通过颞阶判决的基于模型的分析测量注意力和视觉处理速度
Summary
Temporal-order judgments can be used to estimate processing speed parameters and attentional weights and thereby to infer the mechanisms of attentional processing. This methodology can be applied to a wide range of visual stimuli and works with many attention manipulations.
Abstract
本协议描述如何进行时间顺序实验测量视觉处理速度和注意力资源分配。所提出的方法是基于三个组件的一种新的和协同组合：所述时间顺序的判断（TOJ）范式，视觉注意的Bundesen理论（TVA），和分层贝叶斯估计框架。该方法提供了易于解释的参数，这是由TVA的理论和神经生理学基础支持。使用TOJs，可以为广泛的刺激来获得基于TVA-估计，而与TVA使用的传统范式主要限于字母和数字。最后，该模型的有意义的参数允许建立一个分层的贝叶斯模型。这样的统计模型允许评估关于这个问题的相干态分析和双方集团层面的成果。
为了演示的可行性和v这种新方法的ersatility，三个实验报告，注重操控合成弹出的显示器，自然的图像和线索信报告范例。
Introduction
注意如何分布在空间和时间是在人类视觉感知的最重要的因素之一。 ，捕捉，因为他们的醒目或重要性的关注对象通常处理速度更快，精度更高。在行为研究等性能优势已被证明在各种实验范式。例如，分配注意力到目标位置加快在探针检测任务1中的反应。同样地，报告信的精度由关注2提高。这些发现证明，重视提高处理，但他们仍然无可救药静音关于这个改进的是如何建立的。
本论文表明后面注意力优点低层机制可以通过测量个体的刺激的处理速度在涉及测量到一个基于模型的框架细粒度的直流电阻进行评估关注TS。根据这样的模型中，刺激间的整体处理能力及其分布可以从处理速度的测量来推断。
Bundesen的（TVA）的视觉注意理论3提供了这项工作的合适模型。它通常应用于从信报告任务的数据。在下文中，TVA的基本面解释并证明他们如何可以扩展到与（几乎）任意刺激获得的时间顺序判断（TOJ）数据模型。这种新颖的方法提供了一种可以容易地解释的处理速度和资源分配的估计。本文中的协议说明了如何计划和进行这样的实验和详细介绍了如何将数据进行分析。
如上所述，在基于TVA建模和关注参数估计通常的范例是字母报告任务。与会者报告了一组字母的身份哪些简要地闪现和变化的延迟后通常掩盖。除其他参数，在该可视元素被编码成视觉短期存储器中的速率可被估计。该方法已成功地应用于基础和临床研究的问题。例如，Bublak和同事4评估其注意力参数在与年龄相关的认知缺陷的不同阶段的影响。在基本注意研究，彼得森Kyllingsbæk和Bundesen 5用于TVA建模的注意力的停留时间的影响，在一定的时间间隔感知的两个目标的第二观察者的困难。信报告模式的主要缺点是它需要足够overlearned和屏蔽的刺激。这种要求限制了方法字母和数字。其他刺激都需要参加大运动量的训练。
该TOJ范式既不需要特定stimul我也不屏蔽。它可与任何种类的刺激的量出现的次序可以判断使用。这扩展了激励范围为几乎所有可能有兴趣，包括直接跨模式的比较6。
调查与TOJs的关注是基于注意力之前进入的现象，这是很多早些时候参加刺激的方式相比，无人察觉1的措施。不幸的是，用于分析TOJ数据，嵌合观察者性能心理功能（如累积高斯或逻辑功能）的常规方法，不能区分注意力是否增加了参加刺激的处理速度，或者如果它降低无人参与刺激7的速率。这种模糊性是一个重要的问题，因为这个问题是否刺激的感知是真正的提高，或者如果它的好处，因为资源从竞争stimul撤出我们的是基础和实际意义的问题。例如，对于人机接口的设计是高度相关的知道，如果增加一个元件的突出于另一个的费用的工作原理。
该TOJ任务通常进行如下：一，固定标记提出了一个短暂的延迟，通常是随机抽取的间隔不到一秒钟短。然后，第一目标，提出，接着可变刺激发病异步（SOA），由第二目标之后。在SOA的负的探头 ，刺激出席，首先显示。在积极的SOA的参考 ，无人值守的刺激，会导致。在零SOA中，两个目标同时显示。
通常情况下，呈现对象是指开关上的刺激。在一定条件下，然而，其它的时间的事件，例如一个已经存在的目标或偏移的闪烁使用8。
_content“>在TOJs，响应被收集在一个unspeeded的方式，通常是通过映射到刺激的身份和介绍订单键（ 例如 ，如果刺激的广场和钻石，一键表示”方第一“，一个又一个”钻石第一“） 。重要的是，用于评价，这些判断必须被转换为“探测第一”（或“参考第一”）的判断。在目前的工作，TVA和TOJ实验范例的处理模式的组合被用于消除在任一单独的域的问题。用这种方法，很容易解释的速度参数可被估计为几乎任意的视觉刺激，使得能够推断出观察者的注意力被如何分配到竞争的视觉元素。
