. Para o efeito, apresentar um subconjunto aleatório dos ensaios experimentais (ver protocolo passo 3.2). NOTA: Devido a tarefa em si é bastante simples, de dez a vinte ensaios geralmente são suficientes. Pode ser vantajoso para aumentar a confiança dos participantes no seu desempenho nesta tarefa. Isso pode ser feito por abrandar a apresentação e fornecer feedback. </li><li> Obter confirmati dos participantesem que entenderam a tarefa (deixá-los explicar isso) e que eles não têm mais perguntas. </li></ol></li><li> Executando o experimento principal <ol><li> Deixe o início software experimental, com a apresentação dos principais ensaios. Deixe a cabine para o experimento principal. </li></ol></li></ol> 5. Análise baseada no Modelo de Dados TOJ <ol><li> Converter os arquivos de dados brutos em acusações de &quot;sonda primeiros&quot; julgamentos para cada SOA. Por exemplo, executar o script &quot;os2toj.py&quot; fornecido com TVATOJ. </li><li> Execute o procedimento de estimação Bayesiana para estimar os principais parâmetros w p e C, o derivado queridos v p e v r e as diferenças dos parâmetros. Para o efeito, executar o script de &quot;run-evaluation.R&quot; depois editá-lo de acordo com as instruções fornecidas no arquivo. </li><li> Quando a amostragem for concluída, as diferenças de interesse para as questões de pesquisa pode ser avaliada. examples podem ser encontradas na seção seguinte. </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>

Os autores não têm nada a divulgar.

O protocolo neste artigo descreve como conduzir tojs simples e ajustar os dados com modelos baseados na codificação fundamentais estímulo. Três experimentos demonstraram como os resultados podem ser avaliados em uma estrutura hierárquica estimação bayesiana para avaliar a influência das atenções no material de estímulo altamente diferente. Saliência no exibe pop-out levou a um aumento de peso de atenção. Além disso, o aumento dos pesos foram estimados para objetos espaciais ação em imagens naturais. No entanto, devido à...

