Summary

Måling Opmærksomhed og Visual Processing Speed ​​af Modelbaseret analyse af Temporal ordens Domme

Published: January 23, 2017
doi:

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

Denne protokol beskriver, hvordan at foretage tidsmæssig ordens eksperimenter for at måle visuel behandling hastighed og opmærksomhedsressource distribution. Den foreslåede metode er baseret på en ny og synergistisk kombination af tre komponenter: den tidsmæssige orden domme (TOJ) paradigme, Bundesen teori om Visual Attention (TVA), og en hierarkisk Bayesian estimering rammer. Metoden giver let fortolkelige parametre, som understøttes af de teoretiske og neurofysiologiske fundament for TVA. Ved hjælp TØJs, kan fås TVA-baserede estimater for en bred vifte af stimuli, hvorimod traditionelle paradigmer bruges med TVA hovedsageligt er begrænset til bogstaver og tal. Endelig er de meningsfulde parametre i den foreslåede model giver mulighed for etablering af en hierarkisk Bayesian model. Sådan en statistisk model tillader evaluering af resultaterne i en sammenhængende analyse både om emnet og koncernniveau.

For at demonstrere det er muligt og versatility af denne nye tilgang, er rapporteret tre eksperimenter med opmærksomhed manipulationer i syntetiske pop-out displays, naturlige billeder, og en cued brev-rapport paradigme.

Introduction

Hvordan opmærksomhed fordeles i rum og tid er en af ​​de vigtigste faktorer i menneskets visuelle perception. Objekter, der fanger opmærksomhed på grund af deres synlighed eller betydning er typisk behandlet hurtigere og med større nøjagtighed. I adfærdsforskning har sådanne ydelsesmæssige fordele blevet påvist i en række forskellige eksperimentelle paradigmer. For eksempel, fordeling opmærksom på målstedet fremskynder reaktionen i sonden detekteringsopgaver 1. Tilsvarende er nøjagtigheden af rapportering breve forbedret med opmærksomheden 2. Sådanne fund bevise, at opmærksomheden forbedrer behandlingen, men de forbliver håbløst mute om, hvordan dette ekstraudstyr er etableret.

Nærværende dokument viser, at lav-niveau mekanismer bag opmærksomhedsgraden fordele kan vurderes ved at måle behandling hastighed af individuelle stimuli i en modelbaseret ramme, der relaterer målingerne til fin-kornet components af opmærksomhed. Med en sådan model, kan den samlede behandlingskapacitet og dens fordeling blandt de stimuli udledes forarbejdning hastighedsmålinger.

Bundesen teori om Visual Attention (TVA) 3 giver en passende model til denne bestræbelse. Det er typisk anvendt på data fra brev rapport opgaver. I det følgende er de grundlæggende elementer i TVA forklaret, og det er vist, hvordan de kan udvides til at modellere tidsmæssige ordens dom (TØJ) data opnået med (næsten) vilkårlige stimuli. Denne nye metode giver skøn over processorhastighed og distribution ressource, som let kan fortolkes. Protokollen i denne artikel forklarer, hvordan at planlægge og gennemføre sådanne eksperimenter og detaljer hvordan data kan analyseres.

Som nævnt ovenfor, den sædvanlige paradigme i TVA-baserede modellering og estimering af opmærksomhed parametre er bogstavet rapport opgaven. Deltagerne rapporterer identitet et sæt af bogstaver, somer kortvarigt flashes og typisk maskeret efter en varierende forsinkelse. Blandt andre parametre, kan den hastighed, hvormed visuelle elementer kodes til visuel korttidshukommelse estimeres. Fremgangsmåden er med succes blevet anvendt på spørgsmål i grundforskning og klinisk forskning. For eksempel Bublak og kolleger fire vurderede som koncentrationsproblemer parametre påvirkes i forskellige stadier af aldersrelaterede kognitive mangler. I grundlæggende opmærksomhed forskning, Petersen, Kyllingsbæk, og Bundesen 5 brugte TVA at modellere opmærksomhedsgraden opholdstid effekt, observatørens svært ved at opfatte den anden af to mål på bestemte tidsintervaller. En væsentlig ulempe af brevet rapport paradigme er, at det kræver tilstrækkelig overlearned og maskable stimuli. Dette krav begrænser metode til bogstaver og tal. Andre stimuli vil kræve hård træning af deltagere.

Den TOJ paradigme kræver hverken særlige stimulJeg heller maskering. Den kan bruges med enhver form for stimuli, for hvilke kan bedømmes rækkefølgen af ​​udseende. Dette udvider stimulus interval til stort set alt, hvad der kunne være af interesse, herunder direkte på tværs af modal 6 sammenligninger.