该模型是基于TVA方程单个刺激的处理，这将在下面进行简要解释。的概率，一个stimul在另一个之前被解释为判断这种刺激作为首先出现的概率我们编码成视觉短期记忆。个别编码持续时间指数分布9：
（1）
最大的无效曝光持续时间T 0是什么之前，在所有编码的阈值。根据TVA，所述速度v 的x，我在哪些对象x被编码为一个感性i类的部件（例如颜色或形状）由速率方程式给出
。 （2）
感官的证据表明，x属于第一类是ηX，我表达， 我 β的强度进行分类的刺激，因为我分类的成员决定的偏见。这是通过一个乘以ttentional权重。个人注意力加权W x可通过在视场中的所有对象的注意力权重分配。因此，相对的注意力重量计算为
（3）
其中R代表所有类别和ηX，我代表感官的证据表明，对象x属于类学家该值πj被称为类j的针对性，反映了偏见，使分类已为J。整体处理能力C是所有处理速率为所有刺激和分类的总和。对于TVA的更详细说明，请参阅Bundesen和Habekost的书9。
在我们的新方法，式1中，其描述了单个刺激的编码，变换成TOJs的模型。假设选择的偏见和报告类别constan实验任务中t时，两个目标刺激探针（p）和参考（r）的处理速率v p和V R取决于C和在V型P = C中的注意力权重·W p和V R = C ·W R，分别为。新TOJ模型表达了参与者判断探针的刺激是首先作为SOA和处理速率的函数的成功概率P p 1日 。它可以形式化如下：
（4）
如何这个方程从基本TVA公式得出的更详细的描述由Tünnermann，彼得森和Scharlau公司7中所述。
为简单起见，该参数t 0被省略的模型公式1根据原TVA，叔0应该是博相同在TOJ任务个目标，并且，因此，它抵消了。然而，这种假设可能有时被侵犯（见讨论）。
对于这个拟合方程TOJ数据，分层贝叶斯估计方案11建议。这种方法允许以估计所注意的权重w P和W探头和基准刺激和整体处理速率C.这些参数，所得的吸收速率v p和V R，和它们之间的注意力诱导的差异的R，可以评估与估计的不确定性以及主体和群体水平。分层模型在图1中示出在一个实验的规划阶段，方便贝叶斯功率分析可以进行。
以下协议描述了如何规划，执行和分析实验TOJ从处理速度参数与注意权重的视觉刺激就可以来获得。该协议假定研究人员感兴趣的是在操纵注意力是如何影响的一些感兴趣的目标的处理速度。
图1：贝叶斯估计过程中使用的图形模式。圆圈表示估计分布;双圆圈表示确定性节点。方块表示数据。的关系给出在图的右侧。圆形框架之外（“板”）的节点代表TVA参数（参见导言）在集团层面的平均和分散的估计。在“歼受试者”板，可以看到如何注意力权重（w）的与整体处理速率（C）与从受试者水平刺激处理速率（v）的组合。板“我的SOA＆＃8221;显示了这些TVA参数如何然后转化（通过在引言中所述的函数P p 1日 ）到在每个SOA中二项式分布的响应的成功概率（θ）。因此，θ与SOA（n）的重复一起描述的数据点（y）的。有关符号和图形模型解释更多的细节，请参考Lee和Wagenmakers 23。注意，为了清楚起见，表示的参数的差异节点已被删去。这些确定性参数在代替的实验结果的数字显示。 请点击此处查看该图的放大版本。
Protocol
Representative Results
Discussion
本文中的协议描述如何进行简单TOJs，适合基于基本刺激编码模型的数据。三个实验演示了如何的结果可以以分层贝叶斯估计的框架进行评估，以评估的关注高度不同的物质刺激的影响。在显着弹出式显示屏导致增加的注意权重。此外，增加的重量估计在自然图像行动空间物体。然而，由于当空间关系被示出上下颠倒这样的图像干扰的持续优势，它很可能是另一个地方注意力益处导致重量增加。外…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Parts of this work have been supported by the German Research Foundation (DFG) via grants 1515/1-2 and 1515/6-1 to Ingrid Scharlau.
Materials
| Personal Computer |
| (Open Source) Experimentation and evaluation software |
Riferimenti
- Posner, M. I. Orienting of attention. Quarterly Journal of Experimental Psychology. 32 (1), 3-25 (1980).
- 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).
- Bundesen, C. A theory of visual attention. Psychological Review. 97 (4), 523-547 (1990).
- 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).