Como a atenção é distribuído no espaço e no tempo é um dos factores mais importantes na percepção visual humana. Objetos que capturam a atenção por causa de sua conspicuity ou importância são normalmente processados ​​mais rapidamente e com maior precisão. Em estudos de comportamento, tais benefícios de desempenho tenham sido demonstrado numa variedade de paradigmas experimentais. Por exemplo, a atribuição a atenção para o local de destino acelera a reacção em tarefas de detecção da sonda 1. Da mesma forma, a precisão das cartas relatando é melhorada pela atenção 2. Tais achados provam que a atenção melhora o processamento, mas eles permanecem irremediavelmente mudo sobre como este acessório é estabelecida. O presente trabalho demonstra que os mecanismos de baixo nível por trás vantagens de atenção pode ser avaliada medindo a velocidade de processamento de estímulos individuais em uma estrutura baseada em modelo que relaciona as medidas de grão fino components de atenção. Com esse modelo, a capacidade de processamento total e sua distribuição entre os estímulos pode ser inferida a partir de medições de velocidade de processamento. Teoria de Bundesen de Atenção Visual (TVA) 3 fornece um modelo adequado para este esforço. Ele é geralmente aplicado a dados de tarefas de relatório carta. A seguir, os fundamentos da TVA são explicadas e é mostrado como eles podem ser estendidos para modelar dados de julgamento-ordem temporal (TOJ) obtidos com (quase) estímulos arbitrários. Este novo método fornece estimativas de velocidade de processamento e distribuição de recursos que pode ser facilmente interpretados. O protocolo neste artigo explica como planejar e conduzir tais experimentos e detalhes como os dados podem ser analisados. Como mencionado acima, o paradigma usual em modelagem e estimativa de parâmetros de atenção baseado no TVA é a tarefa de relatório carta. Os participantes relatam as identidades de um conjunto de cartas queé brevemente brilhou e, normalmente mascarado depois de um atraso variável. Entre outros parâmetros, a velocidade à qual os elementos visuais são codificados na memória de curto prazo visual pode ser estimada. O método foi aplicado com sucesso a perguntas em investigação fundamental e clínica. Por exemplo, Bublak e colegas 4 avaliaram quais parâmetros de atenção são afetados em diferentes estágios de défices cognitivos relacionados com a idade. Na investigação fundamental atenção, Petersen, Kyllingsbæk e Bundesen 5 utilizadas TVA para modelar o efeito tempo de permanência de atenção, dificuldade do observador em perceber a segunda de duas metas em determinados intervalos de tempo. Uma grande desvantagem do paradigma relatório carta é que ele requer estímulos suficientemente aprendida e Maskable. Este requisito limita o método para letras e algarismos. Outros estímulos exigiria treinamento pesado de participantes. O paradigma TOJ não exige nem Stimul específicai nem mascaramento. Pode ser usado com qualquer tipo de estímulos para os quais a ordem do aparecimento pode ser avaliada. Isso amplia a gama de estímulo a praticamente tudo o que poderia ser de interesse, incluindo comparações directas cross-modais 6. Investigando atenção com tojs baseia-se no fenómeno de entrada antes de atenção que é uma medida de quanto mais cedo um estímulo atendido é percebido em contraposição a um autônoma. Infelizmente, o método usual para a análise de dados TOJ, funções psicométricas desempenho observador montagem (tais como funções de Gauss ou logísticos cumulativas), não se pode distinguir se a atenção aumenta a velocidade de processamento do estímulo assistida ou se diminui a velocidade do estímulo automática 7. Esta ambiguidade é um grande problema porque a questão de saber se a percepção de um estímulo é verdadeiramente reforçada ou se beneficia por causa da retirada de recursos de um Stimul competindo nós é uma questão tanto de relevância fundamental e prático. Por exemplo, para o desenho de interfaces homem-máquina é altamente relevante saber se o aumento da proeminência de um elemento funciona em detrimento da outra. A tarefa TOJ geralmente procede como se segue: Um ponto de fixação é apresentado por um breve período de tempo, tipicamente um aleatoriamente desenhada intervalo menor do que um segundo. Em seguida, o primeiro alvo é apresentado, seguido após um estímulo variável início assincronia (SOA) pelo segundo alvo. Na SOAS negativos, a sonda, o estímulo atendido, é exibido pela primeira vez. Na SOAS positivos, a referência, o estímulo autônoma, leva. Em uma SOA de zero, ambos os alvos são mostrados simultaneamente. Tipicamente, apresentando o alvo refere-se a comutação do estímulo em. Sob certas condições, no entanto, outros eventos temporais, como um lampejo de uma já presente alvo ou deslocamentos são utilizados 8. _content "&gt; Em tojs, as respostas são recolhidas de forma unspeeded, geralmente por teclas mapeadas para as identidades de estímulo e ordens de apresentação (por exemplo, se os estímulos são quadrados e diamantes, uma chave indica" quadrado em primeiro lugar "e outro" diamante primeiro ") . importante, para a avaliação, esses julgamentos devem ser convertidos em "primeira sonda" (ou "primeira referência") julgamentos. No presente trabalho, uma combinação do modelo de processamento de TVA e o paradigma experimental TOJ é usada para eliminar os problemas em qualquer domínio individual. Com