Author Produced

Måling Oppmerksomhet og Visual Processing Speed ​​av Modellbasert analyse av Temporal-order dommer

Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Cite this Article

Copy Citation | Download Citations

Tünnermann, J., Krüger, A., Scharlau, I. Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments. J. Vis. Exp. (119), e54856, doi:10.3791/54856 (2017).

Please note that all translations are automatically generated.

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

Abstract

Denne protokollen beskriver hvordan gjennomføre temporal-order eksperimenter for å måle visuell prosessering hastighet og oppmerksomhetsressursfordelingen. Den foreslåtte metoden er basert på en ny og synergistisk kombinasjon av tre komponenter: tinningordens dommer (TOJ) paradigme, Bundesen sin Theory of Visual Attention (TVA), og en hierarkisk Bayesiansk estimering rammeverk. Metoden gir lett tolkbare parametere, som støttes av de teoretiske og nevrofysiologiske fundamentet for TVA. Ved hjelp Tojs kan TVA-baserte estimater oppnås for et bredt spekter av stimuli, mens tradisjonelle paradigmer brukes med TVA er i hovedsak begrenset til bokstaver og tall. Til slutt, de meningsfulle parametere av den foreslåtte modellen gir mulighet for etablering av en hierarkisk bayesisk modell. En slik statistisk modell kan vurdere resultatene i en sammenhengende analyse både på motivet og gruppenivå.

For å demonstrere gjennomførbarheten og versatility av denne nye tilnærmingen, er tre eksperimenter rapportert med oppmerksomhet manipulasjoner i syntetiske pop-out skjermer, naturlige bilder, og en beskjed om brev-rapport paradigme.

Introduction

Hvordan oppmerksomhet er fordelt i rom og tid er en av de viktigste faktorer i human visuell persepsjon. Objekter som fanger oppmerksomhet på grunn av sin synlighet eller betydning er vanligvis behandlet raskere og med høyere nøyaktighet. I atferdsforskning har slike ytelsesfordeler er vist i en rekke eksperimentelle paradigmer. For eksempel, fordele oppmerksomheten til målplasseringen raskere reaksjon i sonde gjenkjenning oppgaver 1. Tilsvarende er nøyaktigheten av de rapporterende bokstaver forbedret ved oppmerksomhet 2. Slike funn viser at oppmerksomhet forbedrer behandlingen, men de er fortsatt håpløst mute om hvordan dette ekstrautstyret er etablert.

Den nåværende papir viser at lavt nivå mekanismene bak oppmerksomhets fordeler kan vurderes ved å måle behandlingen hastigheten på enkelte stimuli i en modellbasert rammeverk som er relatert målingene til finkornet components oppmerksomhet. Med en slik modell, kan den samlede behandlingskapasiteten og fordelingen blant de stimuli utledes fra behandlingsfartsmålinger.

Bundesen sin Theory of Visual Attention (TVA) 3 gir en passende modell for dette arbeidet. Det er vanligvis anvendt på data fra bokstav rapport oppgaver. I det følgende er det grunnleggende TVA forklart og det er vist hvordan de kan bli utvidet til å modellere timebestille dom (Toj) data innhentet med (nesten) vilkårlige stimuli. Denne nye fremgangsmåten gir estimater av prosesshastighet og ressursfordeling som lett kan tolkes. Protokollen i denne artikkelen forklarer hvordan du kan planlegge og gjennomføre slike eksperimenter og detaljer hvordan dataene kan analyseres.

Som nevnt ovenfor, er den vanlige paradigme i TVA-basert modellering og estimering av oppmerksomhet parametere brevet rapporten oppgaven. Deltakerne rapporterer identiteten til et sett med bokstaver somer kort blinket og vanligvis maskert etter en varierende forsinkelse. Blant andre parametre, kan den hastigheten som de visuelle elementene er kodet inn i visuell korttidshukommelsen estimeres. Metoden har blitt brukt til spørsmål i grunnleggende og klinisk forskning. For eksempel, Bublak og kolleger 4 vurderes som oppmerksomhets parametre påvirkes i ulike stadier av aldersrelaterte kognitive mangler. I grunnleggende oppmerksomhet forskning, Petersen, Kyllingsbæk, og Bundesen 5 brukes TVA å modellere oppmerksomhets holdetid effekt, observatørens problemer med å oppfatte den andre av to mål på visse tidsintervaller. En stor ulempe med bokstaven rapporten paradigmet er at den krever tilstrekkelig overlearned og maskerbare stimuli. Dette kravet begrenser metoden til bokstaver og tall. Andre stimuli ville kreve tung trening deltakere.

Den TOJ paradigmet krever verken bestemt stimuljeg heller ikke maskering. Den kan brukes sammen med alle typer stimuli for hvilke rekkefølgen kan bli bedømt. Dette utvider stimulans utvalg til stort sett alt som kunne være av interesse, inkludert direkte sammenligninger på tvers av modale 6.

Gransker oppmerksomhet med Tojs er basert på fenomenet oppmerksomhets før innreise, som er et mål på hvor mye tidligere en deltok stimulus oppfattes i forhold til en uovervåket en. Dessverre, den vanlige metoden for å analysere Toj data, montering observatør ytelsespsykometriske funksjoner (for eksempel kumulative Gaussian eller logistikkfunksjoner), ikke kan skille om oppmerksomhet øker prosesseringshastigheten for deltok stimulus eller om det reduserer frekvensen av tilsyn stimulus 7. Denne tvetydigheten er et stort problem fordi spørsmålet om oppfatningen av en stimulus er virkelig forbedret eller hvis det fordeler på grunn av uttak av ressurser fra en konkurrerende stimul oss er et spørsmål om både fundamentalt og praktisk betydning. For eksempel, for design av menneske-maskin-grensesnitt er det svært relevant å vite om økende prominence av ett element fungerer på bekostning av en annen.

Den TOJ oppgave forløper vanligvis som følger: En fiksering merke er presentert for en kort forsinkelse, vanligvis på et tilfeldig trukket intervall mindre enn et sekund. Så, det første målet er presentert, fulgt etter en variabel stimulus utbruddet asynchrony (SOA) av andre mål. Ved negative SOA, blir sonden, er til stede stimulus, vises først. Ved positive SOA, fører referansen, uovervåket stimulans,. På en SOA på null, er begge målene vises samtidig.

Vanligvis presentere målet refererer til veksling stimulans på. Under visse forhold, men andre timelige hendelser, for eksempel et blaff av en allerede foreliggende mål eller forskyvninger brukes åtte.

_content "> I Tojs, er svarene samles i en unspeeded måte, vanligvis ved tastene lagt til stimulanse identiteter og presentasjons bestillinger (for eksempel hvis stimuli er firkanter og diamanter, viser en nøkkel" firkantet første "og en annen" diamant først ") . Viktigere, for evalueringen, disse dommene må konverteres til "probe først" (eller "referanse først") dommer.

