Name: Yöntemleri Online Görsel Dikkat Test (Video) | JoVE Journal
Uploaded: 2015-02-19T14:00:00.000+00:00
Duration: 9 min 44 s
Description: Öğrenin, görsel dikkat görevleri için çevrimiçi veri toplama yöntemlerini. Katılımcılar web uygulamasına giriş yapar, ekran kalibrasyonu yapar ve görevleri tamamlar. Bu yöntem, geleneksel laboratuvar sonuçlarıyla tutarlı veri sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Yazarların açıklayacak hiçbir şeyi yok.

protokol Wisconsin-Madison Üniversitesi&#39;nde kurumsal inceleme kurulu tarafından onaylandı. programcılar açıklanan web uygulaması otomatik süreci çoğaltmak için aşağıdaki adımları bir rehber olarak yazılmıştır. 1. Giriş Katılımcı <ol><li> : Internet özellikli bilgisayar kullanıyorsanız ve bir HTML5 uyumlu bir tarayıcı kullanarak web uygulamasına gitmek için katılımcı bilgilendirin <a href="http://brainandlearning.org/jove" target="_blank">http://brainandlearning.org/jove</a> . Katılımcı rahat bir yükseklikte bilgisayar ile, dikkat dağıtıcı ücretsiz sessiz bir odada oturup var. NOT: Tüm deney çevrimiçi barındırılan yana, görevleri de araştırma görevlisi varlığı olmadan uzaktan gerçekleştirilebilir. Katılımcı için tüm talimatları web uygulaması yer almaktadır. </li><li> Katılımcı girişi MySQL databas toplanan verilerle ilişkili ve saklanır benzersiz bir kimlik varör. Online görevleri aynı oturum içinde tamamlanmaması halinde katılımcı, bu kimliği yeniden var. Giriş yapmadan önce, sayfada bağlantılı bir onay formu aracılığıyla katılımcıdan rızasını. NOT: Bir katılımcının ilerleme gerekirse ayrı zamanlarda 2 görevlerin tamamlanması için izin vermek için her görev sonrasında kaydedilir. Her zaman tek kaldığı yerden başlatmak için aynı kimliği kullanmak için katılımcı bilgilendirin. </li></ol> 2. Ekran Kalibrasyon NOT: Web uygulaması kalibrasyon sayfası belirtilen üç adımlarda katılımcıyı kılavuzları <a href="http://brainandlearning.org/jove/Calibration" target="_blank">http://brainandlearning.org/jove/Calibration</a> . <ol><li> Etiketli metin kutusuna inç girdi ekranın diyagonal boyut katılımcısını değildir. <ol><li> Katılımcı bu bilgileri bilmiyor Ancak, (katılımcı bir kalibrasyon nesnesi olarak bir CD veya kredi kartı bulmak zorunda <strong&gt; Şekil 1). Biri seçildiğinde, ekranda karşı nesneyi yerleştirmek ve ekranda görüntülenen nesnenin temsili bir görüntü ile hizalamak için katılımcı istemi. </li><li> Fiziksel nesnenin boyutuna uyacak ekran görüntüsünün boyutunu ayarlamak için katılımcı istemi. Fiziksel bir CD (4.7 çapı &quot;) veya bir kredi kartı (3.2 genişliği&quot; temsili resmin piksel boyutuna ek olarak) ölçümlerine dayanarak, ekran inç piksel oranını belirler. </li><li> Sonra piksel ekran köşegen boyutunu hesaplamak için JavaScript en screen.width ve screen.height özellikleri aracılığıyla monitörün piksel çözünürlüğünü alın. Bu değer ve önceden tahmin piksel-inç oranını bilmek inç diyagonal boyut dönüştürmek, (adım 2.1.2). Katılımcı bir iletişim kutusu ile bu değeri onaylamak zorunda. </li></ol></li><li> Ekran brigh ayarlamak için katılımcı istemiEkranda görüntülenen siyah-beyaza degrade 12 bantları kadar uygunluklarını ayarları açıkça ayırt edilebilir. Parlaklık ayarı kontrolleri bilgisayara göre değişir. </li><li> Rahat bir konumda monitörden uzak bir kol uzunluğu oturup sonra tam ekran moduna tarayıcı penceresini ayarlamak için katılımcı isteyin. tarayıcı penceresi görevleri tarafından kullanılan görsel alanını maksimize etmek ve böyle bir tarayıcı araç çubuğu ve masaüstü taskbars gibi herhangi bir görsel dikkat dağıtıcı kaldırmak için tam ekran modunda olmalıdır. </li><li> Katılımcının ekran çözünürlüğünü ve monitörün diyagonal boyut bilerek, otomatik olarak 50 cm görüntüleme mesafeye göre piksel / derece dönüşüm değeri hesaplamak için web uygulamasını