Yöntem makalesi

Deneysel psikoloji ve bilişsel sinirbilim çalışmalarında gerçek insanları ve canlı eylemleri sunmak için natüralist bir kurulum

3K görüntüleme

⸱

DOI:

10.3791/65436

⸱

4 Ağustos 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

Bu makalede

Özet

Bu çalışma, araştırmacıların gerçek zamanlı eylem uyaranları sunmalarına, katılımcılar her uyaran gösteriminden sonra yanıt verirken tepki süresi ve fare izleme verilerini elde etmelerine ve özel bir şeffaf organik ışık yayan diyot (OLED) ekranı ve ışık manipülasyonu içeren benzersiz bir sistemle deneysel koşullar arasında aktörleri değiştirmelerine olanak tanıyan natüralist bir deney düzeneği sunmaktadır.

Özet

Başkalarının eylemlerinin algılanması, hayatta kalma, etkileşim ve iletişim için çok önemlidir. Eylemlerin algılanmasını anlamaya adanmış onlarca yıllık bilişsel sinirbilim araştırmasına rağmen, insan eylem algısına yaklaşan sinirsel olarak ilham veren bir bilgisayar görme sistemi geliştirmekten hala çok uzaktayız. Büyük bir zorluk, gerçek dünyadaki eylemlerin, uzayda "burada ve şimdi" gerçekleşen ve kabul edilebilir olan geçici olarak ortaya çıkan olaylardan oluşmasıdır. Buna karşılık, bugüne kadar görsel algı ve bilişsel sinirbilim araştırmaları, uzay ve zamanda aktörlerin varlığından yoksun olan 2D ekranlar (örneğin, görüntüler veya videolar) aracılığıyla eylem algısını büyük ölçüde incelemiştir, bu nedenle bu ekranlar eyleme geçirilebilirliği sağlamada sınırlıdır. Alandaki artan bilgi birikimine rağmen, başkalarının gerçek dünyadaki eylemlerinin algılanmasının temel mekanizmalarının daha iyi anlaşılması için bu zorlukların üstesinden gelinmelidir. Bu çalışmanın amacı, gerçek dünya ortamlarına yaklaşan senaryolarda canlı aktörlerle natüralist laboratuvar deneyleri yapmak için yeni bir kurulum sunmaktır. Bu çalışmada kullanılan kurulumun temel unsuru, katılımcıların sunumlarının zamanlaması tam olarak kontrol edilirken fiziksel olarak mevcut bir aktörün canlı eylemlerini izleyebilecekleri şeffaf bir organik ışık yayan diyot (OLED) ekranıdır. Bu çalışmada, bu kurulum davranışsal bir deneyde test edilmiştir. Kurulumun, araştırmacıların eylem algısının temel ve daha önce erişilemeyen bilişsel ve sinirsel mekanizmalarını ortaya çıkarmalarına yardımcı olacağına ve doğal ortamlarda sosyal algı ve bilişi araştıran gelecekteki çalışmalar için bir temel oluşturacağına inanıyoruz.

Giriş

Hayatta kalma ve sosyal etkileşim için temel bir beceri, başkalarının eylemlerini algılama ve anlamlandırma ve çevredeki ortamda onlarla etkileşime girme yeteneğidir. Son birkaç on yılda yapılan önceki araştırmalar, bireylerin başkalarının eylemlerini nasıl algıladıkları ve anladıkları ile ilgili temel ilkeleri anlamaya önemli katkılarda bulunmuştur 1,2,3,4,5,6,7,8,9,10,11 . Bununla birlikte, etkileşimlerin karmaşıklığı ve meydana geldikleri koşullar göz önüne alındığında, günlük yaşam ortamlarında bu karmaşık becerinin daha eksiksiz bir şekilde anlaşılması için doğal ortamlarda bilgi birikimini daha da geliştirmeye açık bir ihtiyaç vardır.

Günlük yaşam ortamlarımız gibi doğal ortamlarda, algı ve biliş somutlaşmış, gömülmüş, genişletilmiş ve aktif özellikler sergiler12. Bedenin ve çevrenin rollerini küçümseme eğiliminde olan beyin fonksiyonlarının içselci açıklamalarının aksine, somutlaşmış bilişe çağdaş yaklaşımlar beyin, beden ve çevrenin dinamik eşleşmesine odaklanır. Öte yandan, eylem algısı üzerine yapılan çoğu sosyal psikoloji, bilişsel psikoloji ve sinirbilim araştırması, laboratuvar koşullarında iyi kontrol edilen ve basitleştirilmiş deney tasarımlarının (örneğin, bilgisayarlı görevlerdeki görüntüler veya videolar) kullanılmasının, gerçek dünya etkileşimleri gibi daha karmaşık senaryolara genelleştirilebilecek sonuçlar verdiğini varsayma eğilimindedir 1,2,3,4,5,6,7 ,8,9,10,11. Bu varsayım, birçok koşulda sağlam ve güvenilir verilerin elde edilebileceğini garanti eder. Bununla birlikte, iyi bilinen bir zorluk, dikkatle kontrol edilen deneylerden türetilen modellerin geçerliliğinin, gerçek dünya bağlamında test edildiğinde sınırlı olmasıdır13. Sonuç olarak, çeşitli araştırma alanlarında uyaranların ve deneysel tasarımların ekolojik ve dışsal geçerliliğini ele almak için 13,14,15,16,17,18,19,20,21,22 daha ileri araştırmalar yapılmıştır.