este método, os parâmetros de velocidade facilmente interpretáveis ​​pode ser estimada por estímulos visuais quase arbitrárias, permitindo inferir como a atenção do observador é alocada para competir elementos visuais. O modelo baseia-se as equações de TVA para o processamento dos estímulos individuais, que serão brevemente explicados a seguir. A probabilidade de que uma stimulnós é codificada em memória visual de curto prazo antes que o outro é interpretado como a probabilidade de julgar esse estímulo como aparecendo em primeiro lugar. As durações de codificação individuais são exponencialmente distribuídos 9: <img alt="equação 1" src="/files/ftp_upload/54856/54856eq1.jpg"> (1) O máximo de exposição ineficaz duração t 0 é um limite antes que nada está codificado em tudo. De acordo com a TVA, a taxa de v x, i, no qual o objecto X é codificado como membro de uma categoria perceptual I (por exemplo, cor ou forma) é dada pela equação de velocidade, <img alt="equação 2" src="/files/ftp_upload/54856/54856eq2.jpg"> . (2) A força da evidência sensorial que x pertence à categoria i é expresso em x n, i, e p i é um viés decisão para categorizar estímulos como membros da categoria i. Este é multiplicado por umpesos ttentional. Pesos de atenção individuais w x são divididas pelos pesos de atenção de todos os objetos no campo visual. Assim, o peso atencional relativo é calculado como <img alt="equação 3" src="/files/ftp_upload/54856/54856eq3.jpg"> (3) onde R representa todas as categorias e r | x, i representa a evidência sensorial que o objeto x pertence à categoria j. O valor π j é chamado pertinência da categoria j e reflete um viés para fazer categorizações em j. A capacidade de processamento global C é a soma de todas as taxas de processamento para todos os estímulos e categorização. Para uma descrição mais detalhada da TVA, consulte da Bundesen e Habekost livro 9. No nosso novo método, a Equação 1, que descreve a codificação de estímulos individuais, é transformado em um modelo de tojs. Assumindo que vieses de seleção e categorias de relatório são constanT dentro de uma tarefa experimental, a taxas de processamento v p e v r da sonda duas alvo estímulos (P) e de referência (R) depender de C e os pesos de atenção na forma v P = C · W P e V R = C · W R, respectivamente. O novo modelo TOJ expressa a probabilidade de sucesso P p 1º que um participante julga o estímulo sonda para ser o primeiro em função da SOA e as taxas de processamento. Ele pode ser formalizado da seguinte forma: <img alt="equação 4" src="/files/ftp_upload/54856/54856eq4.jpg"> (4) Uma descrição mais detalhada de como esta equação é derivado a partir das equações básicas TVA é descrito por Tünnermann, Petersen, e Scharlau 7. Por uma questão de simplicidade, o parâmetro t é 0 omitido no modelo na Equação 1. De acordo com a TVA original, t 0 deve ser idêntico para Both alvos na tarefa TOJ, e, por conseguinte, que anula. No entanto, esta hipótese pode às vezes ser violada (ver secção Discussão). Para a montagem dessa equação aos dados Toj, é sugerido um esquema de estimação bayesiana hierárquica 11. Esta abordagem permite estimar os pesos de atenção w p e w r dos estímulos sonda e de referência ea C. global da taxa de processamento Esses parâmetros, a redução das taxas de captação v p e v r, e as diferenças induzida por atenção entre eles, pode ser avaliada sobre os níveis de sujeitos e de grupo, juntamente com as incertezas estimadas. O modelo hierárquico é ilustrada na Figura 1. Durante a fase de planeamento para um experimento, a análise do poder Bayesian conveniente pode ser conduzida. O protocolo a seguir descreve como planejar, executar e analisar experimentos Toj a partir do qual os parâmetros de velocidade de processamento e pesos de atenção para estímulos visuais podemser obtido. O protocolo assume que o pesquisador está interessado em como uma manipulação de atenção influencia as velocidades de processamento de alguns alvos de interesse. <img alt="figura 1" src="/files/ftp_upload/54856/54856fig1.jpg"> Figura 1: Gráfico modelo utilizado no procedimento de estimativa Bayesiano. Círculos indicam distribuições estimadas; círculos indicam os nós duplos determinísticos. Quadrados indicam dados. As relações são apresentadas no lado direito da figura. Os nós de fora dos quadros arredondadas ( "chapas") representam estimativas média e dispersão de parâmetros TVA (ver Introdução) no nível do grupo. No "j assuntos" placa, que pode ser visto como pesos de atenção (W) são combinados com as taxas globais de processamento (C) a partir de taxas de processamento de estímulo (V) sobre o nível de objecto. Plate "i SOA &amp;# 8221; mostra como estes parâmetros são então transformadas TVA (via P 1 P função descrito na introdução) para a probabilidade de sucesso (θ) para as respostas binomial distribuídos em cada SOA. Portanto, o θ em conjunto com as repetições do SOA (N) descrevem os pontos de dados (Y). Para mais detalhes sobre a notação e interpretação de modelos gráficos, referem-se a Lee e Wagenmakers 23. Note-se que por uma questão de clareza, os nós que representam diferenças de parâmetros foram omitidos. Estes parâmetros determinísticos são indicados nas figuras dos resultados experimentais em vez disso. <a href="http://ecsource.jove.com/files/ftp_upload/54856/54856fig1large.jpg" target="_blank">Por favor clique aqui para ver uma versão maior desta figura.</a>