I det foreliggende arbeide, er en kombinasjon av behandlingen modell av TVA og TOJ eksperimentelle paradigmet som brukes til å eliminere problemene i hver individuell domene. Med denne metoden kan lett tolkbare farts parametre estimeres for nesten vilkårlige visuelle stimuli, slik at å antyde hvordan observatørens oppmerksomhet er allokert til konkurrerende visuelle elementer.

Modellen er basert på TVA ligninger for behandlingen av enkelt stimuli, som vil bli kort forklart i det følgende. Sannsynligheten for at en stimuloss er kodet inn i visuell korttidsminnet før den andre tolkes som sannsynligheten for å bedømme dette stimulus som vises først. De enkelte koding varighet er eksponentielt fordelt 9:

ligning 1 (1)

Den maksimale ineffektive eksponering varighet t 0 er en terskel før som ingenting er kodet i det hele tatt. Ifølge TVA, hastigheten v x, jeg ved hvilken gjenstanden x er kodet som medlem av en perseptuell kategori i (for eksempel farge eller form) er gitt ved ligning hastighet,

ligning 2 . (2)

Styrken i sensorisk bevis for at x tilhører kategori jeg er uttrykt i t | x, jeg, og p jeg er en beslutning skjevhet for å kategorisere stimuli som medlemmer av kategori i. Dette multipliseres med enttentional vekter. Individuelle oppmerksomhets vekter w x er delt av de oppmerksomhets vekter av alle objekter i synsfeltet. Derfor er den relative vekten beregnet som oppmerksomhets

ligning 3 (3)

der R representerer alle kategorier og n x, representerer jeg den sensoriske bevis for at objektet x tilhører kategori j. Verdien π j kalles relevans av kategori j og reflekterer en skjevhet å gjøre kategoriseringer i j. Den samlede behandlingskapasiteten C er summen av alle behandlingspriser for alle stimuli og kategoriseringer. For en mer detaljert beskrivelse av TVA, se Bundesen og Habekost bok 9.

I vår nye fremgangsmåte, ligning 1, som beskriver koding av de enkelte stimuli, transformeres inn i en modell av Tojs. Forutsatt at utvalgsskjevheter og rapport kategorier er constant i løpet av en eksperimentell oppgave, den behandlings hastighet v p og v r av de to target stimuli probe (p) og referanse (R) avhenger av C og oppmerksomhets vekter i form v p = C · w p og v r = C · w r, henholdsvis. Den nye TOJ modellen uttrykker suksess sannsynligheten P p første at en deltaker dommere sonden stimulans til å være først som en funksjon av SOA og behandlings priser. Den kan formalisert som følger:

ligning 4 (4)

En mer detaljert beskrivelse av hvordan denne ligningen er utledet fra de grunnleggende TVA ligninger er beskrevet av Tünnermann, Petersen, og Scharlau 7.

For enkelthets skyld, er parameteren t 0 utelatt i modellen i ligning 1. I henhold til den opprinnelige TVA, bør t 0 være identisk for both mål i TOJ oppgave, og derfor stenger den ute. Dette kan imidlertid antakelsen noen ganger bli krenket (se avsnitt Diskusjon).

For montering denne ligningen til Toj data, er en hierarkisk Bayesiansk estimering ordningen 11 foreslått. Denne fremgangsmåten gjør det mulig å estimere oppmerksomhets vektene w p og w r av sonden og referanse stimuli og den totale behandlingsfrekvensen C. Disse parametrene, den resulterende opptaks priser v p og v r, og oppmerksomhetsinduserte forskjeller mellom dem, kan måles om emnet, og gruppenivå sammen med estimert usikkerhet. Den hierarkiske modellen er illustrert i figur 1. Under planlegging for et eksperiment, kan utføres praktisk bayesisk kraft analyse.

Følgende protokoll beskriver hvordan planlegge, gjennomføre og analysere Toj eksperimenter som prosesseringshastighet parametere og oppmerksomhets vekter for visuell stimuli kanoppnås. Protokollen forutsetter at forskeren er interessert i hvordan en oppmerksomhets manipulasjon påvirker behandlingen hastigheter på noen mål av interesse.

Figur 1

Figur 1: Grafisk modellen som brukes i Bayesian estimeringsprosedyre. Sirklene viser estimerte fordelinger; doble sirkler indikerer determinis noder. Squares indikerer data. Forholdet er gitt på høyre side av figuren. Nodene utenfor avrundede rammer ( "plater") representerer gjennomsnitts og spredning estimater av TVA parametre (se Innledning) på konsernnivå. I "j Temaer" plate, kan det ses hvordan oppmerksomhets vekter (w) er kombinert med den generelle behandlingen priser (C) til fra stimulus prosesserings priser (v) om emnet nivå. Plate "i SOA &# 8221; viser hvordan disse TVA parametrene blir så transformert (via funksjonen P p første er beskrevet i innledningen) inn i suksess sannsynlighet (θ) for de binomisk fordelte responser ved hver SOA. Derfor er θ sammen med repetisjoner av SOA (n) beskriver datapunktene (y). For mer informasjon om notasjon og tolkning av grafiske modeller, se Lee og Wagenmakers 23. Legg merke til at for tydelighets skyld, har de knutepunkter som representerer forskjeller i parametre er utelatt. Disse determinis Parametrene vises i tallene for de eksperimentelle resultatene i stedet. Klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

MERK: Noen trinnene i denne protokollen kan oppnås ved hjelp av tilpasset programvare som følger med (sammen med installasjonsveiledningen) på http://groups.upb.de/viat/TVATOJ. I protokollen, er denne samlingen av programmer og skript referert til som "TVATOJ".

1. Valg av Stimulus Material

  1. Velg stimuli i henhold til problemstillingen.
    MERK: Generelt er to mål i de forskjellige steder på skjermen. Stimuli som har blitt brukt med den foreliggende fremgangsmåte omfatter, for eksempel, former, tall, bokstaver, singletons i pop-out-skjermer, og objekter i naturlige bilder. De sistnevnte tre typer ble anvendt i denne protokollen.
    MERK: Flere forskjellige tiltakstyper er inkludert i TOJ plugin ( "psylab_toj_stimulus" utstyrt med TVATOJ) for forsøket byggmester OpenSesame 12.
  2. Når du oppretter nye tiltakstyper, sørg for at egenskapene til interest må kodes for dommen ved å gjøre dem viktig for oppgaven, eller velg stimuli hvor eiendommene i området er kodet automatisk (for eksempel enkeltfødte i pop-out-skjermer).

