Abstract
그들은 일반적으로 대학 캠퍼스에서 수집 할 수있는 것보다 훨씬 더 큰 약속 훨씬 더 대표적인 데이터 샘플을 제공하기 때문에 온라인 데이터 수집 방법은 행동 과학자들에게 특별한 매력을 가지고있다. 자극 특성 위에 엄격한 제어가 필요하다 실험에 특히 - 이러한 방법이 널리 채택 될 수 있기 전에 그러나 기술적 과제 번호 극복되어야한다. 여기에서 우리는 시각적주의의 두 테스트에서 성능 데이터를 수집하기위한 방법을 제시한다. 검사가 포함 모두로 테스트 중 간단히 이동 자극하거나 자극 번쩍 (차례로 시거리, 모니터 크기, 화면 해상도 등의 지식이 필요) 자극의 시야각 제어 및 자극의 타이밍을 (필요 특정 속도에서). 1,700 온라인 참가자의이 시험에 수집 된 데이터는 동일한 테스트 실험실 기반 버전에서 수집 된 데이터와 일치했다. 이러한 결과적절한 치료와 함께, 타이밍 / 자극의 크기에 따라 작업이 웹 기반 설정에 배치 될 수 있음을 시사한다.
Introduction
지난 5 년 동안 온라인 행동 데이터 수집 방법의 사용에 대한 관심이 급증되고있다. 심리학의 영역에서 출판물의 대부분은 잠재적으로 비 대표 대상 인구를 활용하고 있지만 1 (즉, 주로 대학 학부생) 종종 합리적으로 작은 샘플 크기뿐만 아니라 (즉, 일반적으로 주제의 수십의 범위), 온라인 방법 훨씬 더 다양하고 더 큰 샘플의 약속을 제공합니다. 예를 들어, 아마존의 기계 터크 서비스가 최근 많은 연구의 대상이되어왔다 모두 "작업자"모집단의 특성 및 행동 연구 2-6이 인구의 용도를 설명.
그러나, 이러한 방법에 관한 하나의 중요한 관심사는 중요한 자극 변수 제어의 상대적 부족이다. 예를 들어, 대부분의 정신 물리학 시각 태스크에서, 자극의 관점에서 설명된다시각. 시야각의 계산 시거리, 스크린 크기, 스크린 해상도의 정확한 측정을 요구한다. 이러한 매개 변수는 실험 환경에서 측정 할 사소한 및 제어 아르 (알려진 모니터가 있고 턱 나머지 모니터에서 알려진 거리를 배치하는 동안 참가자들이 자극을 볼 수) 동안, 같은 온라인 데이터 수집 사실이 아니다. 온라인 환경에서, 참가자뿐만 아니라 필연적 다른 소프트웨어 설정과 크기가 다른 모니터의 다양한 사용, 그들은 또한 그들의 모니터 크기를 결정하거나 필요한 지식을 가질 수 있도록 할 눈금자 / 줄자에 쉽게 액세스 할 수 없을 수도 자신의 소프트웨어와 하드웨어 설정 (예를 들어, 새로 고침 속도, 해상도)를 확인합니다.
보기 (UFOV)의 유용한 필드 패러다임 7 (MOT) 작업을 추적 여러 개체 - 여기에서 우리는 시각적주의의 두 잘 알려진 테스트 데이터를 수집하는 방법의 집합을 설명
이 두 작업에 대한 데이터는 대규모 온라인 오픈 코스에 1,700 참가자들로부터 수집되었다. 이 온라인 샘플의 평균 성능은 동일한 작업 (9, 10)의 엄격하게 제어 실험실 기반의 측정에서 얻은 결과와 매우 일치했다. 우리의 결과는도보기 조건을 통해 특정 제어를 필요로하는 작업에서, 온라인 데이터 수집 방법의 효능을 입증 문학의 성장 몸 따라서 일치한다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
프로토콜은 위스콘신 - 매디슨 대학에서이 연구는 임상 시험 심사위원회의 승인을 받았다. 프로그래머 설명한 웹 애플리케이션의 자동화 된 프로세스를 복제하는 다음 단계는 참조 기록되었다.
1. 로그인 참가자
- : 인터넷을 사용할 수있는 컴퓨터를 사용하고 HTML5 호환 브라우저를 사용하여 웹 응용 프로그램을 탐색하기 위해 참가자를 지시 http://brainandlearning.org/jove을 . 참가자가 편안한 높이로 컴퓨터, 산만 무료 조용한 방에 앉아있다.
