Overview
출처: 조나단 플롬바움 연구소 -존스 홉킨스 대학
시각적 환경에는 공간과 시간의 개체 간의 관계와 관련된 방대한 양의 정보가 포함되어 있습니다. 특정 개체는 다른 개체 부근에 나타날 가능성이 높습니다. 이러한 규칙성을 학습하면 개체 인식을 비롯한 다양한 시각적 처리를 지원할 수 있습니다. 당연히, 인간은 이러한 규칙들을 자동으로, 신속하고, 의식하지 않고 배우는 것처럼 보입니다. 이러한 유형의 암시적 학습에 대한 이름은 시각적 통계 학습입니다. 실험실에서는 부수적인 인코딩 패러다임으로 연구됩니다 : 참가자는 말도 안되는 물체의 흐름을 관찰하고 스트림의 기본 통계 구조와 관련이없는 작업인 커버 작업을 완료합니다. 그러나 통계 구조가 존재하고, 짧은 노출 기간 의 후속 - 일부 실험에서 10 분으로 짧은 - 친숙성 테스트는 참가자에 의해 학습의 정도를 보여줍니다.
이 비디오는 시각적 통계 학습을 유도하고 테스트하는 표준 방법을 보여줍니다.
Procedure
1. 말도 안되는 개체 세트를 생성하고 삼중 구조로 정렬합니다.
- 종종 시각적 통계 학습은 아래 세트와 같은 간단한 개체로 연구됩니다. 개체 집합을 생성한 다음 세쌍둥이(그림 1)로그룹화합니다.
그림 1. 시각적 통계 학습을 위해 세 쌍둥이로 그룹화된 샘플 자극. 실험의 학습 세그먼트에서 트리플렛은 임의순서로 표시되지만 트리플렛 내의 항목은 항상 순서대로 표시되며 왼쪽의 항목이 오른쪽에 있는 항목이 연속적으로 나타납니다.
2. 실험을 순서로 정렬합니다.
- e-Prime과 같은 소프트웨어또는 MATLAB의 심리물리학 툴박스 또는 파이썬용 PsycoPy와 같은 일상적인 라이브러리를 사용하여 실험을 시퀀스합니다.
- 말도 안되는 개체는 화면 중앙에 표시됩니다, 한 번에 하나, 에 대한 250 ms 각.
- 프로그램에 항상 트리플렛의 멤버를 순서대로 표시하고 다음 을 무작위로 표시할 트리플렛을 선택하도록 지시하여 그림 2와유사한 시퀀스로 끝납니다.
그림 2. 시각적 통계 학습을 위한 샘플 학습 시퀀스. 세 쌍둥이는 임의의 순서로 나타나므로 서로 다른 시퀀스의 항목에 대한 전환 확률은 약 0.33이며 시퀀스 내의 전환 확률은 1입니다. - 삼중항은 항상 순서대로 나타나기 때문에 삼중 요소 간의 전환 확률은 항상 1입니다. 그러나 트리플렛 간의 전환은 무작위로 선택되기 때문에 관련없는 요소 간의 과도기 확률은 상당히 낮으며 일반적으로 약 0.33으로 고안됩니다.
- 마지막으로 커버 작업을 빌드합니다. 프로그램에 회색이 아닌 RED개체 중 하나를 렌더링하도록 지시합니다. 이 프로그램은 10분 간의 실험을 통해 약 20회 진행되며, 순간을 무작위로 선택합니다. 참가자의 임무는 개체가 회색으로 표시될 때마다 키를 누르지만 빨간색이 될 때마다 응답을 보류하는 것입니다. 이것은 자극에 종사하게 됩니다.
3. 친숙함 시험
- 친숙성 테스트를 위해 별도의 프로그램을 작성합니다. 시험의 각 시험에서 프로그램은 무작위로 실제 세 쌍둥이 중 하나를 선택하고 실제 삼중항의 구성 요소로부터 새 삼중항을 무작위로 생성합니다. 무작위로 생성된 이 삼중항을 '호일'이라고 합니다.
- 나란히 표시되며 참가자는 키 프레스에서 더 친숙한 것을 표시해야 합니다.
- 실험에는 약 30개의 친숙한 시험 시험이 포함되어야 합니다.
- 친숙성 테스트에 대한 지침은 중요합니다. "실험이 끝나기 전에 한 가지 작업을 더 수행해 주시면 됩니다. 5분밖에 걸리지 않습니다. 당신은 아마 그것을 통지하지 않았다, 하지만 당신이 방금 본 모양의 순서에서, 일부 모양은 다른 사람을 따라 나타날 가능성이 더 높았다. 이제 실험에서 두 가지 모양 세트를 보여 드리며, 1키 또는 2키를 눌러 어떤 그룹이 더 친숙해 보이는지 알려주어야 합니다. 여러분도 인식하지 못한다고 느끼지 않을 수도 있습니다. 모든 시련에서, 난 당신이 당신의 직감으로 가서 당신이해야할 경우 추측할 수 있기를 바랍니다."
규칙 학습 - 외부 세계에서 객체의 통계 구조 - 시각적 처리의 중요한 부분입니다.
시각적 환경의 개체는 공간과 시간의 차원에서 발생합니다. 컴퓨터 옆에 커피 컵처럼 특정 개체가 다른 개체 근처에 나타날 가능성이 높습니다.
이러한 발생은 인간이 의식하지 않고 자동으로 빠르게 배우는 예측 가능한 개체 인식을 지원하는 규칙성을 제공합니다.
이 비디오는 부수적인 인코딩 패러다임을 사용하여 시각적 통계 학습 실험을 설정하고 수행하는 방법과 데이터를 분석하고 결과를 해석하는 방법을 보여줍니다.
이 실험에서는 삼중항으로 그룹화된 말도 안되는 물체의 자극 세트가 컴퓨터 화면의 중앙에 하나씩 각각 250ms에 표시됩니다.
규칙성을 설정하려면-삼중화 내의 통계 구조-객체는 항상 동일한 순서로 표시되지만 삼중항의 순서는 무작위로 표시됩니다.
따라서, 주어진 삼중 요소의 요소 사이의 과도기 확률은 항상 1인 반면, 관련없는 요소 간의 과도기 확률은 상당히 낮습니다.
참가자를 무의식적으로 개체 시퀀스에 노출시키기 위해 표지 작업은 컬러 오브젝트와 함께 사용됩니다. 이 경우 참가자는 개체가 회색일 때 응답을 하고 개체가 무작위로 빨간색으로 나타날 때 보류해야 합니다.
커버 작업이 완료되면 참가자에게 이전 말도 안되는 개체를 인코딩하는 정도를 테스트하는 친숙한 작업이 제공됩니다. 각 친숙한 시험 동안 이전에 본 세 쌍둥이는 포일로 불리는 새로 생성된 삼중항과 함께 무작위로 표시됩니다.
이제 참가자는 어떤 세트가 더 친숙한지 식별해야 합니다. 그런 다음 종속 변수는 참가자가 이전 삼중항을 포일이 아닌 가장 친숙한 것으로 올바르게 식별하는 횟수입니다.
초기 인코딩 단계에서 학습이 발생하지 않으면 실제 및 호일 세 쌍둥이가 동일한 횟수를 선택합니다. 반면에 학습이 발생하면 실제 삼중항은 호일보다 더 자주 선택됩니다.
참가자가 도착하기 전에 사용할 자극 및 코딩 매개 변수가 생성되었는지 확인합니다.
실험을 시작하려면 랩의 참가자를 맞이하고 작업에 사용되는 일반적인 절차를 설명합니다.
참가자가 컴퓨터 모니터와 키보드 앞에 편안하게 앉게 하십시오. 회색 개체가 화면에 나타나면 'J' 키를 눌러야 하며 빨간색 개체가 나타나면 응답을 보류해야 한다고 설명합니다.
참가자가 작업 규칙을 이해하면 실험의 첫 번째 부분인 부수적인 인코딩 단계를 시작합니다. 참가자를 개체 시퀀스에 10분 동안 노출합니다.
짧은 노출 기간 이후에 는 5 분 기간에 완료해야 할 작업이 하나 더 있다고 설명하십시오. 참가자에게 이제 두 개의 트리플렛 집합을 볼 수 있으며 1키 또는 2키를 눌러 어떤 그룹이 더 익숙한지 표시해야 한다고 지시합니다. 그들은 어느 하나를 인식하지 못하는 경우 추측해야한다고 그들에게.
참가자가 시작할 준비가 되었다는 것을 확인한 후 30개의 친숙한 시험을 시작합니다.
친숙단계에서 데이터를 분석하려면 각 평가판에서 참가자가 익숙한 삼중삼을 올바른 트리미터로 선택하고 호일 삼중트리트가 올바르지 않은 것으로 선택했습니다.
결과를 시각화하려면 참가자 간에 백분율 올바른 응답의 평균을 그래프로 지정합니다. 기회 성능이 50%이기 때문에 참가자가 익숙한 개체를 약 70%로 정확하게 식별함에 따라 시각적 통계 학습이 발생했습니다.
이제 시각적 통계 학습을 유도하고 테스트하는 방법에 익숙해지므로 실험 심리학자가 통계를 사용하여 학습을 조사하는 다른 방법을 살펴보겠습니다.
패러다임은 청각 영역을 포함하는 감각 학습 메커니즘의 광범위한 클래스로 변환 될 수있다. 예를 들어, 유아와 어린이는 언어의 소리와 문자가 매우 신뢰할 수있는 통계 적 관계로 나타나는 경향이 있기 때문에 초기 언어 형성에서 청각 통계를 사용합니다.
또 다른 실험에서 연구자들은 문자와 색상 사이의 연관성이 무의식적으로 또는 암시적으로 학습 될 수있는 방법을 조사했습니다. 며칠 동안 참가자들은 네 개의 뚜렷한 색의 문자를 가지고 사용자 정의 된 텍스트를 읽습니다.
화면에 제시된 문자의 색상을 식별하라는 요청을 받았을 때, 참가자들은 사용자 지정된 텍스트와 동일한 문자 색상 쌍에 대해 더 빠르고 정확했습니다. 이는 유색 문자의 통계 구조가 암시적으로 배웠다는 것을 시사한다.
당신은 시각적 통계 학습에 JoVE의 소개를 보았다. 이제 실험을 설정하고 수행하는 방법을 잘 이해하고 결과를 분석하고 평가해야 합니다.
시청해 주셔서 감사합니다!
Subscription Required. Please recommend JoVE to your librarian.
Results
각 친숙성 테스트에는 트리플렛 1회와 호일 1개(무작위로 생성된 비트리플렛)가 포함되어 있기 때문에 전체 의 확률 성능은 50%입니다. 참가자가 삼중 또는 호일을 더 친숙한 것으로 선택했는지 여부와 시간의 절반 이상을 선택하는 것은 통계 학습의 데모를 구성합니다. 10-20명의 참가자를 테스트한 후, 모든 참가자 중 친숙한 삼중을 선택하는 비율을 함께 평균합니다. 간단한 막대 그래프는 주요 효과를 시각화하는 좋은 방법입니다(그림 3).
그림 3. 친숙도 테스트에서 삼중 식별으로 측정된 통계 학습 률. 50%는 기회 성능이며, 세 쌍둥이와 호일에 모두 친숙합니다.
Subscription Required. Please recommend JoVE to your librarian.
Applications and Summary
시각적 통계 학습은 학습, 지각 및 메모리의 다양한 문제를 조사하기위한 출발점으로 활용되었습니다. 여기에는 학습에 대한 주의의 영향과 필요성, 암시적 시각 기억 및 개체 인식에 관여하는 뇌 영역, 공간 대 측두구조에 대한 학습의 차이점 및 유사성등이 포함됩니다. 시각적 통계 학습은 또한 언어의 소리와 문자가 매우 신뢰할 수있는 통계 적 관계로 나타나는 경향이 있기 때문에 유아와 어린이의 초기 언어 학습을 지원하는 것으로 생각되는 청각 통계를 포함한 광범위한 수준의 통계 학습 메커니즘의 예로 생각됩니다.
Subscription Required. Please recommend JoVE to your librarian.