2. Strøm Estimering og planlegging

  1. Utfør et Bayesiansk maktanalyse ved å simulere datasett med den valgte modellen, planlagt utforming (SOA distribusjon og repetisjoner), utvalgsstørrelser, og en hypotese parametere. Anslå hvorvidt det er egnet til å nå forskning mål (for eksempel, en viss forskjell i parameterne). Hvis strømmen ikke er tilstrekkelig, endre utformingen ved å legge til eller skiftende SOA eller repetisjoner og gjenta analysen.
    1. For å bruke den medfølgende TVATOJ programvare, åpne og redigere skriptet "exp1-power.R". Følg kommentarer i filen for å justere den for den spesifikke analysen. For generell informasjon om Bayesiansk makt estimering referere til Kruschke 13.
<p class = "jove_title"> 3. Spesifikasjon eller Programmering av Experiment

  1. Bruk et eksperiment byggmester eller psykologisk presentasjon biblioteket for å gjennomføre forsøket.
    1. For å bruke OpenSesame TOJ plugin gitt i TVATOJ, dra "psylab_toj_stimulus" plugin til en rettssak presentasjon loop. Alternativt åpne "enkel-toj.osexp" eksempel eksperiment i OpenSesame.
    2. Velg ønsket stimulans type fra rullegardinmenyen "Stimulus type" i psylab_toj_stimulus konfigurasjon. Følg instruksjonene i TVATOJ for å legge til nye tiltakstyper om nødvendig.
  2. Angi forsøkene som er beskrevet i følgende trinn.
    1. For hver eksperimentell tilstand, skape forsøk med den planlagte SOA. Når du bruker psylab_toj_stimulus plugin og OpenSesame, legge til alle varierte faktorer som variabler til rettssaken sløyfe (for eksempel "SOA").
    2. Legg rader til bordet for å realiserealle faktorkombinasjoner (for eksempel sju SOA, -100 til 100 ms, krysset med de eksperimentelle forhold "oppmerksomhet" og "nøytral"). Juster bøylen er "Repeat" egenskap til å skape tilstrekkelig repetisjoner (se protokoll trinn 2 for å bestemme fordelingen og repetisjon av SOA).
      MERK: Vanligvis kan på det meste 800 studiene bli presentert i løpet av en time. Hvis flere repetisjoner er nødvendig, vurdere å dele forsøket opp i flere økter. Pass på at "Order" egenskap av loopen er satt til "Random" før du kjører eksperimentet.
    3. I psylab_toj_stimulus plugin konfigurasjon, legg plassholdere (for eksempel "[SOA]") for de ulike faktorene i de respektive feltene. Angi konstante verdier innen faktorer som ikke er variert.
      MERK: Før du kjører eksperimentet, sørg for at nøyaktig timing er garantert. Dersom det er hensiktsmessig timingen av nyere skjermer ikke ble bekreftet, brukCRT-skjermer og synkronisere med den vertikale retrace signal 12.

4. Eksperimentell Prosedyre

  1. Innbydende og briefing av deltakerne
    1. Velkommen deltakerne og informere dem om den generelle formen av forsøket (databasert oppfatning eksperiment). Informer deltakerne om den potensielle varigheten av forsøket. Skaff deltakernes informerte samtykke til å delta i forsøket.
    2. Sørg for at deltakerne viser normal eller korrigert til normalt syn (optimalt ved å gjennomføre korte synstester). Noen underskudd, som fargeblindhet, kan være tålelig hvis de ikke kommer i konflikt med den problemstillingen for den spesielle type stimulus materiale.
    3. Gi en stille messe der eksperimentet er gjennomført. Juster stolen, haken hvile, tastatur posisjon, og så videre, for å sikre optimal visning og responsforhold for experiment.
    4. Gjøre deltakerne oppmerksomme på at eksperimentet krever oppmerksomhet og mental fokus og kan være utmattende. Be dem om å ta korte pauser ved behov. Det er imidlertid like viktig å ikke utføre disse enkle oppgaver under sterkt oppmerksomhets belastning. Fortell deltakerne at det er greit å gjøre noen feil.
  2. Instruksjon og warm-up
    1. instruksjoner Present skjermen for oppgaven, detaljering presentasjonen sekvensen og svar samling prosedyre. Informer deltakerne at oppgaven er å rapportere i hvilken rekkefølge målene kom, og at dette vil være vanskelig i enkelte studier. Be deltakerne til å rapportere sine første inntrykk når de ikke kan fortelle rekkefølgen for enkelte, og la dem gjette om de har ingen slike inntrykk i det hele tatt.
      MERK: I de binære Tojs brukt her, er det ingen mulighet til å indikere oppfatningen av samtidighet. For å unngå overdreven gjettelek, ikke påpeke tilstedeværelse av forsøk med SIMUltaneously presenteres mål eksplisitt. La disse bare være vanskelige prøvelser med instruksjonene som er skissert ovenfor.
    2. For å unngå øyebevegelser under forsøkene, be deltakerne om å fiksere et merke som vises i midten av skjermen. Be dem om å hvile hodet på en hake resten.
    3. Be deltakerne til å ta korte pauser om nødvendig. La dem vite når pausene er tillatt, og når de må unngås (for eksempel under målet presentasjon og før respons).
    4. Inkluder en kort opplæring der deltakerne kan venne seg til oppgaven. For dette formål, frem en tilfeldig subsett av de eksperimentelle forsøk (se protokoll trinn 3.2).
      MERK: Siden oppgaven i seg selv er ganske enkel, ti til tjue studier er vanligvis tilstrekkelig. Det kan være en fordel å øke deltakernes tillit i sine prestasjoner i denne oppgaven. Dette kan gjøres ved å bremse ned presentasjon og gi tilbakemelding.
    5. Skaff deltakernes confirmatipå at de har forstått oppgaven (la dem forklare det), og at de ikke har noen flere spørsmål.
  3. Kjører hovedforsøket
    1. La den eksperimentelle programvare start med presentasjon av de viktigste studiene. La messe for hoved eksperiment.

5. Modellbasert analyse av TOJ data

  1. Konverter rådatafiler til tilfeller av "probe første" dommer for hver SOA. For eksempel, kjører script "os2toj.py" følger med TVATOJ.
  2. Kjør bayesisk estimeringsprosedyre for å estimere de viktigste parameterne w p og C, den utledede de v p og v r og forskjellene av parametrene. For dette formålet, kjøre skriptet "run-evaluation.R" etter å redigere den i henhold til instruksjonene i filen.
  3. Når prøvetaking er ferdig, kan forskjellene av interesse for problemstillinger vurderes. examples kan finnes i følgende avsnitt.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

I det følgende blir resultatene som oppnås med den foreslåtte fremgangsmåte rapportert. Tre forsøk målte påvirkning av forskjellige oppmerksomhets manipulasjoner med tre meget forskjellige typer stimuli materiale. Stimuli er enkle linjesegmenter i pop-out mønstre, action plass objekter i naturlige bilder og cued brev mål.

Forsøk 1: salience i pop-out-skjermer
Eksperiment 1 tar sikte på å måle påvirkningen av visuelle salience på behandlingshastigheten av linjesegmenter i et syntetisk mønster. Emner dømt hvilken av to mål linjesegmenter (venstre eller høyre) i et bakgrunnsmønster orienterte linjesegmenter blafret først. I halvparten av forsøkene, sonden var en farge pop-out (se figur 2a). Mer bakgrunnsinformasjon om TOJ basert vurdering av pop-out kan bli funnet i en studie av Krüger og kolleger 8, der lokale Orientasjon salience ble manipulert i stedet for farge. Fordelingen og frekvensen til SOA er vist i figur 2b.