kullanabilirsiniz. Bu değeri kullanarak görevleri uyaranlara boyutlarını yeniden boyutlandırma. Bu dayanmaktadır aşağıda bildirilen tüm görsel açı ölçüleri monitörden ortalama uzaklık değerini üstlendi. </li><li> Kalibrasyon tamamlandığında, iki görev describ tamamlamak için katılımcıdanAşağıda ed. Görevlerin sırasını seçin veya rastgele web uygulaması aracılığıyla sipariş atayın. </li></ol> 3. Çoklu Nesne İzleme Görev (MOT) - Şekil 2 <ol><li> Tanıtın ve görülen bir öz-güdümlü öğretici ile MOT uyaranlara ile katılımcı oldum: <a href="http://brainandlearning.org/jove/MOT/practice.php" target="_blank">http://brainandlearning.org/jove/MOT/practice.php</a> . Çalışmalar nasıl çalışacağını gösteren adım adım talimatları okumak için katılımcı isteyin. Katılımcı talimatları okuduktan tamamlandıktan sonra, uygulama denemeleri geçmesi katılımcı istemi. <ol><li> Kurulum uygulama uyaranlara 2 ° / sn hareket hızı ile 0.8 ° 8 nokta oluştuğu. Bu uyarıcı hareketini kontrol etmek için 60 Hz&#39;lik bir kare hızında tarayıcı animasyon optimize etmek HTML5 requestAnimationFrame API kullanın. </li><li> Noktalar 2 ° Eksantriklik ve circ bir çemberin sınırları içinde hareket olunle gizlenmiş talimatlar olmadan, katılımcının ekranının yüksekliği daha büyük. </li><li> Her karede bir nokta 0,2 ° maksimum açı ile yön değiştirerek% 60 şansı var rastgele yörünge içinde hareket noktaları ayarlayın. Bir nokta başka nokta veya iç veya dış radyal limitleri ile çarpıştığında ise, ters yönde hareket ettirin nokta. </li><li> Sarı noktalar distraktörler olarak hareket eden, (uygulama deneme başına 1 ila 2 nokta değişen) mavi nokta izlemek için katılımcı istemi. </li><li> 2 saniye sonra, sarı nokta mavi nokta değiştirmek ve başka bir 4 saniye için orijinal sarı nokta arasında taşımak için devam ediyor. Her denemenin sonunda, nokta durdurmak ve birini vurgulamak. </li><li> Vurgulanan nokta, bir paletli nokta veya bir çeldirici nokta olup olmadığını anahtar basın yoluyla cevap katılımcı istemi. Sonraki, bir sonraki duruşma üzerine devam etmek boşluk çubuğuna basın katılımcı istemi. </li><li> 3 ardışık doğru denemeler, ya da 6 çalışmaların maksimum sonra, moTam bir görev üzerine katılımcı ettik. </li></ol></li><li> Katılımcı için tam MOT görevi başlatın. : Görevin bir örnek bulunabilir <a href="http://brainandlearning.org/jove/MOT" target="_blank">http://brainandlearning.org/jove/MOT</a> . <ol><li> Kurulum 2 ° egzantriklikle 10 ° eksantrisite arasındaki boşluk içinde 5 ° / sn hareket 16 nokta tam bir görev. Katılımcının ekran 10 ° eksantrisite bir daire sığmıyorsa, ekran yerine içerebilir maksimum boyutu kullanın. </li><li> - 5 paletli nokta 1 paletli nokta ve her 2 oluşan 10 çalışmaların oluşan 5 çalışmaların bir karışımı: katılımcı 45 çalışmaların toplam tamamlamak zorunda. Uygulama denemeleri diğer tüm parametreleri (- 3.1.6 adım 3.1.3 bakınız) eşleştirin. </li><li> Nokta vurgulanır kez katılımcının tepki ve yanıt süresini kaydedin. </li><li> Her 15 denemeler için, katılımcıya bir mola öneririz. Bu tatili anda, KATILIMCI görüntülemek7; Ekranda blok içinde performansı (doğru çalışmaların yüzde). </li></ol></li></ol> 4. Başka (İsteğe bağlı Adım) One Görev taşıma <ol><li> Katılımcı iki görev arasında bir mola için izin verin. Görevler, aynı oturumda sırasında tamamlanmış değil Ancak, tekrar 1 ve 2. adımları. </li></ol> Görünüm Görev (UFOV) 5. Faydalı Alan - Şekil 3 <ol><li> Tanıtın ve görülen bir öz-güdümlü öğretici ile UFOV uyaranlara ile katılımcı oldum: <a href="http://brainandlearning.org/jove/UFOV/practice.php" target="_blank">http://brainandlearning.org/jove/UFOV/practice.php</a> . Görevi sırasında katıldı gereken iki hedef uyaranlara göstermek adım adım talimatlar 4 aşamadan geçmesi katılımcı isteyin. <ol><li> Kısa veya uzun saçlı ekranın