참고 : 전체 실험이 온라인으로 호스팅하기 때문에, 작업도 연구 조교의 존재 없이도 원격으로 수행 할 수 있습니다. 참가자에 대한 모든 지침은 웹 응용 프로그램에 포함되어 있습니다. - 참가자 입력에게 MySQL의 databas에서 수집 된 데이터와 연관 저장됩니다 고유 ID를 가지고전자. 온라인 작업 동일한 세션 내에 완료되지 않는 경우,이 참가자 ID를 재사용하게한다. 로그인하기 전에 페이지에 링크 된 동의서를 통해 참가자의 동의를 구하십시오.
참고 : 참가자의 진행이 필요한 경우 별도의 시간에이 작업의 완료를 허용하기 위해 각 작업 후 저장됩니다. 항상 1이 중단 된 부분을 시작하기 위해 동일한 ID를 사용하는 참가자 지시합니다.
2. 화면 보정
참고 : 웹 응용 프로그램에서 교정 페이지에 나와있는 세 가지 단계를 통해 참가자를 안내 http://brainandlearning.org/jove/Calibration .
- 레이블 텍스트 상자 인치 입력 화면의 대각선 크기를 참가자에게 문의하십시오.
- 참가자가이 정보를 알지 못하는 경우에는, (참가자 교정 오브젝트로서 CD 또는 신용 카드를 찾
- 대상물의 크기에 맞게 화면 이미지의 크기를 조정 참가자 프롬프트. 물리적 CD (직경 4.7 ") 또는 신용 카드 (폭 3.2"대표 화상의 화소 크기에 더하여)의 측정에 기초하여, 화면 인치 픽셀의 비율을 결정한다.
- 다음, 픽셀의 스크린 대각선 크기를 계산하도록 JavaScript의 screen.width 및 screen.height 특성 통해 모니터의 픽셀 해상도를 검색. 이 값과 이전 추정 화소 간 비율을 알면 인치 인치 대각선 크기를 변환한다 (단계 2.1.2 참조). 참가자가 대화 상자를 통해이 값을 확인하게한다.
- 참가자가이 정보를 알지 못하는 경우에는, (참가자 교정 오브젝트로서 CD 또는 신용 카드를 찾
- 화면 Brigh 일을 조정하기 위해 참가자를 프롬프트화면에 표시된 흑색 대 백색 경사의 대역까지 모든 12은 GNU General Public License 설정 명확히 구별된다. 밝기 설정 컨트롤은 컴퓨터에 따라 다릅니다.
- 편안한 자세로 모니터에서 떨어진 팔의 길이를 앉아서 다음 전체 화면 모드로 브라우저 창을 설정하는 참가자에게 물어보십시오. 브라우저 창은 작업에 사용되는 시각적 공간을 최대화하고, 같은 브라우저 툴바 및 데스크톱 작업 표시 줄과 같은 시각적 산만을 제거하기 위해 전체 화면 모드에 있어야합니다.
- 참가자의 스크린 해상도와 모니터의 대각선 크기를 알아야 자동 50cm 시거리에 기초하여 픽셀 /도 변환 값을 계산하는 웹 애플리케이션을 사용한다. 이 값을 이용하여, 상기 태스크의 자극의 크기를 리사이즈. 이 기반으로 아래에보고 된 모든 시각적 각도 치수는 모니터에서 평균 거리 값을 가정한다.
- 캘리브레이션이 완료되면, 두 describ 작업을 완료하기 위해 요구 참가자아래 에드. 작업의 순서를 무작위로 선택하거나 웹 애플리케이션을 통해 순서를 할당한다.
3. 다중 객체 추적 작업 (MOT) - 그림 2
- 소개 및에서 볼 셀프 가이드 튜토리얼을 통해 MOT 자극과 참가자를했습니다 : http://brainandlearning.org/jove/MOT/practice.php . 시험 작동 방식을 보여 단계별 지침을 읽어 참가자를 요청합니다. 참가자가 지침을 읽고 완료되면, 연습 시험을 통과 할 수있는 참가자하라는 메시지를 표시합니다.
- 설치 연습 자극 2 ° / sec의 이동 속도 0.8 °에서 8 점으로 구성합니다. 이 자극 동작을 제어하기 위해 60 Hz의 프레임 레이트로 브라우저 애니메이션을 최적화 HTML5 requestAnimationFrame API를 사용한다.
