What is visual statistical learning and how does it work?

Visual statistical learning is the automatic, implicit acquisition of regularities in the visual environment—patterns in how objects appear together in space and time. Humans learn these statistical structures quickly and without conscious awareness. For example, a coffee cup frequently appears near a computer, creating predictable associations that support object recognition and visual processing.

How does the incidental encoding paradigm test visual statistical learning?

The incidental encoding paradigm exposes participants to nonsense object triplets displayed sequentially for 250 milliseconds each. A cover task—asking participants to respond to gray objects and withhold responses to red ones—distracts from the underlying statistical structure. This unrelated task ensures learning occurs implicitly, without participants' conscious awareness of the object patterns.

What is transitional probability in visual statistical learning experiments?

Transitional probability measures the likelihood that one object will follow another in a sequence. In visual statistical learning, objects within a triplet always appear in the same order, creating a transitional probability of 1.0 between those elements. Unrelated objects have much lower transitional probabilities, establishing the statistical structure participants implicitly learn.

How is learning assessed in the familiarity test phase?

After the encoding phase, participants complete a familiarity task where they view pairs of triplets—previously seen triplets and newly generated foils—and indicate which looks more familiar. The dependent variable is the number of correct identifications of familiar triplets. If learning occurred, participants select familiar triplets significantly more often than the 50% chance rate.

What results indicate that visual statistical learning has occurred?

Visual statistical learning is demonstrated when participants correctly identify familiar triplets at rates significantly above chance performance of 50%. In typical experiments, participants achieve approximately 70% accuracy on the familiarity task, indicating they have implicitly learned the statistical structure of the object sequences during the brief 10-minute encoding period.

How does visual statistical learning extend to other sensory domains?

The visual statistical learning paradigm translates to broader sensory learning mechanisms, including auditory domains. Infants and children use auditory statistics in early language formation, learning reliable statistical relationships between sounds and letters. Similarly, researchers have shown that letter-color associations can be implicitly learned through exposure to customized texts with distinctly colored letters.

Why is a cover task necessary in visual statistical learning experiments?

A cover task is essential to ensure learning occurs implicitly, without participants' conscious awareness of the statistical structure. By directing attention to an unrelated task—such as responding to colored objects—researchers prevent participants from deliberately searching for or consciously encoding the object sequences, thereby measuring true implicit learning mechanisms.

Визуальное статистическое обучение

0 просмотров06:02 мин.

1. Сгенерируйте набор бессмысленных объектов и расположите их в триплетную структуру.

Часто визуальное статистическое обучение изучается с помощью простых объектов, подобных приведенному ниже. Сгенерируйте набор объектов, а затем сгруппируйте их в тройки (Рисунок 1).

Рисунок 1. Образцы стимулов сгруппированы в тройки для визуального статистического обучения. В обучающем сегменте эксперимента тройки будут появляться в случайном порядке, но элементы в тройке всегда будут отображаться по порядку, причем элемент слева появляется первым, за ним последовательно следуют элементы справа от него.

2. Определите последовательность эксперимента.

Секвенируйте эксперимент с помощью программного обеспечения, такого как e-Prime, или с помощью обычной библиотеки, такой как Psychophysics Toolbox в MATLAB или PsycoPy для Python.
Бессмысленные объекты отображаются в центре экрана, по одному, в течение 250 мс каждый.
Укажите программе, чтобы она всегда показывала члены триплета последовательно, и выбирала, какой триплет отображать следующим, случайным образом, получая последовательности, похожие на Рисунок 2.

Рисунок 2. Пример последовательности обучения для визуального статистического обучения. Тройки появляются в случайном порядке таким образом, что вероятность перехода для элементов в разных последовательностях составляет около 0,33, в то время как вероятность перехода внутри последовательности равна 1.
Обратите внимание, что поскольку тройки всегда появляются последовательно, вероятность перехода между элементами тройки всегда равна 1. Но поскольку переходы между тройками выбираются случайным образом, вероятность перехода между несвязанными элементами значительно ниже, обычно она составляет около 0,33.
Наконец, встройте задачу прикрытия. Укажите программе отобразить один из объектов в красном цвете, а не в сером. Программа будет делать это около 20 раз в течение 10-минутного эксперимента, выбирая моменты случайным образом. Задача участника будет заключаться в том, чтобы нажимать клавишу всякий раз, когда объект отображается серым цветом, но не отвечать сразу, когда он отображается красным цветом. Это будет поддерживать их вовлеченность в раздражители.

3. Тест на знакомство

Напишите отдельную программу для теста на знакомство. При каждом испытании теста программа случайным образом выбирает одну из реальных троек и случайным образом генерирует новую тройку из составляющих реальных троек. Эти случайно сгенерированные тройки называются "фольгированными"."
Они отображаются рядом, и участнику нужно указать, что более привычно по нажатию клавиши.
Эксперимент должен включать в себя около 30 тестов на знакомство.
Инструкции к тесту на знакомство очень важны. Они должны включать в себя что-то вроде: «Я бы хотел, чтобы вы выполнили еще одну задачу до окончания эксперимента. Это должно занять всего пять минут. Вы, вероятно, не заметили этого, но в последовательности фигур, которую вы только что увидели, некоторые формы с большей вероятностью появлялись вслед за другими. Теперь я покажу вам два набора фигур из эксперимента, и вам нужно просто нажать клавишу 1 или 2, чтобы я знал, какая группа выглядит для вас более знакомой. Вы можете не чувствовать, что признаете ни то, ни другое. Во всех испытаниях я хочу, чтобы вы просто полагались на свою интуицию и догадывались, придется ли вам это делать."

Закономерности обучения — статистические структуры объектов в нашем внешнем мире — являются важной частью визуальной обработки.

Объекты в нашей визуальной среде происходят в измерениях пространства и времени. Некоторые объекты с большей вероятностью появятся рядом с другими, например, кофейная чашка рядом с компьютером.

Такие явления обеспечивают закономерности, поддерживающие предсказуемое распознавание объектов, при котором люди обучаются автоматически и быстро, без сознательного осознания.

В этом видео показано, как настроить и провести эксперимент по визуальному статистическому обучению с использованием парадигмы случайного кодирования, а также как анализировать данные и интерпретировать результаты.

В этом эксперименте стимулы — наборы бессмысленных объектов, сгруппированных в триплеты, — отображаются в центре экрана компьютера, по одному, в течение 250 мс каждый.

Для установления закономерностей — статистической структуры — объекты внутри триплета всегда отображаются в одной и той же последовательности, но порядок триплетов представлен случайным образом.

Таким образом, вероятность перехода между элементами данной тройки всегда равна 1, в то время как вероятность перехода между несвязанными элементами значительно ниже.

Для того чтобы неосознанно познакомить участников с последовательностью объектов, используется задание на прикрытие с цветными объектами. В этом случае участников просят дать ответ, когда объекты становятся серыми, и воздержаться, когда объекты случайным образом появляются красными.

После того, как задание прикрытия выполнено, участникам дается знакомое задание, чтобы проверить степень кодирования предыдущих бессмысленных объектов. Во время каждого испытания знакомства ранее просмотренные тройки случайным образом представляются вместе с вновь сгенерированными тройняшками, называемыми фольгированными.

Теперь участников просят определить, какой набор более знаком. Таким образом, зависимая переменная — это количество раз, когда участники правильно идентифицируют предыдущие тройки как наиболее знакомые, а не противоположные.

Если на начальном этапе кодирования не происходит обучения, фактические и фольгированные тройки будут выбраны одинаковое количество раз. С другой стороны, если обучение произошло, то настоящие тройки будут выбираться чаще, чем рапиры.

Прежде чем участник придет, убедитесь, что стимулы и параметры кодирования, которые будут использоваться, были сгенерированы.

Чтобы начать эксперимент, поприветствуйте участника в лаборатории и объясните общие процедуры, которые будут использоваться для выполнения задания.

Пусть участник удобно сядет перед монитором компьютера и клавиатурой. Объясните: когда на экране появляется серый объект, они должны нажать клавишу 'J', а когда появляются красные объекты, они должны воздержаться от ответов.

Как только участник поймет правила задания, приступайте к первой части эксперимента — фазе случайного кодирования. Познакомьте участников с последовательностями объектов в течение 10 минут.

После короткого периода экспозиции объясните, что за 5 минут нужно выполнить еще одну задачу. Проинструктируйте участника, что теперь он увидит два набора триплетов, и нажмите клавишу 1 или 2, чтобы указать, какая группировка выглядит более знакомой. Скажите им, что они должны догадаться, если они не узнают ни то, ни другое.

Убедившись, что участник готов начать, начните 30 пробных попыток знакомства.

Чтобы проанализировать данные на этапе знакомства, оцените каждое испытание, в котором участник выбрал знакомую тройку, как правильное, а тройку фольгированной — как неправильную.

Чтобы визуализировать результаты, нарисуйте график среднего процента правильных ответов по участникам. Поскольку вероятность выполнения составляет 50%, обратите внимание, что визуальное статистическое обучение происходило, поскольку участники правильно определяли знакомые объекты примерно в 70% случаев.

Теперь, когда вы знакомы с методами индуцирования и тестирования визуального статистического обучения, давайте рассмотрим другие способы, с помощью которых экспериментальные психологи используют статистику для исследования обучения.

Эта парадигма может быть переведена в более широкие классы сенсорных механизмов обучения, которые включают в себя слуховую область. Например, младенцы и дети используют слуховую статистику на ранних этапах формирования языка, потому что звуки и буквы в языке, как правило, появляются с высоконадежными статистическими связями.

В другом эксперименте исследователи исследовали, как ассоциации между буквами и цветами могут быть усвоены неосознанно или неявно. В течение нескольких дней участники читали тексты, которые были настроены так, чтобы иметь четыре буквы яркого цвета.

Когда участников попросили определить цвет букв, представленных на экране, они быстрее и точнее определили пары букв и цвета, которые были такими же, как в настроенном тексте. Это говорит о том, что статистическая структура цветных букв была приобретена неявно.

Вы только что посмотрели введение в визуальное статистическое обучение от JoVE. Теперь у вас должно быть хорошее понимание того, как настроить и провести эксперимент, а также проанализировать и оценить результаты.

Спасибо за просмотр!