ortasında yanıp söner 1 ° gülen gibi merkezi hedef uyaran ayarlayın. Rasgele seçmekçalışmalar boyunca smiley saç uzunluğu. </li><li> Çemberin etrafında 8 yerlerde (0 °, 45 °, 90 °, 135 °, 180 °, 225 °, 270 ° ve 315 °) birinde eksantrikliğine ° 4 yanıp söner 1 ° yıldız gibi periferik hedef uyaran ayarlayın . Çalışmalar boyunca yıldızın yerini Rastgele. </li><li> Kontrol sunum defa kullanılan kare sayısı üzerinden süresini uyaran. HTML5 requestAnimationFrame API kullanarak kare başına yaklaşık 17 msn de çerçeve yenileme Optimize. </li><li> Beklenen sunum süresi elde edildi olmadığını kontrol etmek için, katılımcının sistem saati dayalı uyaran durasyonu başlangıç ​​zamanı ve bitiş zamanı elde etmek için JavaScript en getTime () yöntemini kullanın. Bu iki değer ölçülen sunum süresini hesaplayın ve veri analizi için bu değeri kullanın. </li><li> Her uygulama deneme için, yaklaşık 200 milisaniye (yaklaşık 12 kare) için uyaranlara görüntülemeden önce 500 milisaniye bekle. </li><li> Uyarıcı ön izleyin320 msn (yaklaşık 19 kare) için rasgele oluşturulmuş bir gri tonlama nokta dizinin oluşan bir gürültü maskesi ile rin sunulması. </li><li> Evre 1 için, sadece merkezi hedef göstermek ve daha sonra saç uzunluğu görüntülenen anahtar basın yoluyla cevap katılımcı istemi. </li><li> Evre 2 için, sadece periferik hedef göstermek ve daha sonra yıldız belirdi nerede göstermek için, 8 olası hedef yerleri temsil, bir 8 radyal çizgiler tıklayın katılımcı istemi. </li><li> Evre 3 için, hem santral ve periferik hedef uyaranları görüntülemek ve daha sonra gülen türü ve yıldızın konumu hem de cevap verebilmek için katılımcı istemi. NOT: Katılımcılar özgürce bu iki yanıtların sırasını seçebilirsiniz. </li><li> Evre 4 için, periferik distraktörler ek olarak hem hedef uyaranları görüntülemek ve daha sonra hem hedef uyaranlara yanıt katılımcı istemi. Distraktörler için, ekran 1 ° kareler 4 ° eksantrisite kalan 7 noktada sunulan, i2 ° Eksantriklik 8 daha kareler n eklenmesi. </li><li> Katılımcının cevabından sonra, her denemeden sonra her hedef yanıt katılımcı geribildirim (doğru cevap veya yanlış cevap için bir kırmızı haç için yeşil bir onay işareti) gösterir. </li><li> 3 ardışık doğru denemeler aldıktan sonra bir sonraki uygulama sahneye katılımcıyı taşıyın. Evre 4 sonra, tam bir görev üzerine katılımcıyı taşıyın. </li></ol></li><li> Tam UFOV görevi başlatmak için katılımcı istemi. : Görevin bir örnek bulunabilir <a href="http://brainandlearning.org/jove/UFOV" target="_blank">http://brainandlearning.org/jove/UFOV</a> . <ol><li> Antrenman aynı merkez uyaran Günümüze (adım 5.1.1 bakınız). Daha önce sözü edilen 8 konumlardan birinde 7 ° eksantrisite periferik hedef gösterilecek (adım 5.1.2 bakınız). 24 çeldirici kareler de 3 ° dışmerkezlik, 5 ° Eksantriklik ve kalan 7 ° görüntülenirdışmerkezlilik yerleri. </li><li> Uyaranların sunum zamanını belirlemek için 3 aşağı, 1-up merdiven yordamı kullanın: 3 ardışık doğru denemeden sonra uyaranlara süresini azaltmak ve her hata deneme sonrasında artar. </li><li> Merdiven ilk 3 ters önce, 2 kare (yaklaşık her 33 msn) bir adım boyutunu kullanın. 3 ters sonra, 1 çerçevenin bir adım boyutunu kullanın. 1 kare ve deneme başına 99 kare arasındaki uyaranın başlangıcından önce gecikme Vary ve 320 milisaniye (yaklaşık 19 kare) gürültü maske süresini tutmak. NOT: Geri Dönüşler süresi değiştirir hangi noktalar vardır ya azalan artan, ya da artan azalan gelen. </li><li> Üç şarttan biri karşılandığında görevi sonlandırın: merdiven prosedürü 8 iptalleri ulaşır; katılımcı tavan süresi (99 kare) veya zemin süresi (1 kare) ya az 10 ardışık denemeler tamamlar; veya katılımcı 72 çalışmaların bir maksimuma ulaşır. </li><li> Katılımcının r kaydedinmerkezi uyaran ve periferik uyaran hem esponse ve tepki süresi. </li></ol></li></ol>

