मापने ध्यान और दृश्य प्रसंस्करण गति टेम्पोरल के आदेश के निर्णय के मॉडल के आधार पर विश्लेषण से
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
इस प्रोटोकॉल का वर्णन कैसे अस्थायी आदेश प्रयोगों का संचालन करने के लिए दृश्य प्रसंस्करण गति और attentional संसाधन वितरण को मापने के लिए। प्रस्तावित विधि तीन घटकों के एक नए और synergistic संयोजन पर आधारित है: अस्थायी आदेश निर्णय (Toj) प्रतिमान, दृश्य ध्यान की Bundesen के सिद्धांत (TVA), और एक श्रेणीबद्ध Bayesian अनुमान ढांचा। विधि आसानी से व्याख्या पैरामीटर, जो TVA के सैद्धांतिक और neurophysiological आधार द्वारा समर्थन कर रहे हैं प्रदान करता है। TOJs का प्रयोग, TVA-आधारित अनुमान है, उत्तेजनाओं की एक व्यापक श्रेणी के लिए प्राप्त किया जा सकता है, जबकि पारंपरिक TVA के साथ प्रयोग किया मानदंड मुख्य रूप से अक्षर और अंक तक सीमित हैं। अंत में, प्रस्तावित मॉडल की सार्थक मापदंडों के एक श्रेणीबद्ध Bayesian मॉडल की स्थापना के लिए अनुमति देते हैं। इस तरह के एक सांख्यिकीय मॉडल विषय पर एक सुसंगत विश्लेषण दोनों और समूह स्तर में परिणाम का आकलन करने की अनुमति देता है।
व्यवहार्यता और वी प्रदर्शित करने के लिएइस नए दृष्टिकोण की ersatility, तीन प्रयोगों सिंथेटिक पॉप बाहर प्रदर्शित करता है, प्राकृतिक छवियों में ध्यान जोड़तोड़ के साथ एक cued पत्र की रिपोर्ट प्रतिमान रिपोर्ट कर रहे हैं, और।
Introduction
कैसे ध्यान अंतरिक्ष और समय में वितरित किया जाता है मानव दृश्य धारणा में सबसे महत्वपूर्ण कारकों में से एक है। वस्तुओं है कि उनके conspicuity या महत्व की वजह से ध्यान कब्जा आम तौर पर तेजी से संसाधित और उच्च सटीकता के साथ कर रहे हैं। व्यवहार अनुसंधान में, इस तरह के प्रदर्शन लाभ प्रयोगात्मक मानदंड की एक किस्म में प्रदर्शन किया गया है। उदाहरण के लिए, लक्ष्य स्थान की ओर ध्यान आवंटन मामले की जांच का पता लगाने के कार्यों 1 में प्रतिक्रिया को गति। इसी तरह, पत्र रिपोर्टिंग की सटीकता ध्यान 2 से सुधार हुआ है। इस तरह के निष्कर्ष साबित होता है कि ध्यान प्रसंस्करण को बढ़ाता है, लेकिन वे कैसे इस वृद्धि की स्थापना की है के बारे में बुरी मूक बने हुए हैं।
वर्तमान पत्र से पता चलता है कि attentional फायदे के पीछे निम्न स्तर के तंत्र एक मॉडल के आधार पर रूपरेखा है कि माप संबंधित सुक्ष्म componen में अलग-अलग उत्तेजनाओं के प्रसंस्करण की गति को मापने के द्वारा मूल्यांकन किया जा सकताध्यान की TS। इस तरह के एक मॉडल के साथ, उत्तेजनाओं के बीच समग्र प्रसंस्करण क्षमता और इसके वितरण प्रसंस्करण गति माप से अनुमान लगाया जा सकता है।
दृश्य ध्यान की Bundesen के सिद्धांत (TVA) 3 इस प्रयास के लिए एक उपयुक्त मॉडल उपलब्ध कराता है। यह आम तौर पर पत्र की रिपोर्ट कार्यों से डेटा के लिए आवेदन किया है। बाद में, TVA की बुनियादी बातों की व्याख्या कर रहे हैं और यह दिखाया गया है कि कैसे वे अस्थायी आदेश निर्णय (Toj) (लगभग) मनमाना उत्तेजनाओं के साथ प्राप्त डेटा मॉडल के लिए बढ़ाया जा सकता है। इस उपन्यास विधि प्रसंस्करण गति और संसाधन वितरण का अनुमान है जो आसानी से व्याख्या की जा सकती है। इस लेख में प्रोटोकॉल योजना कैसे और आचरण इस तरह के प्रयोगों और विवरण कैसे डेटा विश्लेषण किया जा सकता बताते हैं।
जैसा कि ऊपर कहा, TVA-आधारित मॉडलिंग और ध्यान मापदंडों के आकलन में सामान्य प्रतिमान पत्र की रिपोर्ट काम है। प्रतिभागियों को पत्र का एक सेट की पहचान रिपोर्टसंक्षेप में लगीं और आम तौर पर एक अलग देरी के बाद छिपा हुआ है। अन्य मानकों के बीच, दर, जिस पर दृश्य तत्वों दृश्य अल्पकालिक स्मृति में इनकोड अनुमान लगाया जा सकता है। विधि सफलतापूर्वक मौलिक और नैदानिक अनुसंधान में सवाल करने के लिए लागू किया गया है। उदाहरण के लिए, Bublak और उनके सहयोगियों 4 आकलन किया जो attentional मापदंडों के उम्र से संबंधित संज्ञानात्मक घाटे के विभिन्न चरणों में प्रभावित कर रहे हैं। मौलिक ध्यान अनुसंधान में, पीटरसन, Kyllingsbæk, और Bundesen 5 TVA इस्तेमाल किया attentional समय ध्यान केन्द्रित प्रभाव, कुछ समय के अंतराल पर दो लक्ष्यों के दूसरे मानता में पर्यवेक्षक की कठिनाई मॉडल करने के लिए। पत्र की रिपोर्ट के प्रतिमान की एक बड़ी खामी यह है कि यह पर्याप्त overlearned और maskable उत्तेजनाओं की आवश्यकता है। इस आवश्यकता को अक्षर और अंक के लिए विधि की सीमा। अन्य उत्तेजनाओं प्रतिभागियों की भारी प्रशिक्षण की आवश्यकता होगी।
Toj प्रतिमान न विशिष्ट stimul की आवश्यकता हैमैं और न ही मास्किंग। जिस काम के लिये उपस्थिति के क्रम में आंका जा सकता उत्तेजनाओं के किसी भी प्रकार के साथ प्रयोग किया जा सकता है। यह प्रोत्साहन रेंज का विस्तार बहुत ज्यादा सब कुछ है कि ब्याज की हो सकती है, प्रत्यक्ष 6 पार मोडल तुलना सहित करने के लिए।
TOJs के साथ ध्यान की जांच attentional से पहले प्रवेश की घटना है जो कितना पहले एक भाग लिया प्रोत्साहन एक नायाब एक की तुलना में माना जाता है का एक उपाय है पर आधारित है। दुर्भाग्य से, Toj डेटा (जैसे संचयी गाऊसी या रसद कार्यों के रूप में) फिटिंग पर्यवेक्षक प्रदर्शन साइकोमेट्रिक कार्यों का विश्लेषण करने के लिए सामान्य विधि, भेद नहीं कर सकते ध्यान में भाग लिया प्रोत्साहन के प्रसंस्करण दर बढ़ जाती है कि क्या है या यह 7 पहुंच से बाहर प्रोत्साहन की दर कम हो जाती है। इस अस्पष्टता एक बड़ी समस्या है, क्योंकि सवाल यह है कि एक प्रोत्साहन की धारणा को सही मायने बढ़ाया है या यह एक प्रतिस्पर्धा stimul से संसाधनों की वापसी की वजह से लाभ अगर हमें दोनों मौलिक और व्यावहारिक प्रासंगिकता का सवाल है। उदाहरण के लिए, मानव-मशीन इंटरफेस के डिजाइन के लिए यह जानना चाहते हैं तो एक तत्व की प्रमुखता में वृद्धि के लिए एक और एक की कीमत पर काम करता है प्रासंगिक है।
Toj काम आम तौर पर इस प्रकार के रूप में आय: एक नियतन के निशान, एक संक्षिप्त देरी के लिए प्रस्तुत किया जाता है आम तौर पर एक बेतरतीब ढंग से एक दूसरे से अंतराल कम खींचा। फिर, पहला लक्ष्य प्रस्तुत किया जाता है, एक चर प्रोत्साहन शुरुआत asynchrony (एसओए) दूसरा लक्ष्य के बाद का पालन किया। नकारात्मक SOAS में, जांच में भाग लिया, प्रोत्साहन, पहले दिखाया गया है। सकारात्मक SOAS में, संदर्भ, नायाब प्रोत्साहन, ले जाता है। शून्य से एक एसओए में, दोनों लक्ष्यों को एक साथ दिखाया गया है।
आमतौर पर, लक्ष्य पेश करने पर प्रोत्साहन स्विचन को दर्शाता है। कुछ शर्तों के तहत, हालांकि, इस तरह के एक पहले से ही मौजूद लक्ष्य या ऑफसेट की एक झिलमिलाहट के रूप में अन्य लौकिक घटनाओं, 8 उपयोग किया जाता है।
_content "> TOJs में, प्रतिक्रियाएं एक unspeeded ढंग से एकत्र कर रहे हैं, आम तौर पर प्रोत्साहन पहचान और प्रस्तुति के आदेश के लिए मैप कुंजी द्वारा (जैसे, यदि उत्तेजनाओं चौकों और हीरे हैं, एक कुंजी को इंगित करता है" वर्ग की पहली "और एक दूसरे को 'डायमंड पहले") । महत्वपूर्ण बात है, मूल्यांकन के लिए, इन निर्णयों के लिए "जांच पहले" ( "संदर्भ पहले" या) निर्णय परिवर्तित किया जाना चाहिए।वर्तमान काम में, TVA और Toj प्रयोगात्मक प्रतिमान के प्रसंस्करण के मॉडल का एक संयोजन या तो अलग-अलग डोमेन समस्याओं को खत्म करने के लिए प्रयोग किया जाता है। इस विधि के साथ, आसानी से व्याख्या की गति मापदंडों के लगभग मनमाने ढंग से दृश्य उत्तेजनाओं के लिए अनुमान लगाया जा सकता है, अनुमान करने के लिए कैसे पर्यवेक्षक का ध्यान दृश्य तत्वों प्रतिस्पर्धा करने के लिए आवंटित किया गया है सक्षम करने से।
मॉडल अलग-अलग उत्तेजनाओं के प्रसंस्करण के लिए TVA के समीकरण है, जो शीघ्र ही बाद में समझाया जाएगा पर आधारित है। संभावना है कि एक stimulपहले अन्य पहले प्रदर्शित होने के रूप में इस उत्तेजना को पहचानने की संभावना के रूप में व्याख्या की है हमें दृश्य अल्पकालिक स्मृति में इनकोडिंग है। अलग-अलग अवधियों एन्कोडिंग तेजी से 9 वितरित कर रहे हैं:
(1)
अधिकतम अप्रभावी जोखिम अवधि टी 0 एक सीमा है, जो पहले कुछ भी नहीं सब पर इनकोडिंग जाता है। TVA, दर वी एक्स के अनुसार, मैं जो वस्तु एक्स एक अवधारणात्मक श्रेणी मैं के सदस्य के रूप में (जैसे रंग या आकार के रूप में) इनकोडिंग है, दर समीकरण द्वारा दिया जाता है
। (2)
संवेदी सबूत है कि एक्स श्रेणी मैं η एक्स, मैं में व्यक्त किया जाता है के अंतर्गत आता है, और मैं बीटा की ताकत श्रेणी मैं के सदस्यों के रूप में उत्तेजनाओं categorizing के लिए एक निर्णय पूर्वाग्रह है। यह एक से गुणा किया जाता हैttentional वजन। व्यक्तिगत attentional वजन डब्ल्यू एक्स दृश्य क्षेत्र में सभी वस्तुओं की attentional वजन द्वारा विभाजित हैं। इसलिए, रिश्तेदार attentional वजन के रूप में गणना की जाती है
(3)
जहां R सभी श्रेणियों और η एक्स का प्रतिनिधित्व करता है, मैं संवेदी सबूत नहीं है कि वस्तु एक्स के लिए श्रेणी जम्मू अंतर्गत आता है प्रतिनिधित्व करता है। मूल्य π जम्मू की श्रेणी जम्मू योग्यता को फोन किया और जम्मू में वर्गीकरण करने के लिए एक पूर्वाग्रह को दर्शाता है। समग्र प्रसंस्करण क्षमता C सब उत्तेजनाओं और वर्गीकरण के लिए सभी संसाधन दरों का योग है। TVA की एक अधिक विस्तृत विवरण के लिए, Bundesen और Habekost की पुस्तक 9 को देखें।
हमारे उपन्यास विधि, 1 समीकरण है, जो अलग-अलग उत्तेजनाओं की एन्कोडिंग का वर्णन में, TOJs की एक मॉडल के रूप में तब्दील किया जाता है। यह मानते हुए कि चयन पूर्वाग्रहों और रिपोर्ट श्रेणियों constan हैंएक प्रयोगात्मक कार्य के भीतर टी, दो लक्ष्य उत्तेजनाओं जांच (पी) और संदर्भ (आर) के प्रसंस्करण दरों वी पी और वी आर सी और फार्म वी पी = सी में attentional वजन · डब्ल्यू पी और वी आर = सेल्सियस पर निर्भर · डब्ल्यू आर, क्रमशः। नई Toj मॉडल सफलता संभावना पी पी 1 है कि एक भागीदार न्यायाधीशों जांच प्रोत्साहन एसओए और प्रसंस्करण दरों के एक समारोह के रूप में पहली बार होने जा व्यक्त करता है। यह इस प्रकार के रूप में औपचारिक रूप दिया जा सकता है:
(4)
कैसे इस समीकरण बुनियादी TVA समीकरणों से प्राप्त होता है की एक अधिक विस्तृत विवरण Tünnermann, पीटरसन और Scharlau 7 से वर्णन किया गया है।
सादगी के लिए, पैरामीटर टी 0 समीकरण 1 में मॉडल में छोड़ा जाता है मूल TVA के अनुसार, टी 0 बो के लिए समान होना चाहिएToj कार्य में वें लक्ष्य, और इसलिए, इसे बाहर रद्द। हालांकि, इस धारणा कभी कभी का उल्लंघन किया जा सकता है (देखें अनुभाग चर्चा)।
Toj आंकड़ों के इस समीकरण फिटिंग के लिए, एक श्रेणीबद्ध Bayesian अनुमान योजना 11 सुझाव दिया है। यह दृष्टिकोण attentional वजन डब्ल्यू पी और डब्ल्यू जांच और संदर्भ उत्तेजनाओं और समग्र प्रसंस्करण दर सी इन मानकों, जिसके परिणामस्वरूप तेज दरों वी पी और वी आर, और उन दोनों के बीच ध्यान प्रेरित मतभेदों के आर अनुमान लगाने के लिए अनुमति देता है, मूल्यांकन किया जा सकता अनुमान अनिश्चितताओं के साथ-साथ विषय और समूह स्तर पर। पदानुक्रमित मॉडल एक प्रयोग के लिए योजना बना चरण के दौरान चित्रा 1 में सचित्र है, सुविधाजनक Bayesian शक्ति विश्लेषण का आयोजन किया जा सकता है।
निम्नलिखित प्रोटोकॉल का वर्णन योजना कैसे, अमल और Toj प्रयोगों का विश्लेषण जिसमें से प्रसंस्करण की गति मापदंडों और दृश्य उत्तेजनाओं के लिए attentional वजन कर सकते हैंप्राप्त हो। प्रोटोकॉल मानता है कि शोधकर्ता कैसे एक attentional हेरफेर ब्याज की कुछ लक्ष्यों के प्रसंस्करण की गति को प्रभावित करती है में रुचि है।
चित्रा 1: चित्रमय Bayesian अनुमान प्रक्रिया में इस्तेमाल किया मॉडल। सर्किलों का अनुमान वितरण संकेत मिलता है; डबल हलकों नियतात्मक नोड्स संकेत मिलता है। चौकों डेटा संकेत मिलता है। संबंधों चित्रा के सही पक्ष पर दिया जाता है। गोल फ्रेम के बाहर नोड्स ( "प्लेट") TVA मानकों (परिचय देखें) समूह स्तर पर का मतलब और फैलाव अनुमान प्रतिनिधित्व करते हैं। "जम्मू विषयों" प्लेट में, यह कैसे attentional वजन (डब्ल्यू) प्रोत्साहन प्रसंस्करण दर (v) विषय स्तर पर से करने के लिए समग्र प्रसंस्करण दर (सी) के साथ संयुक्त कर रहे हैं देखा जा सकता है। प्लेट "मैं SOAS के &# 8221; पता चलता है कि कैसे इन TVA मापदंडों तो प्रत्येक एसओए पर binomially वितरित प्रतिक्रिया के लिए सफलता की संभाव्यता (θ) में (समारोह पी पी 1 परिचय में वर्णित के माध्यम से) बदल रहे हैं। इसलिए, θ एसओए (एन) के repetitions के साथ मिलकर डेटा अंक (y) का वर्णन है। संकेतन और ग्राफिकल मॉडल की व्याख्या के बारे में अधिक जानकारी के लिए, ली और Wagenmakers 23 को देखें। ध्यान दें कि स्पष्टता के लिए, नोड्स कि मानकों के मतभेद का प्रतिनिधित्व मिटाया गया है। ये नियतात्मक मापदंडों के बजाय प्रयोगात्मक परिणामों के आंकड़ों में संकेत कर रहे हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।
Protocol
Representative Results
Discussion
इस लेख में प्रोटोकॉल का वर्णन कैसे सरल TOJs आचरण और मौलिक प्रोत्साहन एन्कोडिंग पर आधारित मॉडल के साथ डेटा फिट करने के लिए। तीन प्रयोगों का प्रदर्शन कैसे परिणाम बेहद अलग प्रोत्साहन सामग्री में ध्यान के प?…
Disclosures
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 |
References
- 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).