<table><tbody><tr><td>Computador</td><td></td><td></td><td></td> pessoal</tr> <tr><td>(código aberto) Software</td><td></td><td></td><td></td> de experimentação e avaliação</tr></tbody></table>

medindo atenção e velocidade de processamento visual pela análise baseada no modelo de decisões de ordem temporal

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

Este protocolo descreve como conduzir experimentos de ordem temporal para medir a velocidade de processamento visual e a distribuição de recursos de atenção. O método proposto é baseado em uma combinação nova e sinérgica de três componentes: o paradigma julgamentos de ordem temporal (TOJ), a teoria de Bundesen de Atenção Visual (TVA), e um quadro de estimativa Bayesiana hierárquica. O método fornece parâmetros facilmente interpretáveis, que são apoiados pelos fundamentos teóricos e neurofisiológicos da TVA. Usando tojs, estimativas baseadas em TVA pode ser obtido por uma variedade de estímulos, ao passo que paradigmas tradicionais utilizados com a TVA são principalmente limitadas às letras e algarismos. Finalmente, os parâmetros significativos do modelo proposto permitir o estabelecimento de um modelo Bayesian hierárquica. Tal modelo estatístico permite avaliar os resultados em uma análise coerente tanto sobre o assunto e ao nível do grupo. Para demonstrar a viabilidade e versatility desta nova abordagem, três experimentos são relatados com manipulações de atenção em exibe pop-out sintéticas, imagens naturais, e um paradigma carta-relatório cued.

No que se segue, os resultados obtidos com o método proposto são relatados. Três experiências medido a influência de diferentes manipulações de atenção com três tipos diferentes de material altamente estímulo. Os estímulos são segmentos simples de linha nos padrões de pop-out, objetos espaciais de ação em imagens naturais e metas carta cued. Experimento 1: Saliência em pop-out exibe Experiência 1 destinado a medir a influ...

Julgamentos de ordem temporal podem ser usados para estimar parâmetros de velocidade de processamento e pesos atencionais e, assim, inferir os mecanismos de processamento atencional. Essa metodologia pode ser aplicada a uma ampla gama de estímulos visuais e funciona com muitas manipulações de atenção.

Medindo atenção e velocidade de processamento Visual pela análise baseada no modelo de decisões de ordem temporal