<ol><li>Henrich, J., Heine, S. J., Norenzayan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+weirdest+people+in+the+world%5BTitle%5D)+AND+%22The+Behavioral+And+Brain+Sciences%22%5BJournal%5D)">The weirdest people in the world.</a> The Behavioral And Brain Sciences. 33, 61-135 (2010).</li>
<li>Buhrmester, M., Kwang, T., Gosling, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amazon%27s+Mechanical+Turk%3A+A+new+source+of+inexpensive%2C+yet+high-quality%2C+data%5BTitle%5D)+AND+%22Perspectives+on+Psychological+Science%22%5BJournal%5D)">Amazon's Mechanical Turk: A new source of inexpensive, yet high-quality, data.</a> Perspectives on Psychological Science. 6 (1), 3-5 (2011).</li>
<li>Goodman, J. K., Cryder, C. E., Cheema, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data+collection+in+a+flat+world%3A+the+strengths+and+weaknesses+of+mechanical+turk+samples%5BTitle%5D)+AND+%22Journal+of+Behavioral+Decision+Making%22%5BJournal%5D)">Data collection in a flat world: the strengths and weaknesses of mechanical turk samples.</a> Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).</li>
<li>Mason, W., Suri, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conducting+behavioral+research+on+Amazon%27s+Mechanical+Turk%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">Conducting behavioral research on Amazon's Mechanical Turk.</a> Behavior Research Methods. 44 (1), 1-23 (2012).</li>
<li>Crump, M. J., McDonnell, J. V., Gureckis, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluating+Amazon%27s+Mechanical+Turk+as+a+tool+for+experimental+behavioral+research%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Evaluating Amazon's Mechanical Turk as a tool for experimental behavioral research.</a> PLoS One. 8, e57410(1371).</li>
<li>Lupyan, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+difficulties+of+executing+simple+algorithms%3A+why+brains+make+mistakes+computers+don%27t%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">The difficulties of executing simple algorithms: why brains make mistakes computers don't.</a> Cognition. 129, 615-636 (2013).</li>
<li>Ball, K., Owsley, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+useful+field+of+view+test%3A+a+new+technique+for+evaluating+age-related+declines+in+visual+function%5BTitle%5D)+AND+%22J+Am+Optom+Assoc%22%5BJournal%5D)">The useful field of view test: a new technique for evaluating age-related declines in visual function.</a> J Am Optom Assoc. 64 (1), 71-79 (1993).</li>
<li>Pylyshyn, Z. W., Storm, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+multiple+independent+targets%3A+Evidence+for+a+parallel+tracking+mechanism%5BTitle%5D)+AND+%22Spatial+Vision%22%5BJournal%5D)">Tracking multiple independent targets: Evidence for a parallel tracking mechanism.</a> Spatial Vision. 3 (3), 179-197 (1988).</li>
<li>Dye, M. W. G., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differential+development+of+visual+attention+skills+in+school-age+children%5BTitle%5D)+AND+%22Vision+Research%22%5BJournal%5D)">Differential development of visual attention skills in school-age children.</a> Vision Research. 50 (4), 452-459 (2010).</li>
<li>Green, C. S., Bavelier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enumeration+versus+multiple+object+tracking%3A+The+case+of+action+video+game+players%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Enumeration versus multiple object tracking: The case of action video game players.</a> Cognition. 101 (1), 217-245 (2006).</li>
<li>Chapter 1. Kodak Company. Ergonomics Design Philosophy. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Kodak%E2%80%99s+Ergonomic+Design+for+People+at+Work%22">Kodak’s Ergonomic Design for People at Work</a>. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. , 2nd Edition, John Wiley & Sons, Inc. Hoboken, NJ. (2004).</li>
<li>Elze, T., Bex, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((P1-7%3A+Modern+display+technology+in+vision+science%3A+Assessment+of+OLED+and+LCD+monitors+for+visual+experiments%5BTitle%5D)+AND+%22i-Perception%22%5BJournal%5D)">P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments.</a> i-Perception. 3 (9), 621(2012).</li>
<li>Elze, T., Tanner, T. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+Properties+of+Liquid+Crystal+Displays%3A+Implications+for+Vision+Science+Experiments%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments.</a> PLoS One. 7 (9), e44048(2012).</li>
</ol>

