3: Gecikmeli Tahmin ile Görsel Çalışma Belleğinin Kesinliği

1. Uyaran tasarımı.

Bir renk çalışma belleği deneyi için renk seçmek, deneyin başarısı için hayati önem taşır. Aynı zihinsel renk çemberi üzerinde bulunan renkleri seçmek önemlidir, bu nedenle renklerin hepsi aynı düzlemde bulunmaları nedeniyle aynı parlaklığa ve arka plan renginden eşit uzaklıkta olmaları nedeniyle aynı kontrasta sahiptir. Fiziksel olarak, algılanan renk, bir yüzeyden yansıyan ışığın dalga boyları olan doğrusal bir boyutla ilgilidir. Ancak, algısal olarak, renk uzayı - renklerin zihinsel olarak nasıl temsil edildiğine dair ilişkiler - doğrusal değildir. En erken yaşlarda bile, çocuklara renk "daireleri" ve "halkalar" hakkında düşünmeleri öğretilir.

Bu videoda, her deneysel deneme üç bölümden oluşmaktadır (Şekil 1): Bölüm A, 180 renkten bir ila sekizinin rastgele seçildiği ve her biri 500 ms boyunca küçük bir kare içinde ekranda sunulduğu örnek aşaması; Bölüm B, numunelerin kaybolduğu ve katılımcının 900 ms boyunca boş bir ekranla karşı karşıya kaldığı gecikme; ve Bölüm C, tam renk halkası ile birlikte boş bir karenin göründüğü test. Katılımcının görevi, numune aşamasında (Bölüm A) görülen rengi hatırlamak ve bu rengi halka üzerine fare ile tıklamaktır.

Şekil 1. Gecikmeli tahmin prosedürü. Her denemede, 180 ayrı renkten biri (örnek) 500 ms boyunca gösterilir, ekran 900 ms boyunca kararır ve ardından katılımcının renk halkasına fare tıklaması yoluyla hatırlanan örnek rengi bildirmesi gerekir.

1. Denemeden denemeye uyaran olarak hizmet etmek için büyük bir bireysel renk seti seçin.
   1. Herhangi bir rengin doğal olarak diğerlerinden daha akılda kalıcı olmasını önlemek için renklerin arka plana göre aynı parlaklığa (ışık yoğunluğu) ve aynı kontrasta sahip olduğundan emin olun.
   2. Renk seçimlerini yaparken, algısal renk uzayını üç boyutlu olarak tanımlamanın uluslararası standartlaştırılmış bir yolu olan CIELAB'a başvurun. Bu, doğru özelliklere sahip renklerin seçilmesini kolaylaştırır.
   3. Birlikte bir daire oluşturan renkleri, arka plan rengi bu dairenin merkezi olacak şekilde seçin. Çoğu deney, her biri aynı parlaklığa sahip, ancak renk tonu değişen 180 ayrı renk içerir (Şekil 2).

Şekil 2. 180 ayrı renk içeren bir renk halkası. Yüzük, CIELAB alanında işlenmiş olarak gösterilir. Tüm örnekler aynı L* koordinat değerine sahiptir, bu da kabaca aynı parlaklığa sahip oldukları anlamına gelir. Halkanın merkez noktası (gri renkte doğru bir şekilde gösterilmiştir), örnek renklerle aynı parlaklığa sahip, ancak kromatik değere sahip olmayan akromatik bir noktadır (, yani a* ve b* koordinatları sıfıra eşit olan ). 180 ayrı renk örneği, a* ve b* değerleri açısından farklılık gösterir ve her bir rengi üretmek için orantılı mavi/sarı ve macenta/yeşil karışımlarını belirtir.

2. Prosedür.

1. Başlamadan önce, katılımcıya uyaranları ve renklerini hatırlamasını söyleyin. Her denemede, 500 ms boyunca ekranda 180 renkten bir ila sekizini gösterin.
   1. Her denemede renkleri rastgele seçin ve renklerin her birini yaklaşık 1° görsel açı kaplayan küçük bir karede oluşturun. Bu kareler örnek uyaranlardır.
   2. Her denemenin bir ila sekiz kare olduğundan emin olun. Genel olarak, deneyin her biri 1, 2, 3, 4, 5, 6, 7 ve 8 örnek kare içeren 60 denemesi olmalıdır. Bu da toplam 480 deneme anlamına geliyor.
   3. 480 deney denemesine ek olarak, deneye 10 alıştırma denemesi ile başlayın. Katılımcının alışması için ilk beşte sadece 1-2 örnek madde bulunmalıdır.
      1. Deneyin başlangıcında, katılımcıya talimatları şu şekilde açıklayın: "Bu deneyde, insanların renkleri ne kadar kesin hatırladığını incelemek istiyoruz. Her denemede, aynı anda farklı renklerde sunulan bir dizi kare göreceksiniz. Göreviniz, her karenin rengini olabildiğince kesin bir şekilde hatırlamaya çalışmaktır. Yaklaşık yarım saniye sonra kareler kaybolacaktır. Onları aklında tut. Ardından, karelerden birinin konumları incelenecek ve sizin göreviniz, bir renk çarkında tam o konumda olan karenin rengini bildirmektir. Sizi her şeye alıştırmak için 10 alıştırma denemesi yapacağız. Varsa soru sormaktan çekinmeyin. Elinizden gelenin en iyisini yapın ve kararsız hissediyorsanız, sadece tahmin edin."
2. Örnek kareler kaybolduktan sonra, 900 ms boyunca boş bir ekran sunun. Bu, katılımcının az önce görülen örnek öğeler için hafızasını koruması gereken gecikme süresidir, çünkü bunlar artık ekranda mevcut değildir.
3. Gecikme süresini test takip eder: örnek ekrandan öğelerden birini rastgele seçerek başlayın.
4. Başlangıçta olduğu yerde, siyah bir kare taslak çizin. Bu sonda. Katılımcıya hafızadan hangi öğeyi hatırlaması gerektiğini söyler.
5. Prob ile birlikte, renklerin seçildiği renk halkasını sunun.
6. Katılımcıya, incelenen numune öğesi için hatırlayabilecekleri renge en yakın halkaya tıklaması talimatını verin.
   1. Her test denemesinde, yüzüğü farklı bir rastgele dönüşte sunun, böylece katılımcılar alanın belirli kısımlarını belirli renklerle ilişkilendiremezler.
   2. Katılımcıya, herhangi bir denemenin cevabından emin değillerse, tahmin etmeleri gerektiğini açıkladığınızdan emin olun. Bir yanıt verilene kadar test ekranını açık bırakın ve katılımcı renk halkasına her tıkladığında bir deneme sona erer.
7. Her deneme hakkında mümkün olduğunca fazla veri depolayın. Bu denemedeki çıktı dosyası için bazı noktalar kritik öneme sahiptir:
   1. Çıktı dosyasını bir elektronik tabloda oluşturun. Sayfadaki her satır belirli bir denemeyi yansıtır.
   2. Kritik olarak, aşağıdakileri kaydedin: denemedeki örnek öğelerin sayısı, incelenen öğenin gerçek rengi ve katılımcının yanıt olarak seçtiği renk. Bu verilerle, gerçek ve yanıtlanan renk arasındaki açısal fark daha sonra hesaplanabilir.

3. Analiz.

1. Her deneme için açısal yanıt hatasını hesaplayın.
   1. Her denemedeki doğru yanıt ile verilen yanıt arasındaki renk sayısını hesaplayın ve ardından bu sayıyı 2 ile çarpın, çünkü renklerin her birini 2° ayırın. Sonuç, her denemedeki açısal hatadır.
   2. Bunu e-tabloda bir sütun yapın.
2. Tüm denemelerdeki açısal hataların ortalamasını alın (herhangi bir rengin diğerinden daha büyük ortalama açısal hatalar üretmesi için hiçbir neden olmadığı varsayımı altında). Bu, farklı açısal hataların frekansının bir dağılımıyla sonuçlanır (Şekil 3). Dağılımın ortalamasının sıfır olduğuna ve normal olarak dağıtıldığına dikkat edin.
3. Açısal hataların dağılımından, renkli çalışma belleğinin hassasiyetini hesaplayın.

Şekil 3. Bir deney boyunca tüm denemelerde çöken açısal hataların sıklığı. Hatalar, sıfıra odaklanmış normal bir dağılım oluşturmalıdır - doğru yanıtı ortalama yanıt olarak gösterir. Dağılımın değişkenliği, özellikle standart sapma, bellek hassasiyetini tahmin etmek için kullanılabilir.

Deneysel psikologlar, görsel anıların kesinliğini değerlendirmek için gecikmeli tahmin paradigmasını kullanırlar ve bu tür anıların bir kerede hatırlamaya çalıştıkça nasıl bozulduğunu değerlendirirler.

Bir yandan, insan hafızası, bir bireyin hatırlayabileceği bilgi parçalarının sayısı ile sınırlıdır - kileri yeniden stoklamak için kaç öğeye ihtiyaç duydukları gibi - bu, niceliksel olarak sınırlı olduğu anlamına gelir.

Bellek, hassasiyeti açısından da sınırlı olabilir. Örneğin, bir kişi annesini telefonda tanıyabilir çünkü sesinin sesini hatırlar. Bununla birlikte, bir bireyin annesinin sesine ilişkin "depolanmış" hafızası, gerçek, fiziksel sesiyle mükemmel bir şekilde eşleşmeyebilir. Bu nedenle, bellek niteliksel olarak da sınırlandırılabilir.

Gecikmeli tahmin paradigması, belleğin bu nicel ve nitel sınırları arasındaki ilişkiyi değerlendirmek için bir yol sağlar.

Bu video, uyaranın nasıl tasarlanacağı ve gecikmeli bir tahmin paradigması içeren bir deneyin nasıl gerçekleştirileceğinin yanı sıra sonuçların nasıl analiz edileceği ve yorumlanacağı da dahil olmak üzere görsel çalışma belleğinin hassasiyetini araştırma yöntemlerini gösterir.

Bu deneyde renk, görsel çalışma belleğinin kesinliğini değerlendirmek için ideal bir uyaran sağlar, çünkü renk halkası olarak bilinen sürekli, doğrusal olmayan bir spektrumda zihinsel olarak temsil edilebilir.

Katılımcılardan, bir renk uyaranını hatırlamaları gereken birkaç deneme yapmaları istenir. Bu denemelerin her biri üç aşamadan oluşur: numune, gecikme ve test.

Örnekleme aşaması sırasında, ekranda 500 ms boyunca rastgele renkli bir kare belirir. Kare daha sonra kaybolur ve boş bir ekran bırakır.

Bu gecikme aşaması sayesinde, katılımcılardan 900 ms boyunca boş ekrana odaklanmaları istenir, bu sayede örnek rengin hatırlanması gerekir.

Son test aşamasında, siyah çerçeveli ve renksiz bir prob, daha önce gösterilen renkli kutu ile aynı konumda görünür.

Eş zamanlı olarak katılımcılara 180 farklı renkten oluşan bir renk halkası gösterilir ve renk halkasının orijinal örnek renge en çok benzeyen bölgesini seçmeleri istenir.

Renk halkasının her zaman rastgele bir yönde göründüğünü ve bu da katılımcıların ekrandaki belirli alanları belirli renklerle ilişkilendirememesini sağlar.

Görev zorluğunu artırmak için, bellek yükü - her denemede gösterilen renkli kutuların sayısı - bir ile sekiz arasında değiştirilir.

O halde bağımlı değişken, renk çalışma belleğinin kesinliğidir - katılımcıların örnekleme aşamasında gösterilen rengi veya renkleri ne kadar doğru hatırladıklarıdır.

Belirli bir örnek renk için, katılımcıların "gerçek" renk aralığında değişiklik göstermesi beklenir, ancak nadiren büyük ölçüde farklı renkler seçerler.

Bellek yükü arttıkça, renkli çalışma belleğinin hassasiyetinin azalması muhtemeldir.

Başlamak için, birlikte bir renk halkası oluşturan çeşitli tonlara sahip 180 renkten oluşan bir set seçin. Bu renklerin ekrandaki arka plan rengine göre aynı ışık yoğunluğunu ve kontrastı gösterip göstermediğini kontrol edin; Bu, denemeler sırasında katılımcılar için tek bir rengin daha akılda kalıcı olmamasını sağlar.

Katılımcı geldiğinde, onları bir bilgisayara yönlendirin ve deneyin prosedürünü açıklayın.

Ekranın belirli bir bölgesi incelendiğinde, yalnızca aynı konumda daha önce görünen kutunun renginin seçilmesi gerektiğini vurgulayın. Ek olarak, katılımcıya incelenen bir örnek renginden emin olup olmadıklarını tahmin etmesi talimatını verin.

Katılımcıların görevi anladıklarından emin olmak için, on uygulama denemesi yapmalarına izin verin.

Katılımcı talimatları anladıktan sonra, bir ile sekiz arasında bellek yükleri için eşit sayıda deneme ile 480 deneysel denemeyi tamamlamalarını sağlayın.

Her deneme için bellek yükünü, numune kutularının gerçek renklerini ve katılımcının gecikme süresinden sonra seçtiği renkleri kaydedin.

Verileri renkten bağımsız olarak analiz etmek için, bir denemede gösterilen ve incelenen her numune kutusu için, renk halkası üzerindeki gerçek ve seçilen yanıt renkleri arasındaki derece cinsinden mesafeyi olan açısal hatayı hesaplayın.

Katılımcı, gecikme süresinden sonra numune kutusunun tam rengini hatırladıysa, açısal hata sıfır olmalıdır.

Aynı bellek yüküyle ilgilenen her deneme grubu için, açısal hatanın X ekseninde ve frekansın Y ekseninde çizildiği bir frekans dağılım eğrisi oluşturun.

Frekans dağılım eğrileri oluşturulduktan sonra, her biri için standart sapmayı (değerlerin ortalama etrafındaki dağılımı) hesaplayın.

Bellek hassasiyetini temsil eden bir değer oluşturmak için standart sapmanın tersini alın. Bu değer büyükse, bu, belleğin bir grup deneme için kesin olduğunun göstergesidir.

Verileri görselleştirmek için, hesaplanan bellek hassasiyet değerlerini bellek yükünün bir fonksiyonu olarak çizin. Yük arttıkça, bellek hassasiyetinin azalma eğiliminde olduğuna dikkat edin, bu da bir katılımcının aynı anda kaç şeyi hatırlayabileceği ve bu bilgileri ne kadar hassas bir şekilde depolayabileceği arasında bir denge olduğunu gösterir.

Artık gecikmeli tahmin kullanarak bir deneyi nasıl tasarlayacağınızı ve gerçekleştireceğinizi bildiğinize göre, araştırmacıların şu anda görsel hafızanın farklı yönlerini ayırmak için bu paradigmayı nasıl kullandıklarına bakalım.

Şimdiye kadar, bir katılımcının tek bir deneme için yalnızca bir parça renk bilgisini kısaca saklaması gereken kısa süreli çalışma belleğini değerlendirmek için gecikmeli tahminin nasıl kullanıldığını tartıştık. Bununla birlikte, araştırmacılar bu paradigma ile uzun süreli renk hafızasını da araştırabilir ve çok daha uzun süreler boyunca değerlendirebilirler.

Ayrıca, bu paradigma, örneğin iç mimarlar gibi görsel temelli profesyoneller ve avukatlar veya doktorlar gibi potansiyel olarak daha az görsel konular gibi farklı bireyler arasındaki görsel hafızanın hassasiyetini karşılaştırmak için de kullanılabilir.

Son olarak, araştırmacılar tipik olarak renk için hafızayı değerlendirmek için gecikmeli tahmin paradigmasını kullansalar da, şekillerle ilgili olan diğer görsel çalışma belleği türlerinin nörobilişsel değerlendirmelerinde de kullanılabilir.

Az önce JoVE'nin gecikmeli tahmine girişini izlediniz. Bu yöntemin nasıl gerçekleştirileceğini ve katılımcı renk belleği verilerinin nasıl toplanacağını ve analiz edileceğini inceledik. Daha da önemlisi, bu tekniğin, insan renk hafızasının niteliksel sınırlarının nicel faktörlerden nasıl etkilenebileceğini anlamaya nasıl yardımcı olabileceğini not ettik.

İzlediğiniz için teşekkürler!