Misurazione Attenzione e velocità di elaborazione visiva dal Modello di analisi basata su delle decisioni di ordine temporale

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

Questo protocollo descrive come condurre esperimenti temporale fine di misurare la velocità di elaborazione visiva e la distribuzione delle risorse dell'attenzione. Il metodo proposto si basa su una nuova e sinergica combinazione di tre componenti: il paradigma giudizi temporali di ordine (TOJ), la teoria di Bundesen of Visual Attention (TVA), e un quadro di stima bayesiana gerarchica. Il metodo prevede parametri facilmente interpretabili, che sono supportate da le basi teoriche e neurofisiologici della TVA. Utilizzando tojs, le stime TVA-based possono essere ottenuti per una vasta gamma di stimoli, mentre paradigmi tradizionali utilizzati con IVA sono prevalentemente limitate alle lettere e cifre. Infine, i parametri significativi del modello proposto consentono la creazione di un modello bayesiano gerarchico. Tale modello statistico permette di valutare i risultati di una analisi coerente sia sul soggetto e il livello di gruppo.

Per dimostrare la fattibilità e versatility di questo nuovo approccio, tre esperimenti sono riportati con manipolazioni di attenzione in sintetico display pop-out, le immagini naturali, e un cued paradigma lettera-rapporto.

Introduction

Come attenzione viene distribuita nello spazio e nel tempo è uno dei fattori più importanti nella percezione visiva umana. Gli oggetti che catturano l'attenzione a causa della loro visibilità e importanza sono in genere elaborati più velocemente e con maggiore precisione. Nella ricerca comportamentale, tali vantaggi prestazionali sono stati dimostrati in una varietà di paradigmi sperimentali. Per esempio, destinando attenzione alla posizione di destinazione accelera la reazione in attività di rilevamento della sonda ^1. Allo stesso modo, l'accuratezza delle lettere di segnalazione è migliorata l'attenzione ^2. Tali risultati dimostrano che l'attenzione aumenta la lavorazione, ma rimangono irrimediabilmente muto su come è stabilito questo miglioramento.

Il presente lavoro dimostra che i meccanismi di basso livello alle spalle vantaggi di attenzione può essere valutata misurando la velocità di elaborazione dei singoli stimoli in un quadro model-based che mette in relazione le misure a piccolo grano components di attenzione. Con un tale modello, la capacità di elaborazione complessiva e la sua distribuzione tra gli stimoli possono essere dedotti dalla misurazione della velocità di elaborazione.

La teoria di Bundesen of Visual Attention (TVA) ³ fornisce un modello adatto a questo sforzo. E 'tipicamente applicato ai dati provenienti da attività di lettera di report. Di seguito, i fondamenti della TVA sono spiegati ed è mostrato come possono essere estesi per modellare i dati giudizio temporale-ordine (TOJ) ottenuti con (quasi) stimoli arbitrari. Questo nuovo metodo fornisce stime di velocità di elaborazione e distribuzione delle risorse che possono essere facilmente interpretabili. Il protocollo in questo articolo spiega come pianificare e condurre tali esperimenti e particolari come i dati possono essere analizzati.

Come accennato in precedenza, il solito paradigma modellazione TVA-based e stima dei parametri di attenzione è il compito lettera report. I partecipanti riportano le identità di una serie di lettere cheè brevemente lampo e tipicamente mascherato dopo un ritardo variabile. Tra gli altri parametri, il tasso al quale elementi visivi sono codificati nella memoria visiva a breve termine può essere stimato. Il metodo è stato applicato con successo a domande in ricerca di base e clinica. Per esempio, Bublak e colleghi hanno valutato ⁴ che i parametri di attenzione sono colpiti in diverse fasi di deficit cognitivi legati all'età. Nella ricerca fondamentale l'attenzione, Petersen, Kyllingsbæk, e Bundesen ⁵ utilizzati TVA per modellare l'effetto tempo di sosta attentivo, difficoltà dell'osservatore nel percepire il secondo dei due obiettivi in determinati intervalli di tempo. Un grave inconveniente del paradigma lettera rapporto è che richiede stimoli sufficientemente overlearned e mascherabili. Questo requisito limita il metodo di lettere e cifre. Altri stimoli richiederebbero una formazione pesante di partecipanti.

Il paradigma TOJ non richiede né stimul specificoio né mascheramento. Può essere utilizzato con qualsiasi tipo di stimoli per cui l'ordine di comparsa può essere giudicato. Questo si estende la gamma di stimolo per praticamente tutto ciò che possa essere di interesse, tra cui i confronti ⁶ cross-modali diretti.

