Un paradigme psychophysique pour la collecte et l’analyse des jugements de similitude

Résumé

Le protocole présente un paradigme psychophysique expérimental pour obtenir de grandes quantités de jugements de similitude, et un flux de travail d’analyse qui l’accompagne. Le paradigme sonde les effets de contexte et permet de modéliser les données de similarité en termes d’espaces euclidiens d’au moins cinq dimensions.

Résumé

Les jugements de similitude sont couramment utilisés pour étudier les représentations mentales et leurs corrélats neuronaux. Cette approche a été utilisée pour caractériser les espaces perceptifs dans de nombreux domaines : couleurs, objets, images, mots et sons. Idéalement, on pourrait vouloir comparer les estimations de la similitude perçue entre toutes les paires de stimuli, mais cela est souvent peu pratique. Par exemple, si l’on demande à un sujet de comparer la similitude de deux éléments avec la similitude de deux autres éléments, le nombre de comparaisons augmente avec la quatrième puissance de la taille de l’ensemble de stimulus. Une autre stratégie consiste à demander à un sujet d’évaluer les similitudes de paires isolées, par exemple sur une échelle de Likert. Ceci est beaucoup plus efficace (le nombre d’évaluations augmente quadratiquement avec la taille définie plutôt que quartiquement), mais ces évaluations ont tendance à être instables et ont une résolution limitée, et l’approche suppose également qu’il n’y a pas d’effets de contexte.

Ici, un nouveau paradigme de classement pour une collecte efficace des jugements de similitude est présenté, ainsi qu’un pipeline d’analyse (logiciel fourni) qui teste si les modèles de distance euclidiens rendent compte des données. Les essais typiques consistent en huit stimuli autour d’un stimulus de référence central : le sujet classe les stimuli par ordre de similitude avec la référence. Par une sélection judicieuse des combinaisons de stimuli utilisées dans chaque essai, l’approche comporte des contrôles internes pour la cohérence et les effets contextuels. L’approche a été validée pour des stimuli tirés d’espaces euclidiens allant jusqu’à cinq dimensions.

L’approche est illustrée par une expérience mesurant les similitudes entre 37 mots. Chaque essai donne les résultats de 28 comparaisons par paires de la forme , « A était-il plus similaire à la référence que B ne l’était à la référence ? » Bien que la comparaison directe de toutes les paires de paires de stimuli aurait nécessité des essais 221445, cette conception permet de reconstruire l’espace perceptuel à partir de 5994 comparaisons obtenues à partir de 222 essais.

Introduction

Les humains traitent mentalement et représentent les informations sensorielles entrantes pour effectuer un large éventail de tâches, telles que la reconnaissance d’objets, la navigation, les inférences sur l’environnement et bien d’autres. Les jugements de similitude sont couramment utilisés pour sonder ces représentations ^mentales1. Comprendre la structure des représentations mentales peut donner un aperçu de l’organisation des connaissances ^{conceptuelles2}. Il est également possible de mieux comprendre les calculs neuronaux, en reliant les jugements de similitude aux modèles d’activation ^cérébrale3

Protocole

Avant de commencer les expériences, tous les sujets fournissent un consentement éclairé conformément aux directives institutionnelles et à la Déclaration d’Helsinki. Dans le cas de cette étude, le protocole a été approuvé par le comité d’examen institutionnel du Weill Cornell Medical College.

1. Installation et configuration

1. Téléchargez le code à partir du référentiel GitHub, similitudes (https://github.com/jvlab/similarities). Dans la ligne de commande, exécutez : git clone https://github.com/jvlab/similarities.git. - Si git n’est pas installé, téléchargez le code sous forme de dossier compressé à partir....

Résultats

La figure 1A montre une partie d’un fichier de conditions généré par le script à l’étape 3.3, pour le mot experiment. Chaque ligne correspond à un essai. Le stimulus dans la colonne ref apparaît au centre de l’écran. Les noms de colonne stim1 à stim8 correspondent à huit positions le long d’un cercle, dans le sens inverse des aiguilles d’une montre, à partir de la position à droite de la référence centrale. Un exemple d’essai tiré du mot expérience est illustré à la figu.......

Discussion

Le protocole décrit ici est efficace pour obtenir et analyser des jugements de similitude pour les stimuli qui peuvent être présentés visuellement. Le paradigme expérimental, l’analyse et les extensions possibles sont discutés en premier, puis les avantages et les inconvénients de la méthode.

Paradigme expérimental : La méthode proposée est démontrée à l’aide d’un domaine de 37 noms d’animaux, et un échantillon d’ensemble de données de jugements perceptuels est fourni afin que.......

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Système	d’exploitation		: Windows/MacOS 10 ou supérieur/Linux ; Intel Core i5 double cœur 3,1 GHz ou similaire ; 8 Go de mémoire ou plus ; Autorisations de l’utilisateur pour l’écriture et l’exécution de fichiers
conda	Version 4.11	Système d’exploitation : Windows/ MacOS 10 ou supérieur/ Linux
PsychoPy	N/A	Version 2021.2	Framework pour l’exécution d’études psychophysiques
Python 3	Python Software Foundation	Python Version 3.8	Python3 et bibliothèques intégrées associées
Bibliothèques Python requises	N/A	numpy : 1.17.2 ou supérieure ; matplotlib version 3.4.3 ou supérieure ; scipy version 1.3.1 ou supérieure ; pandas version 0.25.3 ou supérieure ; seaborn version 0.9.0 ou supérieure ; version scikit_learn 0.23.1 ou supérieur ; YAML version 6.0 ou ultérieure  ;	Numpy, Scipy et scikit_learn sont des modules de calcul avec des fonctions intégrées pour l’optimisation et les opérations vectorielles. Matplotlib et Seaborn sont des bibliothèques de traçage. pandas a l’habitude de lire et d’éditer des données à partir de fichiers CSV.

Microsoft Excel Microsoft Any Pour ouvrir et mélanger des lignes et des colonnes dans les fichiers de conditions d’essai. version