İnsan Likeness en Uncanny Vadisi Hipotez 'Boyut algısal ve Kategori İşleme: Bazı Metodolojik Sorunlar

Behavior
 

Summary

İncelenmesi

Cite this Article

Copy Citation | Download Citations

Cheetham, M., Jancke, L. Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues. J. Vis. Exp. (76), e4375, doi:10.3791/4375 (2013).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Mori en Uncanny Vadisi Hipotez 1,2 gibi robotlar gibi humanlike karakter algılama ve, uzantısı, avatarları (bilgisayar tarafından oluşturulan karakter) bir birlikte görsel ve davranışsal gerçekçilik nesnenin derecesine bağlı olarak olumlu ya da olumsuz etkisi (değerlik) uyandırabilir önermektedir insan benzerlik boyut (DHL) (Şekil 1). Ancak değişik gerçekçi bir insan-olmayan karakterden kişisel yanıtların etkili valanslı klinik çalışmalar çelişkili bulgular, 3, 4, 5, 6 üretmişlerdir. Bunun nedeni, bir dizi bir hipotezi olarak bu insan benzerlik algılanan değildir. DHL fiziksel humanlike benzerlik derecesi bir düzgün doğrusal değişim olarak Mori açıklaması sonrasında tanımlanabilir ise, DHL boyunca nesnelerin öznel algısı kategorik algı (CP) 7 psikolojik etkiler açısından anlaşılabilir. Ca daha fazla davranışsal ve beyin görüntüleme incelemeleriDHL boyunca ve duygusal deneyim boyut en temel kategori yapısı potansiyel etki tegory işleme ve CP ihtiyaç vardır. Bu protokol bu nedenle DHL odaklanır ve CP incelenmesi sağlar. Örnek olarak video sunulan protokolüne dayanarak, DHL temsil Morph continua çekilen uyarıcının "esrarengiz" araştırma protokolü ve kullanılmakta olan yöntem çevre sorunları video eşlik makale tartışılmıştır. Kategori değiştirme ve kategori işleme duyarlı olan, fiziksel insan benzeri benzerliğine nöral duyarlı beyin bölgelerinde çözündürmek amacı ile DHL temsil etmek için görüntüleme ve Morph uyarıcıların kullanımı kısaca gösterilmiştir.

Protocol

Şekil 1
Şekil 1. Negatif ve pozitif duygulanım (değerlik) ve algılanan insan benzerlik deneyimi arasındaki doğrusal olmayan ilişki İllüstrasyon. Aksi takdirde pozitif bir ilişki son derece gerçekçi ama bariz bir doğal olmayan insana benzer nesnenin görünümünü ve davranışını ince farklar önerilmektedir hangi tasvir eğrisinin birinci ve ikinci pozitif tepe arasındaki gerçekçilik düzeyinde keskin bir negatif tepe (yani esrarengiz vadi) gösterir yabancılık ve kişisel rahatsızlık (esrarengiz bir duygu yani) duygusu ortaya çıkarmak için. Resim 2 uyarlanmıştır.

Biz şu görevlerin her biri için katılımcı farklı gruplar kullanılır.

1. Zorla Seçimi Sınıflandırma Görev 1.1 Uyarılar

  1. DHL temsil etmek için doğrusal morph kontinua üretmek için geçişin prosedürü ana yüzleri (yani kontinua uç noktalar) olarak avatar ve insan görüntüleri kullanın. Biz sırasıyla insan ve avatar yüzleri, 32 görüntüleri kullanarak 32 insan-avatar kontinua yarattı. Modelleme paketi Poser 7 (Smith Micro Software, kullanarak avatarlar oluşturmak www.smithmicro.com diğer yazılım mevcut olmasına rağmen,). Biz Funmorpher (Zealsoft Inc, Eden Prairie, MN) kullanarak bu morph kontinua oluşturulan, ancak diğer geçişin yazılım kullanılabilir.
  2. Morph yazılımı kullanarak, ana yüzlerin ilgili özellikleri üzerinde kontrol noktaları yerleştirin. Her yüz için, ağız 20 puan, her göze 18 sayı, burun üzerinde 20 puan ve her kaş üzerinde 8 puan yerleştirilir. Böylece 100 kontrol noktaları çapında kullanılan. Kontrol noktalarının sayısını sabit tutmaya çalışın, ancak fin herhangi eserler ortadan kaldırmak için daha fazla puan eklemekkontinua al morphs.
  3. Emin olun potansiyel boşa geçişin prosedürü girmiş değildir. Örneğin, nötr ifade, doğrudan bakışları ve bu sakal ya da takı ve son nokta görüntü olarak başka belirgin özellikleri ile bilinmeyen belirsizdi erkek yüzleri her süreklilik görüntülerin uç noktaları olarak kullanılan yakından yaş, configural ipuçları ve genel yüz geometri için eşleştirilmiştir .
  4. Örneğin eliptik şeklinde siyah bir kaplama ile dış özellikleri kırpmak için fotoğraf düzenleme yazılımı kullanın, Photoshop,, CS3 (biz Adobe kullanılan www.adobe.com ). Geçişin önce, configural ipuçlarının son nokta görüntüler arasında uyum sağlamak için görüntülerin konumunu ayarlamak, ve kontrast seviyelerini, genel parlaklığı ve her bütünün uç nokta uyaranların her bir çiftin cilt tonunu ayarlayın.
  5. Bir DHL süreklilik her morph önceden tanımlanmış artışlarla fiziksel humanlike benzerlik bir farkı ifade eder. Biz 1 oluşturulan3 farklı biçim değiştirmiş bir görüntü ve bu etiketli, iki uç 11 ve ara madde morphs (Şekil 2B) olan M0 M12.

1.2 Stimulus sunum ve talimatları

  1. Açıkça avatar olarak kategorize ve insan olan bu morphs belirlemek için ve kategori sınır 8 konumunu tanımlamak için iki alternatif zorunlu seçim sınıflandırma görevi kullanın.
  2. Mevcut çalışmalarda 750 msn için bir morph görüntü izledi 500 milisaniye (katılımcılar tespit korumak için gereklidir) için bir odaklanma noktası ile başlayan. Biz Sunum kullanılan, yazılım (Sürüm 14.1, www.neurobs.com bu protokoldeki tüm görevleri uyaran sunum, ancak diğer uyaran sunum platformları için) kullanılabilir.
  3. Iki respo birine basarak hızlı ve hassas mümkün olduğunca bir avatar ya da insan ya olarak sunulan morph uyarıcı tanımlamak için katılımcı bilgilendirin nse tuşları.

1.3 Veri Analizi

Tepki fonksiyonu şeklini tanımlamak için polinom regresyon kullanarak avatar-insan sınıflandırma verileri özetler. Her katılımcı ve süreklilik yanıt verileri uydurma lojistik fonksiyonu modelleri Bu belirleyin. İlk olarak, lojistik fonksiyonları en uygun sağlamak için katılımcılar arasında bireysel kontinua analiz. Her süreklilik lojistik fonksiyonu elde edilen parametre tahmin kullanarak tüm kontinua genelinde avatar-insan kategorisine tepki fonksiyonu bir adım gibi şekil için bir tek örnek t-testi sıfır karşı Daha sonra, test, katılımcılar arasında ortalama. Bir logit dönüşüm 9 için her süreklilik lojistik işlevinin parametre tahminleri göndererek her sürem boyunca kategorisinde sınır konumunu tahmin edin. Biz SPSS sürüm 16 kullanarak zorla seçim sınıflandırma ve algısal ayrımcılık görevler için tüm analizleri yapılan (ibm.com / yazılım / analytics / spss "target =" _blank "> www.ibm.com / yazılım / analytics / spss).

Tepki süresi (RT) verileri de analiz edilebilir. Bu analizde, morph konumuna bağlı yanıt süreleri farklılıklar bağımlı değişken olarak tüm kontinua genelinde her bireyin ortalama RT kullanarak, 13 morph pozisyonları ile, bir tek faktörlü ANOVA girilir.

Şekil 2,
Şekil 2,. Zorunlu tercih sınıflandırılması görev (A) ve bir sürekli Morph (B) bir örnek sonuçları. Panelinde B'de, avatar ve insan uç noktaları arasındaki 13 morph-sürem boyunca doğrusal fiziksel geçiş göreli derecesi yüzde olarak gösterilir. M0 ve M4 inci insan olarak avatarlar ve M8 ve M12 olarak tanımlanmıştırpanelinde bir gösterildiği gibi e, seçim sınıflandırma görev zorladı.

2. Algısal Ayrımcılık Görev

2.1 Uyarılar

  1. Aynı-farklı algısal ayrımcılık görevi 10 bu sürümü için, her morph sürekli seçim avatar (örneğin M0 ve M4) ve insan olarak iki (örneğin M8 ve M12) gibi önceki sınıflandırma görev kategorize iki morphs. Morphs arasındaki fiziksel farklılıklar kontrol etmek için, her sürem boyunca fiziksel değişim eşdeğer artışlarla temsil morphs seçin. Biz 33.33% artışlarla (yani M0, M4, M8, M12) (Şekil 2B) kullanılır.

Şekil 3,
"Aynı-farklı" algısal ayrımcılığı için Şekil 3. Uyarıcı koşullarıination görev (N = 20). Morphs çiftleri oluşturmak için seçilir. Bir çift morphs ("içinde"), ("aynı") aynıdır, ya da onları ("arasında") arasında kategorisinde bir değişiklik gösterir aynı kategori içinde çekilir. Morphs M0, M4 ve M8 insan denemeler (B) avatar denemeler (A) ve M4, M8 ve M12 için kullanılır. Avatar çalışmalarda bir morph çiftinin ilk morph M8 her zaman M4 ve insan çalışmalarda ve bu avatar ve insan çalışmalarda farklı kontinua alınan morphs dayanmaktadır unutmayın.