Investigating attenzione con Tojs si basa sul fenomeno di entrata prima dell'attenzione che è una misura di quanto in precedenza uno stimolo frequentato è percepito rispetto ad uno automatica. Purtroppo, il solito metodo per analizzare i dati TOJ, fitting funzioni psicometriche prestazioni osservatore (come ad esempio le funzioni gaussiana o logistiche cumulativi), non può distinguere se l'attenzione aumenta il tasso di trasformazione dello stimolo assistito o se diminuisce la percentuale di stimolo incustodita ^7. Questa ambiguità è un problema importante perché la questione se la percezione di uno stimolo è veramente migliorata o se beneficia a causa del ritiro di risorse da un stimul competere noi è una questione di rilevanza sia fondamentale e pratico. Ad esempio, per la progettazione di interfacce uomo-macchina è molto importante per sapere se aumentare la prominenza di un elemento funziona a scapito di un altro.

Il compito TOJ di solito procede come segue: un segno di fissaggio è presentato per un breve ritardo, tipicamente un estratto a sorte intervallo più breve di un secondo. Poi, il primo obiettivo è presentata, seguita dopo una variabile dello stimolo asincronia (SOA) dal secondo target. A SOA negativi, la sonda, lo stimolo frequentato, viene visualizzato per primo. A SOA positivi, il riferimento, lo stimolo incustodita, conduce. In una SOA zero, entrambi gli obiettivi sono mostrati simultaneamente.

Tipicamente, presentando il bersaglio si riferisce alla commutazione stimolo on. In determinate condizioni, tuttavia, altri eventi temporali, come ad esempio un guizzo di una già presente bersaglio o offset sono utilizzati ^8.

_content "> In tojs, le risposte sono raccolte in maniera unspeeded, di solito con i tasti mappati alle identità di stimolo e gli ordini di presentazione (ad esempio, se gli stimoli sono quadrati e diamanti, una chiave indica" piazza prima "e un altro" diamanti primo ") . È importante sottolineare che, per la valutazione, questi giudizi devono essere convertiti in "sonda prima" (o "primo riferimento") giudizi.

Nel presente lavoro, una combinazione del modello di elaborazione di IVA e paradigma sperimentale TOJ viene utilizzato per eliminare i problemi in entrambi i domini individuale. Con questo metodo, i parametri di velocità facilmente interpretabili possono essere stimati per stimoli visivi quasi arbitrarie, consentendo di dedurre come l'attenzione dell'osservatore è assegnato a competere elementi visivi.

Il modello si basa sulle equazioni di TVA per la lavorazione dei singoli stimoli, che verranno brevemente spiegate nel seguito. La probabilità che uno stimulci è codificato nella memoria visiva a breve termine prima che l'altro viene interpretato come la probabilità di giudicare questo stimolo come apparire per primo. Le singole durate di codifica sono esponenzialmente distribuiti ^9:

(1)

La massima esposizione inefficace durata t ₀ è una soglia di fronte al quale nulla è codificato a tutti. Secondo TVA, il tasso di v _{x, i} in cui oggetto x è codificato come membro di una categoria percettiva i (come il colore o una forma) è data dall'equazione tasso,

. (2)

La forza dell'evidenza sensoriale che x appartiene alla categoria I è espressa in _{x η, i,} e beta _i è un bias decisione per classificare gli stimoli come membri della categoria i. Questo viene moltiplicato per unpesi ttentional. I singoli pesi di attenzione W _x sono divisi per i pesi di attenzione di tutti gli oggetti nel campo visivo. Pertanto, il peso attentivo relativa viene calcolato come

(3)

dove R rappresenta tutte le categorie e η _{x, i} rappresenta la prova sensoriale che oggetto x appartiene alla categoria j. Il valore di _j π è chiamato pertinenza di categoria j e riflette una tendenza a fare categorizzazioni in j. La capacità di elaborazione totale C è la somma di tutte le tariffe di elaborazione per tutti gli stimoli e le categorizzazioni. Per una descrizione più dettagliata di TVA, fare riferimento a Bundesen e Habekost del libro ^9.

Nel nostro nuovo metodo, Equazione 1, che descrive la codifica dei singoli stimoli, si trasforma in un modello di Tojs. Supponendo che bias di selezione e le categorie di rapporti sono constant all'interno di un compito sperimentale, la velocità di elaborazione v _p e v _r della sonda due porta stimoli (p) e di riferimento (R) dipende C ei pesi attenzionali nella forma v _p = C · w _p e v _r = C · w _r rispettivamente. Il nuovo modello TOJ esprime la probabilità di successo P _{p ^{1 °}} che un partecipante giudica lo stimolo della sonda di essere prima in funzione della SOA e le tariffe di lavorazione. Può essere formalizzata come segue:

(4)

Una descrizione più dettagliata di come questa equazione è derivata dalle equazioni di base TVA è descritto da Tünnermann, Petersen, e Scharlau ^7.