Bu çalışmada, bireylerin gerçek, fiziksel olarak mevcut bir aktör tarafından gerçekleştirilen canlı eylemleri kullanarak başkalarının eylemlerini nasıl algıladıklarını ve değerlendirdiklerini araştırmak için yeni bir yöntem önerilmektedir. Gerçek hayattaki bağlamlara benzer senaryolar kullanılırken, deneyciler olası kafa karıştırıcı faktörler üzerinde kontrol sahibidir. Bu çalışma, Matusz ve ark.14 çerçevesinde, uyaranlar ve çevre üzerinde genellikle doğallık pahasına maksimum kontrolden yararlanan "klasik laboratuvar araştırması" ile uyaran ve çevre üzerindeki kontrol pahasına doğallığı en üst düzeye çıkarmayı amaçlayan "tamamen doğalcı gerçek dünya araştırması" arasında bir ara aşama olarak düşünülebilecek bir "natüralist laboratuvar araştırması" biçimidir14. Çalışma, yüksek derecede deneysel kontrole sahip geleneksel laboratuvar deneylerinde elde edilen bulgular ile tamamen sınırsız, doğal ortamlarda yürütülen çalışmalarda elde edilen bulgular arasındaki boşluğu kapatmak için eylem algısı araştırmalarında bu düzeyde ampirik araştırmalara duyulan ihtiyacı ele almayı amaçlamaktadır.

Kontrollü ve kısıtlamasız deneyler
Deneysel kontrol, araştırmacıların hedef değişkenleri olası kafa karıştırıcı faktörlerden izole etmelerine izin verdiği için belirli bir hipotezi test etmek için deneyler tasarlamak için etkili bir stratejidir. Ayrıca, aynı hipotezi, aynı tasarımda biraz veya tamamen farklı uyaranlar kullanmak veya alternatif deney düzeneklerinde aynı uyaranları test etmek gibi belirli değişiklik düzeyleriyle yeniden gözden geçirmeye izin verir. Kontrollü deneyler yoluyla sistematik araştırma, bilişsel bilimlerde ve ilgili alanlarda yapılan araştırmalarda geleneksel bir metodoloji biçimidir. Kontrollü deneyler hala dikkat, hafıza ve algı gibi çeşitli araştırma alanlarında bilişsel süreçlerin temel ilkeleri hakkında bilgi birikiminin oluşturulmasına yardımcı olmaktadır. Bununla birlikte, son araştırmalar, bulguları gerçek dünya ortamlarına genelleme açısından geleneksel laboratuvar deneylerinin sınırlamalarını da kabul etmiş ve araştırmacılar, gelişmiş ekolojik ortamlarda çalışmalar yapmaya teşvik edilmiştir 13,14,15,16,17,18,19,20,21. Bu değişim, geleneksel laboratuvar deneyleri ile gerçek dünya ortamları arasındaki tutarsızlıkla ilgili iki önemli konuyu ele almayı amaçlamaktadır. İlk olarak, laboratuvar dışındaki dünya, sistematik deneysel manipülasyonların temsili gücünü sınırlayan deneylerden daha az deterministiktir. İkincisi, insan beyni son derece uyarlanabilir ve deneysel çalışmaların tasarlanması ve yürütülmesinin pratik sınırlamaları nedeniyle bu genellikle hafife alınmaktadır22. "Ekolojik geçerlilik"23,24 kavramı, bu sorunu çözme yöntemlerini ele almak için kullanılmıştır. Bu terim genellikle deneysel bulguların laboratuvar bağlamı dışındaki gerçek dünyaya genelleştirilmesi için bir ön koşulu ifade etmek için kullanılır. Ekolojik geçerlilik, çalışma tasarımının gerçek yaşam senaryolarına benzer olmasını sağlamak için neredeyse doğalcı deney düzeneklerinin sınırsız uyaranlarla doğrulanmasına atıfta bulunduğu şeklinde de yorumlanmıştır25. Bu terimin yorumlanmasındaki yüksek varyans derecesi nedeniyle, alternatif metodolojilerin ve uyaran seçiminin avantajlarının ve sınırlamalarının anlaşılması gerekmektedir.

Uyaranlarda natüralizm düzeyleri ve deney tasarımı
Deneysel psikoloji ve bilişsel sinirbilimdeki önceki çalışmalar, farklı natüralizm seviyelerine sahip çok çeşitli uyaranlar kullanmıştır26. Çoğu araştırmacı statik görüntüler veya kısa dinamik videolar kullanmayı tercih eder, çünkü bu uyaranların hazırlanması gerçek bir eylemi veya olayı simüle edebilenlerden daha kolaydır. Avantajları olmasına rağmen, bu uyaranlar araştırmacıların sosyal ajanlar arasındaki koşullu davranışları ölçmelerine izin vermez. Başka bir deyişle, eyleme geçirilemezler ve sosyal olanaklara sahip değillerdir27. Son yıllarda, bu etkileşimli olmayan uyaranlara bir alternatif geliştirilmiştir: sanal avatarların gerçek zamanlı animasyonları. Bu avatarlar, avatarlar ve kullanıcıları arasındaki etkileşimlerin araştırılmasına izin verir. Bununla birlikte, sanal avatarların kullanımı, özellikle gerçekçi ve koşullu davranışları açısından özellikle ilgi çekici görünmediklerinde, kullanıcı endişesinin azalmasına tabidir26. Bu nedenle, deneysel çalışmalarda gerçek sosyal uyaranların kullanılmasına artık daha fazla ilgi duyulmaktadır. Tasarımları, veri kayıtları ve analizleri gelişmiş ekipman ve karmaşık veri analizi gerektirse de, doğal insan davranışını ve bilişini anlamak için en iyi adaylardır.

