Overview
ソース: ジョナサン ・ Flombaum 講座-ジョンズ ・ ホプキンス大学
視覚的な環境に大量スペース内のオブジェクトと時間との関係を含む情報にはが含まれています特定のオブジェクトが他のオブジェクトの近くに表示する可能性が高いです。これらの規則性を学習オブジェクト認識を含む視覚情報処理の広い配列をサポートできます。当然のことながら、その後、人間は自動的に、すぐに、意識することがなく、これらの規則性を学ぶに表示されます。潜在学習のこのタイプの名前は、visual の統計的学習です。研究室では、付随的符号化パラダイムで勉強は: 参加者はナンセンス オブジェクトのストリームを観察し、カバー、タスク、ストリームの基になる統計学的構造に関係のないタスクを完了します。統計学的構造は現在、そして短い露出の期間後に発生-いくつかの実験では 10 分と短く-知識テスト参加者による学習の範囲を明らかにします。
このビデオでは、誘導および統計的学習をテストするための標準的な方法を示します。
Procedure
1. ナンセンス オブジェクトのセットを生成し、三重項構造に配置します。
- 以下のセットのような単純なオブジェクトをしばしば視覚統計的学習を検討します。オブジェクトのセットを生成し、三つ子 (図 1) にグループ化します。
図 1。サンプル刺激は視覚統計学習のため三つ子にグループ化されます。実験の学習事業におきましては、三つ子がランダムな順序で表示されますが、トリプレット内のアイテムは最初は右側項目によって連続的に左の表示の項目の順に表示されます。
2. シーケンス実験。
- シーケンス ソフトウェア、e プライムなどは Python の MATLAB または PsycoPy の心理ツールボックスなどルーチンのライブラリを使用して実験。
- ナンセンスのオブジェクトが画面の中央に表示されます 1-で--時間、250 ms の。
- 図 2のようなシーケンスで終わる順番では、triplet のメンバーを常に表示してされ, ランダムに、次を表示するを選択するプログラムを指示します。
図 2。サンプル視覚統計学習のためのシーケンスを学習します。シーケンス内で経過の確率は、1 中に別のシーケンス内のアイテムの移行確率は 0.33、約このような三つ子がランダムな順序で表示されます。 - その三つ子は順序で常に表示されます、ので三重項の要素間遷移確率は常に 1 に注意してください。しかし、三つ子間の遷移がランダムに選択されているので無関係な要素間の遷移確率がかなり低く、通常 0.33 のように工夫します。
- 最後に、カバー タスクで構築します。グレーではなく赤で、オブジェクトの 1 つをレンダリングするプログラムに指示します。プログラムがこれを行うについて 20 回瞬間をランダムに選択する 10 分実験の経過。参加者のタスクが赤いときに応答を保留する灰色でオブジェクトを表示するたびにキーを押すようです。これは刺激に従事して維持されます。
3. 知識テスト
- 知識試験の個別プログラムを作成します。テストの回の試行プログラムは実際の三つ子の 1 つをランダムに選択します、それは、実際の三つ子の成分から新しいトリプレットをランダムに生成します。これらのランダムに生成された三つ子は「箔」と呼ばれます
- 表示されている側に並べて、参加者はキー押下時に身近であることを示す必要があります。
- 実験では、約 30 の知識テスト試験を含める必要があります。
- 知識テストの手順が重要です。彼らはこのようなものを含める必要があります:"私は実験が終わる前に 1 つ以上の作業を行うことを思います。5 分だけかかります。おそらくは気付かなかった、それが図形の順番だけ見たら、いくつかの図形が次の他の人が表示する可能性が高い。実験から図形の 2 つのセットをみせます今とする必要がありますまたは 2 キーを押します 1 キーだけをグループ化はよりあなたに慣れている私に教えてください。あなたはいずれかを認識することを感じることはできません。すべての試験で欲しいだけ腸に移動し、推測する必要があるかどうか。」
私たちの外部の世界内のオブジェクトの規則性、統計構造学習-視覚処理の重要な部分です。
オブジェクトの視覚的な環境では、空間と時間の次元で発生します。特定のオブジェクトは、コンピューターの横にあるコーヒー カップのような他の人の近くに表示する可能性が高い。
そのような発生は、秩序、人間を学ぶ自動的にかつ迅速に、意識することがなく、予測可能なオブジェクト認識をサポートするを提供します。
このビデオは、データを分析し、結果を解釈する方法と同様にセットアップして、付随的符号化パラダイムを使用して視覚的統計的学習実験を行う方法を示します。
この実験ではナンセンス物刺激セットは三つ子が 250 ms の一度に 1 つずつコンピューター画面の中央に表示にグループ化されます。
確立するトリプレット内秩序の統計的構造のオブジェクトは常に同じ順序で表示されますが、三つ子の順序はランダムに提示されます。
したがって、指定された三重項の要素間遷移確率は常に 1、無関係な要素間の遷移確率がかなり低いに対し。
無意識のうちに、オブジェクトのシーケンスに参加者を公開するためにカバー タスクは色付きのオブジェクトで使用されます。この場合、参加者は、灰色である場合、応答をしてオブジェクトがランダムに赤表示されたらを差し控えることを求められます。
カバーのタスクを完了すると、参加者の知識作業前のナンセンス オブジェクトをエンコードする範囲をテストするとおりです。それぞれの習熟度試験、中に以前見た三つ子ランダムにと一緒に表示されます新しく生成された三つ子、箔と呼ばれます。
現在、参加者はより身近などのセットを識別する求められます。従属変数は、参加者は、箔ではなく、おなじみのほとんどとして前三つ子を正しく識別する回数をです。
場合は初期エンコーディング フェーズにおいて、実際に学習が発生せず、箔三つ子が同じ回数だけ選ばれるでしょう。その一方で、学習が発生した実際の三つ子は箔よりも頻繁に選ばれます。
参加者が到着する前に、使用する刺激とパラメーターが生成されていることを確認します。
実験を開始するには、ラボで参加者に挨拶してタスクに使用する一般的な手順を説明します。
快適なコンピューターのモニターとキーボードの前に座る参加者を含まれています。「J」キーを押す必要があるときにグレーのオブジェクトが画面に表示されます応答を保留すべきとき赤色オブジェクトが表示されることを説明します。
かつて参加者はタスクのルールを理解し、実験、付随のエンコーディング フェーズの最初の部分を開始します。10 分のオブジェクト シーケンスに参加者を公開します。
短期暴露期間後 5 分の期間で完了する 1 つ以上の作業があることを説明します。参加者は、彼らが三つ子の 2 つのセットが表示され、1 キーまたはグループ化をより身近に見えるを示す 2 キーを押す必要がありますに指示します。彼らはいずれかを認識しないかどうかする必要があります推測することを伝えます。
参加者を開始する準備ができたことを確認した後 30 知識試験を開始します。
知識の段階でデータを分析するには、スコアの各試験参加者が正しいとしておなじみのトリプレットと誤ったとして箔トリプレットを選んだ。
結果を視覚化し、参加者間でパーセント正しい応答の平均値をグラフ化します。チャンスのパフォーマンスは 50%、ので参加者は正しく身近なもの、時間の約 70% が識別される視覚的統計的学習が発生したこと注意ください。
誘導する方法に精通し、その他さまざまな実験を見てをみましょうテスト visual の統計的学習、心理学者は、統計を使用して、学習を調査します。
パラダイムは、聴覚のドメインを含む感覚学習メカニズムのより広いクラスに変換できます。たとえば、幼児や子供は、音と文字の言語では信頼性の高い統計学的関係を表示する傾向があるためにで初期の言語形成における聴覚統計を使用します。
別の実験でどのように文字や色の関係学ぶことができる無意識のうちにまたは暗黙的に調べた。数日間、参加者は 4 つの文字がはっきりと色にカスタマイズされたテキストを読みます。
画面に表示される文字の色を指定するように求めるメッセージが表示されたら、参加者より速くより正確のカスタマイズされたテキストと同じ文字色のペアでした。文字色の統計的構造が暗黙的に学んだことが示唆されました。
ゼウスの視覚的統計的学習入門を見てきただけ。今セットアップして、実験を実行する方法の良い理解を持っていると同様に分析し、結果を評価します。
見てくれてありがとう!
Subscription Required. Please recommend JoVE to your librarian.
Results
各知識テストが含まれるは、1 つの三重項と 1 つ箔 (ランダムに生成された非-トリプレット)、ので全体的なチャンスのパフォーマンスは 50% です。参加者がトリプレットを選択するかどうかの観点から各試験のスコア、または時間の半分よりもっと身近な」を選択三つ子として箔が統計学習のデモを構成します。10-20 の参加者をテストした後一緒にすべての参加者の間でおなじみの三重項の選択率の平均値します。単純な棒グラフは、主な効果 (図 3) を可視化する良い方法です。
図 3。統計的学習率の知識テストでトリプレット識別によって測定されます。50% はチャンス パフォーマンス、三つ子と箔に等しく精通しています。
Subscription Required. Please recommend JoVE to your librarian.
Applications and Summary
視覚的統計的学習は、さまざまな学習、知覚、およびメモリの問題を調査するための出発点として利用されています。影響と暗黙のビジュアル メモリとオブジェクト認識と同様、違いと類似点について学習に関与する脳の領域を学ぶための注意の必要性は、これら時間構造と空間。ビジュアル統計的学習はまた初期の言語をサポートすると考えられている統計、聴覚を含む統計的学習メカニズムのより広範なクラスの例を考えて幼児や子供の音と文字の言語では信頼性の高い統計学的関係を表示する傾向があるため。
Subscription Required. Please recommend JoVE to your librarian.