Bu çalışma İsviçre Ulusal Vakfı (100014_140676), Ulusal Bilim Vakfı (1227168) ve Ulusal Sağlık Enstitüleri Ulusal Göz Enstitüsü (P30EY001319) tarafından desteklenmiştir.

Çevrimiçi veri toplama standart laboratuar tabanlı veri toplama üzerinde bir takım avantajlara sahiptir. Bu alanda kullanılan tipik üniversite lisans havuz çok daha fazla temsil popülasyonları örnek potansiyeli, ve laboratuarda küçük büyüklükte bir düzen vardır örnek boyutları elde etmek için gereken daha az zamanda çok daha büyük örneklem boyutlarını elde etmek yeteneği dahil 1-6 (örneğin, mevcut kağıt 1,700+ katılımcılardan toplanan veri noktaları az bir hafta içinde elde edilmiştir). <p class=...

Son beş yılda çevrimiçi davranışsal veri toplama yöntemlerinin kullanımında bir ilgi artışı olmuştur. Psikoloji alanında yayınların büyük çoğunluğu potansiyel olmayan temsili konu popülasyonlarını kullanmış olmasına rağmen 1 (yani, öncelikle üniversite lisans) ve genellikle makul küçük örnek boyutları yanı sıra (yani, tipik konularda onlarca aralığında), çevrimiçi yöntemler çok daha farklı ve daha büyük numunelerin sözünü sunuyoruz. Örneğin, Amazon&#39;un Mekanik Türk hizmeti, son çalışmalar bir dizi konu olmuştur hem &quot;işçi&quot; nüfus özellikleri ve davranışsal araştırmalar 2-6 yılında bu nüfusun kullanımını anlatan. Ancak, bu tür yöntemlere ilişkin bir önemli endişe kritik uyaran değişkenler üzerinde kontrol göreceli eksikliği. Örneğin, bir çok görsel Psikofizik görev, uyarıcı olarak tarif edilmektedirgörüş açısı. Görsel açıları hesaplama izleme mesafesi, ekran boyutu ve ekran çözünürlüğü hassas ölçümler gerektirir. Bu parametreler, bir laboratuar ortamında ölçmek için önemsiz ve kontrol vardır (bilinen bir monitör var ve bir çene dinlenme monitörden bilinen bir mesafe yerleştirilen ise katılımcıların uyaranlara görmek) iken, aynı online veri toplama doğru değildir. Bir çevrimiçi ortamda değil, sadece katılımcıların kaçınılmaz farklı yazılım ayarları ile farklı boyutlarda monitörler çok çeşitli kullanacak, onlar da onların monitör boyutunu belirlemek ya da gerekli bilgiye sahip sağlayacak cetveller / teyp önlemler kolay erişim olmayabilir kendi yazılım ve donanım ayarlarını (örneğin, yenileme hızı, çözünürlük) belirlemek için. Görünüm (UFOV) Faydalı Alan paradigması 7 ve (MOT) görev izleme çoklu nesne - Burada görsel dikkat iyi bilinen iki testler hakkında veri toplamak için yöntemler bir dizi tarif <sup&gt; 8 - çevrimiçi ölçümler doğasında olan değişkenlik kaynakları mümkün olduğu kadar kaçınılarak. Bu görevler, bir internet bağlantısı ve bir HTML5 uyumlu bir tarayıcı ile herhangi bir katılımcı tarafından çalıştırılabilir. Kendi ekran boyutu bilmiyorum katılımcılar standart boyutta yaygın olarak mevcut öğeleri kullanan bir ölçüm işlemi yürüdü (yani, kredi kartı / CD - bakınız Şekil 1). Bu iki görev ilişkin veriler bir Massive Online Açık Kursu 1.700 üzerinde katılımcı toplanmıştır. Bu online numunenin ortalama performansı aynı görevleri 9,10 sıkı kontrollü laboratuar tabanlı önlemler elde edilen sonuçlarla oldukça uyumlu idi. Bizim sonuçlar bile görüntüleme koşulları üzerinde özel kontrol gerektiren işlerde, online veri toplama yöntemlerinin etkinliğini gösteren literatür artan vücut ile böylece tutarlı.

<table><tbody><tr><td>Bilgisayar/tablet</td><td></td><td></td><td>İnternet bağlantısı ve HTML5 uyumlu bir tarayıcıya sahip olmalıdır</td></tr><tr><td>CD veya kredi kartı</td><td></td><td></td><td>Katılımcı monitör boyutunu zaten biliyorsa gerekli olmayabilir</td></tr></tbody></table>

yöntemleri online görsel dikkat test

Methods to Test Visual Attention Online

Onlar genellikle üniversite kampüslerinde alınabilir daha büyük sözünü ve çok daha temsili veri örnekleri sunuyoruz, çünkü online veri toplama yöntemleri davranış bilimciler özellikle çekiciliği vardır. Uyarıcı özellikleri üzerinde sıkı kontrol gereklidir deneylerde özellikle - bu tür yöntemler yaygın olarak kabul edilebilir Ancak, önce, teknolojik zorluklar bir dizi aşılması gerekir. Burada görsel dikkat iki test performans verilerini toplama yöntemlerini sunuyoruz. Testler dahil olarak her iki test ya kısaca hareket uyaranlar veya uyaranlara parladı (sırayla görüş mesafesi, monitör boyutu, ekran çözünürlüğü, vb bilgi gerektirir) uyaranların görsel açı üzerinde kontrol ve uyaranlara zamanlamasını (gerektirir Belirli oranlarda). 1.700 üzerinden online katılımcıların bu testler toplanan veriler aynı testlerin laboratuvar tabanlı sürümleri toplanan veriler ile uyumlu idi. Bu sonuçlar,Doğru bakım ile, zamanlama / uyarıcı boyutu bağımlı görevler, web-tabanlı ortamlarda dağıtılabilir öneririz.

Outlier Kaldırma 1,779 katılımcı toplam UFOV görev tamamladı. Bunlardan, 32 katılımcılar talimat olarak görevi gerçekleştirmek için koyamadık düşündüren, ortalamadan daha büyük 3 standart sapma vardı UFOV eşik vardı. Bu nedenle, bu katılımcılardan UFOV veriler 1747 katılımcı toplam bırakarak, son analizde çıkarıldı. Veri Muayene görev için 1746 katılımcı elde edilmiştir. İki katılımcılar dolayısıyla bu katılımcıların verileri son MOT analizi çıkarıldı ortalama aşağı...

Laboratuvar ayarlarını çoğaltmak için, görsel görevler için çevrimiçi veri toplama yöntemleri, uyaran sunumu üzerinde sıkı kontrol gerektirir. İki görsel dikkat testinde performans verilerini toplamak için bir web uygulamasının kullanımına ilişkin yöntemleri özetliyoruz.

Yöntemleri Online Görsel Dikkat Test

Online data collection methods have particular appeal to behavioral scientists because they offer the promise of much larger and much more representative ...