Bu çalışma, gerçek hayattaki sosyal uyaranları laboratuvar ortamında kullanmak için bir metodoloji önermektedir. Bu çalışma, insanların geleneksel laboratuvar deneylerine kıyasla ekolojik geçerliliği artmış bir ortamda başkalarının eylemlerini nasıl algıladıklarını ve değerlendirdiklerini araştırmayı amaçlamaktadır. Katılımcıların fiziksel olarak mevcut olan ve onlarla aynı ortamı paylaşan gerçek aktörlere maruz kaldığı yeni bir kurulum geliştirdik ve tanımladık. Bu protokolde, katılımcıların tepki süreleri ve fare yörüngeleri ölçülür, bu da uyaran sunumunun hassas zamanlamasını ve bu gelişmiş ekolojik ortamdaki deneysel koşullar üzerinde sıkı kontrol gerektirir. Bu nedenle, deneysel paradigma, çevre üzerindeki kontrolden ödün vermeden uyaranların doğallığı en üst düzeye çıkarıldığı için literatürde bulunan çerçeveler arasında öne çıkmaktadır. Aşağıda, protokol böyle bir sistemi kurma adımlarını sunar ve ardından örnek veriler için temsili sonuçlarla devam eder. Son olarak, paradigmanın önemi, sınırlamaları ve değişiklik planları hakkında bir tartışma sunulmaktadır.

Deneysel tasarım
Protokol bölümüne geçmeden önce, bu çalışmada kullanılan parametreleri tanımladık ve uyaranların ayrıntılarını deneysel tasarım ile birlikte sunduk.

Çalışmadaki parametreler
Bu çalışma, aktörün türünün ve gerçekleştirdiği eylemlerin sınıfının katılımcıların zihin algısı süreçlerini nasıl etkilediğini ölçmeyi amaçlamaktadır. Protokolde, zihin algı süreci, önceki araştırmalarda önerildiği gibi, ajans ve deneyim olmak üzere iki ana boyutta ölçülmektedir28. Bu iki boyutun yüksek ve alçak uçları, yakın zamanda Li ve ark.29 tarafından tanıtıldığı gibi, dahil edilmiştir.

Çalışmanın yapısı, yaygın olarak kullanılan örtük ilişkilendirme görevinin (IAT) 31 tek kategorili sürüm30'undan esinlenmiştir. Bu görevde, katılımcıların bir öznitelik kavramını hedef kavramla eşleştirirken verdikleri yanıt süreleri, bu iki kavram için örtük ilişkilerinin gücünün bir göstergesi olarak kullanılır. Bu örtük görevin uyarlanmasında, katılımcılara gerçek aktörler tarafından gerçekleştirilen canlı eylemler sunulur ve bunları hedef kavramlarla eşleştirmeleri istenir. Hedef kavramlar, deneyin bloğuna bağlı olarak ajansın veya deneyim boyutlarının yüksek ve düşük uçlarıdır.

Özetlemek gerekirse, bağımsız değişkenler Aktör Türü ve Eylem Sınıfı'dır. Aktör Tipi'nin iki düzeyi vardır (yani, çalışmada performans gösteren iki farklı aktör, Aktör1 ve Aktör2). Eylem Sınıfının iki düzeyi vardır: Eylem Sınıfı1 ve Eylem Sınıfı2 ve her sınıf dört eylem içerir. Katılımcılar iki aktörü dört blokta ayrı ayrı değerlendirir (her blokta bir aktör) ve her blokta aktörler tüm eylemleri dengesiz bir sırayla gerçekleştirir. Katılımcılar, önceden tanımlanmış ve zorunlu iki boyuta göre değerlendirmeler yaparlar: Ajans ve Deneyim. Deneydeki dört blok (1) Ajans Bloğunda Aktör1, (2) Ajans Bloğunda Aktör2, (3) Deneyim Bloğunda Aktör1 ve (4) Deneyim Bloğunda Aktör2'dir. Blokların sırası da katılımcılar arasında dengelenir, böylece aynı ajana sahip bloklar asla birbirlerini takip etmez.

Katılımcıların cevaplarının yanı sıra, iki yanıt alternatifinden birine doğru ilerlerken kullandıkları kablosuz farenin yanıt süreleri ve x-y koordinatları da kayıt altına alınmaktadır. Bu nedenle, bağımlı değişkenler, katılımcıların yanıtı ve yanıt süresi (RT) ile bilgisayar fare izlemesinden türetilen maksimum sapma (MD) ve eğrinin altındaki alan (AUC) ölçümleridir. Değişken yanıt kategoriktir; Yüksek veya Düşük olabilir ve değerlendirmeler verilen bloklardan birinde yapıldığından, yanıtlar Yüksek Ajans, Düşük Ajans, Yüksek Deneyim veya Düşük Deneyim olarak da etiketlenebilir. Tepki süresi sürekli bir değişkendir; birimi saniyedir ve bir eylemin sunumunun başlangıcı ile yanıt alternatiflerinden birinde fare tıklamasının oluşması arasında geçen süreyi ifade eder. Bir yörüngenin MD'si sürekli bir değişkendir ve katılımcı (lar) ın yörüngesi ile idealize edilmiş yörünge (düz çizgi) arasındaki en büyük dikey sapmayı ifade eder. Bir yörüngenin AUC'si de sürekli bir değişkendir ve katılımcı (lar) ın yörüngesi ile idealize edilmiş yörünge32 arasındaki geometrik alanı ifade eder.

Uyaranlar ve deneyin tasarımı
Bu çalışmada üç aşamalı bir deney kullanılmıştır. Üçüncü bölümdeki ölçümler analizler için kullanılır; İlk iki bölüm son bölüm için hazırlık görevi görür. Aşağıda, deneyin her bir bölümünü deneysel uyaranlar ve hipotezlerle birlikte açıklıyoruz.

Deney Bölüm 1'de (sözcüksel eğitim bölümü), katılımcılar Ajans ve Deneyim kavramlarını ve Yüksek ve Düşük kelimeleriyle temsil edilen kapasite seviyelerini anlamak için bir eğitim oturumunu tamamlarlar. Bu eğitim oturumunda kullanılacak kavramları (n = 12) seçmek için, mevcut çalışmanın yazarlarından bazıları normatif bir çalışma yürütmüştür33. Bu çalışmanın katılımcıların ana dillerinde yapılması planlandığından, kavramlar normalleştirilmeden önce Türkçe'ye de çevrilmiştir. Kavramlar, iki boyutun Yüksek (n = 3) ve Düşük (n = 3) uçlarıyla (her biri için altı kavram) güçlü bir şekilde ilişkili olanlar arasından seçildi. Bu bölüm çok önemlidir, çünkü katılımcıların kavramları anlamalarının değerlendirme süreçlerine rehberlik etmesi beklenmektedir.

Deney Bölüm 2'de (eylem tanımlama bölümü), katılımcılar Actor1 ve Actor2 tarafından gerçekleştirilen aynı sekiz eylemi birbiri ardına izler ve eylemin ne olduğunu deneyciye bildirir. Bu bölüm bir manipülasyon kontrolü görevi görür; Her iki aktör de gerçekleştirirken tüm eylemleri sunarak, katılımcıların hızlı değerlendirmeler yapmaları gereken örtük teste başlamadan önce eylemleri anladıklarından ve aktörlere aşina olduklarından emin olmak mümkündür. Eylem Sınıfı1 ve Eylem Sınıfı2 için seçilen eylemler, bazı yazarlar tarafından yürütülen her bir aktör koşulu için iki normatif çalışmanın (N = 219) sonuçlarına göre en yüksek H puanlarına ve güven düzeylerine (her eylem sınıfında dört farklı eylem örneği) sahip olanlardır (hazırlık aşamasındaki makale). Tüm eylemler 6 sn'lik eşit bir süre içinde gerçekleştirilir.

Bu devam eden bir çalışmadır ve başka bileşenleri de vardır; Bununla birlikte, yukarıda açıklanan bölümler için hipotezler aşağıdaki gibidir: (i) aktörün türü bağımlı değişkenleri etkileyecektir; Actor2, Actor1'e kıyasla daha uzun RT'ler, daha yüksek MD'ler ve daha büyük AUC'ler üretecektir; (ii) eylemin türünün bağımlı ölçümleri etkileyeceği; Eylem Sınıfı1, Eylem Sınıfı2'ye kıyasla daha uzun RT'ler, daha yüksek MD'ler ve daha büyük AUC'ler verir; (iii) Aynı aktör ve aksiyon sınıfı için Yüksek ve Düşük yanıtlar için bağımlı ölçümler blok boyutları arasında farklılık gösterecektir: Ajans ve Deneyim.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Bu çalışmadaki deneysel protokoller Bilkent Üniversitesi İnsan Katılımcılarla Araştırma Etik Kurulu tarafından onaylanmıştır. Çalışmaya dahil edilen tüm katılımcılar 18 yaşın üzerindeydi ve çalışmaya başlamadan önce bilgilendirilmiş onam formunu okuyup imzaladılar.

1. Genel tasarım adımları

NOT: Şekil 1A (üstten görünüm) ve Şekil 1B ve Şekil 1C (önden ve arkadan görünümler) laboratuvar düzenini göstermektedir; Bu rakamlar, bu özel çalışma için tasarlanan orijinal laboratuvar kurulumu ve konfigürasyonuna göre oluşturulmuştur. Şekil 1A, laboratuvarın üstten görünüm düzenini gösterir. Bu şekilde, tavanda ve aktör dolabında LED ışıkları görmek mümkündür. Karartma perdesi sistemi odayı ikiye böler ve ışığın odanın ön kısmına sızmasını önleyerek ışık manipülasyonuna yardımcı olur (Katılımcı Alanı). Şekil 1B, laboratuvarın deneycinin bakış açısından görünümünü sunmaktadır. Katılımcı, OLED ekranın hemen önünde oturur ve şeffaf ekranı kullanarak, aktörler tarafından gerçekleştirilen canlı eylemleri izleyebilir. Yanıtlarını, önlerindeki yanıt aygıtını (kablosuz fare) kullanarak verirler. Deneyci, katılımcı ekranından (OLED ekran) ve güvenlik kamerasından gelen görüntülerden oyuncuyu aynı anda izleyebilir. Şekil 1C, katılımcı tarafından görülemeyen güvenlik kamerası ve Aktör kişisel bilgisayarı (PC) ile çalışmanın sahne arkasını (Aktör Alanı) göstermektedir. Güvenlik kamerası görüntüleri, aktörler ve deneyci arasındaki iletişimi kurmak için Kamera PC'sine gider. Aktör PC, denemenin herhangi bir kesinti olmadan akması için blok sırasını ve sonraki eylem bilgilerini aktöre görüntüler. Katılımcılar önceki denemedeki eyleme yanıt verirken aktörler bir sonraki eylemi hızlı bir şekilde kontrol edebilir.

figure-protocol-1
Resim 1: Natüralist laboratuvar kurulumu. (A) Natüralist laboratuvar kurulumunun yukarıdan aşağıya görünümü. (B) Katılımcının bakış açısından natüralist deney düzeneğinin arka ve ön tarafları. (C) Oyuncunun bakış açısından natüralist deney düzeneğinin arka ve ön tarafları. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

