Metoder för att testa Visual Attention Online
Summary
To replicate laboratory settings, online data collection methods for visual tasks require tight control over stimulus presentation. We outline methods for the use of a web application to collect performance data on two tests of visual attention.
Abstract
Online datainsamlingsmetoder har särskild vädjan till beteendevetare, eftersom de ger löften om mycket större och mycket mer representativt datasampel än kan normalt samlas på campus. Men innan sådana metoder kan allmänt antagits, ett antal tekniska utmaningar måste övervinnas – särskilt i experiment där strikt kontroll över stimulans egenskaper är nödvändig. Här presenterar vi metoder för att samla in prestandadata på två tester av visuell uppmärksamhet. Båda tester kräver kontroll över den visuella vinkeln på stimuli (vilket i sin tur kräver kunskap om synavstånd, övervaka storlek, skärmupplösning, etc.) och tidpunkten för de stimuli (som testerna omfattar antingen kort blixtrade stimuli eller stimuli som rör sig vid specifika priser). Uppgifter som samlats in på dessa tester från över 1.700 online-deltagarna var överens med uppgifter som samlats in i laboratoriebaserade versioner av exakt samma tester. Dessa resultattyder på att med rätt skötsel kan timing / stimulans storlek beroende arbetsuppgifter sättas in webbaserade inställningar.
Introduction
Under de senaste fem åren har det skett en våg av intresse för användning av online beteendedatainsamlingsmetoder. Medan den stora majoriteten av publikationer på området för psykologi har utnyttjat potentiellt icke-representativa ämnes populationer 1 (dvs främst college studenter) och ofta tämligen små provstorlekar samt (dvs typiskt i intervallet tiotals ämnen), online metoder ger löften om långt mer varierande och större prover. Till exempel har Amazons Mechanical Turk tjänst varit föremål för ett antal nya studier, både beskriva egenskaperna hos "arbetstagare" population och användningen av denna population i beteendevetenskaplig forskning 2-6.
Men en betydande oro relaterad till sådana metoder den relativa bristen på kontroll över kritiska stimulansvariabler. Till exempel, i de flesta visuella psyko uppgifter är stimuli beskrivas i termer avsiktvinkeln. Beräkningen av visuella vinklar kräver exakta mätningar av synavstånd, skärmstorlek och skärmupplösning. Även om dessa parametrar är trivialt att mäta och kontroll i ett labb miljö (där det finns en känd bildskärm och deltagarna visa stimuli medan en haka vila placerat ett känt avstånd från skärmen), är detta inte fallet med online-datainsamling. I en online-miljö, inte bara kommer deltagarna oundvikligen använda en mängd olika monitorer av olika storlekar med olika programinställningar, de får inte heller ha enkel tillgång till linjaler / måttband som skulle tillåta dem att fastställa deras monitor storlek eller har den kunskap som krävs att fastställa deras mjukvara och hårdvara inställningar (t.ex. uppdateringsfrekvens, upplösning).
Här beskriver vi en uppsättning metoder för att samla in data på två välkända tester av visuell uppmärksamhet – det Användbar Synfält (UFOV) paradigm 7 och multipeln objektet spårning (MOT) uppgift <sup> 8 – samtidigt som man undviker så mycket som möjligt källorna variabilitet som är inneboende i online-mätningar. Dessa uppgifter kan köras av någon deltagare med en internetuppkoppling och en HTML5-kompatibel webbläsare. Deltagare som inte vet sin skärmstorlek är promenerade genom en mätning process utnyttjar allmänt tillgängliga poster av standardstorlek (dvs, kreditkort / CD – se figur 1).
Uppgifter om dessa två uppgifter samlades in från över 1700 deltagare i en Massive Online Open Course. Genomsnittliga resultat av denna online prov var mycket överens med resultat som erhållits i väl kontrollerade laboratoriebaserade mått på exakt samma arbetsuppgifter 9,10. Våra resultat är således överens med den växande mängd litteratur som visar effekten av online datainsamlingsmetoder, även i uppgifter som kräver särskild kontroll över visningsförhållanden.
Protocol
Representative Results
Discussion
Online datainsamling har ett antal fördelar jämfört laboratoriebaserad insamling standard uppgifter. Dessa inkluderar möjligheten att prova långt fler representativa populationer än den typiska college grund poolen används i fält, och förmågan att få betydligt större provstorlekar på kortare tid än det tar att få provstorlekar som är en storleksordning mindre i labbet 1-6 (t.ex., de datapunkter uppsamlade från 1,700+ deltagare i nuvarande pappers erhölls på mindre än en vecka). </…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
The authors have nothing to disclose.
Materials
| Name of Reagent/ Equipment | Company | Catalog Number | Comments/Description |
| Computer/tablet | N/A | N/A | It must have an internet connection and an HTML5 compatible browser |
| CD or credit card | N/A | N/A | May not be needed if participant already knows the monitor size |
Riferimenti
- Henrich, J., Heine, S. J., Norenzayan, A. The weirdest people in the world. The Behavioral And Brain Sciences. 33, 61-135 (2010).
- Buhrmester, M., Kwang, T., Gosling, S. D. Amazon’s Mechanical Turk: A new source of inexpensive, yet high-quality, data. Perspectives on Psychological Science. 6 (1), 3-5 (2011).
- Goodman, J. K., Cryder, C. E., Cheema, A. Data collection in a flat world: the strengths and weaknesses of mechanical turk samples. Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).
- Mason, W., Suri, S. Conducting behavioral research on Amazon’s Mechanical Turk. Behavior Research Methods. 44 (1), 1-23 (2012).
- Crump, M. J., McDonnell, J. V., Gureckis, T. M. Evaluating Amazon’s Mechanical Turk as a tool for experimental behavioral research. PLoS One. 8, e57410 (1371).
- Lupyan, G. The difficulties of executing simple algorithms: why brains make mistakes computers don’t. Cognition. 129, 615-636 (2013).
- Ball, K., Owsley, C. The useful field of view test: a new technique for evaluating age-related declines in visual function. J Am Optom Assoc. 64 (1), 71-79 (1993).
- Pylyshyn, Z. W., Storm, R. W. Tracking multiple independent targets: Evidence for a parallel tracking mechanism. Spatial Vision. 3 (3), 179-197 (1988).
- Dye, M. W. G., Bavelier, D. Differential development of visual attention skills in school-age children. Vision Research. 50 (4), 452-459 (2010).
- Green, C. S., Bavelier, D. Enumeration versus multiple object tracking: The case of action video game players. Cognition. 101 (1), 217-245 (2006).
- Chengalur, S. N., Rodgers, S. H., Bernard, T. E. Chapter 1. Kodak Company. Ergonomics Design Philosophy. Kodak’s Ergonomic Design for People at Work. , (2004).
- Elze, T., Bex, P. P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments. i-Perception. 3 (9), 621 (2012).
- Elze, T., Tanner, T. G. Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments. PLoS One. 7 (9), e44048 (2012).