Efterforske opmærksomhed med TØJs er baseret på fænomenet opmærksomhedsgraden forudgående registrering som er et mål for, hvor meget tidligere en deltog stimulus opfattes i forhold til en ubemandet én. Desværre er den sædvanlige metode til at analysere TØJ data, montering observatør ydeevne psykometriske funktioner (såsom kumulative Gaussisk eller logistisk funktion), kan ikke skelne, om opmærksomhed øger behandlingen hastigheden af den deltog stimulus, eller hvis det nedsætter hastigheden af den ubemandede stimulus 7. Denne tvetydighed er et stort problem, fordi spørgsmålet om, hvorvidt opfattelsen af ​​en stimulus virkelig forbedret, eller hvis den er til gavn på grund af tilbagetrækning af ressourcer fra en konkurrerende stimul os er et spørgsmål om både grundlæggende og praktisk relevans. For eksempel til konstruktion af human-machine interfaces er det yderst relevant at vide, om at øge fremtrædende ét element virker på bekostning af en anden.

Den TOJ opgave normalt forløber som følger: En fiksering mærke præsenteres for en kort forsinkelse, typisk et tilfældigt trukket interval kortere end et sekund. Derefter det første mål præsenteres fulgt efter en variabel stimulus debut asynkron (SOA) ved det andet mål. Ved negative SOAS proben, det betjente stimulus, vises først. Ved positive SOAS, referencen, den ubemandede stimulus, fører. Ved en SOA på nul, er begge mål vist samtidigt.

Typisk udgør målet refererer til omskiftning stimulus på. Under visse betingelser, men andre tidsmæssige begivenheder, såsom et flimmer af en allerede er til stede mål eller forskydninger anvendes 8.

_content "> I TØJs, er svarene indsamles i en unspeeded måde, som regel ved tasterne mappet til de stimulerende identiteter og præsentation ordrer (f.eks hvis stimuli er pladser og diamanter, en nøgle angiver" firkantede først "og en anden" diamant først ") . vigtigt er det, for evalueringen, disse domme skal konverteres til "sonde først" (eller "henvisning først") domme.

I det foreliggende arbejde, er en kombination af behandling model af TVA og TOJ eksperimentelle paradigme anvendes til at eliminere problemerne i enten enkelte domæne. Med denne metode kan let fortolkelige hastighed parametre estimeres for næsten vilkårlige visuelle stimuli, der gør det muligt at udlede, hvordan observatørens opmærksomhed er afsat til konkurrerende visuelle elementer.

Modellen er baseret på TVA ligninger for behandling af individuelle stimuli, som vil blive kort forklaret i det følgende. Sandsynligheden for, at en stimulos er kodet ind i visuel korttidshukommelse, før den anden fortolkes som sandsynligheden for at dømme denne stimulus som vises først. De individuelle kodende varigheder er eksponentialfordelt 9:

ligning 1 (1)

Den maksimale ineffektive eksponering varighed t 0 er en tærskel for hvilken intet er kodet på alle. Ifølge TVA, satsen v x, jeg ved hvilket objekt x kodet som medlem af en perceptuel kategori i (såsom farve eller en figur) er givet ved den hastighed ligningen,

ligning 2 . (2)

Styrken af den sensoriske beviser for, at x tilhører kategori jeg udtrykkes i η x, i, og p i er en beslutning bias for kategorisering stimuli som medlemmer af kategori i. Dette multipliceres med enttentional vægte. Individuelle opmærksomhedsgraden vægte w x divideres med opmærksomhedskravet vægte af alle objekter i synsfeltet. Derfor er den relative opmærksomhedsgraden vægt beregnet som

ligning 3 (3)

hvor R repræsenterer alle kategorier og η x, jeg repræsenterer den sensoriske beviser for, at objekt x tilhører kategori j. Værdien π j kaldes relevansen af kategori j og afspejler en bias at gøre kategoriseringer i j. Den samlede behandlingskapacitet C er summen af ​​alle forarbejdning satser for alle stimuli og kategoriseringer. For en mere detaljeret beskrivelse af TVA, henvises til Bundesen og Habekost bog 9.

I vores nye fremgangsmåde, ligning 1, som beskriver indkodningen af ​​individuelle stimuli, omdannes til en model af TØJs. Antages det, at valg fordomme og rapportkategorier er constant inden en eksperimentel opgave, den forarbejdning satser v p og v r fra de to target stimuli probe (p) og reference (r) afhænger af C og opmærksomhedskrav vægte i form v p = C · w p og v r = C · W R hhv. Den nye TOJ model udtrykker succes sandsynligheden P p 1st, at en deltager dommere sonden stimulus til at være først som en funktion af SOA og forarbejdning satser. Det kan formaliseres som følger:

ligning 4 (4)

En mere detaljeret beskrivelse af, hvordan denne ligning er afledt fra de grundlæggende TVA ligninger er beskrevet af Tünnermann, Petersen, og Scharlau 7.

For enkelthedens skyld, er parameteren t 0 udeladt i modellen i ligning 1. Ifølge den oprindelige TVA, bør t 0 være identiske for both mål i TOJ opgave, og derfor annullerer ud. Dog kan denne antagelse undertiden blive krænket (se afsnit Diskussion).

Til montering denne ligning til TØJ data, foreslås en hierarkisk Bayesian estimering ordning 11. Denne tilgang gør det muligt at estimere de koncentrationsproblemer vægte w p og w r af sonden og reference- stimuli og den samlede behandling rate C. Disse parametre, den resulterende uptake satser v p og v r, og opmærksomhed-inducerede forskelle mellem dem, kan vurderes om emnet og koncernniveau sammen med estimerede usikkerheder. Den hierarkiske model er illustreret i figur 1. I planlægningsfasen for et eksperiment, kan gennemføres praktisk Bayesiansk magt analyse.

Følgende protokol beskriver, hvordan at planlægge, udføre og analysere TØJ eksperimenter fra hvilke parametre behandling hastighed og koncentrationsproblemer vægte for visuel stimuli kanopnås. Protokollen antager, at forskeren er interesseret i, hvordan en opmærksomhedsgraden manipulation påvirker behandling hastigheder på nogle mål af interesse.

figur 1

Figur 1: Grafisk model, der anvendes i Bayesian estimeringsproceduren. Cirkler angiver skønnede distributioner; dobbelt cirkler indikerer deterministiske knudepunkter. Firkanter viser data. Relationerne er givet i højre side af figuren. De knuder uden for de afrundede rammer ( "plader") repræsenterer middelværdier og dispersion estimater af TVA parametre (se indledning) på koncernniveau. I "j Emner" plade, kan det ses, hvordan koncentrationsproblemer vægte (w) er kombineret med de samlede forarbejdning satser (C) til fra stimulus forarbejdning satser (v) om emnet niveau. Plate "i SOAS &# 8221; viser, hvorledes disse TVA parametre transformeres derefter (via funktionen P p 1st beskrevet i indledningen) i succes sandsynlighed (θ) for de binomialfordelt responser på hvert SOA. Derfor er θ sammen med gentagelser af SOA (n) beskriver datapunkterne (y). For flere detaljer om notation og tolkning af grafiske modeller, se Lee og Wagenmakers 23. Bemærk, at for overskuelighedens skyld, har de knuder, der repræsenterer forskelle i parametre er udeladt. Disse deterministiske parametre angives i figurerne på de eksperimentelle resultater i stedet. Klik her for at se en større version af dette tal.

Protocol

BEMÆRK: kan opnås Nogle trin i denne protokol ved hjælp brugerdefineret software leveres (sammen med monteringsvejledning) på http://groups.upb.de/viat/TVATOJ. I protokollen, er denne samling af programmer og scripts benævnt "TVATOJ". 1. Udvælgelse af Stimulus Materiale Vælg stimuli efter forskningsspørgsmålet. BEMÆRK: I almindelighed er to mål vist på forskellige steder på skærmen. Stimuli, der er blevet anvendt med den nuværende m…

Representative Results

I det følgende er resultater opnået med den foreslåede metode rapporteret. Tre forsøg målte indflydelsen af ​​forskellige opmærksomhedsgraden manipulationer med tre meget forskellige typer af stimulus materiale. De stimuli er simple linje segmenter i pop-out mønstre, action rumgenstande i naturlige billeder, og cued brev mål. Eksperiment 1: prominens i pop-out-skærme Eksperiment 1 til formål at måle indfl…

Discussion

Protokollen i denne artikel beskrives, hvordan at foretage simple TØJs og passer data med modeller baseret på grundlæggende stimulus kodning. Tre forsøg viste, hvordan resultaterne kan evalueres i en hierarkisk Bayesian estimering ramme for at vurdere indflydelsen af ​​opmærksomhed i meget forskelligt stimulus materiale. Prominens i pop-out skærme førte til øgede koncentrationsproblemer vægte. Også ledsagedes øgede vægte anslået til handling rumgenstande i naturlige billeder. På grund af den vedvarende…

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

  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. , (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., 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).
  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. , (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. , (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).
check_url/it/54856?article_type=t

Play Video

Citazione di questo articolo
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).

View Video