Bu prosedürün genel amacı, çevrimiçi bir web uygulaması aracılığıyla görsel dikkat görevleri için veri toplamayı basitleştirmektir. Bu işlem, öncelikle katılımcıların bir web uygulamasına giriş yapmasıyla gerçekleştirilir. Ardından katılımcılara, uyaranların doğru şekilde sunulması için ekranlarını kalibre etmeleri talimatı verilir.Ardından katılımcılar görev talimatlarını okur ve uygulama denemelerini tamamlar. Son olarak, katılımcılar tüm görevleri tamamlarken veriler toplanır. Nihayetinde, görsel görevler için çevrimiçi veri toplama yöntemleri, geleneksel laboratuvar tabanlı yöntemlerle tutarlı sonuçlar göstermektedir.Bu tekniğin mevcut yöntemlere göre temel avantajı, nispeten kısa bir sürede daha geniş ve daha çeşitli bir popülasyondan veri toplanabilmesidir. Bu prosedürü laboratuvar teknisyeni Olga P equal uygulamalı olarak gösterecektir. Başlamak için, katılımcının dikkat dağıtıcı unsurlardan arındırılmış sessiz bir odada, internet bağlantısı olan ve rahat bir yükseklikte bulunan bir bilgisayarın başında oturmasını sağlayın.Katılımcıya burada gösterilen web uygulamasına gitmesi talimatını verin. HTML5 uyumlu bir tarayıcı kullanarak katılımcının, toplanan verilerle ilişkilendirilecek ve bir MySQL veritabanında saklanacak olan benzersiz bir kimlik (ID) girmesini sağlayın. Giriş yapmadan önce, sayfada bağlantısı bulunan bir onay formu aracılığıyla katılımcıdan onay alın.Ekranı kalibre etmek için, katılımcıdan ekranın inç cinsinden köşegen boyutunu etiketli metin kutusuna girmesini isteyin. Katılımcı bu bilgiyi bilmiyorsa, kalibrasyon nesnesi olarak bir CD veya kredi kartı bulmasını sağlayın. Bir nesne seçildiğinde, katılımcıdan nesneyi ekrana yaslamasını ve ekranda görüntülenen nesnenin temsilci görüntüsüyle hizalamasını isteyin.Katılımcıdan, fiziksel bir CD veya kredi kartının ölçümleri ile temsili görüntünün piksel boyutuna dayanarak, ekrandaki görüntü boyutunu fiziksel nesnenin boyutuyla eşleşecek şekilde ayarlamasını isteyin. Ekranın inç cinsinden diyagonal boyutunu belirleyin. Katılımcının bu değeri bir diyalog kutusu aracılığıyla onaylamasını sağlayın.Ardından, ekranda görüntülenen siyahtan beyaza geçişli gradyan içindeki 12 bandın tamamı net bir şekilde ayırt edilene kadar katılımcının ekran parlaklık ayarlarını düzenlemesini isteyin. Katılımcıdan monitörden bir kol mesafesinde, rahat bir pozisyonda oturmasını isteyin ve ardından tarayıcı penceresini tam ekran moduna getirin. Görevler tarafından kullanılan görsel alanı maksimize etmek ve tarayıcı araç çubuğu ile masaüstü görev çubukları gibi tüm görsel dikkat dağıtıcıları ortadan kaldırmak için tarayıcı penceresi tam ekran modunda olmalıdır.Bu URL'de bulunan kendi kendine yönlendirmeli çoklu nesne izleme veya MOT eğitimini kullanarak, katılımcıdan denemelerin nasıl işleyeceğini gösteren adım adım talimatları okumasını isteyin. Katılımcı talimatları okumayı bitirdiğinde, onu uygulama denemelerini gerçekleştirmeye yönlendirin; uygulama uyaranlarını, saniyede iki derecelik bir hareket hızıyla 0,8 derecelik sekiz noktadan oluşacak şekilde ayarlayın. Bu uyaran hareketini kontrol etmek için, tarayıcı animasyonunu 60 hertz kare hızında optimize etmek amacıyla HTML five request animation frame API'sini kullanın.Ardından, katılımcıdan dikkat dağıtıcılar olarak işlev gören sarı noktalar eşliğinde mavi noktaları takip etmesini isteyin. İki saniye sonra, mavi noktaları sarı noktalara dönüştürün ve onları orijinal sarı noktalar arasında dört saniye daha hareket ettirmeye devam edin. Her denemenin sonunda noktaları durdurun ve bir tanesini vurgulayın.Katılımcıdan, vurgulanan noktanın bir takip noktası mı yoksa bir çeldirici nokta mı olduğunu bir tuşa basarak yanıtlamasını isteyin. Üç ardışık doğru denemeden sonra veya en fazla altı deneme sonunda, katılımcıyı tam göreve geçirin. Katılımcı için tam MOT görevini başlatmak amacıyla, görevi saniyede beş derece hızla hareket eden 16 nokta ile kurun.