- 도트 2 ° 편심과 CIRC의 원의 범위 내에서 이동 확인르 가려 지시없이, 참가자의 화면의 높이보다 크지.
- 각 프레임에 도트가 0.2 °의 최대 각도로 방향을 변경하는 60 %의 확률로 임의의 궤도에 이동하는 점을 설정합니다. 도트가 다른 점이나 내부 또는 외부 반경 한계와 충돌하는 경우, 반대 방향으로 도트를 이동.
- 노란색 점 방해 자극의 역할과, (연습 시험 당 1 ~ 2 점을 변화) 파란색 점을 추적하기 위해 참가자하라는 메시지를 표시합니다.
- 2 초 후, 노란색 점으로 파란색 점을 변경하고 다른 4 초 동안 원래 노란색 점 사이를 이동하는 것을 계속한다. 각 시험의 끝에, 도트를 중지하고 하나를 강조.
- 강조 표시된 점은 추적 된 점이나 방해 자극 점인지 키를 눌러를 통해 응답하는 참가자하라는 메시지를 표시합니다. 다음, 다음 재판에 계속 스페이스 바를 눌러 참가자하라는 메시지를 표시합니다.
- 연속 3 정확한 시험, 또는 6의 최대 시험 후, MO전체 작업 상에 참가자를했습니다.
- 참가자의 전체 MOT 작업을 시작합니다. : 태스크의 예에서 발견 될 수 http://brainandlearning.org/jove/MOT .
- 설정 2 ° 편심 10 ° 편심 사이의 공간 내에서 5 ℃가 / sec로 이동 16 점으로 전체 작업. 참가자의 화면이 10 °의 편심 원 맞지 않으면 화면 대신에 포함 할 수있는 최대 크기를 사용한다.
- - 5 추적 점 1 추적 점 각 2로 구성된 10 시험으로 구성된 5 시련의 혼합물 : 참가자가 45 시험의 총을 완료해야합니다. 연습 시험에 다른 모든 매개 변수를 (- 3.1.6 단계 3.1.3 참조) 일치시킵니다.
- 도트가 강조되면 참가자의 응답 및 응답 시간을 기록한다.
- 매 15 시험의 경우, 참가자에게 휴식을 제안한다. 이러한 구분에서, 참가자를 표시7; 화면의 블록 내에서의 성능 (정확한 시험 퍼센트).
4. 또 다른 (선택적 단계)에 하나의 작업에서 이동
- 참가자가 두 작업 사이의 휴식을 취할 수 있도록합니다. 작업이 동일한 로그인 세션 동안 완료되지 않은 경우, 1 단계와 2 단계를 반복합니다.
보기 작업 (UFOV) 5. 유용한 필드 - 그림 3
- 소개 및에서 볼 셀프 가이드 튜토리얼을 통해 UFOV 자극과 참가자를했습니다 : http://brainandlearning.org/jove/UFOV/practice.php . 작업 과정에 참석해야하는 두 가지 목표 자극을 보여 단계별 지침의 4 단계를 통해 이동하는 참가자에게 물어보십시오.
- 하나 길거나 짧은 머리를 가진 화면의 중앙에 깜박 1 ° 웃는 등 중앙 대상 자극을 설정합니다. 무작위시험에서 웃는 머리 길이.
- 원 약 8 위치 (0 °, 45 °, 90 °, 135 °, 180 °, 225 °, 270 °, 315 °) 중 하나에 편심 ° 4에서 깜박 1 ° 스타로 주변 목표 자극을 설정 . 시험에서 별의 위치를 랜덤 화.
- 제어 프리젠 테이션 시간에 사용되는 프레임 수를 통해 기간을 자극. HTML5 requestAnimationFrame API를 사용하여 프레임 당 약 17 밀리 초에서 프레임 새로 고침을 최적화합니다.
- 예상 프리젠 테이션 시간이 달성 된 경우 확인하려면 참가자의 시스템 클럭에 따라 자극 지속 시간의 시작 시간과 종료 시간을 얻기 위해 자바 스크립트의 다음 getTime () 메서드를 사용합니다. 이 두 값에서 측정 된 프리젠 테이션 타임을 계산하고 데이터 분석에 대해이 값을 사용한다.
- 각각의 연습 시험의 경우, 약 200 밀리 초 (약 12 프레임)의 자극을 표시하기 전에 500 밀리 초를 기다립니다.
