What is the difference between feature search and conjunction search?

Feature search involves finding a target distinguished by a single feature, like a red bar among blue bars, where the target pops out quickly regardless of distractor load. Conjunction search requires finding a target sharing similarities with distractors, such as a red bar at -45° among red and blue bars at +45°, making the search more difficult and dependent on distractor quantity.

How does distractor load affect response times in visual search tasks?

In feature search, response times remain relatively unaffected as distractor load increases from three to twelve items. However, in conjunction search, response times increase linearly with distractor load. Both tasks require approximately 200 milliseconds with minimal distractors, suggesting a baseline time needed to initiate searching and respond.

What is visual attention and why is it important for visual search?

Visual attention is the ability to focus on just part of an image, selectively directing processing resources to determine whether a target is present. It is crucial for understanding why some objects are easy to find in cluttered scenes while others are difficult, making it fundamental to studying visual search paradigms.

How should you design stimuli for a visual search experiment?

Create two similar conditions that vary in search difficulty: feature search with a single distinguishing feature, and conjunction search where the target shares similarities with distractors. For each condition, generate 40 trials with target present or absent, including 10 trials at each distractor load of three, six, nine, or twelve items, randomly interleaved.

What performance criteria should you use to validate participant attention during visual search?

Examine overall performance on target absent trials to ensure participants were paying attention. Exclude any participant scoring below 75% correct on these trials. This criterion ensures data quality before averaging response times across search conditions and distractor loads for analysis.

Why is feature binding important in complex visual search tasks?

Feature binding involves integrating multiple visual features, such as color and orientation, to locate a target. Finding a red bar among blue ones requires only color information, but searching for an object with multiple features demands more attention to bind those features together, increasing search difficulty and response time.

What real-world applications does visual search research have?

Visual search principles improve how physicians search for diagnostic signs in X-rays and MRI scans, and how TSA personnel search baggage scans at airports. The paradigm also explains everyday visual tasks like finding keys on a messy desk or locating a friend in a crowded airport.

Özellikler ve bağlaçlar için görsel arama

0 görüntülenme05:42 dk.

1. Uyaran tasarımı

Deney iki tür deneme içerir. Denemelerin yarısında (özellik arama denemeleri) katılımcılardan mavi olanlar arasında kırmızı bir çubuk bulmaları istenecek. Bu nedenle, kırmızı çubuğu her birine rastgele yerleştirerek ve rastgele 3, 6, 9 veya 12 mavi çubuğu da yerleştirerek 40 ekrandan oluşan bir set oluşturun. Mavi çubukların sayısı dikkat dağıtıcı yüktür. Her yükleme için eşit sayıda deneme (bu durumda 10) olacaktır.
Deney ayrıca hedef olmayan denemeleri, arama hedefini içermeyen denemeleri, bu durumda kırmızı çubuğu gerektirir. Her bir çeldirici yükü için 10 tane olmak üzere bunlardan 40 tane de yapın. Yüke göre hedef mevcut ve eksik denemeler, Şekil 1'de gösterilen örneklere benzer bir şekilde görünmelidir.

Şekil 1: Açılır görsel arama için örnek ekranlar. Üst satır, bir hedefin, tek bir kırmızı çubuğun bulunduğu denemeleri gösterir. Alt satır, hedefi olmayan veya hedefi olmayan denemeleri gösterir. Çeldirici olan hedef olmayanların sayısı soldan sağa doğru artar.
Denemelerin diğer yarısı birleşik aramayı içerecektir. Bu durumda, gözlemciler -45° (, yani , sağa değil sola eğik) yönlendirilmiş kırmızı bir çubuk arayacaktır. Yine çeldirici yükü 3, 6, 9 veya 12 dahil olmak üzere değişecektir. Ancak bu durumda, şıkkınlar iki tipte olacaktır: -45° açıyla mavi çubuklar ve +45° açıyla kırmızı çubuklar (, yani , sağa eğik). Her deneme her iki tür çeldiriciyi de içerecektir ve yine hedef eksik denemeler de olacaktır (Şekil 2).

Şekil 2: Bağlantılı görsel arama için örnek ekranlar. Üst sıra, bir hedef, sola yönlendirilmiş kırmızı bir çubuk, mevcut olan denemeleri gösterir. Alt satır, hedefi olmayan veya hedefi olmayan denemeleri gösterir. Çeldirici olan hedef olmayanların sayısı soldan sağa doğru artar.