A Bayesian kraft analyse ble utført som beskrevet i protokollen trinn 2. For typisk gruppe totale frekvensene C (M = 70 Hz, SD = 20) og en hypotetisk fordel fra omtrent 7 Hz for den fremspringende målet på oppmerksomhet tilstand (som følge av en oppmerksomhetsvekt M = 0.55, SD = 0.02), ble 200 simuleringer utført. Suksessraten for å oppdage fordelen ble beregnet for den nedre grensen av 95% HDI (høyest tetthet intervall) som er over 4 Hz og oppfylle flere krav til forskjell for kontroll tilstand (se TVATOJ eksempel "power-exp1.R" for alle detaljer). Suksessraten for å nå dette målet under hypotetiske forhold med 25 deltakere viste seg å være 0,88 meden 95% HDI i området 0,82 til 0,92.

For selve forsøket ble 30 deltakere rekruttert. En deltaker ble ekskludert fra analysen fordi han ikke følger instruksjonene, men alltid trykket på samme tast.

Figur 2

Figur 2: Experiment 1. (a) Mål (markert med sirkler for illustrasjon) i nøytral (øvre del) og oppmerksomhet (nedre del) tilstand. (B) SOA distribusjoner. (C) Tre eksemplarisk emne-nivå respons teller (poeng) og posteriore prediktive kurver (skravert område; intensitet representerer sannsynligheten med hensyn til 100 simulerte repetisjoner på finkornet SOA). Blå indikerer kontroll og grønt oppmerksomhet tilstand. ( (E) POSTERIØRE distribusjoner av den generelle satsen C og aktsomhet vekter w p og w r. (F) POSTERIØRE distribusjoner av v p og v p og deres forskjeller. Klikk her for å se en større versjon av dette tallet.

Dataene ble tilpasset med den TOJ modell utledet fra TVA (som beskrevet i introduksjonen) ved hjelp av en hierarkisk bayesisk fremgangsmåte implementert i jags 10. Figur 2c viser tre eksempler lagt nivå plott av rådata og posteriore prediktiv estimater fra lagt nivå prøver av tilpassede modellen. Gruppenivå posterior prediktiv kurver er vist i figur 2d og parameterestimatene på figur 2e og p og w r (figur 2e) eller den enkelte rente parametere v p og v r (figur 2f) kan vurderes. Dersom den totale prosesseringskapasitet C ble endret ved manipuleringen, kan de sistnevnte parametre vise hvorvidt og hvordan de enkelte stimulus prosesserings priser har endret seg.

Den foreslåtte hierarkisk Bayesiansk estimering prosedyren gir et vell av resultater. For eksempel kan alle parametre vurderes for hver enkelt deltaker om emnet nivå. Vanligvis er det interesse for tendenser i befolkningen. Derfor er resultatene på konsernnivå diskutert. Histogrammene viser fordelinger over parameter plass. Moduser av utdelingene oppgitt å indikere parametrene midt tendenser. Den 95% HDIs markere områder derde sanne verdier ligge med en sannsynlighet på 95% i henhold til modell og data (for ytterligere detaljer om hvordan du skal tolke Bayesiansk statistikk, se Kruschke 11, 13).

Figur 2e viser estimater av midler på tvers av fag for vekt og generelle satsen parametere. En oppmerksomhets fordel for den fremspringende stimulus kan sees i oppmerksomhet tilstand. Den sentrale tendensen til parameter w p er 0,59, og dens 95% HDI varierer fra 0,55 til 0,63. Derfor salience skiftet oppmerksomhetsvekten bort fra den nøytrale verdi på 0,5. I kontrollgruppen tilstand, hvor ingen av målene var fremtredende, en nøytral vekt av w p = 0,5 ble oppnådd (95% HDI: 0,48 til 0,51). Den tilsvarende rad "Sammenligning" viser at forskjellen mellom w p vektene over forhold er 0,09, og 95% HDI av denne forskjellen ringtees fra -0,11 til 0,07. Det er derfor en pålitelig forskjell mellom de to vekter i favør av den fremspringende stimulus.

Men betyr dette at den fremtredende målet ble behandlet raskere? Forskjellen i vekt sammen med den delte generelle satsen C i oppmerksomhet tilstand tilsier at den ble behandlet raskere enn ikke-fremtredende mål i denne tilstanden. Men det er et viktig spørsmål om det ble også behandlet raskere enn målene for kontroll tilstand. Tar estimater av prosess prisene i betraktning, må svaret bli nei. C anslaget er vist på figur 2e er lavere i den oppmerksomhet tilstand ved en forskjell på omtrent 17 Hz. I den tilsvarende "Sammenligning" plot, 0, ingen forskjell, er bare på frynse av 95% HDI; derfor er det svært lite sannsynlig. Tatt i betraktning de individuelle priser av sonden (v p) og referanse (v r) stimulans i både tilstands (figur 2f), er det klart at fordelen med å fremspringende stimulus resultatene fra en 16 Hz reduksjon av behandlingshastigheten av det ikke-fremtredende stimulus i oppmerksomhet tilstand. En mulig tolkning av disse resultater er at den fremtredende mål fører til en undertrykkelse av den ikke-target fremtredende i oppmerksomhet tilstand og derved fordeler i forhold.

Legg merke til at i dette eksperimentet, selv om skinn av sonde og referanse var identiske i den nøytrale tilstand, forsinkelsen mellom prøve start og sonde arrangementet var konstant. Derfor deltakerne kunne ha rettet oppmerksomheten mot dette tidspunkt, og dermed forskyve den oppmerksomhetsvekten bort fra den nøytrale verdi 0,5. Følgelig må den faktiske oppmerksomhets vekten av sonden stimulus i styre tilstand estimeres og fastsatt til 0,5. Fikse parameteren er mulig når deltakeren ikke kan fortelle selv i prinsipp som er sonden og som referanse stimulus, som i kontroll tilstand i eksperiment 3.

Forsøk 2: Actionplassfortrinn i naturlige bilder
Det andre forsøket målte oppmerksomhets fordeler for objekter i handlingen plass i naturlige bilder. Fra endring blindhet studerer det er kjent at center-of-interesse gjenstander nytte som betyr drevet snu i naturlige bilder 14. Denne effekten er fraværende når bildene er skjult av opp-ned presentasjonen. I upubliserte endring blindhet eksperimenter, fant vi en handling plass fordel med et sett med bilder med endringer i action-plass og bakgrunnsobjekter (det er en publisert replikering med lignende stimulans materialet i referanse 15). Vi hypotese at disse handlingsrommet objekter, som er nær observatøren og muligens graspable, viser en tilsvarende fordel i sine behandlings priser.

"Fo: keep-together.within-page =" 1 "> Dermed er den foreslåtte TOJ basert metode testet med naturlige bilder Handling plass (probe) og fjernere (referanse) gjenstander, som dukket brått i naturlige bilder, konstituert. målene for TOJ prosedyren (se figur 3a). i et mellom-fag kontrollere tilstanden, opp-ned versjoner av de samme bildene ble brukt. Disse er kjent for å ha redusert konteksteffekter i endring gjenkjenning eksperimenter 15, 16. SOA mellom de sykdomsangrep ble variert i henhold til fordelingen vist i figur 3a.

En kraft estimering ble utført nøyaktig som i eksperiment 1, med unntak av at mellomlagt sammenligninger mellom forsøks- og kontroll tilstand ble utført. Suksessraten for å oppnå målet ble beregnet med 0,92 (95% HDI: 0,88 til 0,96) med 35 simulerte deltakere per tilstand (detaljer kan være found i TVATOJ eksempel "power-exp2.R").

Det var 39 pasienter i oppmerksomhet tilstand og 38 i kontroll tilstand av selve forsøket. (Noen fag deltok i begge forhold. Så vidt vi vet, betyr ikke kompromiss Bayesiansk statistisk analyse. Behandling blandede data som mellom-fagene reduserer kraften i forhold til å vurdere innenfor-faget forskjeller.) Igjen, en deltaker (samme person i begge tilstander) ble fjernet fra analysen av hver tilstand, på grunn av å ha gitt med hensikt tilfeldige responser gjennom hele eksperimentet.

Figur 3

Figur 3: Eksperiment 2. (a) Handling plass (markert med hvitt arrows) og bakgrunn (svart pil) rettet i nøytral (til venstre) og oppmerksomhet (til høyre) tilstand. (B) SOA fordeling. (C) To eksempler lagt nivå plott fra den nøytrale (blå) tilstand og to tomter fra den oppmerksomheten tilstand (grønn) med respons teller (poeng) og posteriore prediktiv kurver skraverte området; intensitet representerer sannsynligheten med hensyn til 100 simulerte repetisjoner på finkornet SOA). (D) POSTERIØRE distribusjoner av den generelle satsen C og aktsomhet vekter w p og w r. (E) Gruppe-nivå posterior prediktiv kurver. (F) POSTERIØRE distribusjoner av v p og v r og deres forskjeller. Klikk her for å se en større versjon av dette tallet.

Disse data ble montert i den samme manner som i det første forsøket. Den eneste forskjellen var at på grunn av mellom-forsøksdesign, parameter forskjeller mellom de to tilstander kan ikke beregnes under prøvetaking på emnet nivå. Dette reduserer kraften i forhold til innenfor-fag forskjeller.

Den eksemplariske emne-nivå og gruppenivå posterior prediktiv utdelinger i figur 3c viser fordelinger som er knapt forskjøvet mot hverandre. De to forholdene lapper nesten perfekt i gruppenivå posterior prediktiv plott (figur 3e), slik at det kan virke som om oppmerksomheten manipulering ikke hadde jobbet i det hele tatt. Inspeksjon bakre distribusjoner av parametrene, men avslører at det faktisk er en fordel for handling plass objekter. W p anslaget i oppmerksomhet tilstand er forskjøvet bort fra den nøytrale tilstand på 0,5, som er bare helt på venstre ende av 95% HDI. Merkelig nok er det imidlertidogså forskjøvet i kontroll tilstand, med 95% HDI selv uten 0,5, noe som tyder på at inversjonen av bildene ikke fjerne den potensielle virkningen plass fordel.

Med tanke på sammenligning av de individuelle stimuleringsbehandlingsfrekvens (figur 3f, "Sammenligning"), kan en effekt av oppmerksomhet ses for frekvensen av referanse stimulus v r. Men forskjellen peker i den motsatte retning til den hypotese og er liten ved en hastighetsforandring på bare 2 Hz (95% HDI: -3,36 til 0,66).

Derfor må det konkluderes med at enten (a) oppmerksomhets fordel av handlingen plass objekter skyldes en faktor som ikke er berørt av scenen inversjon, for eksempel salience eller synlighet. Alternativt kan (b) den scene inversjon reduserer ikke virkningen plass effekter som forutsatt, eller (c) strømmen av den foreliggende forsøk var for liten til å detektere effect. Forklaringer (a) og (b), eller en kombinasjon, er de sannsynlige seg. I våre upubliserte endrings-blindhet eksperimenter nevnt tidligere, som ble utført med de samme bildene, var det fortsatt en fordel (men redusert) for handlingsrommet objekter i inverterte scener.

I sammenheng med denne metoden sentrerte papir, men alternativ (c) kan være den mest interessante. Derfor vil størrelsene av eventuelt overses effekter bli kort omtalt. Ser på sammenligning av oppmerksomhets vekter, den nedre grensen av 95% HDI, noe som gjenspeiler den hypotesen retning, er på -0,01. Derfor bare vekter større ved 0,01 i den deltok sammenlignet med kontrollen tilstand er sannsynlig. Denne forskjellen er liten i forhold til de andre eksperimenter, og oddsene er mot selv en så liten effekt. Dette gjenspeiles av den øvre grense HDI nådde 0,04. Ser på behandlingen priser er nyttig fordi prisene i Hz kan lett tolkes som processing hastighet.

Forskjellene mellom de to betingelser er vist i "Sammenligning" raden i figur 3f. Forskjellen Δv r mellom referanse stimuli er negativ, -2,03 Hz, og den 95% HDI utelukker 0. Den negative avviket skyldes en økning i behandlingshastigheten av referanse mål, bakgrunns gjenstander, som også er mot virkningen plass fordel hypotese . En liten oppmerksomhets fordel er fortsatt mulig i behandlingsratene sonde mål, Deres forskjell Δv p anslås nær null, men 95% HDI varierer fra -1,64 Hz til 1,51 Hz. Selv om en verdi nær null er mest sannsynlig, rente effekter opp til 1,64 Hz til fordel for hypotesen, og opp til 1,51 Hz mot det, forblir mulig om 95% HDI. Samlet er disse resultatene ikke er gunstig for den opprinnelige hypotese, men deres diskusjon viste hvordan meningsfulle størrelser muligens tapte effekter kan være conhensiktsmessig kan trekkes ut fra resultatene. Legg merke til at for å akseptere null resultater, så som den manglende reduksjon av handlingen plass fordel ved å rotere bilder, kan regioner i praktisk ekvivalens bli definert og deres overlapping med 95% HDI kan testes 11 (se Diskusjon avsnitt).

Eksperiment 3: Spatial cueing i brev anerkjennelse
Det tredje forsøket undersøkte grensene for den foreslåtte TVA-baserte TOJ modell, og viser hvordan modellen kan utvides til å håndtere disse problemene.

Hva er det som får den foreslåtte metoden i trøbbel? I de to tidligere forsøk, måtte deltakerne dømme to timelige hendelser. Nå legger vi en tredje tidsmessig hendelse, en perifer kø som er vist 110 ms før sonden stimulans til rette oppmerksomheten mot det. Denne tredje hendelsen presenterer vanskeligheter til enkel TVA-baserte TOJ model, hvor det bare to stimuli er eksplisitt modellert.