- 자극 사전에 따라320 밀리 초 (약 19 프레임)에 대한 랜덤하게 생성 된 계조 도트 어레이로 이루어지는 노이즈 마스크 테이션.
- 1 단계의 경우, 단지 중앙 목표를 표시하고 머리 길이가 표시된 키 누름을 통해 응답하는 참가자하라는 메시지를 표시합니다.
- 2 단계의 경우, 단지 주변 대상을 표시하고 별이 나타난 위치를 표시하기 위해, 8 가능한 대상의 위치를 나타내는 하나의 8 방사형 선을 클릭 참가자하라는 메시지를 표시합니다.
- 스테이지 (3)의 경우 두 중추 및 말초 타겟 자극을 표시하고 스마일의 종류 및 위치 별 모두에 대한 응답을 제공하라는 메시지 참가자.
참고 : 참가자가 자유롭게이 두 응답의 순서를 선택할 수 있습니다. - 스테이지 (4)의 경우, 주변 방해 자극에 더하여 두 타겟 자극을 표시 한 후 모두 목표 자극에 반응하는 참가자 프롬프트. 방해 자극 들어, 디스플레이 1 ° 사각형은 4 ° 편심에 나머지 7 곳에서 발표, 전2 ° 편심에 8 개의 사각형 n에 추가.
- 참가자의 응답 후, 각 시험 후 각 대상 응답 참가자 피드백 (정답이나 오답에 대한 적십자 녹색 확인 표시)를 보여줍니다.
- 3 연속 올바른 재판을받은 후 다음 연습 무대에 참가자를 이동합니다. 4 단계 후, 전체 작업에 참가자를 이동합니다.
- 전체 UFOV 작업을 시작하기 위해 참가자를하라는 메시지를 표시합니다. : 태스크의 예에서 발견 될 수 http://brainandlearning.org/jove/UFOV .
- 연습 세션에서와 같은 중앙 자극을 제시한다 (단계 5.1.1 참조). 앞서 언급 한 8 위치 중 하나에서 7 ° 편심에 주변 대상을 표시합니다 (단계 5.1.2 참조). 24 방해 자극 사각형은 3 ° 편심, 5 ° 편심, 나머지 7 °에 표시됩니다편심 위치.
- 자극의 프리젠 테이션 시간을 결정하기 위해 3 다운, 하나 업 계단 절차를 사용하여 연속 된 3 정확한 시험 후의 자극의 지속 기간을 감소시키고 각 오류 재판 후에 증가한다.
- 계단 제 3 역전 전에 2 프레임 (약 매 33 밀리 초)의 스텝 크기를 사용한다. 3 역전 후, 1 프레임의 스텝 크기를 사용한다. 1 프레임과 시험 당 99 프레임 사이의 자극 발병하기 전에 지연을 변경, 320 밀리 초 (약 19 프레임)에서의 잡음 마스크 지속 시간을 유지.
참고 : 역전 기간이 변경되는 점입니다 중 감소로 증가 또는 감소에서 증가. - 세 가지 조건 중 하나가 충족 될 때 작업을 종료 : 계단 절차 8 역전 도달; 참가자는 천장 기간 (99 프레임) 또는 바닥 기간 (1 프레임) 중 하나에서 10 연속 시험을 완료; 또는 참가자 72 시험의 최대에 도달한다.
- 참가자의 R을 기록중앙 자극과 주변 자극 모두 저 응답 및 응답 시간.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
특이점 제거
1779 참가자의 총 UFOV 작업을 완료했다. 이 중 32 참가자들은 지시에 따라 작업을 수행 할 수 없음을 시사 평균으로부터보다 3 표준 편차이었다 UFOV 임계 값을했다. 이와 같이, 이들 참가자 UFOV 데이터는 1747의 총 참가자 떠나는 최종 분석에서 제거 하였다.
데이터는 MOT 작업에 대한 1746 참가자를 얻었다. 두 참가자 따라서 이들 참가자 데이터를 MOT 최종 분석에서 제거 된 다음 평균 3 개 이상의 표준 편차는 1744 참가자 총두고 있었다 정확도 점수를 의미했다.
