Yaklaşık Sayı Algılama Testi
Kaynak: Jonathan Flombaum Laboratuvarı—Johns Hopkins Üniversitesi
Yaygın bir karnaval oyunu, insanlardan bir kavanoza doldurulmuş jelibon sayısını tah…
1. Uyaranlar ve denemeler
- Deneyi Psychopy, MATLAB veya benzeri bir dilde programlayın (ticari olmayan kullanımlar için www.panamath.org adresinden ücretsiz bir sürüm de indirilebilir).
- Deneydeki tüm denemeleri aşağı yukarı aynı görünecek şekilde tasarlayın.
- Ekranı ikiye bölün. Gri bir arka plan kullanın.
- Ekranın bir tarafında mavi dairelerden oluşan bir koleksiyon gösterilir.
- Diğer tarafta sarı dairelerden oluşan bir koleksiyon gösteriliyor.
- Örnek denemede gösterildiği gibi daireleri farklı boyutlarda çizin (Şekil 1).
Şekil 1. Yaklaşık sayı duyusu testinin tek bir denemesinin şematik gösterimi. Her denemede, katılımcı daha fazla mavi veya sarı nokta görüp görmediğini bildirir. - Anahtar manipülasyon, sarı ve mavi dairelerin sayısını içerir. Her zaman bir türden diğerinden daha fazla olmalıdır. Fark bir oran ile karakterize edilmelidir: 2:1, 1,75:1, 1,5:1, 1,35:1, 1,25:1 ve 1,15:1.
- Programa her oranla 20 deneme üretmesi talimatını verin.
- Daha büyük rengi rastgele seçin.
- Daha az sayıda daireyi rastgele seçin.
- İstenen oranı elde etmek için daha büyük sayıyı seçin.
- Ekranın bir tarafına sarı daireler çizin.
- Diğer tarafa mavi daireler çizin.
- Her dairenin yarıçapını 1° (görüş açısı) ile 3,5° arasında rastgele seçin.
- Her denemede, 500 ms boyunca bir ekran görünür. Kaybolduktan sonra, katılımcı daha fazla sarı nokta gördüğünü düşünüyorsa 'Y' tuşuna veya daha fazla mavi nokta gördüğünü düşünüyorsa 'B' tuşuna basar.
- Her denemeden sonra "Doğru!" veya "Yanlış"ın görüntülendiği bir ekranla geri bildirim sağlayın.
Yaklaşık sayı duyusu testi, ?tahmin etme" yeteneğini destekleyen altta yatan mekanizmaları araştırmak için deneysel bir paradigmadır.
Tahmin, tam sayıyı bilmeden miktarı tanımak için sezgisel bir yeteneği ifade eder. Örneğin, yaygın bir karnaval oyununda, bireyler bir kavanoza paketlenmiş jelibon sayısını tahmin etmeye çalışırlar. Herhangi birinin tam sayıyı seçme şansı düşüktür.
Yine de herkes doğru basketbol sahasında bir tahminde bulunabilir, çünkü açıkça 100'den fazla olduğunda kimse 20'yi tahmin edemez. Bu nedenle, tahmin, bireylerin matematiksel hesaplamalara dayanmadan sahip oldukları kablolu bir yetenek olarak kabul edilir.
Bu video, uyaranların nasıl tasarlanacağı, deneyin nasıl gerçekleştirileceği ve verilerin nasıl analiz edileceği ve yorumlanacağı dahil olmak üzere sözel olmayan sayısal tahminin araştırılması prosedürünü gösterir.
Bu deneyde, boyut ve renk bakımından değişen uyaranlar rastgele ve kısa bir süre için bir bilgisayar ekranında sunulur. Her deneme sırasında iki set görünür: biri mavi dairelerden oluşan bir koleksiyon, diğeri ise bir dizi sarı daire içerir.
Katılımcılardan hangi setin daha fazla içerdiğini tahmin etmeleri istenir. Bağımlı değişken, yüzde doğruluk veya denemeler arasındaki oranların bir fonksiyonu olarak kaydedilen doğru yanıtların sayısıdır.
Dairelerin oranı çok benzer olduğunda (1:1'e yakın) performans doğruluğunun şansa yakın olması ve oran farkları arttıkça iyileşmesi beklenir.
Başka bir deyişle, sekiz ile dördü on iki ve sekize karşı ayırt etmek daha kolaydır. Her iki durumda da, eksiltici fark dörttür, ancak oran farkları 2:1 ile 1,5:1 arasında değişir.
Uyaranları oluşturmak için mavi ve sarı kümeler halinde çeşitli boyutlarda daireler oluşturun. Her küme için, mavi ve sarı dairelerin sayılarının her zaman farklı olduğundan ve altı oranı temsil ettiğinden emin olun.