Per semplicità, il parametro t ₀ è omesso nel modello in Equazione 1. Secondo la TVA originale, t ₀ deve essere identico per boobiettivi Th nel compito TOJ, e, di conseguenza, si annulla. Tuttavia, questa ipotesi può talvolta essere violata (vedere la sezione Discussione).

Per il montaggio questa equazione a dati TOJ, uno schema di stima bayesiana gerarchico ¹¹ è suggerito. Questo approccio permette di stimare i pesi attentive w _p e _r w della sonda e di riferimento stimoli e la velocità di elaborazione complessiva C. Questi parametri, la conseguente tassi di assorbimento v _p e V _R, e le differenze di attenzione indotta tra di loro, può essere valutata sui livelli di soggetti e di gruppo insieme con le incertezze stimate. Il modello gerarchico è illustrato nella figura 1. Durante la fase di progettazione per un esperimento, comoda analisi di potenza bayesiana può essere condotta.

Il seguente protocollo descrive come pianificare, eseguire ed analizzare esperimenti TOJ da cui parametri di velocità di elaborazione e pesi di attenzione per gli stimoli visivi possonoessere ottenuto. Il protocollo presuppone che il ricercatore è interessato a come una manipolazione attenzionale influenza la velocità di elaborazione di alcuni obiettivi di interesse.

Figura 1: modello grafico utilizzato nella procedura di stima bayesiana. Cerchi indicano le distribuzioni stimate; doppi cerchi indicano i nodi deterministici. Piazze indicano i dati. Le relazioni sono riportati sul lato destro della figura. I nodi al di fuori dei telai arrotondati ( "piatti") rappresentano stime medie e dispersione dei parametri TVA (vedi introduzione) a livello di gruppo. Nella piastra di "soggetti J", si può vedere come i pesi di attenzione (W) sono combinati con i tassi di elaborazione complessiva (C) dalla velocità di elaborazione dello stimolo (V) sul livello di soggetto. Piastra "i SOA &# 8221; mostra come questi parametri TVA vengono poi trasformati (tramite la funzione P _{p ¹} descritto nell'introduzione) nella probabilità di successo (θ) per le risposte binomiale distribuiti in ogni SOA. Pertanto, il θ insieme alle ripetizioni della SOA (n) descrivono i punti di dati (y). Per maggiori dettagli sulla notazione e l'interpretazione dei modelli grafici, fare riferimento a Lee e Wagenmakers ^23. Si noti che, per motivi di chiarezza, i nodi che rappresentano differenze di parametri sono stati omessi. Questi parametri deterministici sono indicate nelle figure dei risultati sperimentali invece. Clicca qui per vedere una versione più grande di questa figura.

Protocol

NOTA: Alcuni passi in questo protocollo può essere realizzato utilizzando il software personalizzato fornito (insieme con istruzioni di installazione) a http://groups.upb.de/viat/TVATOJ. Nel protocollo, questa raccolta di programmi e script è denominato "TVATOJ". 1. Selezione di stimolo Materiale Selezionare stimoli in base alla domanda di ricerca. NOTA: In generale, due obiettivi sono mostrati in diverse posizioni sullo schermo. Gli stimoli che…

Representative Results

Nel seguito sono riportati i risultati ottenuti con il metodo proposto. Tre esperimenti misurato l'influenza di diversi manipolazioni attentive con tre altamente diversi tipi di materiale di stimolo. Gli stimoli sono semplici segmenti di linea nei modelli di pop-out, azione oggetti spaziali in immagini naturali, e gli obiettivi della lettera cued. Esperimento 1: Salience nei display pop-out Esperimento 1 diretta a m…

Discussion

Il protocollo in questo articolo viene descritto come condurre tojs semplici e montare i dati con modelli basati sulla codifica stimolo fondamentale. Tre esperimenti hanno dimostrato come i risultati possono essere valutati in un quadro di stima Bayesiano gerarchico di valutare l'influenza di attenzione altamente diverso materiale di stimolo. Salience nei display pop-out ha portato ad un aumento dei pesi di attenzione. Inoltre, l'aumento dei pesi sono stati stimati per gli oggetti dello spazio di azione in immag…

Materials

Personal Computer

(Open Source) Experimentation and evaluation software