  1. (1) bir ana kontrol masaüstü bilgisayarı (Experimenter PC), (2) bir aktör dizüstü bilgisayarı (Actor PC) ve (3) bir Kamera bilgisayarı, bir kablosuz yanıt cihazı (Katılımcı Fare), iki ekran, bir aydınlatma devresi ve bir güvenlik kamerası dahil olmak üzere üç bilgisayar içeren bir kurulum tasarlayın (bu çalışmanın kurulumunun sistem diyagramı için bkz. Şekil 2A ).
    NOT: Deneyci PC, deneyci tarafından deneme komut dosyalarını çalıştırmak için kullanılacak, Aktör PC, aktör tarafından denemenin bloklarını ve bloklardaki eylemlerin sırasını izlemek için kullanılacak ve üçüncü cihaz olan Kamera PC, aktör alanında bulunan güvenlik kamerasına bağlanacak ve deneyci tarafından sahne arkasını izlemek için kullanılacaktır.
  2. Ayrı ekranları (biri uyaranların sunumu için [Katılımcı Ekranı], yani OLED ekranı) ve deneyin izlenmesi için bir ekranı, yanıt cihazını ve aydınlatma devresini (kablolar veya kablosuz bağlantılar aracılığıyla ) Deneyci PC'ye bağlayın (bkz. Şekil 2A).
  3. Deneme durumuyla ilgili bilgileri (ör. "sonraki eylem kimliği 'tebrik'") aktörlere iletmek için Deneyci Bilgisayarını ve Aktör Bilgisayarını kablosuz bir ağ üzerinden bağlayın.
  4. LED'leri açıp kapatmak için bir mikrodenetleyici tarafından kontrol edilebilen bir aydınlatma devresi tasarlayın ve oluşturun (devre kartı için Şekil 2B'ye bakın).
    NOT: Şekil 3A , deneycinin bakış açısından çalışmada kullanılan OLED ekranın opak kullanımını göstermektedir. Opaklığı sağlamak için ekranın arka planı beyaza ayarlanır (RGB: 255, 255, 255) ve odadaki tüm ışıklar (hem Katılımcı Alanında hem de Aktör Alanında) kapatılır. Katılımcı, uyaranlardan önce fiksasyonu görür. Şekil 3B , deneycinin bakış açısından çalışmada dijital ekranın şeffaf kullanımını göstermektedir. Saydamlığı etkinleştirmek için ekranın arka planı siyaha ayarlanır (RGB: 0, 0, 0) ve tavandaki LED ışıkları yanar. Katılımcı oyuncuyu izler. Şekil 3C , çalışmada dijital ekranın opak kullanımını göstermektedir. Opaklığı sağlamak için ekranın arka planı beyaza ayarlanır (RGB: 255, 255, 255) ve odadaki tüm ışıklar kapatılır. Katılımcıya yanıt vermesi için değerlendirme ekranı sunulur. Kablosuz fare kullanarak imleci ekranın sol üst veya sağ üst köşesine (Yüksek veya Düşük olmak üzere iki yanıt seçeneğinden biri) sürüklemeleri gerekir. Fare yörüngeleri ve tepki süreleri kaydedilir.
  5. Mikrodenetleyiciyi Experimenter PC'ye bağlayın.
  6. Denemeyi çalıştıran komut dosyalarını Experimenter PC'de depolayın.
    NOT: Şekil 4A , deney sırasında sahne arkasını (Aktör Alanı) göstermektedir. Odanın ön ışıkları (Katılımcı Alanı) kapalı ve Aktör Bilgisayarı aktör tarafından gerçekleştirilecek eylemin adını gösteriyor. Şekil 4B , oyuncuların sıralarını bekleyebilecekleri ve kıyafetlerini değiştirebilecekleri aktör kabinini göstermektedir. Oyuncu dolabı katılımcının gözünden görülmüyor ve perde sistemi kullanıldığı için oyuncular istedikleri girişi kullanabiliyorlar. Deney sırasında, şekilde görüntülenen floresan ışıklar kapalıdır.

figure-protocol-2
Şekil 2: Sistem ve kablolama şeması . (A) Natüralist deney düzeneğinin sistem diyagramı. (B) Deney sırasında OLED ekranını destekleyen ışık devresinin kablolama şeması. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-protocol-3
Şekil 3: Deneycinin bakış açısından OLED ekranı. (A) OLED dijital ekranın deneycinin bakış açısından opak kullanımı. (B) OLED dijital ekranın deneycinin bakış açısından şeffaf kullanımı. (C) OLED dijital ekranın bir yanıt süresi boyunca deneycinin bakış açısından opak kullanımı. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-protocol-4
Şekil 4: Deneyin sahne arkası. (A) Bir deneme denemesi sırasında sahne arkası. (B) Aktör dolabı, oyuncuların deney sırasında sıralarının görünür olmasını bekleyebilecekleri OLED ekranın arkasındadır. Bu şeklin daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

2. Aydınlatma devresinin tasarımı ve uygulanması

  1. Devrenin cihazlarına/bileşenlerine güç vermeden önce izlenecek adımlar
    1. Sahne arkasına takılan LED'lerin durumlarını değiştirmek için (Aktör Alanı), Experimenter PC'ye LED'leri AÇIK veya KAPALI olarak değiştirme yeteneği sağlayın.
    2. Experimenter PC'den gönderilecek dijital komutları bir USB kablosu üzerinden iletmek için, dijital girişleri alabilen ve dijital çıktı üretebilen bir mikrodenetleyici cihazı seçin (bu çalışmada kullanılan mikrodenetleyici için Malzeme Tablosuna bakınız).
    3. Mikrodenetleyicinin USB girişine bir USB kablosuyla bağlanmak için Experimenter PC'nin belirli bir USB bağlantı noktasını seçin. Tüm bağlantıların başarıyla kurulduğundan emin olmadan bilgisayarı açmayın.
    4. Mikrodenetleyici tarafından üretilen çıkış sinyalinin genliğini (yaklaşık 3,3 V) artırmak için bir anahtarlama modülü ekleyin.
    5. Belirlenen dijital çıkış pimini (bu deney için belirlenen pim D9'dur) ve mikrodenetleyicinin topraklama pimlerini anahtarlama modülüne bağlayın.
    6. Yükü (LED'ler) çalıştırmak için, anahtarlama modülü tarafından üretilen sinyalle tahrik edilen yüksek güçlü bir metal-oksit-yarı iletken alan etkili transistör (MOSFET) modülü (veya MOSFET modülü) ekleyin ve MOSFET modülünün sinyal pimlerini anahtarlama modülündeki karşılık gelen sinyal-toprak çiftine bağlayın.
    7. MOSFET modülünün sıcak yatak pimlerini yüke bağlayın.
    8. Modüllere (ve dolaylı olarak LED'lere) düzenlenmiş bir sabit voltaj sağlamak için, alternatif akım (AC) şebeke girişini alan ve devrede sabit bir DC voltajı üreten bir LED güç kaynağı ekleyin.
    9. LED güç kaynağının çıkışlarını hem MOSFET modülünün hem de anahtarlama modülünün güç girişlerine bağlayın.
  2. Devre bileşenlerini kabloladıktan sonra izlenecek adımlar
    1. USB kablosunu Experimenter PC'nin seçilen USB bağlantı noktasına bağlayın.
    2. Mikrodenetleyici ile Experimenter PC'de çalışan yazılım ortamı arasında bir seri iletişim bağlantısı oluşturun ( Mikrodenetleyiciyi Experimenter PC'ye bağlama alt bölümüne bakın).
    3. LED güç kaynağını AC şebeke girişine bağlayın.

3. Deneyin programlanması

NOT: Üç ana deneysel komut dosyasının (ExperimentScript1.m [Ek Kodlama Dosyası 1], ExperimentScript2.m [Ek Kodlama Dosyası 2] ve ExperimentScript3.m [Ek Kodlama Dosyası 3]) yanı sıra çeşitli işlevler (RecordMouse.m [Ek Kodlama Dosyası 4], InsideROI.m [Ek Kodlama Dosyası 5], RandomizeTrials.m [Ek Kodlama Dosyası 6], RandomizeBlocks.m [Ek Kodlama Dosyası 7], Denemeyi gerçekleştirmek için GenerateResponsePage.m [Ek Kodlama Dosyası 8], GenerateTextures.m [Ek Kodlama Dosyası 9], ActorMachine.m [Ek Kodlama Dosyası 10], MatchIDtoClass.m [Ek Kodlama Dosyası 11] ve RandomizeWordOrder.m [Ek Kodlama Dosyası 12]).

NOT: Ayrıntılı açıklamalar için lütfen ilgili komut dosyalarına bakın.

  1. Deneme ve blok emirlerinin randomizasyonu
    1. Randomizasyon parametrelerini (katılımcı kimliği gibi) girdi olarak alan ve bir dizi sözde randomize dizi döndüren deneme sıralarını (RandomizeTrials.m) ve blok emirlerini (RandomizeBlocks.m) randomize etmek için iki işlev tanımlayın ve oluşturun.
    2. Randomize dizilerin nasıl oluşturulduğuna ilişkin ayrıntılar için RandomizeBlocks.m (satır 2-24) ve RandomizeTrials.m (satır 3-26) komut dosyalarına bakın.
  2. Yanıtın izlenmesi (RecordMouse, InsideRoi)
    1. Katılımcıların fare yörüngesini ve deneme sırasında geçen süreyi izleyen ve kaydeden bir işlev oluşturun (bkz.
    2. Tıklanan koordinatların kabul edilebilir bölgelerin içinde olup olmadığını kontrol etmek için bir yardımcı işlev oluşturun (bkz.
  3. Talimatlar ve geri bildirimler için doku oluşturma (GenerateTextures.m, GenerateResponsePage.m)
    1. Denemeyle ilgili talimatları ve denemelerle ilgili geri bildirimleri görüntü olarak hazırlayın.
    2. Bu görüntülerin içeriğini bir .mat dosyasına kaydedin (bkz: ExperimentImages.mat dosyası [Ek Kodlama Dosyası 13]).
    3. Ekran penceresi oluşturduktan sonra .mat dosyasını çalışma alanına yükleyin (bkz. GenerateTextures.m satır 25).
    4. Her görüntü için ayrı bir doku ve tanımlayıcısı oluşturun (bkz. GenerateTextures.m satır 27-165).
    5. Her deneme komut dosyası için ilgili yanıt sayfası dokularını çizmek üzere bir işlev tanımlayın (bkz.
  4. Aktör Bilgisayarı TCP/IP üzerinden Deneyci Bilgisayara Bağlama
    1. Experimenter PC'de çalışan komut dosyasında bir TCP sunucusu yuvası oluşturun (bkz. ExperimentScript2.m satır 174).
    2. Actor PC'de çalışan komut dosyasında karşılık gelen bir TCP istemci yuvası oluşturun (bkz. ActorMachine.m satır 16).
    3. Experimenter PC'de çalışan komut dosyasındaki aktörlere yaklaşan blok/deneme sürümü hakkında bilgi gönderin (ExperimentScript2.m'de 207, 229 ve 278. satırlara bakın veya ExperimentScript3.m'de 136, 141, 153, 159 ve 297. satırlara bakın).
    4. Experimenter PC'den alınan bilgileri Actor PC'nin ekran penceresinde görüntüleyin (ActorMachine.m'deki 31-47. satırlara bakın).
  5. Mikrodenetleyiciyi Experimenter PC'ye bağlama
    1. Sahne arkasında takılı LED'lerin durumunu (AÇIK veya KAPALI) kontrol etmek için mikrodenetleyiciyi belirli bir USB bağlantı noktasına (örneğin, PORT 9) bağlayın.
    2. Mikrodenetleyici aygıtı ile Experimenter PC arasında seri iletişim kurun (bkz. satır 185 in ExperimentScript2.m betiği).
    3. Eylemler USB kablosuyla görüntülenirken LED'leri açmak için Experimenter PC'de çalışan komut dosyasından mikrodenetleyiciye mantık yüksek sinyali (1) gönderin (ExperimentScript2.m'deki satır 290'a bakın veya ExperimentScript3.m komut dosyalarındaki satır 311'e bakın).
    4. Katılımcının yanıt vermesi beklendiğinde LED'leri kapatmak için Experimenter PC'de çalışan komut dosyasından mikrodenetleyiciye mantık düşük sinyali (0) gönderin (ExperimentScript2.m'deki satır 292'ye bakın veya ExperimentScript3.m komut dosyalarındaki satır 314'e bakın).

4. Örnek bir deneyin akışı

  1. Deneme öncesi adımlar
    1. Laboratuvardaki tüm cihazların (Deneyci Bilgisayarı, Kamera Bilgisayarı, Aktör Bilgisayarı ve Katılımcı Ekranı) bir UPS tarafından desteklendiğinden emin olun.
    2. Lightning mikrodenetleyicisini bir USB kablosuyla Experimenter PC'ye bağlayın, böylece Experimenter PC açıldığında otomatik olarak açılır.)
    3. Experimenter PC'yi açın ve 5 GHz Wi-Fi'ye bağlı olup olmadığını kontrol edin.
    4. Ses aygıtını ( Malzeme Tablosundaki hoparlörler) Deneyci Bilgisayarın ses çıkış aygıtı olarak seçin.






figure-protocol-5



    2. figure-protocol-6



Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Yanıt süresi (RT) karşılaştırmaları
Mevcut çalışma devam eden bir projedir, bu nedenle, temsili sonuçlar olarak, deneyin ana bölümünden (Deney Bölüm 3) veriler sunulmaktadır. Bu veriler, yaşları 18-28 arasında değişen 23 kadın ve 17 erkek olmak üzere 40 katılımcıdan alınmıştır (M = 22.75, SD = 3.12).

Analizler için uygun istatistiksel yöntemi seçmek için bağımlı değişkenlerin dağılımının normalliğinin kapsamının araştırılması gerekliydi. Bu nedenle, Shapir...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bu çalışmanın genel amacı, insan üst düzey görsel algı ve bilişinin gerçek yaşam durumlarında nasıl çalıştığına dair anlayışımıza katkıda bulunmaktır. Bu çalışma, eylem algısına odaklanmış ve araştırmacıların laboratuvar ortamında gerçek aktörleri sunarak bireylerin başkalarının eylemlerini nasıl algıladıklarını ve değerlendirdiklerini test etmelerini sağlayan doğalcı ancak kontrol edilebilir bir deneysel paradigma önermiştir.

Bu önerilen metodolojinin mevcut metodolojilere kıyasla önemi üç ka...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar, bu makalede açıklanan araştırma ile ilgili herhangi bir ilgili veya maddi mali çıkarları olmadığını beyan ederler.

Teşekkürler

Bu çalışma Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (Proje no: 120K913) ve Bilkent Üniversitesi'nden Burcu A. Ürgen'e verilen hibelerle desteklenmiştir. Oyuncu değişiklikleri arasına arka plan gürültüsü ekleme fikrini getiren pilot katılımcımız Sena Er Elmas'a, ışık devresini kurduğu için Süleyman Akı'ya, sahne arkasında güvenlik kamerası kullanma fikri ve çalışmadaki oyunculardan biri olarak katkısı için Tuvana Karaduman'a teşekkür ederiz.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Ayarlanabilir Yükseklik TablosuÖzel yapımN/AGenişlik: 60 cm, Yükseklik: 62 cm, Derinlik: 40 cm
Ardunio UNO Akıllı ProjelerA000066Operatör bilgisayarında çalışan komut dosyasından LED'lerin durumunu değiştirmek için kullanılan mikrodenetleyici
Siyah PantolonMarka yokN/ABelirgin bir marka adı veya logosu olmayan aktörlerin rahat kesim pantolonları.
KılıfXigmatekEN43224XIGMATEK HELIOS GÖKKUŞAĞI LED USB 3.0 MidT ATX OYUN KASASI
CPUAMDAMD Ryzen 5 1600 Soket AM4 3.2 GHz - 3.6 GHz 16 MB 65 W 12 nm İşlemci
PerdeleriÖzel yapımN/AGenişlik: Bölüm 1: Duvar (sol) tarafından 110 cm genişlik, Bölüm 2: OLED ekranın üzerinde 123 cm genişlik, Bölüm 3: OLED ekrandan sağ tarafa doğru 170 cm, Kabin derinliği: 100 cm, Kabin içi derinlik: 100 cm, Bölüm 2 hariç tüm yükseklikler 230 cm (75 cm yükseklik)
Deneyci Ayarlanabilir/Döner SandalyeMarka yok YokHerhangi bir marka
Deneyci MasasıÖzelN/AGenişlik: 160 cm, Yükseklik: 75 cm, Derinlik: 80 cm
GPUMSIGT 1030 2GHD4 LP OCMSI GEFORCE GT 1030 2GHD4 LP OC 2GB DDR4 64bit NVIDIA GPU
Gri renkli karartma perdesiÖzel yapımN/AGenişlik: 330 cm, Yükseklik: 230 cm, arka planı kaplamak için kullanılır
Sabit DiskKioxiaLTC10Z240GG8 Kioxia 240 GB Exceria Sata 3.0 SSD (555 MB Okuma/540 MB Yazma)
Sabit DiskToshibaHDWK105UZSVAToshiba 2,5'' 500 GB L200 SATA 3.0 8 MB Önbellek 5400 Rpm 7 mm Harddisk
Yüksek Güçlü MOSFET ModülüN/AN / AIsıtma Kontrol Cihazı MKS MOSFET
Modülü Dizüstü BilgisayarAppleS/N: C02P916ZG3QTMacBook Pro 11.1 Intel Core i7 (Aktör PC olarak kullanılır)
LaptopAsus UX410UGüvenlik kamerasını gerçek zamanlı olarak izlemek için kullanılır.
LED ışıklarHiçbir markaN/A
LED Şerit Güç KaynağıAydınlatmadevresine DC voltajı sağlamak için kullanılan marka N/A AC'den DC'ye voltaj dönüştürücü
yok MATLAB MathWorks Inc., Natick, MA, ABDSürüm: R2022aDeneyi programlamak için kullanılır.

Gerekli Araç Kutuları:
Arduino Donanımı için MATLAB Destek Paketi (sürüm 22.1.2)
Enstrüman Kontrol Araç Kutusu (sürüm 4.6)
Psychtoolbox (sürüm 3)
PhilipsUHB2051005145 Model Kimliği: 242V8A/00, PHILIPS 23.8" 242V8A 4ms 75 Hz Freesync DP-HDMI+VGA IPS Oyun Monitörü 
AnakartMSIB450M-A PRO MAXMSI B450M-A PRO MAX Amd B450 Soket AM4 DDR4 3466(OC) M.2 Anakart
Mouse Pad katılımcıMonster  78185721101502042 / 8699266781857Pusat Oyun Mouse Pad XL
Gece lambasıAukesES620-0.5W 6500K-IP 20Sahne arkasında ışıklar kapalıyken oyuncuların etrafı görmelerine yardımcı olmak için kullanılır.
Katılımcı Ayarlanabilir/Döner SandalyeNo marka N/A
Katılımcı MasasıIKEASandsberg 294.203.93Genişlik: 110 cm, Yükseklik: 75 cm, Derinlik: 67 cm
Güç Uzatma KablosuViko9011760Y250 V (6 giriş) Siyah
Güç Uzatma KablosuViko9011730Y250 V (3 giriş) Siyah
Güç Uzatma KablosuViko9011330Y250 V (3 girişli) Beyaz
Güç Uzatma Kablosus-link Model No: SPG3-J-10AC - 250 V 3 metre (5 giriş)
Güç KaynağıTHERMALTAKEPS-LTP-0550NHSANE-1THERMALTAKE LITEPOWER RGB 550W APFC 12 cm FAN PSU
Profesyonel Oyun FaresiRampage8680096Model No: SMX-R50 
RAMGSKILLF4-3000C16S-8GVRBGSKILL 8GB (1x8GB) RipjawsV Kırmızı DDR4 3000 MHz CL16 1.35 V Tek Ram
Alım ziliMarka yokN/ADeneyci ve aktörler arasındaki iletişime yardımcı olmak için kullanılır.
Güvenlik KamerasıBrion Vega2-20204210Model: BV6000
HoparlörlerLogitechP / N: 880-000-405 PID: WD528XMArka plan müziğini çalmak için kullanılır.
Anket YazılımıQualtrics N/A Anahtarlama Modülü
Marka yokN/AF5305S PMOS Anahtar Modülü
OLED ekran altı tabloÖzel yapımN/AGenişlik: 123 cm, Yükseklik: 75 cm, Derinlik: 50 cm
Şeffaf OLED EkranDüzlemselPN: 998-1483-01 S/N:195210075Dinamik bilgileri sergileyen 55 inçlik şeffaf ekran, deney sırasında opak ve şeffaf kullanımı mümkün kıldı.
UPSEAGK200610100087EAG 110
UPSEAG210312030507EAG 103
USB 2.0 Kablo Tipi Arduino UNO için A/B (Mavi)Akıllı ProjelerM000006 Mikrodenetleyiciyi deneyci PC'ye bağlamak için kullanılır.
USB'den RS232'ye Dönüştürücü s-link8680096082559Model: SW-U610
Beyaz Uzun Kollu Bluz (2)H& M (pamuk)N/AYuvarlak yakalı, karınca belirgin marka adı veya logosu olmayan rahat kesim bluzlar.
Kablosuz KlavyeLogitechP/N: 820-003488 S/N: 1719CE0856D8Model: K360
Kablosuz Fare LogitechS/N: 2147LZ96BGQ9Model: M190 (Yanıt aygıtı olarak kullanılır)
YD1600BBAFBOX için

Kaynaklar

  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Eylem Alg sNaturalistik DeneySosyal Etkile imeffaf OLED EkranGer ek Akt r SunumuEkolojik Ge erlilikDavran sal DeneyFare Y r ngesi Analizi

İlgili makaleler