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

O objetivo geral deste protocolo é medir parâmetros de atenção e processamento visual para estímulos quase arbitrários. Isso é feito modelando dados de julgamentos de ordem temporal, TOJs. Nestes, os participantes julgam a ordem de apresentação de dois alvos, os dados resultantes são analisados com um novo modelo que permite medir como a atenção afeta as taxas de codificação do estímulo.A teoria da atenção visual de Bundesen fornece vários usos para parâmetros, como peso atencional e taxas de processamento. Normalmente, eles são estimados em tarefas de relatório de itens em que letras ou dígitos são usados, usar qualquer coisa que não seja letras ou dígitos é difícil e requer treinamento intensivo e, portanto, raramente é feito. Por exemplo, é difícil imaginar como alguém mediria a saliência visual e as exibições pop-out com esse método.Portanto, propomos um novo método baseado em TVA, que usa julgamento de ordem temporal que pode ser conduzido com estímulos quase arbitrários. Os julgamentos de ordem temporal têm sido usados para avaliar a atenção há muito tempo, mas combinados com o TVA, eles se tornam mais poderosos, fornecendo parâmetros prontamente interpretáveis. Na tarefa de julgamento de ordem temporal, dois estímulos, aqui identificados como A e B, são mostrados em estreita sucessão ou simultaneidade.A percepção da ordem temporal pode ser modelada com um modelo de canais independentes. Nesse modelo, existem canais de processamento independentes para cada alvo. Um comparador de ordens monitora os canais e registra a contagem quando um alvo específico, aqui A, chega a ele antes do outro alvo.Antes que isso seja demonstrado, descrevemos brevemente a forma em que os dados experimentais são normalmente representados. A frequência relativa de um determinado tipo de julgamento, aqui A primeiro, é plotada dependendo da SOA, o intervalo de tempo entre as apresentações dos dois alvos. Agora, com um grande SOA negativo, aqui isso significa que o estímulo A lidera, é mais provável que A chegue primeiro ao comparador.Apenas muito raramente o estímulo B chegará mais cedo. Portanto, obtemos um ponto de dados que representa uma frequência relativa próxima a um. Para um grande SOA positivo, ou seja, o estímulo B leva, o comparador registra os primeiros resultados A apenas muito raramente.Portanto, obtemos um ponto de dados próximo de zero. Se o SOA for zero, os alvos serão apresentados simultaneamente e um ponto de dados no nível de chance do ponto cinco será registrado. Quando os SOAs variaram em uma faixa de valores, o padrão resultante pode ser descrito com uma função psicométrica.Agora, quando a atenção é direcionada para um estímulo, aqui, o estímulo A, ela chega mais cedo ao comparador, conseqüentemente, aqui mostrado para SOA zero, a probabilidade de A primeiros julgamentos é aumentada. Isso muda toda a função psicométrica. O SOA no qual a curva vermelha cruza o nível do ponto cinco é frequentemente usado para quantificar a influência da atenção.O autojulgamento temporal parece ser a maneira natural de avaliar a latência perceptiva, e muitas perguntas sobre a influência da atenção e da percepção do tempo foram respondidas com esse método. No entanto, o TOJ tem uma fraqueza central, e essa é sua natureza relativa. A autopercepção temporal pode nos dizer que o estímulo A é percebido antes do estímulo B, mas não nos diz por quê.Pode ser porque o estímulo A é processado mais rapidamente ou porque B é processado mais lentamente. Para aumentar o poder explicativo, um modelo TOJ é derivado do TVA, que modela os processos de codificação de estímulos visuais. Em cada canal, a codificação é assumida para prosseguir de acordo com o modelo de corrida exponencial da TVA.As probabilidades de codificar cada alvo dentro de uma determinada duração são transformadas na probabilidade de codificar um alvo antes do outro. A percepção da ordem temporal. É importante ressaltar que os dois parâmetros de taxa herdados do TVA permitem responder a perguntas como: foi o estímulo atendido que foi processado mais rapidamente ou foi o não atendido que foi desacelerado?Alternativamente, as