  1. (Bir çift morphs fiziksel veya kategori değişikliği temsil eden, aynıdır) "aynı", (bir çift morphs olan "içinde": üç deneysel morph-çift koşulları (Şekil 3) göre çiftleri içine seçilen morphs sıralama ) bir kategori içinde alınan ve "arasında" (bir çift morphs farklı kategoride temsil).
  2. Ilgili olarak morph çiftlerinin morphs arasında ayrımcılık performans araştırmakavatar kategori (bu morph çift böylece "avatar denemeler" olarak adlandırılır) için üç koşul her morph çiftinin ilk morph (Şekil 3A) (avatar kategoriden) her zaman M4 olduğundan emin olun. "Aynı", M4 için M4 - - Morph çift M4 ile sonuçlanır "içinde" ve M4 için M0 - koşulları "arasında" için M8. Aynı prosedür ilk morph her zaman M8 sağlamak, (böylece "insan denemeler" olarak adlandırılan) insan kategorisine göre morph çiftleri için uygulanabilir: "Aynı" (M8 - M8), (M8 - M12) "içinde" ve "arasında" (M8 - M4) (Şekil 3B).
  3. Her zaman morph çiftinin iki morphs, başlangıçta morphed edildiği aynı sürekli çekilir emin olun. Aynı sürekli içinde hiçbir çiftleri yakın sırayla gösterilir böylece morph çift sunum Sözde rastgele. Belirli bir sürekli gelen avatar veya insan çalışmaların sunumu rastgele ama her bir katılımcı ya görünümü sağlamak için tüm katılımcılar arasında denge olduğuavatar veya insan çalışmaların eşit sayıda herhangi bir sürekli gelen ancak her ikisi ve bu avatar veya insan çalışmalarda görülmektedir.

2.2 Sunum ve talimatları

  1. Bir çift yüzleri arasında 300 milisaniye arası bir uyaran aralığı (ISI) ile 500 msn için bir yüz çift her yüz takip 500 msn (katılımcılar tespit korumak için gereklidir) için bir tespit çapraz sunuyoruz. Ayrıca ISI farklı süreler farklı şekilde ayrımcılık performansı etkileyecek olmadığını doğrulamak için 75 msn bir ISI kullanılır. Morph çiftleri çalışmalar arasında bir değişken arası deneme aralığı mevcut: biz 2500 msn ortalama bir aralık kullanılır.
  2. Bir morph çift oluşan her deneme görüntülemek için Katılımcıları talimat, morphs davasının gittikçe sunuluyor ve her yüz çiftin yüzleri görünüş olarak 'aynı' ya da 'farklı' olup olmadığını olarak hızlı ve hassas olarak mümkün düğmesine basın tarafından belirtmek için .

2.3 Veri Analizi Ayrımcılık doğruluk sınır aynı tarafından yüz çiftleri ile karşılaştırıldığında kategorisinde sınır çapraz yüz çiftleri için analiz edilir. 3 "yüz çift, bu için, 'farklı' yanıtları (bir çift her iki yüzü farklı fiziksel görünüm olduğunu belirten) morph yüz çiftlerinin toplam sayısının oranlarda olarak hesaplanır ve 2 X 3 faktörlü ANOVA tabi deneme türleri "(içinde, arasında, aynı) ve 2" ISI "koşulları (75 msn, 300 msn). Küresellik bir varsayımı ihlal edildiğinde Sera-Geisser ayarı kullanılır. Avatar çalışmalar ve insan çalışmaları için veri analizi ayrı ayrı tedavi edilir.

Bireysel doğruluğu puanları da kullanmış belirlenebilir 'istatistik 47,79 (Sinyal Algılama Teorisi için bkz, örneğin 45, 46, 47). Bir cevabı önyargı bağımsızdır ayrımcılık hassasiyeti ölçümüdür sağlar. Bu 0.5 (şans) ve 1 (perfe arasında değişmektedirct ayrımcılık). Çeşitli yazılım paketleri A 've ayrımcılık duyarlılık diğer önlemler (ve önyargı) 46, 47, 48 49, 50 hesaplamak için kullanılabilir. Biz, avatar çalışmalar ve insan çalışmaları için ayrı analizlerle, 2 "yüz çifti deneme türleri" (arasında, içinde) ve "ISI" koşulları (75 msn, 300 msn) ile, 2 X 2 tekrarlayan ölçümler ANOVA kullanılarak ayrımcılık duyarlılığı analiz bağımlı değişken olarak ve A '. Tepki önyargı genellikle genel rapor, ancak 38 bakınız değildir. Yanıt önyargı için, aksi takdirde aynı 2 X 2 ANOVA tasarım kullanarak ayrı bir analizinde bağımlı değişken olarak β "D istatistik 47 kullanılır.

RT veriler de yanıtları "arasında" "aynı" ve "farklı" için analiz edilebilir. Bu örnekte, biz, "farklı" "Aynı" ve her koşulda arasında RT bir özet görünümü elde etmek için bir analiz avatar ve insan yollar için koşullar "arasında" karşılaştırma. Bunun için, biz bir 3 X 2 X 2 ANOVA uygulandıgibi tüm kontinua genelinde her bireyin doğru yanıtların ortalaması RT kullanarak faktörler "yüz çifti deneme türleri" (aynı, farklı, arasında), "kategori" (avatar, insan) ve "ISI" (75 msn, 300 msn), bağımlı değişken.

3. fMRI Görev

3.1 Uyarılar

Uyarıcı koşulları,, içinde aynı ve Avatar koşulları ve insan çalışmaları arasında yüz çiftleri için geçişin uyarı, yani önceki algısal ayırımını anlatılan ile aynıdır.

3.2 Sunum ve talimatları

  1. Ilgi uyaranlara katılımcıların dikkatini korurken DHL boyunca fiziksel ve kategori ile ilgili değişim örtülü işleme incelemek için bir hedef izleme görevi kullanın.
  2. Nadir bir hedefin tespit edilmesi üzerine bir yanıt düğmesine basın katılımcıların söyleyin. Biz hedefleri, ters gösterilen yüzleri gibi tüm morph çiftleri 15% sundu. Hedef olarak kullanındört olası morphs biri (M0, M4, M8, veya M12) olarak uyaran sunum için kullanılmayan bir morph sürekli rastgele seçilmiş. Hedef morph morph çiftlerinin birinci veya ikinci morph hedefleri için izleme sırasında diferansiyel dikkat önlemek için morph çiftinin birinci veya ikinci morph olarak sunulmuştur emin olun.
  3. Her tarama oturumu katılımcıların genelinde amacıyla denge uyaran sunum iki deneysel çalışma oluşur. Çalışır arasındaki ara katılımcılar kısa bir dinlenme sağlar. Katılımcılar MR sinyal sürekli bir devlet kurma her çalışma başında bir haç sabitleşmek.

3.3 Konu Tarama için hazırlanması

  1. Deneysel protokol uygulanmadan önce tüm katılımcılara yazılı onam sağlar. Protokol, tüm işlemler ve onam formları yerel Etik Komitesi tarafından onaylanmıştır. Sağ elini seçe tarayarak beyin etkinleştirme lateralizasyonunda boşa kaçınınipants. Avatarlar önceki deneyim potansiyel etkisini için kontrol edin.
  2. Tarama önce, katılımcılar tarama işlemleri hakkında bilgi laboratuar, hedef izleme görev olarak verilen açık talimatlar, toplam tarama süresi ve nasıl gerekirse personel uyarmak için ile tanıtılır.
  3. Tarama için, katılımcı tarama masaya sırtüstü yatıyor. Kafa yastıkları konfor sağlamak ve tarama sırasında baş hareketi en aza indirmek için kullanılır. Katılımcılar tarayıcı gürültü etkisini azaltmak için ve deneyci ile iletişimi sağlamak için kulaklık ve kulaklık verilmektedir.
  4. Katılımcıların sağ hedef izleme görev için yanıt paneli üzerinde konumlandırılmış. Katılımcı Taramayı durdurmak istiyorum olmalıdır sol acil stop butonu yanına yerleştirilir.
  5. Görsel uyaranlara önünde veya MRI tarayıcısı arkasındaki yerleştirilen bir projeksiyon ekranında sunulabilir. - Biz bir MR uyumlu baş-üstü ekran ("VisuaStim kullanılanDijital ", Rezonans Technology Inc.) Bu görüşte, amaçlanan uyaranlara dışındaki tüm görüntü girişi hariç avantajına sahiptir.
  6. Veri toplama başlamadan önce, bu uyaran sunum, tepki paneli ve acil stop butonu düzgün çalıştığından emin olun.

Parametreler Kayıt ve Tarama 3.4 Veri

Biz 3-T tüm vücut MR ünitesi (Philips Medical Systems, Best, Hollanda) kullanarak tüm beynin yapısal ve fonksiyonel görüntüler satın aldı. Yapısal görüntüler T1 ağırlıklı 3D, şımarık gradyan eko darbe dizisi (180 dilim, TR = 20 msn, TE = 2.3 msn, = 20 °, FOV = 220 mm x 220 mm x 135 mm, matris boyutu = çevirme açısı ile tescil edilmiştir 224 × 187, voksel boyutu = 0.98 mm x 1,18 mm x 0,75 mm, 0,86 mm resliced ​​× 0.86 mm x 0.75 mm). Fonksiyonel Görüntüler tek-shot eko planar dizisi kullanarak çalıştırmak başına 225 tam kafa taramaları (tekrar t elde edildiime, TR = 2.6 sn; eko zamanı, TE = 35 msn; view = 220 mm alanı × 220 mm x 132 mm; çevirme açısı = 78 °; matris boyutu = 80 × 80; voksel boyutu = 2.75 mm x 2.75 mm × 4 mm, 1.72 mm resliced ​​x 1.72 mm x 4 mm).

3.5 Veri Analizi

  1. Biz MATLAB 2006b (Mathworks Inc, Natick, ABD MA,) ve SPM5 yazılım paketi (kullanılan http://fil.ion.ucl.ac.uk/spm ön işleme ve MR veri analizi için). Ön işleme genellikle ilk kaydedilen ses, hareket düzeltme, standart stereotaktik uzaya normalleşmesine görüntüleri uyum gerektirir ve yumuşatma (örneğin 6 mm 3 Çekirdek).
  2. FMRI veri analizi tekrarlama bastırma (SC) (11, 13, 14, inceleme için, 15, 16) olarak adlandırılan bir fenomen kullanır. DHL bağlamında değerlendirdiğimizde, bir morph çiftinin morphs hızlı arkaya sunulmaktadır. Temsilcibeyin bölgesinde aktivasyon (yani SC) bir azalma ilk morph sonuçları sunulan uyarıcı ya da uyarıcı özellikleri, ikinci morph içinde etition belirli uyaran veya nitelikleri (örneğin fiziksel veya kategori ile ilgili özellikleri) duyarlı var. Bu protokol, birinci ve ikinci morph arasındaki uyarıcı veya uyarıcı özellikleri tekrarı "içinde", "arasında" manipüle edilir ve DHL fiziksel ve kategori ile ilgili niteliklerin benzerlik ya da farklılık bakımından "aynı" koşullar . Bu koşullar zıt olarak, fMRI veri analizi uyarıcı tekrarı, 17, 18, ​​19, 20 sonraki sinyal azalması göreli farklar ölçüde temelinde, belirli bir uyarıcı veya fiziksel veya kategori ilgili uyarıcı öznitelik işlem yapan beyin bölgeleri tanımlar.
  3. Fiziksel ve uyarıcı Conditi, aşağıdaki kontrast kullanarak DHL boyunca kategori ile ilgili değişime duyarlı beyin bölgelerinde tespitons (arasında, içinde ve aynı). Bu tezat üç yüz çifti koşulları (ilk morph sırasıyla, avatar ve insan çalışmalarda aynı olduğunu unutmayın), ikinci yüzü olarak kullanılan morph açısından tanımlanır. Avatar denemeleri için fiziksel değişime duyarlılığı saptamak için, kontrast M0 artı M8> M4, ve insan denemeleri için M12 artı M4> M8 kullanın. Insan (yani avatar çalışma) için yön avatar olarak sınır boyunca kategori değişikliğine seçici duyarlı beyin bölgeleri tespit etmek için, kontrast M8> M4 artı M0 kullanın. Avatar insan yönü için, kontrast M4> M8 artı M12 kullanın.
  4. Bireysel düzeyde analizler için, altı morph çifti koşulları (avatar ve insan denemeleri için yani aynı, içinde ve arasında) her birinde her morph çiftinin ikinci morph her ​​konunun fMRI yanıtları bu arasındaki kontrast beyin aktivitesi için kullanılabilir şartları. Bu bireysel tezat daha sonra grubu düzeyinde analizleri f girilirveya dolaylı amaçlar.

Representative Results

1. Zorunlu seçim sınıflandırma görev

N tepkisi verilerinin analizi = 25 katılımcıları, 7'de rapor edilmiştir. Bu her bir süreklilik ve tüm continua arasında monte regresyon eğrisinin eğimi bir lojistik profili (Şekil 2A) olduğunu doğruladı. Bu eğim continua en morph yüzleri için katılımcıların yanıtları bir kategorik bileşenin DHL boyunca varlığı ile uyumlu bir sigmoid adım gibi fonksiyonu yansıtır. Eğrisinin eğimi dolayısıyla avatar alt ve üst asimptotlar veya avatarlar ve insanlar için 100% 100% yaklaşım insan kategorizasyon yanıtları ile karakterizedir. Buna karşılık, sınıflandırma yanıtların alt ve üst asimptotların arasındaki geçme lojistik eğri ve ordinat orta türetilen ortalama kategori sınır değerinin tahmini sınıflandırma yargılar içinde en az% 50 en fazla belirsizlik t ilişkili olduğunu gösteriro morph M6.

RT verilerinin analizi, 7 de rapor edilmiştir. Tüm morphs RT analizi (bkz. Şekil 4) maksimum olduğu hangi M6 de continua en avatar ve insan uçlarından daha morph mesafe RT artan ve uzun RTS, kontinua bir avatar ve insan amaçları için kısa RTS gösterdi Kategori karar yanıtları belirsizlik, Şekil 2B'de görülebilir. Daha açık bir şekilde son bulan doğrulamak için, M6, ortalama RT değerleri tüm diğer pozisyonlarda Morph ortalama RT değerlerle karşılaştırılabilir. Bir tek yönlü RM-ANOVA morph konumu ile analizi (iki düzeyde: M6 diğer morphs karşı) bağımlı değişken kontinua karşısında çöktü ve RT M6 için RT (M = 1.42, SD = 0.26) için RT gelen ileri derecede anlamlı bir fark olduğunu gösterdi diğer morph konumları (M = 0.99, SD = 0.46), F (1,24) = 62.04, p <0.001.

Birlikte ele alındığında categorization yanıt verileri yanıt verileri ile tutarlı olan CP varlığı için ilk kriter kategorisi kararlar için bir kategori sınır (tüm kriterleri için, örneğin, 11), ve tepki süreleri olduğunu, yani yerine olduğunu teyit ki onlar artan sınıflandırma belirsizlik ile daha uzun yanıt süreleri göstermektedir.

Şekil 4,
Uzun gösteren zorunlu seçim sınıflandırma görevin Şekil 4. Tepki süresi sonuçları, morph pozisyon sınıflandırma belirsizlik büyük olan az M6 de uyaranlara için sınıflandırma kararları için tepki gecikme anlamına gelir. Hata çubukları ± 1 standart hata gösterir.

2. Algısal ayrımcılık görev

N = 20 katılımcı veri analizleri zaten repo oldu7 rted. Örnek olarak kullanarak bu çalışma (Şekil 5) avatar çalışmalar için veri, analiz durumu içinde yüz çiftleri için zayıflatılmış ayrımcılık doğruluk ile karşılaştırıldığında durumu arasındaki en kategori sınır çapraz yüz çiftleri için geliştirilmiş ayrımcılık doğruluk gösterdi. Bu CP ile tutarlıdır. Veriler aynı durumda daha durumu içinde yüz çiftleri için büyük bir ayrımcılık doğruluk olduğunu en kategori içinde ayrımcılık doğruluğu önemli bir fark olduğunu da göstermektedir. 75 ve 300 msn ISI değişimi diferansiyel ancak insan çalışmalarda, katılımcıların yanıtları etkiledi.

Şekil 5,
"Aynı-farklı" algısal ayrımcılık görev f Şekil 5. Sonuçlarya avatar denemeler. Katılımcılar (N = 20). Bir Morph çiftinin morphs fiziksel görünümünü, aynı ya da farklı olup değerlendirilecektir. Kontinua boyunca morphs göreli mesafe için kontrol, sonuç aynı çekilir çiftleri için daha kategorisinde sınır (zorunlu seçim sınıflandırma görevi kararlı olduğunu) geçti yüz çiftleri için iyi ayrımcılık doğruluk (yani avatar veya insan) yan göstermek sınır, böylece insan benzerlik kontinua boyunca kategorik algı gösteren. 75 ms ve 300 ms arasında daha kısa ve daha uzun ISI etkisi de test edilmiştir ve ancak avatar denemeleri için seçicilik performans etkilediği bulunmuştur. Hata çubukları ± 1 standart hata gösterir.

Yanıt önyargı bağımsız ayrımcılık performans ölçütü olarak bir 'istatistik kullanarak, yüz çift deneme türleri (yani (içinde ve arasında) ayrımcılık hassasiyeti üzerinde önemli bir temel etkisi, avatar çalışmalarda vardıF (2,38) 'içinde-kategori çiftleri için daha (= 0.89, SD = 0.07 (bir çapraz kategori için daha fazla ayrımcılık hassasiyet A)' = 0.55, SS = 0.17) (Şekil 6 ile = 107.11, p <0.001, .) Benzer şekilde, F (2,38) =, insan rotaları 'içinde-kategori çiftleri için daha (= 0.94, SD = 0.1 (bir çapraz kategori için anlamlı olarak daha fazla ayrımcılık hassasiyet A)' = 0.56, SS = 0.22) oldu 107.11, p <0.001. ISI yüzü çift deneme türleri hiçbir etkisi yoktu. Yanıt önyargı bir ölçüsü olarak β "D istatistiği kullanılarak, yüz çift deneme türleri önyargı üzerinde önemli bir temel etkisi vardı [F (2,38) = 70.53, p <0.001], yargılamak için güçlü bir eğilim gösteren katılımcılarla farklı olarak içinde-kategori çiftleri "(D = -0.18, SD = 0.59 D = 0.81, SS = 0.23) çapraz kategori çiftleri β) yanıtı ile karşılaştırıldığında". Bu conkatılımcılar aynı-farklı karar içi kategori çiftleri için daha zor olduğu bu özel görevi "farklı" kararlar lehine eğilimi fikri ile tutarlıdır.

Şekil 6,
Şekil 6. Yanıt önyargı bağımsız ayrımcılık performansı (N = 20) bir ölçüsü olarak bir 'istatistik kullanarak, ayrımcılık hassasiyet avatar ve insan çalışmalarda hem de içinde-kategori çiftleri için daha çapraz kategori için daha fazla oldu. Hata çubukları ± 1 standart hata gösterir.

RT verilerin analizi avatar ve insan denemeler arasında ve kısa ve uzun ISI arasında anlamlı fark yoktu. Gibi üç uyarıcı çifti koşullar (bakınız Şekil 7), F (2,38) = 34.55, p <0.001 ile RT için bir temel olarak anlamlı bir etkisi yoktur idi. Öniçinde-konu tezat planlanan testler çapraz kategori yüzler için RT (yüz çifti deneme türü 'arasında' yani) daha hızlı anlamlı olduğunu göstermiştir (M = 0.79, SE = 0.05) bir kategori içinde yüz çiftleri için RT ('içinde daha 'deneme tip) (M = 1.26, SE = 0.09) [F (1,19) = 60.09, p <0.001] ve yüz çiftleri aynı yüz çifti durumda (M = 0.88, SE = 0.08), F (1, 19) = 43.1, p <0.001.

Şekil 7
Şekil 7. Tepki süresi (RT) avatar ve insan denemeleri için "aynı-farklı" algısal ayrımcılık görev (N = 20) sonuçları. Grafik kategori sınır çapraz uyarıcı çiftleri için RT (koşul arasında yani) ac içinden yüzler için RT daha kısa olduğunu gösteriyorategory. Hata çubukları ± 1 standart hata gösterir.

Sınıflandırma yanıt verileri böylece kategori içinde alınan eşit uzaklıkta çiftleri için daha kategorisinde sınır çapraz çiftleri için daha iyi ayrımcılık doğruluk olduğunu CP varlığı için ikinci kriter onaylayın. Bu kategori sınırına yakın fiziksel uyarıcı özellikler için daha iyi bir hassasiyet ile adlandırılan bir ayrım sınır olmadığını göstermektedir. RT verilerle kategori yüz çiftleri ile karşılaştırıldığında çapraz kategori için daha kısa tepki gecikmeleri gösteren bu destek.

Bu özel algısal ayrımcılık görev DHL boyunca ayrımcılık sınırının belirli bir noktaya tanımlamaz. Sunulan morphs çiftleri arasındaki bir çok daha küçük morph mesafe bu sorunu çözmek için kullanılabilir. Burada geleneksel ABX ayrımcılık görevi 12, 13 kullanarak bir örnek göstermektedir. ABX ayrımcılık ayırıcı sıralı sunumu gerektirirA veya B hedef uyaran X olarak görüntü A, B ve X gördükten sonra, katılımcılar A veya B X ile aynı olup olmadığını göstermek için gerekli olan ikinci bir sunum izledi t yüz uyaranlara (örneğin Morph A ve Morph B) Bu örnekte, dönüşür (örneğin, 1-3, 2-4, 3-5, vb) arasında, 2 aşamalı bir ayırma prosedürü (Şekil 8B) sunulmuştur. Analizler 8'de tarif edilmektedir. Örnekleme amacıyla, ABX ayırımını Cheetham ve ark. 7 çalışmada çekilen nokta uyaranlara kullanılarak 4, Morph kontinua, 11 morphs her kullanılarak 24 katılımcı üzerinde gerçekleştirildi. ABX ayrımcılık görevi ardından, zorunlu seçim sınıflandırma görevi aynı katılımcılarla gerçekleştirildi. Görev sunum Bu dizi ABX ayrımcılık görev alma açık kategori karar etkisini en aza indirmek için düşünülmektedir. Şekil 8B algısal ayrımcılık sens bir zirve olduğunu açıkça gösterirmorph pozisyonda iTivity tarafından tahmin ve kategori sınır (Şekil 8A bakınız) ile uyumlu. Morphs, performans açıkça morph çift M5-M7 arasındaki aralığı tespit edilebilir ayrımcılık tepe arasındaki 2-adım mesafe kullanma. Maymun, inek ve continua en uç noktaları gibi insan yüzleri ile insan benzerlik boyutları çekilen ABX paradigma ve morph uyaranlara kullanarak bulgular için 8 bakın.

Şekil 8,
Şekil 8. ABX algısal ayrımcılık ve zorla seçim sınıflandırma görevlerin Temsilcisi sonuçları. Panel B ABX algısal ayrım görev 2 adımlı ayırma prosedürü (örneğin, 1-3, 2-4, 3-5, vb) algısal ayrım hassasiyeti tepe tahmin olduğunu gösterirpanelinde bir gösterilen zorunlu seçim sınıflandırma görev belirlenen kategori sınır tarafından. Panel A dört Sürekli ortamların monte regresyon eğrilerinin lojistik profilini gösterir. Insan olarak morphed yüzleri sınıflandırma kararları% 50 azami belirsizlik morph M6 ile ilişkilidir.

Aynı-farklı ayrımcılık görev teyit ayrımcılık sınır kategori sınır ile uyumlu olduğunu gösteren CP varlığı için üçüncü kriter. Diğer bir deyişle, bu kategori sınır konumunu ayrım sınır konumunu tahmin eder.

Her zaman CP 13, 14 çalışmalarda uygulanmaz Dördüncü kriter, ayrımcılık kategoriler içinde şans olduğunu. ABX tasarım kullanarak açıklayıcı örnek veri ayrımcılık biraz kontinua uç noktaları arasında yer alan bu morphs için bir şans ve kedi üzerinde öneririmegory sınır.

3. fMRI görev

Fiziksel değişime 4.3.1 Duyarlılık

Böyle bir değişiklik, fusiform girus (Şekil 9A) ve beyin bölgesinin ince sunumu duyarlı olduğu gösterilmiştir var olduğu durum ile birinci ve ikinci Morph arasında fiziksel bir değişiklik olduğu koşullar karşılaştırarak avatar çalışmalarda yüz morphs fiziksel görünüş olarak DHL boyunca taneli değişim. İnsan denemeleri için de benzer bir sonuç Şekilde gösterilmemiştir. Bu bölge, çünkü yüz bilgi işleme görsel sisteminin bir parçası olarak rolü fuziform yüz alanı olarak anılır olmuştur. Birlikte insan çalışmaları ile birlikte, bu bulgular yüz fiziksel özellikleri açısından farklılık 23, yüz geometrisi 16, 21, 24 ve 21 ile yüz doku fuziform alanlarında rapor edilen cevap ile tutarlıdır.

4.3.2 Sekategori değişikliğine nsitivity

DHL boyunca kategori değişikliğine duyarlı avatar çalışmalarda, beyin bölgelerinin örneğinde, 9B gösterir Şekil. Bu, böyle bir değişiklik olduğu durum ile birinci ve ikinci Morph Kategori arasında değişiklik olduğu koşullar karşılaştırılarak elde edildi. Görüntüleme verileri avatar çalışmalarda kategori değişim (yani DHL boyunca avatar-insana yönünden bir değişiklik) hipokampus, amigdala ve insula bir yanıt ortaya olduğunu göstermektedir. Bu bölgelerin rolü paradigma kullanılır ve sınıflandırılması bağlamında yorumlanmalıdır ve daha önce tarif edilmiştir 7 gerekmektedir. Genel olarak, amigdala yüzler, duygusal değerlik, yenilik ve belirsizlik 55, 56, 57, 58, 59 duyarlı. Amigdala bir durum 60 duygusal anlamı bağlı sınıflandırma ile ilgili diğer beyin bölgelerinin işleme etkilemeye önerilmektedir. Bölgesindekisula sürekli belirsizlik şartları 61, 62, 63 kategorisi altında işleme ve işleme ile ilişkili olduğu bildirilmektedir. Kullanılan paradigma bağlamında, bu bölgede sınıflandırma işleme 63 dikkat bilgi sahibi personel için katkıda bulunabilir. Aktivasyon belirli bir bölge de belirsizlik, tehdit veya potansiyel tehdit 64, 65 varlığı sinyal ile ilişkili olabilir. Hipokampus görsel sınıflandırma ve algısal öğrenme 66 yer almaktadır. İnsan çalışmalarda kategori değişim (DHL boyunca insan-için-avatar yönde yani bir değişiklik) putamen, kaudat başkanı ve talamus, bu durum duyarlı olduğunu ortaya koymuştur. Genel olarak, bu bölgelerde kategori üyelik ve temsilcisi ayarı kurmak için kullanılan potansiyel kategori kuralları arasında geçiş, sınıflandırma sırasında, karar belirsizlik kategori üyelik sinyal, uyarı kategori dernekler öğrenme ile ilişkilidirted kategorik sınır hataları 67, 68, 69, 70 en aza indirmek için.

Geniş bir düzeyde ve kullanılan deneysel paradigma kapsamında bu sonuçların yorumlanması bu avatar ve insan yüzleri belirli bir kategori (örneğin 25) ile önceki sınıflandırma deneyim derecesine bağlı olarak farklı sınıflandırma sorunları temsil etmektedir; katılımcıların insan uzman yüz işleme ama özellikle onlar bilgi alma doğruladı avatar yüzleri (örneğin video oyunları, film, ikinci hayatta) ve, daha önce karşımıza tür yüzlerini hiç görmediği bir önceki hali açık bir bilgi rapor olması temelinde seçilmiştir.

Şekil 9,
Şekil 9. Fiziksel bir Nöral ilişkilendiriravatar çalışmalarda DHL boyunca kategori değişim d. Aktivasyon haritalar koronal üst üste (A), enine (B) ve tek konunun sagital (C) bakıldı. Renk çubukları aktivasyon haritalar (p <0.005, 20 bitişik vokseller) t değerleri degrade anlamına gelir.

Discussion

Esrarengiz vadi hipotezin temel tahmini olumlu ya da olumsuz valenced deneyim algılanan insan benzerlik 77 (bilgilendirici bir bakış için, 78) bir fonksiyonu olarak uyarılmış olmasıdır. Insan benzerlik aslında nasıl algılandığı dikkatli incelenmesi bu nedenle kendi içinde önemli bir araştırma girişimdir. Aynı şekilde önemli DHL esrarengiz deneyimi deneylerde temsil nasıl. Bu protokol DHL nedenle odaklanır. Bir yaklaşım, daha önce olduğu gibi "uncanny" araştırma 5 uygulanan Morph devamlılığı, 6, 26, 27, 28 kullanılarak insan benzerlik temsil etmektir. Morph kontinua avantajı kullanımları öznel algı ve deneyim (örneğin kategori kararlar, esrarengiz duygu) davranışsal önlemlerle ve nöral süreçleri 7 altında yatan ile ilişkisi içine getirilmesi için insana benzer görünüm olarak deneysel kontrol farklılıklar izin olmasıdır. Bu ince taneli bir yaklaşım parçasıdıricularly önemli esrarengiz vadi hipotezi olumlu valenced ve tekinsiz deneyim arasındaki geçiş 78 meydana gereken insan benzerlik gerçek derecesini tahmin çünkü. Mori en varsayımlar doğruysa, DHL 7 boyunca kategori işleme ilişkin bulgular esrarengiz deneyimi algısal karar belirsizlik büyük olan kategori sınırında meydana büyük olasılıkla öneririz. Bu, yine de test edilmesi gerekir.

Morph kontinua ve ilgi diğer değişkenler, tek bir morph süreklilik yerine iki, hatta üç farklı yan yana kontinua 5,28 kullanılmalıdır kullanılarak temsil gibi, DHL arasındaki ilişkiyi araştırdık yorumlayabilmek için. Yan yana kontinua temsil başarısız ve, aslında, DHL süreksizlik getirerek insan benzerlik Mori kavramı değiştirebilir. Bu, bir algısal ayrımcılık görev performansı etkileyebilecek çünkü t açısındano süreksizlik ve geçişin prosedürü kaynaklanan farklılıkların bu algısal ayrımcılık rehberlik için bir referans güvenilir ama deneysel istenmeyen noktası (bkz., 29) olarak kullanılabilir. Fiziksel değişim eşdeğer artışlarla tüm süreklilik 5,28 birlikte temsil böylece her morph süreklilik içindeki tüm morphs dikkatli bir şekilde kontrol edilmelidir. Continua boyunca Morph mesafenin deneysel kontrol DHL birlikte fiziksel insan benzeri bir benzerlik lineer farklılıklara ilişkin duyusal bilgi bilişsel bir doğrusal ya da doğrusal olmayan bir şekilde temsil olup olmadığı muayene sağlar, çünkü bu, bu protokolde özellikle önemlidir. Doğrusal (Şekil 4 ve 5B bakınız) sınıflandırma yanıtları (Şekil 2A ve 5A) eğimi ve DHL boyunca uyarıcı nitelikleri algısal duyarlılık farklılıklar adım gibi işlev yansıtılır. Bu potokol daha fazla deneysel manipülasyonlar uygulamadan uç noktaları olarak yüzleri kullanır. CP ve insan benzerlik daha da çalışmalar yüz doku (bkz. 30,38) ile karşılaştırıldığında diğer yüz özellikleri ya da yüz geometri manipülasyon gerçekçilik ile karşılaştırıldığında, göz gerçekçilik gibi belirli özellikleri diferansiyel DHL boyunca kategori işleme nasıl etkilediğini örneğin inceleyebilir.

Geçişin prosedürü gibi yüz configural ipuçları olarak sürekli en uç noktaları karşılık gelen özelliklerin bir arada düzgün karıştırma sağlar. Üst yüz hatları ve saç profil 26 gibi yüz bilgi geçişin güçlüğü geçişin işlem sırasında özelliklerin uyum farklılıkları dikkat çekerek potansiyel önyargı katılımcının yanıtları olabilir. Bu önyargı kontinua uç noktaları, morph devam etmenin orta noktasında büyük olan farklılıkları olan morph mesafe ile ilgili olduğunu geçişin farklılıkların sistematik olması muhtemeldirua. Bizim morph kontinua için, kontinua orta noktası büyük algısal duyarlılık var olduğu etrafında kategori sınır karşılık gelir. Göz bölgesi (kötü morphs arasında göz doku uyumu çok hafif bir tutarsızlık sonuçlandı geçişin) ya iyi ya da kötü morphed edildiği kontinua göre bizim pilot çalışmalardan birinde (bir zorunlu seçim kategorizasyon görev) gelen verilerin reanalysis. Reanalysis kötü etkili boyutun insan sonuna doğru kategori sınır göreceli kayma neden Morphing böyle kötü morphed Sürekli ortamların sınıflandırılması kararı yanıtları sistematik bir önyargı doğruladı. Geçişin eşitsizlik bir "insan dışı-belirleyici" özelliği olarak algılandı çünkü bu muhtemelen oldu.

Bir yanıt önyargı kontinua gibi kafa kıyafetleri ve yüz mücevher gibi olmayan yüz bilgileri tek bir nokta uyarıcı sadece mevcut olduğu son nokta uyaranlara temelinde oluşturulan kullanarak da neden olabilir27. Katılımcıların araştırma ilgi uyarıcı bilgi yerine bir görüntü sunulan diğer belirgin özellikleri katılmak böylece Bu durumda, yüz görüntüleri kırpılmış olabilir. Bu görüntü DHL 6 insan sonuna göstermesi için olsa bile sistematik bir yanıt önyargı, insan dışı özellikleri insan nitelikleri ile birlikte sunuldukları bir süreklilik son nokta olarak bir görüntü kullanarak da neden olabilir. Bu durumda, insan benzerlik ve bu esrarengiz deneyimi öznel tedbirler olarak değişken arasında bir ilişkinin DHL Mori anlayışı ve hipotez esrarengiz vadi açısından yorumlanabilir değildir.

CP insan benzerlik 31, 10, 22, 32, 33, 34, 35, ve kategori-ilgili bilgileri dışında boyutta oluşabilir otomatik olarak diğer 36 maruz kalma üzerine işlenebilir. Bu protokol, bakım ayırıcı gösteren görsel ipuçları etkilerini kontrol etmek için bu nedenle alınmalıdırinsan benzerlik ile ilgili katılımcıların yanıtları kategori ilgili diğer boyutları açısından DHL boyunca ces. Bu ipuçları örneğin etnik köken, cinsiyet, yüz farklılığını, aşinalık ve kimlik ve yüz ifadesi (bkz. 5, 26, 27, 28) ile ilgili olabilir. İşbu Protokol yakından yüz geometri ve sürekli uç noktaları olarak kullanılan görüntülerin yüz hatları yapılandırma eşleştirerek algısal ayrımcılık görev ve fMRI çalışmasında hızlı arkaya sunulan yüz morphs arasındaki biyolojik hareket algısı minimize edilmesi üzerine odaklanmaktadır. Bu yaklaşım (birlikte uyarıcı koşulları kullanılan morphs kontinua boyunca göreli bir konumu olan) bir bütünün morphs arasında farklı kimliklerin herhangi bir algı en aza indirmek için yardımcı olur.

Zorla seçim sınıflandırma görevi bir bütünün morphs algısal ayrımcılığı kullanılmak üzere morphs seçmek için açıkça bir avatar olarak kategorize ve insan hangi belirlerination görev ve fMRI çalışması. Biz kontinua her (Şekil 2B ve 2C) gelen dört morphs M0, M4, M8 ve M12 seçilir. DHL birlikte fiziksel değişim derecesi için kontrol etmeye ek olarak, M4 ve M8 seçimi aşağıdaki teorik göz esas alınmaktadır. Mori değerlik-insan benzerlik ilişkisi (bkz. Şekil 1) eğimi iki pozitif tepe arasındaki DHL boyunca bölgeye uygun gerçekçilik seviyelerinde meydana gelen olarak algısal belirsizlik (ve ilgili esrarengiz deneyimi) nitelendirdi. Bu tepe de, nesneleri insan dışı ya da insan ya olarak kabul edilmektedir. Kategori işleme çerçevesinde açısından onun hususlar yeniden çerçeveleme, bu tepe doğru sınıflandırılan kategori durumlarda (yani insan dışı ve insan) kategorisinde sınır binme hangi insan benzerlik dereceleri yansıtan olarak görülebilir. Ama Mori belirtmedi ne kadar etkili bu sınıflandırma (yani algısal cher bir zirve nesnelerin net bir şekilde belirlenmesi göreceli olarak kolay, verimli ve kabul edilir olsa ertainty), bu seviye olmalıdır. Bu nedenle, kontinua boyunca iki Morph pozisyonları, bu iki grup arasında ve iki pozitif tepe genellikle başka CP araştırma (örneğin% 66, 32 olarak kullanılan daha konservatif kriter kullanılarak belirlendi yansıtan bir şekilde geçiş tanımlayan olarak kabul 34). Böylece, morph M4 çalışmaların% 85'inden fazlası bir insan olarak çalışmaların% 85'inden fazlası ve morph M8 bir avatar olarak ortalama tespit edilmiştir. Bu kriter herhangi bir süreklilik morphs M4 ve M8 için de geçerlidir lütfen unutmayın. Bu yaklaşımı kullanarak, morphs bu seçimi CP ve hipotez Mori açıklaması bir anlayış hem uygun olarak insan dışı ve insan nesneler arasında DHL boyunca kategorisinde değişim duygusu yakalamak istiyor.

Bu protokol aynı-farklı algısal ayrımcılık bir varyantı kullanırmilletin görevi 10 CP incelemek. Bu görevin avantajı katılımcıların belirli benzerlikler ve farklılıklar tespit edilmelidir ne gibi bir açıklama gerek kalmamasıdır. Bu, basitçe, aynı ya da farklı olarak uyaran tespit edilmesi yeterlidir. Buna ek olarak, katılımcılar kategori etiketleri bilmek gerekmez. Etiketler Bu ABX görev olarak bir ayrım görev gerektirdiği bellek yükü 42 arttığında uyaranlara arasında ayrımcılık için bir strateji olarak kullanılabilir. Aynı-farklı görev görev uyaranlara doğrudan karşılaştırmalı teşvik ettiği bellek yükü nispeten düşük olduğu avantajı vardır ve. Etiketleme potansiyel etkisini azaltmak için, ayrımcılık görevleri normal olarak zorunlu seçim kararı görevi 40 önce sunulmaktadır. Mevcut protokol ayrımcılık için iki farklı katılımcı gruplara göre ve seçim kararı görevleri 7, 41 zorlanır. Zorla seçim görevi uyaranlara seçmek için kullanılır olmasıdırayrımcılık görev için. ancak aynı katılımcılar hem görevleri test olmalı, protokol ayrımcılık görevi zorunlu seçim kararı görev önce yapılmasını değişiklikler yapılması gerekmektedir.

Sabit bir ayrımcılık tasarım bu protokolün aynı-farklı ayrımcılık görev uygulanır (tasarımları fitil için, örneğin 39). Bu M4 ve M8 her zaman, "aynı" her uyaran çiftinin ilk uyarıcı olarak gösterilen "içinde" ve sırasıyla, avatar ve insan çalışmaların koşulları "arasında" anlamına gelir. Bu protokol her katılımcının morph belirli bir süreklilik gelen ya avatar ya da insan çalışmaların uyaranlara değil, her ikisi de sadece gördüğünü deneysel kısıtlama içerir. Örnek olarak avatar çalışmalarda kullanarak, her uyaran çiftinin ilk uyaran ikinci "içinde" uyaranlara (yani M1) ve "arasında" (yani M8) koşulları eşit sıklıkla sunulan olduğunu, her zaman M4 olduğu anlamına gelirbelirli bir süreklilik ve bu başka uyaranlara o sürekli insan denemeleri için çizilir. Bu yaklaşım, seçici olarak güçlü temsil neden olan ve belirli bir süreklilik çapraz kategori yüzleri Bu nedenle ayrım kolaylaştırmak önlemeyi amaçlamaktadır. Çapraz kategori gösterimi ve bir deney blok açıklanan avatar ve insan denemeler sunma ayrımcılık olası etkisini araştırmak için, karşılaştırma amacıyla, dışlamak ya da, bir tasarım tarif avatar ve insan çalışmalarda sunuldukları uygulanabilir ayrı bloktan (katılımcılar arasında sırayla denge blokları ile).

Mevcut aynı farklı ayrımcılık görev 1:2 aynı-to-farklı çalışmaların bir oranına sahiptir. (Diğer faktörler de bu önyargı 44, 51 etkileyebilir rağmen) Bu oran "farklı" kararlar lehine bir yanıt önyargı neden olabilir. Sinyal Algılama Teorisi (SDT) elde edilen önlemler genellikle disentan için kullanılırayrımcılık duyusal uyaranlara (özet için, 44) katılımcının hassasiyeti (A 'veya d') den başka bir yere bir yanıt seçme gle yanıt önyargı veya c). D gibi 53 'SDT varsayımlar 52 ihlali nedeniyle tepki önyargı ile değişebilir, biz hassasiyet A parametrik olmayan ölçü kullanılır'. Yanıt önyargı için biz β "D 47 kullanılır. Alternatif c 43, 44 tarafından tavsiye edilmiştir, bu d '54 değişim bağımsızdır kısmen. Genel olarak, bu sonuçları içinde-kategori uyaranlara için daha kategorisinde sınır straddling morph uyaranlara için daha fazla algısal duyarlılığını göstermektedir.

Bu protokolde ayrımcılık görev için morphs seçimi görevi kontinua boyunca ayrı dört adım (olan morphs arasında ayrım gerektirir anlamına gelir yani dört aşamalı bir ayrımcılığıination,) Şekil 2B bakın. Ama morphs arasındaki farklılık bu dört aşamalı derece ayrımcılık (ayrımcılık sınır yani) (Şekil 5B) en gelişmiş olduğu bir gerçek morph konumunu daha iyi özellikleri sağlamak için çok büyük. CP (diğer kriterler için, örneğin 11) için önemli bir kriter zorunlu seçim görev kategori sınır ve ayrımcılık görev ayrımcılık sınırı arasındaki uyum olmasıdır. Diğer bir deyişle, bu kategori sınır Morph pozisyonu ayrım sınır Morph konumunu tahmin edilmelidir. Uyum belirli bir noktaya doğrulanması için bir yaklaşım, varyasyonlar çiftleri arasındaki mesafe Morph azaltıldığı bir ayrım görev kullanmak olacaktır. Açıklama amacıyla, Şekil 5B aynı farklı ayırımını için olası bir alternatif, geleneksel bir ABX ayrım olarak kullanarak pilot veriler, verileri sonuçlarını göstermektedirGörev 12, 13. Bu rakam kategori sınır öngördüğü morph konumda algısal ayrımcılık hassasiyet bir zirve olduğunu açıkça gösterir. Katılımcı ve analizlerde SDT uygulanması daha büyük bir sayı ile bir çalışmada bu tür sonuçlar daha da DHL boyunca CP etkileri bulma doğrulamak olacaktır. Kontinua uç noktaları için uyarı, bir süreklilik içinde oluşturulan morphs sayısı ve ayrımcılığa için morphs içinde adım büyüklüğü gerçek seçimi güçlü bir bilişsel etkileyecektir katılımcı ve birlikte morphs ayrımcılık için kendi yeteneğini yerleştirilir talep kontinua.

CP biri klasik ölçüt kategorisi sınır pozisyonu gerçek ayrım performans tepe noktası (yani sınır ayrımı) 80 konumunu tahmin olmasıdır. Bu tartışmalı CP 81 en önemli kriterdir. Bu tahmini kesin test deneysel desi gerektirirgn hangi bir araya geçişin sürekli bölgesinin tüm uzunluğu temsil eden tüm Morph çift tepe gerçek konumunu belirlemek amacıyla ayırımını sunulmuştur. 38, ayrımcılık performans morph kontinua sadece belirli kesimleri bazında incelenmiştir. Bu, bu da zor kesin CP doğrulamak için render performansı gerçek tepe gerçek pozisyonu, kaçırılmış olabilir anlamına gelebilir. Bu Lieberman ve ark bile erken CP çalışma. 82 çalışmaların tahmin ve yakınsama ayrımcılık performans gerçek tepe sıkı kriter kendi karşılamak için başarısız, ve diğer araştırmacılar (sıkı örneğin 11 Bu kriter uygulanmamış olduğunu belirtmek gerekir, ayrıca bkz 80). Performansını en üst gerçek yerini belirlerken bu kriter daha liberal yorumlanması uygulandığında bile, yine de önemlidir. Morph süreklilik tüm uzunluğu incelenmesiAyrıca olarak veri denetlenmesine kılma avantajına geçişin edilen prosedür sonucunda husule bir eşya örneğin nedeniyle beklenenin tersine bir noktada performansında bir tepe olup olmadığını sahiptir.

Yanıtları ek olarak, zorunlu tercih sınıflandırma görev yanıt süresi (RT), veri "Avatar" ya da "insan" olarak kategorize etmek için bir uyarıcı uyarıcı bilgileri ve rakip yanıt eğilimlerin bilişsel işleme zorluk bir göstergesi olarak kullanışlıdır 70, 71. RT böylece ya da kategori sınırına yakın konumlandırılmış uyaranların sınıflandırma kararları için uzun olmalıdır. Şekil 4 bu durumda olduğunu. Birlikte ele alındığında, tepki fonksiyonu ve kategori kararlar için RT veri şeklini bu ayrı bir kategoriye bir uyarıcı atama zorluk işlenmesinde büyük farklılıklar tabidir göstermektedir. RT değerlendirmek için, bu protokol qui olarak sınıflandırma esnasında yanıt katılımcıların talimatıckly ve doğru olarak mümkün. Yanıtları 72, 73 bir hız hassasiyeti ticaret-off potansiyel etkisi göz önüne alındığında, muayene ve sunulan tanımlamak için talimatları etkilenmez olmak, avatar-insan kategorisine tepki fonksiyonu şekli ve konumu çok sağlam olduğunu pilot test bulundu Morph uyarıcı ya kadar çabuk ve doğru bir şekilde ya da sadece mümkün olduğu kadar doğru. Bu, bu öneri daha ayrıntılı test edilebilir olsa da katılımcılar genel olarak, doğruluk için ağırlıklı bir karar stratejisi kullanmanızı öneririm. Insan görüntüden bir insana benzer nesne ayırt zorluk olumsuz valenced deneyimi uyandırmak olabilir Mori hipotezi uygun olarak, bu insana benzer uyaranlara daha uzun RT olumsuz etkiler ölçüleri ile ilişkili olup olmadığını kurmak için ilginç olacaktır. RT veriler toplandı ve aynı ayrım farklı görev için analiz edildi. RT tepki verileri 80 desteklemek için kullanılmıştır. ABX t aksinesormak, aynı-farklı görev RT ölçümü için net bir zaman noktası sağlar. RT Bu görevi 75, 76 içinde bir dizi faktöre etkilenir çünkü RT verilerin yorumlanması aynı-farklı kararlar için karmaşık olabilir ama doğru yanıt RT, 74 içinde-çiftleri için arasında-daha için kısa olmalıdır. RT veri daha az zor çapraz kategori kararlar daha hızlı içinde-kategori kararları (bkz. Şekil 7) daha yapılmış olduğu düşüncesi ile ancak uyumludur.

Bu Mori hipotezi fiziksel özellikleri aslında insan kategorisi içinde DHL (Şekil 2) 7 boyunca değişebilir olasılığını dikkate almaz işaret edilmelidir. Bu hipotezi 'orijinal değerlik insan benzerlik ilişki içinde, ikinci pozitif zirve DHL (Şekil 1), insan ucunda yer almaktadır nedenidir. DHL insan dışı yönü üzerinde vurgu influen edilmiştirdiğer çalışmalar DHL 3 insan yönünü temsil eden bir tek insan yüzü kullanmış ise, morph kontinua 4, 37 kullanmadıysanız çalışmalar da dahil olmak üzere hipotezi, tarafından yönlendirilen çalışmalarda Fark sıcaklık. Bu tür çalışmalar belirsiz sonuçlarla, esrarengiz deneyimi incelemek için çalışmışlardır. CP ile ilgili bulgular bu çalışmalar DHL boyunca kategori belirsizlik karşısında algısal karar verme ve çatışma çözümü süreçleri örtülü veya açık süreçleri uyandırmak için gerekli uyaranlara sunulan olmayabilir düşündürmektedir.

Bu protokol DHL temsil kontinua çekilen morphs fMRI ile, tanımlamak için kullanılır ve tekrar baskı, fiziksel humanlike benzerlik değiştirmek ve kategori ile ilgili bilgileri değiştirmek için hassas beyin bölgelerinin etkisi ile nasıl bir örnek göstermektedir. FMRI tasarım etkinliği morph uyaranların dikkatli üretimi ve seçimi ile güçlü etkilenir. Zorla choice ve algısal ayrımcılık görevleri böylece avatar-insan sınıflandırma eğrileri (tepki fonksiyonu yani eğim) şeklinde ve ayrımcılık performans kontinua arasında karşılaştırılabilirliği sağlamak için kullanılmıştır. Bu fMRI tasarım avantajı, bu Mori (insan meslektaşı bu fiziksel görünüş olarak ustaca farklı olmayan yeni insan nesnelerin yani pasif gözlem) tarafından tanımlanan uyarıcı koşulları fMRI metodoloji kısıtlamaları içinde simüle olmasını sağlar olmasıdır DHL boyunca fiziksel değişim etkileri kontrol ederken insan benzerlik hipotezi 'tanımına göre seçilen uyaranlara, ve kategori işleme etkilerinin incelenmesi kullanarak. FMRI paradigma esrarengiz deneyimi incelemek için tasarlanmamıştır, ancak kategori sınır kendisi ile örneğin ilişkili duygusal deneyim araştırmak için adapte olabilir. Bu beyinde Categor etkilerini inceleyen yönünde önemli bir adım olacaktırDHL alınan uyaranlara için duygusal deneyimi ile birlikte y işleme ve kategori belirsizlik.

Disclosures

Çıkar çatışması ilan etti.

Acknowledgments

Bu çalışma Avrupa Birliği FET Entegre Projesi PRESENCCIA (Sözleşme numarası 27731) tarafından desteklenen araştırma dayanmaktadır.

Materials

Name Company Catalog Number Comments
Funmorph Zealsoft Inc.
Poser 7 Smith Micro Software www.smithmicro.com
Adobe; Photoshop; CS3 Adobe www.adobe.com
Presentation; software Version 14.1, www.neurobs.com
SPSS Version 16 www.ibm.com/software/analytics/spss
MRI-compatible head-mounted display Resonance Technology Inc. "VisuaStim - Digital"
3-T whole-body MR unit Philips Medical Systems
MATLAB 2006b Mathworks Inc.
SPM5 software package http://fil.ion.ucl.ac.uk/spm

DOWNLOAD MATERIALS LIST

References

  1. Mori, M. Bukimi no tani [The uncanny valley. Energy. 7, 33-35 (1970).
  2. Androids as an experimental apparatus: Why is there an uncanny valley and can we exploit it?. MacDorman, K. Toward Social Mechanisms of Android Science: A CogSci 2005 Workshop, 106-118 (2005).
  3. Tinwell, A., Grimshaw, M., Williams, A. The uncanny wall. International Journal of Arts and Technology. 4, 326-341 (2011).
  4. Tinwell, A. Uncanny as usability obstacle. HCI. 12, 622-631 (2009).
  5. MacDorman, K. F., Ishiguro, H. The uncanny advantage of using androids in cognitive and social science research. Interaction Studies. 7, 297-337 (2006).
  6. Upending the uncanny valley. Hanson, D., Olney, A., Prillman, S., Mathews, E., Zielke, M., Hammons, D., Fernandez, R., Stephanou, H. E. 20th National Conf. on Artificial Intelligence and the 17th Innovative Applications of Artificial Intelligence Conf, 1728-1729 (2005).
  7. Cheetham, M., Suter, P., Jancke, L. The human likeness dimension of the "uncanny valley hypothesis": behavioral and functional MRI findings. Front Hum. Neurosci. 5, 126 (2011).
  8. Campbell, R., Pascalis, O., Coleman, M., Wallace, S. B., Benson, P. J. Are faces of different species perceived categorically by human observers? Proc. Biol. Sci. 264, 1429-1434 (1997).
  9. Finney, D. J. Probit analysis. (1964).
  10. Angeli, A., Davidoff, J., Valentine, T. Face familiarity, distinctiveness, and categorical perception. Q.J. Exp. Psychol. (Hove). 61, 690-707 (2008).
  11. Studdert-Kennedy, M., Liberman, A. M., Harris, K. S., Cooper, F. S. Theoretical notes. Motor theory of speech perception: a reply to Lane's critical review. Psychol. Rev. 77, 234-249 (1970).
  12. Liberman, A. M., Hariris, K. S., Hoffman, H. S., Griffith, B. C. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).
  13. Harnad, S. R. Introduction: Psychological and cognitive aspects of categorical perception: A critical overview. In: Categorical perception: The groundwork of cognition. Harnad, S. R. Cambridge University Press. New York. 1-25 (1987).
  14. Repp, B. H. Categorical perception: Issues, methods, findings. Speech Lang. Adv. Basic Res. Pract. 10, 243-335 (1984).
  15. Grill-Spector, K., Henson, R., Martin, A. Repetition and the brain: neural models of stimulus-specific effects. Trends. Cogn. Sci. 10, 14-23 (2006).
  16. Jiang, X., Rosen, E., Zeffiro, T., Vanmeter, J., Blanz, V., Riesenhuber, M. Evaluation of a shape-based model of human face discrimination using FMRI and behavioral techniques. Neuron. 50, 159-172 (2006).
  17. Henson, R. N. Neuroimaging studies of priming. Prog. Neurobiol. 70, 53-81 (2003).
  18. Grill-Spector, K., Malach, R. fMR-adaptation: a tool for studying the functional properties of human cortical neurons. Acta. Psychol. (Amst). 107, 293-321 (2001).
  19. Jiang, X., Bradley, E., Rini, R. A., Zeffiro, T., Vanmeter, J., Riesenhuber, M. Categorization training results in shape- and category-selective human neural plasticity. Neuron. 53, 891-903 (2007).
  20. van der Linden, M., van Turennout, M., Indefrey, P. Formation of category representations in superior temporal sulcus. J. Cogn. Neurosci. 22, 1270-1282 (2010).
  21. Jiang, F., Dricot, L., Blanz, V., Goebel, R., Rossion, B. Neural correlates of shape and surface reflectance information in individual faces. Neuroscience. 163, 1078-1091 (2009).
  22. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  23. Xu, X., Yue, X., Lescroart, M. D., Biederman, I., Kim, J. G. Adaptation in the fusiform face area (FFA): image or person. Vision Res. 49, 2800-2807 (2009).
  24. Liu, X., Steinmetz, N. A., Farley, A. B., Smith, C. D., Joseph, J. E. Mid-fusiform activation during object discrimination reflects the process of differentiating structural descriptions. J. Cogn. Neurosci. 20, 1711-1726 (2008).
  25. Poldrack, R. A., Prabhakaran, V., Seger, C. A., Gabrieli, J. D. Striatal activation during acquisition of a cognitive skill. Neuropsychology. 13, 564-574 (1999).
  26. Ho, C. C., MacDorman, K. F., Pramono, Z. A. D. Human emotion and the uncanny valley: A GLM, MDS, and isomap analysis of robot video ratings. ACM/IEEE international conference on human-robot interaction, 169-176 (2008).
  27. Seyama, J., Nagayama, R. S. The Uncanny Valley: Effect of Realism on the Impression of Artificial Human Faces. Presence: Teleoperators and Virtual Environments. 16, 337-351 (2007).
  28. Hanson, D. Exploring the aesthetic range for humanoid robots. CogSci Workshop: Toward Social Mechanisms of Android Science, (2006).
  29. Pastore, R. E. Categorical perception: Some psychophysical models. Categorical perception: The groundwork of cognition. Harnad, S. New York. 29-52 (1987).
  30. MacDorman, K. F., Green, R. D., Ho, C. C., Koch, C. T. Too real for comfort? Uncanny responses to computer generated faces. Computers in Human Behavior. 25, 695-710 (2009).
  31. Levin, D. T. Race as a visual feature: using visual search and perceptual discrimination tasks to understand face categories and the cross-race recognition deficit. J. Exp. Psychol. Gen. 129, 559-574 (2000).
  32. Beale, J. M., Keil, F. C. Categorical effects in the perception of faces. Cognition. 57, 217-239 (1995).
  33. Calder, A. J., Young, A. W., Perrett, D. I., Etcoff, N. L., Rowland, D. Categorical perception of morphed facial expressions. Visual Cognition. 3, 81-117 (1996).
  34. Etcoff, N. L., Magee, J. J. Categorical perception of facial expressions. Cognition. 44, 227-240 (1992).
  35. Campanella, S., Quinet, P., Bruyer, R., Crommelinck, M., Guerit, J. M. Categorical perception of happiness and fear facial expressions: an ERP study. J. Cogn. Neurosci. 14, 210-227 (2002).
  36. Macrae, C. N., Bodenhausen, G. V. Social cognition: thinking categorically about others. Annu. Rev. Psychol. 51, 93-120 (2000).
  37. Schneider, E., Wang, Y., Yang, S. Exploring the Uncanny Valley with Japanese Video Game Characters. Conference proceedings of DIGRA 2007, SMU Press. (2007).
  38. Looser, C. E., Wheatley, T. The tipping point of animacy: How, when, and where we perceive life in a face. Psychological Science. 21, 1854-1862 (2010).
  39. Macmillan, N. A., Goldberg, R. F., Braida, L. D. Resolution for Speech Sounds: Basic sensitivity and context memory on vowel and consonant continua. Journal of the Acoustical Society of America. 84, 1262-1280 (1988).
  40. Newell, F. N., Bulthoff, H. H. Cognition Categorical perception of familiar objects. Cognition. 85, 113-143 (2002).
  41. Rotshtein, P., Henson, R. N., Treves, A., Driver, J., Dolan, R. J. Morphing Marilyn into Maggie dissociates physical and identity face representations in the brain. Nat. Neurosci. 8, 107-113 (2005).
  42. Massaro, D. W., Cohen, M. M. Categorical or continuous speech perception: A new test. Speech Communication. 2, 15-35 (1983).
  43. Snodgrass, J. G., Corwin, J. Pragmatics of measuring recognition memory: Applications to dementia and amnesia. Journal of Experimental Psychology: Genera. 117, 34-50 (1988).
  44. Macmillan, N. A., Creelman, C. D. Detection theory: A user's guide. Cambridge University Press. Cambridge. (1991).
  45. Snodgrass, J. G., Levy-Berger, G., Haydon, M. Human experimental psychology. Oxford University Press. New York. (1985).
  46. Donaldson, W. Accuracy of d' and A' as estimates of sensitivity. Bulletin of the Psychonomic Society. 31, 271-274 (1993).
  47. Donaldson, W. Measuring recognition memory. Journal of Experimental Psychology: General. 121, 275-278 (1992).
  48. Stanislaw, H., Todorov, N. Calculation of signal detection theory measures. Behavior Research Methods, Instruments, & Computers. 31, 137-149 (1999).
  49. Wright, D. B., Horry, R., Skagerberg, E. M. Functions for traditional and multilevel approaches to signal detection theory. Behavior Research Methods. 41, 257-267 (2009).
  50. Sorkin, R. D. Spreadsheet signal detection. Behavior Research Methods, Instruments, & Computers. 31, (1), 6-54 (1999).
  51. Verde, M. F., Macmillan, N. A., Rotello, C. M. Measures of sensitivity based on a single hit rate and false-alarm rate: The accuracy, precision, and robustness of d', Az, and A'. Perception & Psychophysics. 68, 643-654 (2006).
  52. Swets, J. A. Form of empirical ROCs in discrimination and diagnostic tasks: Implications for theory and measurement of performance. Psychological Bulletin. 99, 181-198 (1986).
  53. Pollack, I., Norman, D. A. A nonparametric analysis of recognition experiments. Psychonomic Science. 1, 125-126 (1964).
  54. Macmillan, N. A. Signal detection theory as data analysis method and psychological decision model. A handbook for data analysis in the behavioral sciences: Methodological issues. Keren, G., Lewis, C. Erlbaum. Hillsdale, NJ. 21-57 (1993).
  55. Todorov, A., Engell, A. The role of the amygdala in implicit evaluation of emotionally neutral faces. Soc. Cogn. Affect. Neurosci. 3, 303-312 (2008).
  56. Phelps, E. A., LeDoux, J. E. Contributions of the amygdala to emotion processing: from animal models to human behavior. Neuron. 48, 175-187 (2005).
  57. Herwig, U., Kaffenberger, T., Baumgartner, T., Jancke, L. Neural correlates of a "pessimistic" attitude when anticipating events of unknown emotional valence. Neuroimage. 34, 848-858 (2007).
  58. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. 103, 1036-1047 (2010).
  59. Neta, M., Whalen, P. J. The primacy of negative interpretations when resolving the valence of ambiguous facial expressions. Psychol. Sci. 21, 901-907 (2010).
  60. Seger, C. A., Miller, E. K. Category learning in the brain. Annu. Rev. Neurosci. 33, 203-219 (2010).
  61. Volz, K. G., Schubotz, R. I., von Cramon, D. Y. Predicting events of varying probability: uncertainty investigated by fMRI. Neuroimage. 19, (1), 271-280 (2003).
  62. Grinband, J., Hirsch, J., Ferrera, V. P. A neural representation of categorization uncertainty in the human brain. Neuron. 49, 757-763 (2006).
  63. Heekeren, H. R., Marrett, S., Ungerleider, L. G. The neural systems that mediate human perceptual decision making. Nat. Rev. Neurosci. 9, 467-479 (2008).
  64. Gray, M. A., Critchley, H. D. Interoceptive basis to craving. Neuron. 54, 183-186 (2007).
  65. Wager, T. D., Phan, K. L., Liberzon, I., Taylor, S. F. Valence, gender, and lateralization of functional brain anatomy in emotion: a meta-analysis of findings from neuroimaging. Neuroimage. 19, 513-531 (2003).
  66. Poldrack, R. A., Rodriguez, P. How do memory systems interact? Evidence from human classification learning. Neurobiol. Learn. Mem. 82, 324-332 (2004).
  67. Seger, C. A., Cincotta, C. M. The roles of the caudate nucleus in human classification learning. J. Neurosci. 25, 2941-2951 (2005).
  68. Seger, C. A., Peterson, E. J., Cincotta, C. M., Lopez-Paniagua, D., Anderson, C. W. Dissociating the contributions of independent corticostriatal systems to visual categorization learning through the use of reinforcement learning modeling and Granger causality modeling. Neuroimage. 50, 644-656 (2010).
  69. Filoteo, J. V., Maddox, W. T., Salmon, D. P., Song, D. D. Information-integration category learning in patients with striatal dysfunction. Neuropsychology. 19, 212-222 (2005).
  70. Bonnet, C., Fauquet Ars, J., Estaún Ferrer, S. Reaction times as a measure of uncertainty. Psicothema. 20, (1), 43-48 (2008).
  71. Hyman, R. Stimulus information as a determinant of reaction time. J. Exp. Psychol. 45, 188-196 (1953).
  72. Wickelgren, W. A. Speed-accuracy tradeoff and information processing dynamics. Acta. Psychologica. 41, 67-85 (1977).
  73. Zacksenhouse, M., Bogacz, R., Holmes, P. Robust versus optimal strategies for two-alternative forced choice tasks. Journal of Mathematical Psychology. 54, (2), 230-246 (2010).
  74. Campanella, S., Chrysochoos, A., Bruyer, R. Categorical perception of facial gender information: Behavioural evidence and the face-space metaphor. Visual Cognition. 8, 237-262 (2001).
  75. Farrell, B. 'Same - different' judgments: A review of current controversies in perceptual comparisons. Psychological Bulletin. 98, 419-456 (1985).
  76. Palmer, J., Huk, A. C., et al. The effect of stimulus strength on the speed and accuracy of a perceptual decision. J. Vision. 5, 376-404 (2005).
  77. Mori, M. The uncanny valley (K. F. MacDorman & Norri Kageki, Trans.). IEEE Robotics and Automation. 19, (2), 98-100 (1970).
  78. MacDorman, K., Green, R., Ho, C. -C., Koch, C. Too real for comfort? Uncanny responses to computer generated faces. Comput. Hum. Behav. 25, 695-710 (2009).
  79. Grier, J. B. Nonparametric indexes for sensitivity and bias - computing formulas. Psychological Bulletin. 75, (6), 424-429 (1971).
  80. Repp, B. H. Categorical perception: Issues, methods and findings. Speech and language: Advances in basic research and practice. Lass, N. 10, Academic Press. Orlando, FL. 244-335 (1984).
  81. de Gelder, B., Teunisse, J. P., Benson, P. J. Categorical perception of facial expressions: Categories and their internal structure'. Cognition and Emotion. 11, (1), 1-23 (1997).
  82. Liberman, A. M., Harris, K., Hoffmann, H. S., Griffith, B. The discrimination of speech sounds within and across phoneme boundaries. J. Exp. Psychol. 54, 358-368 (1957).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics