Summary

Mess Achtung und Visual Verarbeitungsgeschwindigkeit von Modellbasierte Analyse zeitlicher Ordnung Urteile

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

Dieses Protokoll beschreibt, wie zeitliche Ordnung Experimente durchzuführen visuelle Verarbeitungsgeschwindigkeit und die Aufmerksamkeits Ressourcenverteilung zu messen. Das vorgeschlagene Verfahren basiert auf einer neuen und synergistische Kombination aus drei Komponenten: die zeitliche Ordnung Urteile (TOJ) Paradigma, Bundesen Theorie der visuellen Aufmerksamkeit (TVA) und eine hierarchische Bayes-Schätzung Rahmen. Das Verfahren sieht leicht interpretierbare Parameter, die durch die theoretischen und neurophysiologischen Grundlagen der TVA unterstützt werden. Mit tojs kann TVA basierten Schätzungen für ein breites Spektrum von Stimuli erhalten werden, während traditionelle Paradigmen mit TVA verwendet werden, vor allem auf Buchstaben und Ziffern begrenzt. Schließlich erlauben es die sinnvolle Parameter des vorgeschlagenen Modells für die Einrichtung eines hierarchischen Bayes-Modell. Ein solches statistisches Modell ermöglicht Ergebnisse in eine kohärente Analyse sowohl über das Thema und Konzernebene zu beurteilen.

Zur Demonstration der Durchführbarkeit und vin synthetischen Pop-Out-Displays, natürliche Bilder und ein cued Brief-Bericht Paradigma ersatility dieses neuen Ansatzes werden drei Experimente mit Aufmerksamkeit Manipulationen berichtet.

Introduction

Wie Aufmerksamkeit in Raum und Zeit verteilt wird, ist einer der wichtigsten Faktoren bei der menschlichen visuellen Wahrnehmung. Objekte, die Aufmerksamkeit auf sich ziehen wegen ihrer Auffälligkeit oder Bedeutung sind in der Regel schneller verarbeitet und mit höherer Genauigkeit. In Verhaltensforschung sind solche Leistungsvorteile in einer Vielzahl von experimentellen Paradigmen unter Beweis gestellt. Zum Beispiel, die Aufmerksamkeit auf die Zielposition Zuteilung beschleunigt die Reaktion in Sonde Detektionsaufgaben 1 auf. In ähnlicher Weise wird die Genauigkeit der Berichterstattung Briefe Aufmerksamkeit 2 verbessert. Solche Erkenntnisse belegen, dass die Aufmerksamkeit verbessert die Verarbeitung, aber sie bleiben hoffnungslos stumm darüber, wie diese Erweiterung hergestellt wird.

Die vorliegende Arbeit zeigt, dass die Low-Level-Mechanismen hinter attentional Vorteile können durch die Messung der Verarbeitungsgeschwindigkeit der einzelnen Stimuli in einer modellbasierten Rahmen beurteilt werden, die die Messungen bezieht sich auf feinkörnigem components der Aufmerksamkeit. Bei einem solchen Modell wird die Gesamtverarbeitungskapazität und seine Verteilung auf die Reize aus Verarbeitungsgeschwindigkeitsmessungen abgeleitet werden.

Bundesen Theorie der visuellen Aufmerksamkeit (TVA) 3 stellt ein geeignetes Modell für dieses Unterfangen. Es wird in der Regel auf die Daten aus dem Brief Bericht Aufgaben angewendet. Im Folgenden werden die Grundlagen der TVA erklärt und es wird gezeigt, wie sie zeitliche Ordnung Urteil (TOJ) erhaltenen Daten mit (fast) beliebige Stimuli zu modellieren erweitert werden. Dieses neuartige Verfahren liefert Schätzungen der Verarbeitungsgeschwindigkeit und der Ressourcenverteilung, die leicht interpretiert werden können. Das Protokoll in diesem Artikel erläutert, wie solche Experimente und Details zu planen und durchzuführen, wie die Daten analysiert werden können.

Wie oben erwähnt, ist die übliche Paradigma in TVA-basierte Modellierung und Abschätzung der Aufmerksamkeit Parameter der Brief Bericht Aufgabe. Die Teilnehmer berichten über die Identität einer Reihe von Briefen, diekurz geflasht ist und in der Regel nach einer veränderlichen Verzögerung maskiert. Unter anderen Parametern, die Rate, mit der Bildelemente in visuelle Kurzzeitgedächtnis codiert werden kann abgeschätzt werden. Das Verfahren wurde auf die Fragen in der Grundlagenforschung und klinische Forschung erfolgreich eingesetzt. Zum Beispiel Bublak und Kollegen 4 bewertet , welche sind attentional Parameter beeinflusst in verschiedenen Stadien der altersbedingten kognitiven Defiziten. In grundlegenden Aufmerksamkeitsforschung, Petersen, Kyllingsbæk und Bundesen 5 verwendet TVA die attentional Verweilzeit Wirkung zu modellieren, die Schwierigkeit der Beobachter in der zweiten von zwei Ziele in bestimmten Zeitintervallen wahrzunehmen. Ein wesentlicher Nachteil des Schreibens Bericht Paradigma ist, dass es ausreichend lernter und maskable Reize erfordert. Diese Anforderung begrenzt die Methode, um Buchstaben und Ziffern. Andere Reize würden schwere Ausbildung der Teilnehmer erfordern.

Das TOJ Paradigma erfordert weder spezifische stimuli noch Maskierung. Es kann mit jeder Art von Stimuli verwendet werden, für die die Reihenfolge des Erscheinens beurteilt werden kann. Dies erweitert den Reiz Bereich so ziemlich alles, was von Interesse sein könnten, einschließlich direkte Cross-modale Vergleiche 6.

Die Untersuchung Aufmerksamkeit mit tojs wird auf das Phänomen der Aufmerksamkeits vor Eintritt basiert, die ein Maß dafür, wie viel früher ein besucht Stimulus im Vergleich wahrgenommen wird einem eine unbeaufsichtigt. Unglücklicherweise unterscheiden die übliche Methode zur Analyse von TOJ Daten, Montage Beobachter Leistung psychometrischer Funktionen (wie zB kumulative Gauß- oder logistischen Funktionen) können nicht , ob die Aufmerksamkeit der Verarbeitungsrate der besuchten Reiz erhöht , oder wenn es um die Rate des unbeaufsichtigten Stimulus 7 abnimmt. Diese Zweideutigkeit ist ein großes Problem, da die Frage, ob die Wahrnehmung eines Reizes wirklich verbessert wird, oder wenn es zugute kommt, weil der Entzug von Ressourcen aus einem konkurrierenden stimul uns ist eine Frage der grundsätzlichen und praktischen Relevanz. Zum Beispiel für die Gestaltung der Mensch-Maschine-Schnittstellen ist es höchst relevant zu wissen, ob der Bedeutung eines Elements Erhöhung auf Kosten eines anderen funktioniert.

Die TOJ Aufgabe geht in der Regel wie folgt: Eine Fixationsmarke wird für eine kurze Verzögerung dargestellt, in der Regel ein zufällig Intervall kürzer als eine Sekunde gezogen. Dann wird das erste Ziel vorgestellt, gefolgt nach einer variablen Reizbeginn Asynchronität (SOA) von dem zweiten Target. Bei negativen SOAs, die Sonde, die besucht Stimulus, wird zuerst angezeigt. Bei positiven SOAs, die Referenz, die unbeaufsichtigte Reiz führt. Bei einer SOA von Null werden beide Ziele gleichzeitig gezeigt.

Typischerweise bezieht sich das Ziel stellt auf den Reiz zu wechseln. Unter bestimmten Bedingungen sind jedoch auch andere zeitliche Ereignisse, wie beispielsweise ein Flackern eines bereits vorliegenden Ziel oder Offsets 8 verwendet.

_content "> In tojs werden Antworten in einer unspeeded Weise gesammelt, in der Regel von den zugewiesenen Schlüssel zu den Reiz Identitäten und Präsentations Aufträge (zB wenn Reize sind Quadrate und Diamanten, zeigt ein Schlüssel" Quadrat erste "und ein anderer" Diamant erste ") . Wichtig ist, dass für die Beurteilung müssen diese Urteile "erste Sonde" umgewandelt werden (oder "Referenz zuerst") Urteile.

In der vorliegenden Arbeit wird eine Kombination aus dem Verarbeitungsmodell von TVA und der TOJ experimentelle Paradigma wird verwendet, um die Probleme in jedem einzelnen Domäne zu beseitigen. Mit diesem Verfahren kann leicht interpretierbare Geschwindigkeitsparameter für nahezu beliebige visuelle Reize geschätzt werden, so dass zu folgern, wie die Aufmerksamkeit des Betrachters zu konkurrierenden visuellen Elementen zugeordnet ist.

Das Modell basiert auf TVA-Gleichungen für die Verarbeitung von Einzelreizen, die im Folgenden kurz erläutert werden. Die Wahrscheinlichkeit, dass ein stimuluns in visuelle Kurzzeitgedächtnis codiert, bevor die andere als die Wahrscheinlichkeit des Beurteilens dieses Reizes als erscheinende erste interpretiert wird. Die einzelnen Codierung Dauern exponentiell 9 verteilt:

Gleichung 1 (1)

Die maximale ineffektiv Expositionsdauer t 0 eine Schwelle vor dem gar nichts codiert ist. Nach TVA, die Geschwindigkeit v x, i , an dem Objekt x als Mitglied einer Wahrnehmungskategorie i (wie Farbe oder Form) kodiert wird , wird durch die Rate Gleichung gegeben,

Gleichung 2 . (2)

Die Stärke der sensorischen Hinweise darauf , dass x gehört zur Kategorie i in η x ausgedrückt wird, i und ß i ist eine Entscheidung Bias für i Stimuli als Mitglieder der Kategorie kategorisieren. Dies wird durch einen multipliziertenttentional Gewichte. Einzel attentional Gewichte w x werden durch die attentional Gewichte aller Objekte im Gesichtsfeld unterteilt. Daher wird die relative attentional Gewicht berechnet als

Gleichung 3 (3)

wobei R alle Kategorien und η x darstellt, i die sensorische Hinweise darauf , dass das Objekt x zur Kategorie j gehört. Der Wert π j Stichhaltigkeit der Kategorie j genannt und spiegelt eine Tendenz zu Kategorisierungen in j machen. Die Gesamtverarbeitungskapazität C ist die Summe aller Verarbeitungsraten für alle Reize und Kategorisierungen. Für eine detailliertere Beschreibung der TVA, siehe Bundesen und Habekost Buch 9.

In unserem neuen Verfahren, Gleichung 1, die die Kodierung der Einzelreize beschreibt, wird in ein Modell der tojs umgewandelt. Unter der Annahme, dass Selektionsverzerrungen und Berichtskategorien sind constant innerhalb einer experimentellen Aufgabe, die Verarbeitungsgeschwindigkeiten v p und v r der beiden Zielreize Sonde (p) und Referenz (r) hängen von C und den attentional Gewichte in der Form v p = C · w p und v r = C · w r, respectively. Das neue TOJ Modell drückt die Erfolgswahrscheinlichkeit P p 1 , dass ein Teilnehmer beurteilt die Sonde Stimulus als Funktion des SOA und die Verarbeitungsgeschwindigkeiten erste sein. Es kann wie folgt formalisiert werden:

Gleichung 4 (4)

Eine detailliertere Beschreibung, wie diese Gleichung aus den Grund TVA Gleichungen abgeleitet wird , wird durch Tünnermann, Petersen, und Scharlau 7 beschrieben.

Aus Gründen der Einfachheit, 0 der Parameter t in dem Modell in Gleichung 1. Nach dem ursprünglichen TVA weggelassen wird, t 0 sollten für bo identisch seinth Ziele in der TOJ Aufgabe, und daher ist es aufhebt. Jedoch kann diese Annahme manchmal (siehe Abschnitt Diskussion) verletzt werden.

Zur Montage dieser Gleichung zu TOJ Daten eine hierarchische Bayes – Schätzschema 11 vorgeschlagen. Dieser Ansatz ermöglicht es diese Parameter die attentional Gewichte w p und w r der Sonde und Referenz Stimuli und die Gesamtverarbeitungsrate C. abzuschätzen, die sich ergebende Aufnahmeraten v p und v r und Aufmerksamkeit induzierte Unterschiede zwischen ihnen, kann beurteilt werden , zu den Themen und Gruppenebene zusammen mit geschätzten Unsicherheiten. Das hierarchische Modell ist in Abbildung 1 dargestellt Während der Planungsphase für ein Experiment, bequeme Bayes-Power-Analyse durchgeführt werden.

Das folgende Protokoll beschreibt, wie die Planung, Ausführung und TOJ Experimente, aus denen die Verarbeitungsgeschwindigkeit Parameter und Aufmerksamkeits Gewichte für visuelle Reize zu analysierenerhalten werden. Das Protokoll geht davon aus, dass der Forscher interessiert, wie eine Aufmerksamkeitsorientierung beeinflusst die Verarbeitungsgeschwindigkeiten einiger Ziele von Interesse.

Abbildung 1

Abbildung 1: Grafische Modell in der BayesSchätzverfahren verwendet. Kreise zeigen geschätzte Verteilungen; Doppel Kreise zeigen determinis Knoten. Quadrate zeigen Daten. Die Beziehungen werden auf der rechten Seite der Figur angegeben. Die Knoten außerhalb der abgerundeten Rahmen ( "Platten") stellen den Mittelwert und Streuung Schätzungen der TVA-Parameter (siehe Einleitung) auf Konzernebene. In der "j Themen" Platte kann man sehen, wie Aufmerksamkeits Gewichte (w) mit den Gesamtverarbeitungsraten (C) von Reizverarbeitungsraten (v) auf der Subjektebene kombiniert werden werden. Plate "i SOAs &# 8221; zeigt , wie diese Parameter TVA dann transformiert werden (über die Funktion P p 1. in der Einleitung beschrieben) in die Erfolgswahrscheinlichkeit (θ) für die binomialverteilte Antworten bei jeder SOA. Daher beschreiben die θ zusammen mit den Wiederholungen des SOA (n) die Datenpunkte (y). Für weitere Einzelheiten über Notation und Interpretation von graphischen Modellen, siehe Lee und Wagenmakers 23. Man beachte, dass aus Gründen der Klarheit sind die Knoten, die Unterschiede der Parameter darstellen weggelassen. Diese deterministischen Parameter werden stattdessen in den Figuren der experimentellen Ergebnisse angegeben. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Protocol

HINWEIS: Einige Schritte in diesem Protokoll erreicht werden kann (zusammen mit Installationsanweisungen), die kundenspezifische Software auf http://groups.upb.de/viat/TVATOJ. Im Protokoll wird bezeichnet diese Sammlung von Programmen und Skripten als "TVATOJ". 1. Auswahl von Stimulusmaterial Wählen Sie Stimuli gemäß der Fragestellung . HINWEIS: In der Regel werden zwei Ziele werden an verschiedenen Stellen auf dem Bildschirm a…

Representative Results

Im Folgenden wird mit dem vorgeschlagenen Verfahren erhaltenen Ergebnisse berichtet. Drei Experimente gemessen, um den Einfluß verschiedener attentional Manipulationen mit drei sehr verschiedenen Arten von Reizmaterial. Die Reize sind einfache Liniensegmente in Pop-Out-Muster, Aktionsraum Objekte in natürlichen Bildern und cued Brief Ziele. Versuch 1: Salience in Pop-Out-Displays Experiment 1 bei Messung des Einflusse…

Discussion

Das Protokoll in diesem Artikel wird beschrieben, wie einfach tojs durchzuführen und die Daten mit den Modellen auf der Basis grundlegender Stimulus Codierung passen. Drei Versuche zeigen, wie die Ergebnisse können in einer hierarchischen Bayesian Schätzung Rahmen ausgewertet werden, um den Einfluss der Aufmerksamkeit in sehr unterschiedlichen Stimulusmaterial zu beurteilen. Salience in Pop-Out-Displays zu einer erhöhten Aufmerksamkeits Gewichte. Auch erhöhte Gewichte wurden Handlungsraumobjekte in natürlichen Bil…

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