taxas também podem ser expressas como pesos relativos de atenção. Selecione os estímulos de acordo com a questão de pesquisa. Em geral, deve ser possível mostrar dois alvos em locais diferentes na tela.Mais adiante neste protocolo, mostramos resultados de experimentos com displays pop-out, imagens naturais e alvos de letras. Aqui está um exemplo de como o espaço de ação e os objetos de fundo em imagens naturais podem ser usados. A fotografia com os dois alvos presentes é colocada sobre um com um sem eles.Os objetos são virtualmente removidos, tornando a imagem superior localmente transparente. Com esse procedimento, imagens com ambos, nenhum e qualquer um dos dois objetos presentes são criadas para estabelecer TOJs com plano de fundo primeiro, espaço de ação primeiro e apresentação simultânea. Para planejar o desenho e o tamanho da amostra do experimento, uma análise de poder bayesiano pode ser realizada.Simule e ajuste repetidamente os dados com o modelo pretendido, o design do experimento e os parâmetros hipotéticos. As proporções de simulações para as quais um critério de sucesso é alcançado, por exemplo, uma diferença nos pesos de atenção, são usadas para estimar o poder do experimento. Use um construtor de experimentos ou uma biblioteca de apresentações psicofísicas para implementar o experimento.Fornecemos um para o construtor de experimentos de código aberto OpenSesame, para TOJ com letras, dígitos e formas, no qual apenas a tabela de testes precisa ser especificada. Também fornecemos um exemplo do OpenSesame para TOJs com imagens naturais. Para cada condição, crie testes para todas as SOAs planejadas.Distribuições SOA exemplares são mostradas nos resultados representativos. Os dois destinos são definidos como sonda e referência. A referência é sempre mostrada em zero e é o alvo autônomo, enquanto o estímulo da sonda está sujeito à manipulação da atenção.Em ensaios com SOA negativo, apresente primeiro o estímulo sonda e, após o SOA, o estímulo de referência. Para ensaios com SOAs positivos, apresente primeiro o estímulo de referência e, após um atraso, a sonda de acordo com o SOA. Para a SOA de zero, apresente os dois alvos simultaneamente.Em condições neutras, a atribuição de sonda e referência é arbitrária, mas necessária para analisar os dados. Crie repetições de todas as SOAs. Randomize ou varie sistematicamente as influências que não são de influência, como localização do estímulo ou identidade do alvo.O número de repetições depende da potência atendida. Cerca de 800 ensaios podem ser apresentados em uma hora. Se forem necessárias mais repetições, considere dividir o experimento em várias sessões.Dê as boas-vindas aos participantes e informe-os sobre o procedimento geral do experimento. Obtenha o consentimento para participar. Certifique-se de que eles tenham visão normal ou corrigida para normal.Forneça uma cabine silenciosa para o experimento. Ajuste a cadeira, o apoio de queixo e o teclado, e assim por diante, para garantir as condições ideais. Conscientize os participantes de que os experimentos requerem atenção e foco mental e podem ser cansativos.Peça-lhes que façam pequenas pausas quando necessário. Apresente instruções na tela detalhando as apresentações e a coleta de respostas. Lembre aos participantes que a tarefa é relatar a ordem temporal percebida dos alvos e adivinhar em tentativas em que eles não conseguem dizer a ordem.Para evitar movimentos oculares durante os testes, peça aos participantes que fixem um marcador central sempre que ele for mostrado na tela. Peça-lhes que descansem a cabeça no apoio para o queixo. Peça-lhes que façam pequenas pausas, se necessário.Realize um treinamento curto com dez a 20 tentativas. Confirme se os participantes entenderam a tarefa. Deixe-os explicar.Se eles não tiverem mais perguntas, saia do estande para o experimento principal. Depois de converter os dados de julgamento por julgamento em contagens de primeiros julgamentos de sonda, os parâmetros podem ser estimados executando o modelo hierárquico Beyesiano desejado. Após a conclusão do processo, plote diagnósticos de convergência para todos os parâmetros e confirme