İki derece eksantrisite ile 10 derece eksantrisite arasındaki alanda, katılımcıya toplam 45 deneme tamamlatın; bunlar tek bir takip edilen noktadan oluşan beş deneme ve her biri iki ila beş takip edilen noktadan oluşan onar denemenin karışımıdır. Buradaki öğreticiyi kullanarak, katılımcıdan faydalı görüş alanı veya UFOV görev seti sırasında dikkat edilmesi gereken iki hedef uyaranı gösteren dört aşamalı adım adım talimatları takip etmesini isteyin. Merkezi hedef uyaran, ekranın merkezinde uzun veya kısa saçlı olarak yanıp sönen bir derecelik bir gülen yüzdür.Gülen yüzün saç uzunluğunu denemeler boyunca rastgele belirleyin; çevre hedef uyaranını, daire etrafındaki sekiz konumdan birinde, dört derece eksantrisitede yanıp sönen bir derecelik bir yıldız olarak ayarlayın. Yıldızın konumunu denemeler boyunca rastgele belirleyin. Yalnızca birinci aşama için.Merkezi hedefi görüntüleyin ve ardından katılımcıdan, yalnızca ikinci aşama için hangi saç uzunluğunun görüntülendiğini bir tuşa basarak yanıtlamasını isteyin. Periferik hedefi görüntüleyin ve ardından katılımcıdan, yıldızın nerede göründüğünü belirtmek için sekiz olası hedef konumunu temsil eden sekiz radyo çizgisinden birine tıklamasını isteyin. Üçüncü aşama için, hem merkezi hem de periferik hedef uyaranlarını görüntüleyin ve ardından katılımcıdan hem gülen yüzün türü hem de yıldızın konumuyla ilgili yanıtlar vermesini isteyin.Dördüncü aşama için, çevresel çeldiricilere ek olarak her iki hedef uyaranı da görüntüleyin ve ardından katılımcıyı her iki hedef uyarana yanıt vermesi için yönlendirin. Çeldirici görüntüsü için, dört derece eksantrisitedeki kalan yedi konumda sunulan bir derecelik karelere ek olarak, iki derece eksantrisitede sekiz kare daha görüntüleyin. Katılımcının yanıtından sonra, katılımcıya her bir hedef yanıtı için geri bildirim gösterin. Her denemeden sonra, üst üste üç doğru deneme elde edildiğinde, katılımcıyı bir sonraki uygulama aşamasına geçirin.Dördüncü aşamadan sonra, katılımcıyı tam UFOV görevine başlaması için yönlendirin. Alıştırma oturumundakiyle aynı merkezi uyaranı sunun. Periferik hedefi, daha önce belirtilen sekiz konumdan birinde, yedi derecelik eksantrisitede görüntüleyin.Ayrıca, üç derece eksantrisite, beş derece eksantrisite ve kalan yedi derece merkezilik konumlarında 24 çeldirici kare görüntülenir. Uyaranların sunum süresini belirlemek için "üç doğru bir yanlış" (three down one-up) merdiven prosedürünü kullanın; üst üste üç doğru denemeden sonra uyaran süresini azaltın ve her hatalı denemeden sonra artırın. Üç koşuldan biri karşılandığında, merdiven prosedürü sekiz tersinmeye ulaşmış olur.Katılımcı, ya 99 karelik tavan süresinde ya da bir karelik taban süresinde 10 ardışık denemeyi tamamlar veya katılımcı maksimum 72 denemeye ulaşır. MOT analizi için 1.744 çevrimiçi katılımcıdan elde edilen veriler kullanılmıştır. MOT performansı, her set için ortalama doğruluk hesaplanarak ölçülmüştür.Boyut doğruluğu set boyutu bir için 0,4 ile 1,0 arasında, set boyutu beş için ise 0,1 ile 1,0 arasında değişmiş ve ortalama doğruluk set boyutu bir için 0,99 ile set boyutu beş için 0,71 arasında seyretmiştir. Medyan doğruluk skorları, sırasıyla set boyutu bir ve beş için 1,0 ile 0,70 arasında değişmiştir. Set boyutu arttıkça doğruluğun azalması, UFOV görevi için tipik bir MOT etkisini ortaya koymuştur.Çevrimiçi olarak katılan 1.747 kişinin verileri analiz edildi. Katılımcıların periferik hedefi yaklaşık %79 doğrulukla tespit edebildikleri minimum sunum süresini yansıtan bir tespit eşiği elde etmek amacıyla, performans, son beş denemedeki sunum süresinin ortalaması alınarak hesaplandı. Ortalama UFOV eşiği 64,7 milisaniye olarak belirlendi ve puanlar, 45 milisaniyelik medyan eşik değeri ile 17 milisaniye ile 315 milisaniye arasında değişti.Eşik dağılımı, 1,92 çarpıklık ve 3,93 basıklık değeri ile pozitif yöne çarpıktı. Sonuçlar önceki çalışmalarla tutarlılık gösterdi. Bu videoyu izledikten sonra, bu prosedürü izleyerek çoklu nesne takibi ve yararlı görüş alanı deneyimlerini web uygulamaları olarak nasıl geliştireceğiniz konusunda iyi bir anlayışa sahip olmalısınız.Hassas görsel uyaran sunumu yapan diğer yöntemler de çevrimiçi bir ortama uyarlanabilir. Bu sayede, genel olarak daha temsili bir popülasyondan veya laboratuvara getirilmesi zor olan belirli bir birey alt tipinden veri toplanabilir. İzlediğiniz için teşekkürler.