- Petersen, A., Kyllingsbæk, S., Bundesen, C. Measuring and modeling attentional dwell time. Psychonomic Bulletin & Review. 19 (6), 1029-1046 (2012).
- Vroomen, J., Keetels, M. Perception of intersensory synchrony: A tutorial review. Attention, Perception, & Psychophysics. 72 (4), 871-884 (2010).
- 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).
- 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).
- Bundesen, C., Habekost, T. . Principles of Visual Attention: Linking Mind and Brain. , (2008).
- 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).
- Kruschke, J. K., Vanpaemel, W., Busemeyer, J., Townsend, J., Wang, Z. J., Eidels, A. Bayesian estimation in hierarchical models. The Oxford Handbook of Computational and Mathematical Psychology. , 279-299 (2015).
- 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).
- Kruschke, J. K. . Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan. , (2015).
- 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).
- 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).
- Shore, D. I., Klein, R. M. The effects of scene inversion on change blindness. The Journal of General Psychology. 127 (1), 27-43 (2000).
- Scharlau, I., Neumann, O. Temporal parameters and time course of perceptual latency priming. Acta Psychologica. 113 (2), 185-203 (2003).
- Schneider, K. A., Bavelier, D. Components of visual prior entry. Cognitive Psychology. 47 (4), 333-366 (2003).
- Scharlau, I., Neumann, O. Perceptual latency priming by masked and unmasked stimuli: Evidence for an attentional interpretation. Psychological Research. 67 (3), 184-196 (2003).
- Shore, D. I., Spence, C., Klein, R. M. Visual prior entry. Psychological Science. 12 (3), 205-212 (2001).
- 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).
- 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).
- Lee, M. D., Wagenmakers, E. J. . Bayesian cognitive modeling: A practical course. , (2014).
- Vangkilde, S., Bundesen, C., Coull, J. T. Prompt but inefficient: Nicotine differentially modulates discrete components of attention. Psychopharmacology. 218 (4), 667-680 (2011).
- Tünnermann, J., Scharlau, I. Peripheral Visual Cues: Their Fate in Processing and Effects on Attention and Temporal-order. Front. Psychol. 7 (1442), (2016).