se as cadeias convergiram e se fornecem um tamanho de amostra efetivo suficientemente grande.Em seguida, plote e avalie os parâmetros de interesse. Resultados exemplares são mostrados na próxima seção deste vídeo. O primeiro experimento mediu a influência da saliência visual na velocidade de processamento.Os participantes julgaram qual dos dois segmentos de linha alvo, esquerda ou direita, em um padrão de fundo, piscou primeiro. Em metade dos testes, a sonda foi um pop-out colorido. Os dados foram ajustados com o modelo TOJ derivado do TVA, que foi descrito anteriormente.O benefício do estímulo saliente pode ser visto na condição de atenção, como um aumento do peso atencional do ponto cinco nove para a sonda. Na condição de controle em que nenhum alvo era saliente, o peso neutro do ponto cinco foi obtido, portanto, o peso de atenção da sonda na condição de atenção foi confiavelmente maior. Zero, sem diferença, não foi incluído no IDH 95.Os pesos individuais da sonda e sua referência mostram que a vantagem do estímulo saliente resulta de uma redução da taxa de processamento de 16 hertz do estímulo não saliente. Possivelmente, o alvo saliente suprime o processamento do não saliente até certo ponto e, portanto, se beneficia relativamente. O segundo experimento investigou as vantagens atencionais no espaço de ação representado em imagens naturais.Espaço de ação, sonda e referência de objetos de fundo, apareceram para o TOJ. Em um experimento de controle, uma linha de base sem vantagens do espaço de ação foi registrada usando versões de cabeça para baixo das imagens, para as quais a percepção do layout da cena é perturbada. O parâmetro posterius indica uma vantagem do espaço de ação na condição de atenção.O peso da sonda é maior que o neutro do ponto cinco. Curiosamente, isso também é encontrado na condição de controle, sugerindo que a inversão da imagem não removeu a vantagem potencial do espaço de ação. Portanto, muito provavelmente as vantagens causadas por fatores como saliência ou visibilidade, que não são removidas pela inversão de cena.A possibilidade de que o poder experimental tenha sido muito baixo para detectar o efeito do espaço de ação é discutida na parte escrita deste protocolo. Uma sugestão periférica é usada no terceiro experimento, leva a um grande efeito em um parâmetro adicional, que modela o atraso entre os processos de codificação. Este experimento é discutido em detalhes na parte escrita deste protocolo.Em conclusão, o protocolo neste artigo descreve como conduzir TOJs simples e ajustar os dados com base em um modelo fundamental de codificação de estímulo. Em três experimentos, mostramos que os resultados podem ser avaliados em uma estrutura hierárquica de estimação bayesiana. Descobrimos que a saliência em displays pop-out leva ao aumento dos pesos de atenção.Além disso, pesos aumentados foram estimados para objetos do espaço de ação em imagens naturais, no entanto, devido à vantagem persistente, quando as relações espaciais foram perturbadas ao mostrar as imagens de cabeça para baixo, é provável que outro benefício atencional tenha levado ao aumento de peso. Uma sugestão periférica no experimento três levou a um grande valor para um parâmetro que modela um atraso adicional entre os processos de codificação. As vantagens do protocolo são a simplicidade da tarefa TOJ, que pode utilizar estímulos quase arbitrários.A base teórica completa da TVA e o esquema de avaliação bayesiano. Embora a saliência desempenhe um papel importante em muitos estudos, apenas alguns deles tentaram quantificar a saliência visual. Quantificar a saliência visual, no entanto, nos permitiria comparar diferentes dimensões de recursos, como orientação, cor ou movimento.Aqui, investigamos a influência do contraste de cores nos pesos atencionais do modelo formal derivado do TVA, o que nos permitiu medir a saliência quantitativamente e de maneira psicologicamente sólida. Para o sucesso deste protocolo, é crucial que existam apenas dois estímulos que gerem sinais temporais nos locais de destino. A modelagem explícita de estímulos adicionais em TOJs, como pistas periféricas, é o objetivo de pesquisas futuras.

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

Research

JoVE Journal

Behavior

Comportamento

Eye tracking tem sido muito utilizado para estudar padrões de olhar em indivíduos tipicamente de desenvolvimento, mas recentes avanços tecnológicos tornaram a sua utilização com populações clínicas, incluindo autismo, mais viável. Enquanto olho-rastreamento de crianças jovens com autismo pode oferecer uma visão sobre as manifestações dos primeiros sintomas, envolve desafios metodológicos. Sugestões para as melhores práticas são fornecidos.

Rastreamento ocular crianças com autismo

Este artigo descreve um novo procedimento de dupla tarefa combinado com Apresentação Visual Serial Rápida para observar o piscar de atenção em assincronias de início de estímulo variado. Este procedimento experimental diferiu dos outros por testar o piscar de atenção para não-alvos.

A Tarefa Procedimento dupla Combinado com apresentação visual Serial rápida para testar Attentional Blink para Nontargets

O controle de atenção compreende o aprimoramento dos sinais alvo e a atenuação dos sinais de distração. Descrevemos uma abordagem para medir separadamente, mas simultaneamente, a neurofisiologia de atender e ignorar na atenção intermodal sustentada, utilizando uma condição de controle passivo durante a qual nenhum dos processos está continuamente envolvido.

Medição de sinais neurofisiológicos de ignorar e Atender Processos em Controle de Atenção

Um método é descrito para quantificar a qualidade do processamento da informação visual com base nos movimentos oculares reflexivos em resposta a modalidades visuais específicas. Os tempos de reação e os parâmetros de saída de fixação são usados para caracterizar o desempenho visual em crianças com e sem deficiência visual a partir dos 6 meses de idade.

Um método de quantificação Visual Information Processing em Crianças Usando Eye Tracking

Esta é uma análise de estudo de caso comparativo qualitativo dos dados de acompanhamento de olho sobre os primeiros momentos de cenas de vídeo sociais como visto por três participantes: um com transtorno do espectro do autismo, um com comórbidas transtorno hiperativa de déficit de atenção e um controle de neurotypical.

Comparar dados de olho-de acompanhamento de crianças com ASD de alto funcionamento, comorbidade TDAH e de um controle Social vídeos

Este protocolo experimental combinado olho o acompanhamento e a avaliação da sensibilidade visual presaccadic no paradigma tarefa dupla, consistindo de uma tarefa de saccade de livre escolha e uma tarefa de discriminação visual, para investigar a implantação de visual espacial atenção antes os saques de ambos, precisos e cálculo da média.

Investigando a implantação da atenção Visual antes sacadas precisas e média através do olho de acompanhamento e avaliação da sensibilidade Visual

Apresentamos um protocolo que emprega o rastreamento ocular para monitorar os movimentos oculares durante uma tarefa de comparação intervalar (percepção de duração) baseada em eventos visuais. O objetivo é fornecer um guia preliminar para separar as respostas oculomotoras às tarefas de percepção de duração (comparação ou discriminação de intervalos de tempo) das respostas ao estímulo em si.

Movimentos Oculares na Percepção Visual da Duração: Desembaraçando o Estímulo do Tempo em Processos Pré-Decisórios

Apresentamos o desenvolvimento de uma estrutura de exibição contingente do olhar projetada para pesquisa perceptiva e oculomotora simulando a perda da visão central. Essa estrutura é particularmente adaptável para estudar estratégias comportamentais e oculomotoras compensatórias em indivíduos com perda de visão central simulada e patológica.

Uma Estrutura de Exibição Contingente do Olhar para Pesquisa de Aprendizagem Perceptiva com Perda de Visão Central Simulada

É importante obter estimativas imparciais dos campos receptivos da população visual (pRFs) por ressonância magnética funcional. Usamos restrições de regularização leves para estimar a topografia de pRF sem suposições a priori sobre a forma de pRF, permitindo-nos escolher modelos específicos de pRF post-hoc. Isso é particularmente vantajoso em indivíduos com lesões da via visual.

Estimativa topográfico da População Campos Visuais Receptivos por fMRI

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.

Métodos de Ensaio Visual Atenção online

Aprenda a medir atenção e velocidade de processamento visual usando julgamentos de ordem temporal com estímulos arbitrários. Este método baseado na teoria de Bundesen permite analisar como a atenção modula taxas de codificação.

Medindo atenção e velocidade de processamento Visual pela análise baseada no modelo de decisões de ordem temporal

Explorar mais vídeos