Research

JoVE Journal

Behavior

Davranış

Bu makale, çeşitli uyaran başlangıç eşzamansızlıklarında dikkatli göz kırpmaya bakmak için Hızlı Seri Görsel Sunum ile birleştirilmiş yeni bir ikili görev prosedürünü açıklamaktadır. Bu deneysel prosedür, hedef olmayanlar için dikkatli göz kırpmayı test etmesi bakımından diğerlerinden farklıydı.

Nontargets için Dikkat Blink test Rapid Seri Görsel Sunum ile birlikte A Çift Görev Prosedürü

Belirli görsel modalitelere yanıt olarak dönüşlü göz hareketlerine dayalı görsel bilgi işlemenin kalitesini ölçmek için bir yöntem tanımlanmıştır. Reaksiyon süreleri ve fiksasyon çıktı parametreleri, 6 aylıktan itibaren görme bozukluğu olan ve olmayan çocuklarda görsel performansı karakterize etmek için kullanılır.

Bir Yöntem Göz İzleme Kullanarak Çocuklarda Görsel Bilgi İşleme belirlememize

Zamansal mertebeden yargılar, işlem hızı parametrelerini ve dikkat ağırlıklarını tahmin etmek ve böylece dikkat işleme mekanizmalarını çıkarmak için kullanılabilir. Bu metodoloji çok çeşitli görsel uyaranlara uygulanabilir ve birçok dikkat manipülasyonu ile çalışır.

Geçici sipariş Hüküm Model tabanlı Analizi ile Dikkat ve Görsel İşleme Hızı Ölçme

Mevcut madde bir göz izleme metodoloji dil anlama çalışmaları için değerlendirmeleri. Güvenilir veri elde etmek için Protokolü'nün önemli adımlar izlenmesi gerekir. Bunlar arasında göz tracker (göz ve baş görüntülerin iyi kalitenin korunmasını sağlamayaÖrneğin,) ve doğru kalibrasyon doğru up.

Göz izleme sırasında görsel olarak yer alan dil anlama: Esneklik ve sınırlamalar ortaya çıkarılması görsel bağlam etkileri

Bu deneysel protokol göz izleme ve değerlendirme presaccadic görsel hassasiyet bir özgür seçim saccade görev ve görsel uzamsal dikkat dağıtımını araştırmak için bir görsel ayrımcılık görev oluşan bir çift görev paradigma içinde kombine Hem, doğru ve ortalama saccades önce.

Araştırma doğru ve ortalama Saccades göz izleme yoluyla önce görsel dikkat dağıtımını ve görsel duyarlılık değerlendirilmesi

Bu yazıda, bebeklerde ve küçük çocuklarda görme keskinliğini bir göz izleme sistemi kullanarak değerlendirmek için yeni bir otomatik yöntem sunuyoruz.

Bir göz izleme sistemi kullanarak bebeklerde ve küçük çocuklarda görme keskinliğini değerlendirmek için otomatik bir yöntem

Bu ventral görsel akışından yukarıdan aşağıya sinyaller hareketini nasıl etkilediğini belirsizdir. Biz 3D derinlik inversiyon illüzyonun bir hedefe doğru motor davranışlarını test etmek için bir paradigma geliştirdi. Önemli farklılıklar hayali ve veridical izleme koşullarında kasıtlı, amaca yönelik hareketler ve otomatik eylemler hem de bildirilmiştir.

Motor Davranış Top-down Görsel Süreçlerin Etkisi keşfedin Yöntemleri

Dikkat kontrolü, hedef sinyallerin geliştirilmesini ve dikkat dağıtıcı sinyallerin azaltılmasını içerir. Her iki sürecin de sürekli olarak devreye girmediği pasif bir kontrol koşulu kullanarak, sürekli intermodal dikkati katılma ve görmezden gelme nörofizyolojisini ayrı ayrı ama aynı anda ölçmek için bir yaklaşım tanımlıyoruz.

Dikkat Kontrol Süreçlerinin almamak ve Katılıyor ve nörofizyolojik Sinyalleri ölçümü

Bu makalede, simüle ve görsel sistem adaptasyonu incelemek için yeni bir yöntem tarif eder.

Görsel Adaptasyon görselleştirme

Bu çalışma karşılaştırıldığında orta duygusal fotoğraf bölünmüş görme alanı sunumları karşı iki hemisferlerin arasında motive dikkat farklılıkları değerlendirmek için. Geç pozitif potansiyel (LPP) motive dikkat değerlendirmek için elektroansefalografi (EEG) ve olay-ilişkili potansiyeller (ERPs) yöntemleri kullanarak kaydedildi.

Hemisferik motive dikkat farklılıkları ölçmek için duygusal görüntüleri Merkezi ve bölünmüş görme alanı tanıtımı

Öğrenin, görsel dikkat görevleri için çevrimiçi veri toplama yöntemlerini. Katılımcılar web uygulamasına giriş yapar, ekran kalibrasyonu yapar ve görevleri tamamlar. Bu yöntem, geleneksel laboratuvar sonuçlarıyla tutarlı veri sağlar.

Yöntemleri Online Görsel Dikkat Test

Daha fazla video keşfet