Her deneme için, programı ekranı 500 ms boyunca gri bir arka plan üzerinde her renk grubundan bir set gösterecek şekilde bölecek şekilde kodlayın. Daha büyük miktar için renk ve daire boyutunun rastgele seçilmesi ve her oranla 20 deneme üretilmesi gerektiğini unutmayın.
Deneye başlamak için laboratuvardaki katılımcıyı selamlayın ve görevin talimatlarını açıklayın. Katılımcı görev kurallarını anladıktan sonra programı yükleyin.
Her denemede daireler kaybolduğunda, katılımcının ? Y? Daha fazla sarı nokta gördüklerini düşünüyorlarsa anahtar mı, yoksa ? B? Daha fazla mavi nokta gördüklerini düşünüyorlarsa anahtar.
Her denemeden sonra, katılımcının yanıtının doğru mu yoksa yanlış mı olduğunu belirtmek için bir ton aracılığıyla anında geri bildirim sağlayın.
Verileri analiz etmek için, her denemedeki oranın bir fonksiyonu olarak doğru yanıtların sayısının ortalamasını alın. Oran farkları arasındaki ortalama doğruluk yüzdesinin grafiğini çizin. Katılımcıların dikkat edin? Oran farkları arttıkça performanslar da iyileşti.
Yaklaşık sayı duyusu, aritmetik tahmin etmekle ilgili olmasa da, standart testlerle ölçülen aritmetik yeteneklerle pozitif korelasyon gösterir.
Ek olarak, küçük çocuklar bile bir grup tanıdık nesneden bir şeyin eksik olduğunu belirlemek için sayı duyusunu uygulayabilir.
JoVE'nin Yaklaşık Sayı Algılama Testi'ne girişini yeni izlediniz. Şimdi, deneyin nasıl tasarlanacağı ve gerçekleştirileceği, sonuçların nasıl analiz edileceği ve sayı tahmini olgusunun nasıl uygulanacağı konusunda iyi bir anlayışa sahip olmalısınız.
İzlediğiniz için teşekkürler!?
View the full transcript and gain access to JoVE Science Education videos
Q1: What is approximate number sense and how does it differ from counting?
Approximate number sense is a hardwired mental ability to estimate quantities without exact calculation or verbal counting. Unlike learned counting skills, it allows people to intuitively recognize quantity and make reasonable guesses. For example, someone can estimate that a jar contains more than 100 jellybeans without counting each one, demonstrating this innate guesstimating ability.
Q2: How does ratio affect performance accuracy in the approximate number sense test?
Performance accuracy improves as ratio differences between compared sets increase. When ratios are similar, like 1:1, accuracy approaches chance level. As ratios diverge—such as 2:1 versus 1.5:1—participants correctly identify the larger set more often. This demonstrates that the visual system relies on proportional differences rather than absolute numerical differences.
Q3: What stimuli are used in the approximate number sense test procedure?
The test uses blue and yellow circles of varying sizes, randomly presented on a computer screen for 500 milliseconds per trial. Each trial displays two sets with different quantities representing six different ratios. Color and circle size for the larger amount are randomized, with 20 trials conducted for each ratio to ensure reliable data collection.
Q4: How do participants respond during the approximate number sense test?
Participants press the 'Y' key if they believe they saw more yellow circles or the 'B' key for more blue circles. After each response, immediate feedback is provided through a tone indicating correctness. This real-time feedback helps participants understand task performance and maintains engagement throughout the experimental session.
Q5: What does data analysis reveal about approximate number sense performance?
Researchers average correct responses as a function of ratio and graph mean accuracy percentages across ratio differences. Results consistently show that performance improves as ratio differences increase, confirming that approximate number sense operates on proportional rather than absolute differences. This pattern validates the underlying mechanisms supporting nonverbal numerical estimation.
Q6: How does approximate number sense relate to mathematical abilities?
Approximate number sense positively correlates with arithmetic abilities measured by standardized tests, despite arithmetic involving precise calculation rather than estimation. Young children also apply number sense to identify missing objects from familiar groups. This suggests that the foundational estimation ability supports broader numerical competence and mathematical development.
Q7: Why is the approximate number sense test considered an important experimental paradigm?
The test investigates underlying mechanisms supporting guesstimation through controlled stimuli and measurable dependent variables like percent accuracy. By systematically varying ratios and analyzing performance patterns, researchers uncover the computational and neural processes enabling nonverbal numerical estimation. This paradigm bridges cognitive psychology with neuroscience to understand fundamental quantitative abilities.