UFOV
UFOV 작업의 경우, 성능은 검출 임계 값을 얻기 위해서 최종 5 회 시도 프리젠 테이션 시간을 평균하여 산출 하였다. 프레젠테이션 시간은 측정 된 자극 프레 젠 테이션 뒤 반영각 참여자의 화면 비율 : 마지막 자극 프레임 참가자의 시스템 클럭을 이용하여 촬영 한 밀리 끝까지 제 자극 프레임의 개시로부터 시간. 검출 임계 값은 셋 다운, 하나 업 절차의 계단 유스 주어진, 참가자는 대략 79 %의 정확도로 타겟 주변을 감지 할 수있는 최소한의 프레젠테이션 듀레이션을 반영한다. (그림 4 참조) 평균 UFOV 임계 값은 64.7 밀리 초 (SD = 53.5, 95 % CI [62.17, 67.19])이었고, 점수는 45 밀리의 중간 임계 값 315 밀리 초 17 밀리 초에서였다. 임계 값 분포는 1.92 (SE = 0.06)의 비대칭과 3.93의 첨도 (SE는 0.12 =)로, 긍정적으로 기울어 있었다.
MOT
MOT 성능은 각 세트 사이즈 (1-5)에 대한 평균 정확도 (정확한 퍼센트)를 계산함으로써 측정 하였다. 세트 크기 1-0.1 1.0 - - 정확도는 0.4에서 원거리 세트 크기 5 1.0 및 정확도는 의미ACY 5. 중간 정도의 점수가 1.0에서 원거리 세트 크기에 0.71 (SD = 0.17, 95 % CI [0.700, 0.716])에 0.99에서 세트 크기 1 (SD = 0.06, 95 % CI [0.983, 0.989]를)였다 각각 한 세트 크기 0.70 및도 5 (도 5 참조).
회 반복 측정 ANOVA 정확도가 세트 크기의 함수로서 상이 여부를 검토하기 위해 실시 하였다. 전형적인 MOT 효과를 보여 높은 정확도가 세트 크기로 감소하도록 설정 크기 (F (4, 6968) = 1574.70, P <0.001, n 개의 ρ 2 = 0.475)의 유의 한 주 효과는 있었다.
1. 스크린 측정 도표. 또는 스크린 크기를 평가가 눈금자 / 줄자에 쉽게 액세스 - - 온라인 모든 참가자들이 화면 크기를 알기 때문에. (아래 - - CD 위의 신용 카드) 교정 과정은 표준 크기의 일반적으로 사용되는 항목을 활용하는 과목을 묻는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
2. MOT 작업을 그림. 참가자들은 무작위로 움직이는 점의 집합으로 볼 수 있습니다. 나머지는 노란색 (방해 자극) 동안 시험 개시에서, 이러한 점들의 집합, 블루 (대상)이었다. 2 초 후 파란색 대상 점 방해 자극에서 그들을 시각적으로 구별하고, 노란색으로 변경되었습니다. 참가자는 응답 화면이 등장 할 때까지 정신적으로 4 초 동안 이전 파란색 대상 점을 추적했다. 이 화면에서 하나의 도트가 백색이고 피사체 만든 "예 (이는 원래 목표 중 하나)"; 또는 "no (이 원래 대상 중 하나 아니었다)"(키를 누를 때) 결정. 이 그림의 더 큰 버전을 보려면 여기를 클릭하여 주시기 바랍니다.
그림 3. UFOV 태스크. 메인 화면 중앙 자극 (짧거나 긴 머리를 가질 수 노란색 웃는), 주변 자극 (원 내부에 채워진 화이트 스타)와 주변 방해 자극이 (흰색 사각형 설명)로 구성되었다. (결정 타이밍 적응 참가자 실적을 기준으로하여)이 화면이 잠시 번쩍했다. 그들은 웃는 길거나 짧은 머리를 가지고 있는지 여부 (키 누름으로) 표시했고, 8 반경 중 어느 말에 그들은 (클릭) 표시했다 : 응답 화면이 나타 났을 때 참가자는 두 응답을했습니다목표 자극이 등장이야. 그들은 다음 두 응답 (여기가 중앙 작업에 대한 정답,하지만 주변 작업에 대한 오답을 선택)에 대한 피드백을 받았다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 4 자기 성능의 히스토그램으로부터 알 수있는 바와 같이 지시 된 UFOV 결과., 참가자들의 대다수가 작업을 수행 할 수없는 경우에만 (~ 1 % 불량 / 아웃 라이어 성능 제거), 평균 성능 범위 정연이었다 동일한 작업 9 실험실 기반의 조치를 기대.