Figur 4

Figur 4: Typiske effekter av signaler på perseptuelle ventetider. Størrelsene av oppmerksomhet effekter som vanligvis finnes i Tojs med perifere signaler (horisontale linjer). Størrelser forutsees av TVA-baserte TOJ modell for å øke oppmerksomhets vekter av sonden stimulus (kurver). Den faste kurven tilsvarer vanligvis observert parametere. Klikk her for å se en større versjon av dette tallet.

Størrelsene av oppmerksomhets fordelene rapportert i TOJ litteratur allerede hint på disse vanskelighetene. De tidsforsinkelsesforskjellene indusert ved eksterne signaler er ofte så høy som 50% ognoen ganger med så høyt som 80% av cueing intervallet 19. Som illustrert i figur 4, vil en så stor forskyvning kreve usannsynlige oppmerksomhetsvekter nær w p = 0,9 ved typiske behandlings hastighet. Videre slike ekstreme vekter føre til svært skjev psykometriske fordelinger. Disse vil ha en bratt skråning i den ene enden og et grunt skråning i den andre enden. I en svakere manifestasjon, kan dette sees i de bakre prediktive plott av den første eksperiment (figur 2c og d). Slike sterkt forvrengte kurvene er sjelden rapportert. Når data fra den foreliggende omkrets cueing eksperiment er utstyrt med TVA-baserte TOJ modell, de bakre forutsagte kurvene sterkt avviker fra de faktiske datamønster.

Viktigere er imidlertid perifere signaler produsere de sterkeste og mest pålitelige effekter av oppmerksomhet i psykologisk TOJ 20. Derfor er det worthwhile å bruke en modellbasert vurdering med en utvidet versjon av den foreslåtte modellen. Alcalá-Quintana og García-Pérez 21 foreslått en TOJ modell basert på generelle forutsetninger om eksponensiell stimulans koding. Denne modellen inneholder en ekstra parameter som gjør det mulig for store skift uten å endre bakken av psykometriske kurver. Alcalá-Quintana og García-Pérez brukt det for crossmodal Tojs, der slike endringer kommer fra forsinkelser mellom modaliteter. Derfor, for å modellere data fra cued Tojs, inkluderer vi deres parameter τ. En forsinkelse mellom starten av kodingsprosessene kunne redegjøre for de forventede store sideskift. Parameteren τ kan ha en TVA-kompatibel tolkning. Dette er imidlertid ikke helt uproblematisk og vil bli diskutert senere. For å holde modellen parsimonious, andre parametere foreslått av Alcalá-Quintana og García-Pérez (respons skjevheter, opphører, og minst mulig tidsmessigoppløsning) ble ikke inkludert.

Formelt er det opprinnelige psykometriske modellen i ligning 4 modifisert ved å erstatte begrepet SOA av en justert begrepet SOA adj = SOA + τ. Denne justeringen reflekterer også tolkningen av τ: starter av eksponensiell kodingsprosesser er nå ikke bare atskilt av SOA, men en ekstra konstant forsinkelse er lagt til. I den hierarkiske bayesianske modellen, er underlagt nivå τ samplet fra en gruppenivå normalfordeling.

En eksplisitt maktanalyse ble ikke utført for dette eksperimentet. På grunn av at i løpet av fag-konstruksjon er lik den som fra Expriment 1, blir en tilsvarende effekt forventet for effekter i satsene og oppmerksomhets vekter. Den forventede store sideskift for å bli fanget av τ parameter er mye større og mer stabile enn rente og vekt effekter vanligvis er, slik at ingen makt problem kan være expected for å oppdage det heller.

Data ble samlet for 32 deltakere (blant dem de tre forfattere) i henhold til den eksperimentelle prosedyre som er beskrevet i protokollen trinn 4. Deltakerne måtte melde rekkefølgen av to bokstaver. I halvparten av forsøkene sonden stimulus ble innledet (110 ms) ved en perifer fire-dot kø (se figur 5a). En detaljert beskrivelse av stimulus materiale kan bli funnet i Tünnermann, Petersen, og Scharlau studie 7. Den SOA og deres frekvenser er vist i figur 5b. Hver deltaker utført en eller to økter.

Figur 5

Figur 5: Experiment 3. (a) Mål, vilkårlig designated som probe og referanse i den nøytrale tilstand (øvre del). I oppmerksomhet tilstand (nedre del) sonden stimulus ble innledet (110 msek) ved en fire-punkt signalet. (C) Tre eksemplarisk emne-nivå respons teller (poeng) og posteriore prediktive distribusjoner (skravert område; intensitet representerer sannsynligheten med hensyn til 100 simulerte repetisjoner på finkornet SOA). Blå representerer den nøytrale og grønt oppmerksomheten tilstand. (D) Gruppe-nivå posterior prediktiv kurver. (E) POSTERIØRE distribusjoner av den generelle satsen C og aktsomhet vekter w p og w r. (F) POSTERIØRE distribusjoner av τ og dens forskjell fra null. (G) POSTERIØRE distribusjoner av v p og v r og deres forskjeller. Klikk her for å se en større versjon av ther figur.

Den utvidede modell som er beskrevet ovenfor ble brukt i den hierarkiske Bayesian estimeringsprosedyre. (For deltakere som produserte svært bratte psykometriske kurver i den første økten, ble mindre SOA brukes i den andre økten. Dette kan sees, for eksempel i den nest siste tomten Figur 5c, som inneholder flere datapunkter på små SOA.) På grunn av jo mer kompleks modell, den kraftige NUTS sampler fra Stan programvarepakken ble ansatt i denne analysen 22.

I de andre forsøkene, kan sonden stimulus har en annen behandlingsfrekvens enn referanse stimulus, selv i kontroll tilstand. I Forsøk 1, dette var fordi deltakerne kunne ha bevilget oppmerksomhet til sin forutsigbare tidspunkt i forhold til rettssaken utbruddet. I eksperiment 2, ble det inversjon av bilder ikke forventet å helt fjerne fordelen av handlingen plass objekter. I denne bokstav-baserte cueing eksperiment, men deltakere ville ikke selv i prinsipp være i stand til å identifisere hvilken er sonden og som referanse stimulus, fordi de samme tilfeldige bokstaver ble anvendt, og den tid mellom prøving og målrette utbruddet ikke tillater å konkludere målet type. Derfor er en virkelig nøytral kontroll tilstand forventet og w p fastsatt til 0,5 og τ på 0 i nøytral tilstand.

Som det kan ses på figur 5c og 5d, fører signalet til en betydelig forskyvning av psykometrisk funksjon i forhold til de andre eksperimentene. Videre er de bakre tomter i figur 5f viser at τ beregnet som en 53.27 ms til nytte for spolt målet. Den 95% HDI på forskjellen ( "Sammenligning" rad) utelukker alle forskjellene mindre enn 47.56 (eller større enn 57,73), gjør dem svært usannsynlig.

t "> Interessant er det en endring i oppmerksomhets vekter i favør av uncued målet (figur 5e). Den andre fordelingen av w p har sin modus på 0,42. Den nøytrale weigth på 0,5 er ikke inkludert i den 95% HDI. For C parameter, er det en økning av 4,69 Hz for den oppmerksomhet tilstand. Uttrykt i v-parametre (figur 5f), er det mest bemerkelsesverdig at frekvensen v r av referanse stimulus i fokus tilstanden øker.