2. Prosedür

Özellik arama ve birleşik arama denemelerini ayrı bloklarda çalıştırın. Bazı katılımcılar önce özelliği gerçekleştirir, diğerleri ise önce bağlaç yapar. Temel prosedür her iki deneme türü için de aynıdır.
Deneyi sıralamak için, mevcut/yok denemeleri ve dikkat dağıtıcı yükleri rastgele serpiştirin, böylece deney bir dizi öngörülemeyen denemeden oluşacaktır.
Her denemede, katılımcı o denemede bir hedefin olup olmadığını belirtene kadar uyaranları görüntüleyin. Yanıtları sunmak için 'M' tuşu ve eksik yanıtlar için 'Z' tuşu olmak üzere bir tuş atayın.
Katılımcının mümkün olan en kısa sürede, ancak hata yapmadan yanıt vermesini sağlayın.
ePrime gibi deneysel bir yazılım paketi veya MATLAB gibi bir programlama ortamı kullanarak, katılımcının her denemedeki yanıtını, yanıt süreleriyle birlikte kaydedin. Bu şekilde, katılımcının doğru cevap verip vermediğini kontrol edebilir ve ne kadar sürdüğünü de görebilirsiniz.

3. Analiz

Denemenin sonunda, verileri bir elektronik tabloya yazdırın. Katılımcıların doğru yanıt verip vermediğini, yanıt sürelerini ve her denemenin parametrelerini, yani , özellik veya bağlaç arama bloğunda mevcut mu yoksa yok mu olduğunu ve kaç tane çeldirici olduğunu ekleyin.
Koşulun (özellik ve bağlaç) ve çeldirici yükün bir fonksiyonu olarak, katılımcının tüm hedef mevcut denemelerdeki yanıt sürelerinin ortalamasını alın.
Hedef eksik denemelerin sonuçlarının analiz edilmediğini unutmayın. Bunlar dahil edilmiştir, çünkü aksi takdirde katılımcı, hedefi hiç bulamadan her denemede 'mevcut' düğmesine basabilir. Katılımcının dikkatini verdiğinden ve elinden gelenin en iyisini yapmaya çalıştığından emin olmak için genel performansa bakın. Genel olarak, bir katılımcı eksik denemelerde u'ten daha az doğruysa, yanıt süresi verileri analiz edilmez.
Ana analitik sorular, bağlaç ve özellik arama denemeleri arasındaki yanıt süresindeki farklılıklarla ilgilidir. Çeldirici yükü arttıkça, birleşik arama denemeleri için yanıt süreleri önemli ölçüde daha uzun olmalıdır. Ancak özellik arama denemelerinde nispeten etkilenmemiş olmaları gerekir.

Görsel dikkat, bir görüntünün yalnızca bir kısmına odaklanma yeteneğini ifade eder. İnsanların dağınık görsel sahnelerdeki nesnelere nasıl katıldıklarını incelemek için psikologlar görsel arama olarak bilinen bir paradigma kullanırlar.

Genellikle, görsel arama deneyleri, araştırmacıların bazı nesneleri bulmanın neden daha kolay olduğunu ve diğerlerinin neden daha zor olduğunu açıklamalarına yardımcı olabilir.

Görsel arama paradigmasını kullanan bu video, deneyler için uyaranların nasıl tasarlanacağını ve tanımlanacağını, sonuçların nasıl gerçekleştirileceğini, analiz edileceğini ve yorumlanacağını gösterecektir.

Uyaranları tasarlamak için, ekran içeriği açısından çok benzer, ancak arama zorluğu açısından farklılık gösteren bir çift koşul oluşturun. 'Özellik Arama' ve 'Birleşim Arama' arasındaki klasik zıt örneği düşünün.

Özellik Arama koşulunda, tek bir özelliğin bir hedefi komşuları arasında ayırt ettiği ve çeldiriciler olarak bilinen tasarım denemeleri. Burada hedef kırmızı bir çubuktur ve tüm çeldiriciler mavi çubuklardır. Katılımcı, dikkat dağıtıcı yükü üç, altı, dokuz veya 12 mavi çubuktan arttığında bile hızlı bir şekilde "dışarı çıktığı" için hedefi verimli bir şekilde bulmalıdır.

Bağlantılı Arama koşulunda, hedefin şıklarla benzerlikler paylaştığı denemeler tasarlayın. Burada, kırmızı bir hedef çubuğu -45°'ye ve hem kırmızı hem de mavi şıklar +45°'ye yönlendirilmiştir. Bu durumda, benzerlikler bir "pop-out" etkisi sağlamadığı için katılımcı aramayı daha zor bulmalıdır.

Her arama koşulunda, hedefin bulunduğu veya olmadığı 40 denemeden oluşan iki set oluşturun. Her üç, altı, dokuz veya 12 çubukluk çeldirici yüküyle 10 deneme eklediğinizden emin olun. Her arama türü için öngörülemeyen dizileri garanti etmek için tüm denemeleri rastgele serpiştirin.

Denemeye başlamak için, Özellik Arama ve Birleşim Araması görevlerini çalıştırarak başlayın. Dengeli bir tasarım kullanın, böylece bazı katılımcılar Özellik Arama ile başlar, diğerleri ise önce Birleşim Aramasını tamamlar.

Katılımcı bilgisayar başında otururken, hedef mevcut yanıtları temsil etmek için 'M' tuşunu ve hedef eksik yanıtları için 'Z' tuşunu atayın. Katılımcıya, hata yapmamaya çalışarak her denemeyi mümkün olan en kısa sürede tamamlamak için ilgili tuşlara basması gerektiğini belirtin.

Her deneme sırasında, katılımcının yanıtının doğru mu yoksa yanlış mı olduğunu ve yanıt süresini yakalayın. Sonuçları bir elektronik tabloya yazdırın.

Katılımcı her iki arama türünü de tamamladıktan sonra, katılımcının dikkatini verdiğinden emin olmak için hedef eksik denemelerin genel performansını inceleyin. Bu denemelerde u'ten daha az doğru performans gösteren herhangi bir katılımcıyı hariç tutun.

Kriter performansı doğrulandıktan sonra, arama koşulunun (Özellik ve Bağlaç) ve çeldirici yükünün bir fonksiyonu olarak, mevcut tüm hedef denemeler için her bir katılımcının yanıt sürelerinin ortalamasını alın.

Veriler daha sonra, özellik ve bağlantı arama koşulları için çeldirici yükler boyunca ortalama yanıt süreleri çizilerek grafiklendirilir. Özellik Arama görevinin yanıt süreleri, çeldirici yükünden nispeten etkilenmez. Buna karşılık, Birleşim Arama yanıt süreleri, çeldirici yüküyle doğrusal olarak artar. Ek olarak, her iki arama da en az üç şıkkı mevcutken yaklaşık 200 ms sürer. Bu, aramaya başlamak ve bir yanıt vermek için tek tip bir sürenin gerekli olduğunu gösterir.

Artık görsel arama denemesi oluşturmayı bildiğinize göre, daha spesifik araştırma sorularını yanıtlamak için bu yaklaşımı uygulayabilirsiniz.

Görsel sistemimizin karşılaştığı ana zorluklardan biri, birden fazla görsel özelliğin karmaşık entegrasyonunu içerir. Tüm mavi olanlar arasında kırmızı bir çubuk bulmak kolaydır çünkü yalnızca renk bilgisi önemlidir.

Bununla birlikte, yön ve renk gibi birkaç farklı özelliğe sahip bir nesne bulurken, bu özellikleri birbirine bağlamak için daha fazla dikkat gösterilmelidir.

Örneğin, araştırmacılar, doktorların bir röntgen veya MRI taramasına baktıklarında belirli işaretleri nasıl aradıklarını iyileştirmek için görsel arama özellikleri uygularlar.

Ek olarak, görsel arama yaklaşımı, TSA personelinin havalimanındaki yolcu bagajı taramaları yoluyla nasıl arama yaptığını etkiler.

Az önce JoVE'nin görsel bir arama deneyi yürütmeye ilişkin tanıtımını izlediniz. Şimdi, iki farklı görsel arama koşulu türü için görsel arama uyaranlarının nasıl yapılacağını, deneyin nasıl yürütüleceğini ve son olarak sonuçların nasıl analiz edileceğini ve yorumlanacağını iyi anlamış olmalısınız.

Ayrıca, dağınık bir masada anahtar ararken veya markette en olgun görünen meyveyi bulurken gereken dikkat türü hakkında da bir fikriniz olmalıdır.

İzlediğiniz için teşekkürler!