그림 5. MOT 결과. 이전의 연구 (10)와 일관, MOT 정확도가 원활하게 증가 세트 크기로 떨어졌다.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
온라인 데이터 수집은 표준 실험실 기반 데이터 수집에 비해 많은 장점을 갖는다. 이러한 분야에 사용되는 전형적인 대학 학부 풀보다 훨씬 더 대표적인 개체군을 샘플링 전위하고 실험실에서 작은 차수가 크고 샘플 크기를 획득하기 위해 걸리는 시간보다 적은 시간에 훨씬 큰 샘플 크기를 획득 할 수있는 능력을 포함 1-6 (예를 들어, 현재의 종이에 1,700+ 참가자로부터 수집 데이터 포인트는 일주일 미만으로 얻었다).
염료 및 UFOV 작업에 대한 Bavelier 9 녹색과 Bavelier에 의해보고 된 결과와 비교 온라인 작업에 UFOV 임계 값 및 MOT 정확도 계산 방법 및 범위했다 : 기술 온라인 방법은 이전에 실시 실험실 기반의 연구에서 얻은 결과를 복제 할 수 있었다 MOT 작업에 대한 10. 그러나, 참가자가 큰 샘플의 분포에 영향을 미칠 않았다특히 UFOV 작업의 결과. 온라인 UFOV 임계 값 분포는 이전의 실험실 기반 결과 9 이상 기울어 더 옳았다. 스큐의 차이는 특히 시대에 자신의 폭 넓은 변화에 관해서, 온라인 모집 참가자의 다양성에 기인 할 수있다 : 온라인 샘플 18에서 원거리 - 22 년 9 - 실험실 기반의 샘플 (18)로부터 원거리 동안, 70 년.
또한, 온라인 방법을 통해 데이터를 수집하는 것은 여러 가지 기술적 과제를 해결 필요합니까 - 가까운 자극 제어 조치의 유효성에 필요한 특히. 여기에 사용 된 두 가지 작업이 제시되었다 자극의 시각과 자극의 타이밍을 모두 제어 할 필요합니다. 특히 시각은 계산 시청 거리, 모니터 크기, 화면 해상도를 알고 필요로 온라인 설정에서 제어하기가 어려울 수 있습니다. 이것은 특히 문제이다 번째 주어진많은 온라인 참가자 그들의 모니터 크기 모르나 또는 모니터 크기를 측정하기 위해 줄자에 쉽게 액세스 할 수있다.
우리는 이러한 문제들을 극복하기위한 일련의 단계를 고안했다. 우리가 완벽하게 모니터 크기를 해결할 수 있지만, 우리는 여전히 정확하게 실제 시청 거리를 제어 할 수 없습니다. 이 거리가 참가자에 따라 다를 수 있지만 우리는 모니터에서 떨어진 팔의 길이를 앉아 참가자들에게 제안한다. 미국은 인체 데이터 남성과 여성의 성인 사이에 앞으로 팔 도달 (참가자 멀리 화면에서 자신의 거리를 판단 할 때 사용하는되는 위치)의 길이의 차이가 작을 중간 남성이 있다는 것을 나타냅니다으로 팔 길이가 선택되었다 중간 여성의 손이 닿지 62.5 cm (11) 동안 REACH는 63.8 cm입니다. 실험 설정 절차는이 측정을 사용하여 성 편견을 도입 피하기 위해 시도하지만, 잠재적 인 높이 편견이있을 수있다; 및 참가자를 수집하는 미래 연구# 8217; 높이 정보는 이러한 가능성을 평가하기 위해 수행 될 필요가있을 것이다.
임계 값을 계산할 때 자극 타이밍에 관해서는, 우리는 고려 예상 시간과 자극 프레 젠 테이션의 기록 기간 사이의 불일치를했다. 오히려 예상 프레젠테이션 듀레이션에 의존하는 대신, 우리는 밀리 초와 참가자의 시스템 클럭을 이용하여 자극 프레임의 지속 시간을 측정했다. 그러나, 모니터 디스플레이 사이의 고유의 격차는 여전히 존재하고 현장 측정에서 실제 없이는 제어 할 수 없습니다. 대부분은 일반적으로 픽셀 휘도 변화의 시작과 끝 값에 따라 달라질 긴 응답 시간을 가지고 있에 우리의 참가자가 액세스 모니터 - 그것은 잘 액정 표시 (LCD)는 것으로 알려져있다. 우리는 항상 수준을 자극하기 위해 동일한 배경 레벨로 전환하기 때문에 후자의 문제는 우리의 연구에서 문제가되지 않습니다. 더 큰 관심사는 점이다 VARI참가자에 걸쳐 디스플레이 능력 측정 분산의 큰 부분을 야기한다. 우리는, 화소의 응답 시간은 통상적으로 1보다 작은 프레임 레이트 있으므로, 이것이 문제가 아니라고 판단 UFOV 임계 값에 큰 변동 개인 간 비교 허용 가능한 것 (즉, 17 밀리 초) 12, 13,.
방법은 상기 과제를 극복 여기에 고용 따라서 우리는 두 가지 작업의 성능을 측정 할 수 - UFOV 및 MOT를 - 모두 시각 및 화면 타이밍 특성을 제어 할 필요가있다. 이들 방법에 의해 얻어진 결과에 따라서, 그 유효성을 입증 표준 실험실 설정에서 수득 된 것과 일치 하였다. 이러한 작업은 단지 인터넷 접속 HTML5 대응의 브라우저가 필요하기 때문에 또한, 이러한 작업은 쉽게 일반적 대표적인 모집단 큰 샘플을 수집 할뿐만 아니라 이용 될 수 있지만, 또한 개인 노멀 특정 아형에 도달하는데 사용될 수있다지리적으로 분산 때문에 어려울 수있다 iduals는 일반적인 실험실 설정으로옵니다 (예를 들어, 특정 인종과 질병 또는 개인의 특정 유형의 환자). 또한, 아이 패드 및 기타 정제의 사용 증가와 함께, 웹 애플리케이션의 설계를 용이 참가자 더욱 수에 도달하기 위해 터치 스크린 기술과의 호환성을 향상시킬 수 있도록 구성 될 수있다. 웹 응용 프로그램이 현재 HTML5 브라우저를 통해 태블릿에서 실행할 수 있지만, 미래의 반복은 키보드의 요구 사항을 제거하고 인터페이스 버튼이나 제스처에 응답 키를 대체 할 수있다.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| Computer/tablet | It must have an internet connection and an HTML5 compatible browser | ||
| CD or credit card | May not be needed if participant already knows the monitor size |
References
- Henrich, J., Heine, S. J., Norenzayan, A. The weirdest people in the world. The Behavioral And Brain Sciences. 33, 61-135 (2010).
- Buhrmester, M., Kwang, T., Gosling, S. D. Amazon's Mechanical Turk: A new source of inexpensive, yet high-quality, data. Perspectives on Psychological Science. 6 (1), 3-5 (2011).
- Goodman, J. K., Cryder, C. E., Cheema, A. Data collection in a flat world: the strengths and weaknesses of mechanical turk samples. Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).
- Mason, W., Suri, S. Conducting behavioral research on Amazon's Mechanical Turk. Behavior Research Methods. 44 (1), 1-23 (2012).
- Crump, M. J., McDonnell, J. V., Gureckis, T. M. Evaluating Amazon's Mechanical Turk as a tool for experimental behavioral research. PLoS One. 8, e57410 (1371).
- Lupyan, G. The difficulties of executing simple algorithms: why brains make mistakes computers don't. Cognition. 129, 615-636 (2013).
- Ball, K., Owsley, C. The useful field of view test: a new technique for evaluating age-related declines in visual function. J Am Optom Assoc. 64 (1), 71-79 (1993).
- Pylyshyn, Z. W., Storm, R. W. Tracking multiple independent targets: Evidence for a parallel tracking mechanism. Spatial Vision. 3 (3), 179-197 (1988).
- Dye, M. W. G., Bavelier, D. Differential development of visual attention skills in school-age children. Vision Research. 50 (4), 452-459 (2010).
- Green, C. S., Bavelier, D. Enumeration versus multiple object tracking: The case of action video game players. Cognition. 101 (1), 217-245 (2006).
- Chapter 1. Kodak Company. Ergonomics Design Philosophy. Kodak’s Ergonomic Design for People at Work. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. , 2nd Edition, John Wiley & Sons, Inc. Hoboken, NJ. (2004).
- Elze, T., Bex, P. P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments. i-Perception. 3 (9), 621 (2012).
- Elze, T., Tanner, T. G. Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments. PLoS One. 7 (9), e44048 (2012).