I de to tidligere forsøk, ble det observert at oppmerksomhets manipulasjoner økt oppmerksomhets vekten av sonden stimulus. I det foreliggende eksperiment, men kan mønsteret reflektere en innblanding av køen med målet, og dermed redusere dens hastighet i løpet for koding. På samme tid, cued målet drar nytte av den raskere behandling på grunn av τ parameter. Sistnevnte kan være knyttet til reduksjon av spolt målets forsinkelser før elleretter den eksponentielle løpene. Vær imidlertid oppmerksom på at om τ, en forlengelse av en forsinkelse knyttet til uncued stimulans forklarer den relative forskjellen like godt.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Protokollen i denne artikkelen beskriver hvordan du skal utføre enkle Tojs og passe dataene med modeller basert på grunnleggende stimulans koding. Tre eksperimenter demonstrerte hvordan resultatene kan evalueres i et hierarkisk Bayesiansk estimering rammeverk for å vurdere påvirkning av oppmerksomhet i svært forskjellig stimulus materiale. Salience i pop-out-skjermer ført til økt aktsomhet vekter. Også ble de økte vekter beregnet for action plass objekter i naturlige bilder. Men på grunn av den vedvarende fordel når romlige relasjoner ble forstyrret ved å vise slike bilder opp ned, er det sannsynlig at en annen lokal oppmerksomhets fordel fører til vektøkning. En perifer signalet, som anvendt i eksperiment 3, oppviser en negativ innflytelse på oppmerksomhets vekt. Imidlertid fører det til en stor effekt i τ parameter, som modellerer en forsinkelse mellom starttidene for kodingsprosesser.

Mesteparten av protokollen følger vanlige fremgangsi å gjennomføre Tojs og persepsjon eksperimenter generelt. Vær imidlertid oppmerksom på at tolkningen av resultatene i form av TVA er knyttet til koding stimuli i visuell korttidshukommelse. Muligheten for å utføre TOJ ved ren innsett deteksjon bør reduseres så mye som mulig. Derfor, som nevnt i protokoll trinn 1.2, er det avgjørende at attributtene av interesse er enten automatisk kodet (som kan antas for visse stimuli, f.eks salience pop-outs) eller koding må legges til rette via oppgaven (f.eks rapporterer stimulans identitet).

Det er lurt å inspisere de summerte rådata ( "sondere første" teller over SOA delt på antall repetisjoner) før du kjører den endelige analysen. Denne informasjonen bør følge en S-formet kurve som vist i de psykometriske funksjoner i tallene fra representative resultater delen. Merk at på grunn av binomisk fordelt svarene, datapunktene tilfeldigly avvike fra den ideelle banen. Avvikene øker med minkende antall repetisjoner. Med få repetisjoner, avvikene er ofte relativt store, skjuler det ideelle S-form. Imidlertid, hvis mønsteret tydelig avviker fra den vanlige kurve, kan den matematiske modellen må justeres. For eksempel, når store sideskift er observert (som i Eksperiment 3 av denne artikkelen), Alcalá-Quintana og García-Pérez τ parameter kan inkluderes. Dersom kurven ikke konvergerer til en og null ved sine ender, ytterligere forløp parametere 21 kan legges.

Det er mulig å utføre en formell modell sammenligning som foreslått i Alcalá-Quintana og García-Pérez 21 å bestemme seg mellom forskjellige modeller. Ved hjelp av modeller forskjellige fra en skissert i innledningen, men kan påvirke hvorvidt resultatene kan tolkes i form av TVA.

I retene rapportert i denne artikkelen, uttalte vi de sentrale tendenser av estimerte forskjellene sammen med sine 95% HDIs. Men i det bayesianske rammeverket, er det mulig å akseptere eller avvise at det ikke er noen forskjell mellom to estimater. For dette formål må et tau (region av praktisk betydning) angis 11, 13. Tauet viser et lite utvalg rundt null. Verdier innen dette område anses praktisk talt lik null. Hvis ROPE ikke overlapper med HDI, er at nullhypotesen forkastes. Menings STÅLTAU grenser avhengig av problemstilling eller søknad. I motsetning til TOJ analyse med tradisjonelle midler, kan TVA basert tilnærming lede etableringen av meningsfulle STÅLTAU grenser: På grunn av sine meningsfulle enheter, parametrene kan relateres til anslag fra andre TVA paradigmer (f.eks, hele rapporter, se referanse 3) . Videre kan behandlingen prisene bli omdannet til koding durasjoner (forventet verdi av kodingen varighet E x stimulans x er 1 / v x, se referanse 7) for å informere STÅLTAU grenser. For eksempel, hvis forskere er interessert i enten en oppmerksomhet manipulasjon bidrar til en reaksjonstid reduksjon for en deltaker i en drivende simulering, kan de resonnere på følgende måte: Reaksjonstider (inkludert motorkomponenter) ligger i området fra noen få hundre millisekunder, og derfor Dersom oppmerksomheten manipulering endrer den totale reaksjon bare noen få millisekunder, vil forandringen være praktisk talt null. Derav et tau fra -2 til 2 ms kan brukes til forskjell fra referanse og probe som koder for varighet (E -E r s). Dersom tauet av denne forskjellen fullstendig inkluderer HDI, det resultat at det ikke er noen forskjell kan aksepteres. Hvis HDI og ROPE ikke overlapper, kan nullhypotesen forkastes. Dersom heller ikke er tilfelle, kan ingen slik punkt avgjørelse bli gjort. Ytterligere detaljer om Bayesiansk evarings tilnærming generelt kan bli funnet, for eksempel i Kruschke bok 13.

Slå til mer generelle spørsmål, for å lykkes med denne protokollen, er det avgjørende at det bare er to stimuli som genererer timelige signaler ved målområdet. For eksempel, en perifer kø (som i Eksperiment 3) eller masker 7 fører til store laterale skift som ikke kan regnskapsføres etter gjeldende TVA-basert modell. Slike situasjoner er ikke uvanlig, og de ble modellert ved å innlemme en parameter foreslått av Alcalá-Quintana og García-Pérez 21. I denne utvidede modell, τ komponenten ikke kan åpenbart knyttet til en mekanisme TVA. Det er en foreløpig forbindelse mellom τ og TVA, men det er noen uløste problemer. Faktisk antar TVA en kort forsinkelse før koding starter. Parameter t 0, som ble diskutert i innledningen, er den maksimale ineffektiv eksponering durasjon før der ingenting er kodet i det hele tatt. Forskjellen t 0r -t 0p kan forstås som τ. Men t 0 er vanligvis små, rundt 10 til 20 msek. Videre gjør den teori ikke gå ut fra at det er påvirket av oppmerksomhet. Likevel har t 0 reduksjoner blitt observert i brev anerkjennelse 7, 24. Hvis man aksepterer denne muligheten, må en videre satsing gjøres. Parameter τ ble målt rundt 50 ms. Gitt det faktum at t 0p av spolt stimulus kan maksimalt bli redusert med 10 til 20 ms, fordi det ikke er større i den første plass, vil de fleste av τ klarere økende t 0 r i uncued til 50 til 60 msek. Denne størrelsesorden er langt mer enn hva noen ganger er observert (rundt 10 millisekunder). Som en konsekvens av τ uklare forhold til TVA, kan noen viktige spørsmål ikke bli besvart. For eksempel kan det ikke bli avgjort om forsinkelser av deltok stimulere tilli reduseres eller hvis de av de ubetjente stimuli er forlenget (noe som resulterer i den observerte τ forskjell).

Begrensningene i teknikken nevnt ovenfor oppstår fra det faktum at bare to stimuli er eksplisitt modellert med TVA. For å bedre på dette, tar sikte på fremtidig forskning på å utvide TVA-baserte modellen til mer enn to stimuli. Spesielt eksplisitt modellering av kø i spolt TOJ med TVA er et viktig mål for senere forskning 25.

Fordeler med protokollen er enkelhet av TOJ oppgave som kan utnytte nesten vilkårlig stimuli, den grundig teoretisk understøttelsen av TVA, og Bayesiansk evalueringsopplegg. TVA-baserte modellen er et stort skritt fremover fra tradisjonelle modell gratis tilnærminger. I det siste har det meste generiske psykometriske funksjoner er montert Toj data. Endringer i sin oppsummering Parametere PSS (point of subjektive samtidighet) og DL (forskjellen limen, et mål pådiskrimineringen ytelse) har vært knyttet til oppmerksomhets manipulasjoner. Til tider er disse parametrene over-tolket. For eksempel er det ofte hevdet at oppmerksomheten akselererer behandlingen av deltok stimulus, mens det kan også være slik at den uten tilsyn stimulus er bremset 7. I tillegg til denne svakhet, disse parameterne er heller indirekte. De beskriver resultatene i oppgaven, og ikke karakterisere de prosessene som produserer den. Den modellbasert analyse av Tojs forbedrer disse ulempene ved å gi meningsfulle parametre basert på TVA.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
Personal Computer
(Open Source) Experimentation and evaluation software

DOWNLOAD MATERIALS LIST

References

  1. Posner, M. I. Orienting of attention. Quarterly Journal of Experimental Psychology. 32, (1), 3-25 (1980).
  2. Van der Heijden, A., Wolters, G., Groep, J., Hagenaar, R. Single-letter recognition accuracy benefits from advance cuing of location. Perception & Psychophysics. 42, (5), 503-509 (1987).
  3. Bundesen, C. A theory of visual attention. Psychological Review. 97, (4), 523-547 (1990).
  4. Bublak, P., et al. Staged decline of visual processing capacity in mild cognitive impairment and Alzheimer's disease. Neurobiology of Aging. 32, (7), 1219-1230 (2011).
  5. Petersen, A., Kyllingsbæk, S., Bundesen, C. Measuring and modeling attentional dwell time. Psychonomic Bulletin & Review. 19, (6), 1029-1046 (2012).
  6. Vroomen, J., Keetels, M. Perception of intersensory synchrony: A tutorial review. Attention, Perception, & Psychophysics. 72, (4), 871-884 (2010).
  7. Tünnermann, J., Petersen, A., Scharlau, I. Does attention speed up processing? Decreases and increases of processing rates in visual prior entry. Journal of Vision. 15, (3), 1-27 (2015).
  8. Krüger, A., Tünnermann, J., Scharlau, I. Fast and conspicuous? Quantifying salience with the Theory of Visual Attention. Advances in Cognitive Psychology. 12, (1), 20 (2016).
  9. Bundesen, C., Habekost, T. Principles of Visual Attention: Linking Mind and Brain. Oxford University Press. Oxford, UK. (2008).
  10. Plummer, M. JAGS: A program for analysis of Bayesian graphical models using Gibbs sampling. Proceedings of the 3rd international workshop on distributed statistical computing. 124-125 (2003).
  11. Kruschke, J. K., Vanpaemel, W. Bayesian estimation in hierarchical models. The Oxford Handbook of Computational and Mathematical Psychology. Busemeyer, J., Townsend, J., Wang, Z. J., Eidels, A. 279-299 (2015).
  12. Mathôt, S., Schreij, D., Theeuwes, J. OpenSesame: An open-source, graphical experiment builder for the social sciences. Behavior Research Methods. 44, (2), 314-324 (2012).
  13. Kruschke, J. K. Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan. 2nd, Academic Press. Boston, MA. (2015).
  14. Rensink, R. A., O'Regan, J. K., Clark, J. J. To see or not to see: The need for attention to perceive changes in scenes. Psychological Science. 8, (5), 368-373 (1997).
  15. Tünnermann, J., Krüger, N., Mertsching, B., Mustafa, W. Affordance estimation enhances artificial visual attention: Evidence from a change-blindness study. Cognitive Computation. 7, (5), 525-538 (2015).
  16. Shore, D. I., Klein, R. M. The effects of scene inversion on change blindness. The Journal of General Psychology. 127, (1), 27-43 (2000).
  17. Scharlau, I., Neumann, O. Temporal parameters and time course of perceptual latency priming. Acta Psychologica. 113, (2), 185-203 (2003).
  18. Schneider, K. A., Bavelier, D. Components of visual prior entry. Cognitive Psychology. 47, (4), 333-366 (2003).
  19. Scharlau, I., Neumann, O. Perceptual latency priming by masked and unmasked stimuli: Evidence for an attentional interpretation. Psychological Research. 67, (3), 184-196 (2003).
  20. Shore, D. I., Spence, C., Klein, R. M. Visual prior entry. Psychological Science. 12, (3), 205-212 (2001).
  21. Alcalá-Quintana, R., García-Pérez, M. A. Fitting model-based psychometric functions to simultaneity and temporal-order judgment data: MATLAB and R routines. Behavior Research Methods. 45, (4), 972-998 (2013).
  22. Hoffman, M. D., Gelman, A. The No-U-turn sampler: adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research. 15, (1), 1593-1623 (2014).
  23. Lee, M. D., Wagenmakers, E. J. Bayesian cognitive modeling: A practical course. Cambridge University Press. Cambridge, UK. (2014).
  24. Vangkilde, S., Bundesen, C., Coull, J. T. Prompt but inefficient: Nicotine differentially modulates discrete components of attention. Psychopharmacology. 218, (4), 667-680 (2011).
  25. Tünnermann, J., Scharlau, I. Peripheral Visual Cues: Their Fate in Processing and Effects on Attention and Temporal-order. Front. Psychol. 7, (1442), (2016).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics