Mätning Uppmärksamhet och Visual Processing hastighet av modellbaserad analys av Temporal ordning domar

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

Detta protokoll beskriver hur man genomför tids ordningens experiment för att mäta visuell bearbetningshastighet och uppmärksamhetsresursfördelningen. Den föreslagna metoden bygger på en ny och synergistisk kombination av tre komponenter: den tids ordningens domar (TOJ) paradigm, Bundesen teori av Visual Attention (TVA), och en hierarkisk ram Bayesian uppskattningen. Metoden ger lätt tolkningsbara parametrar, som stöds av de teoretiska och neurofysiologiska grunderna för TVA. Med hjälp av Tojs kan TVA-baserade uppskattningar erhållas för ett brett spektrum av stimuli, medan de traditionella paradigm som används med TVA är huvudsakligen begränsat till bokstäver och siffror. Slutligen, de meningsfulla parametrar den föreslagna modellen möjliggör inrättandet av en hierarkisk Bayesiansk modell. En sådan statistisk modell tillåter att utvärdera resultaten i en sammanhållen analys både i ämnet och gruppnivå.

För att demonstrera genomförbarheten och versatility av denna nya strategi är tre experiment rapporteras med uppmärksamhet manipulationer i syntetiska pop-out skärmar, naturliga bilder, och en cued brevrapport paradigm.

Introduction

Hur uppmärksamhet är fördelad i tid och rum är en av de viktigaste faktorerna för human visuell perception. Föremål som fångar uppmärksamhet på grund av deras synlighet eller betydelse är typiskt behandlas snabbare och med högre noggrannhet. I beteendeforskning har sådana prestandafördelar visats i en mängd olika experimentella paradigm. Till exempel, att allokera uppmärksamhet till målplatsen påskyndar reaktionen i sonddetektions uppgifter ^1. På samma sätt är noggrannheten av rapporterings bokstäver förbättras genom uppmärksamhet ^två. Sådana fynd visar att uppmärksamhet förbättrar behandlingen, men de förblir hopplöst stum om hur denna förbättring är etablerad.

Den nuvarande papper visar att låg nivå mekanismerna bakom uppmärksamhets fördelar kan bedömas genom att mäta processorhastighet av enskilda stimuli i en modellbaserad ram som gäller mätningar för att finkorniga COMPONENts uppmärksamhet. Med en sådan modell kan den totala kapaciteten bearbetning och dess fördelning på stimuli härledas från bearbetning hastighetsmätningar.

Bundesen teori av Visual Attention (TVA) ³ ger en lämplig modell för detta arbete. Det är oftast tillämpas på data från brev rapportaktiviteter. I det följande, är grunderna i TVA förklaras och visas hur de kan utvidgas till att modellera tids ordningens dom (Tøj) data som erhållits med (nästan) godtyckliga stimuli. Denna nya metod ger uppskattningar av bearbetningshastighet och resursfördelning som lätt kan tolkas. Protokollet i den här artikeln förklarar hur man planerar och genomför sådana experiment och detaljer hur data kan analyseras.

Som nämnts ovan, är den vanliga paradigm i TVA baserad modellering och skattning av uppmärksamhet parametrar bokstaven rapporten uppgiften. Deltagarna rapporterar identitet en uppsättning bokstäver somär kort blixtrade och typiskt maskerade efter en varierande fördröjning. Bland andra parametrar, kan den hastighet med vilken visuella element kodas till visuell närminnet uppskattas. Metoden har använts med framgång på frågor i grundforskning och klinisk forskning. Till exempel, Bublak och kollegor ⁴ bedöms som uppmärksamhets parametrar påverkas i olika stadier av åldersrelaterade kognitiva brister. I grundläggande uppmärksamhet forskning använde Petersen, Kyllingsbæk och Bundesen ⁵ TVA för att modellera uppmärksamhets uppehållstid effekt, betraktarens svårigheter att uppfatta den andra av två mål med vissa tidsintervall. En stor nackdel med bokstaven rapporten paradigm är att det kräver tillräckligt overlearned och maskerbara stimuli. Detta krav begränsar metoden till bokstäver och siffror. Andra stimuli skulle kräva tung träning deltagare.

Den TOJ paradigm kräver varken specifik stimuli eller maskering. Den kan användas med alla typer av stimuli, för vilka den ordning de uppträder kan bedömas. Detta förlänger stimulansområdet till det mesta som kan vara av intresse, inklusive direkta tvär modala jämförelser ^6.

Undersöker uppmärksamhet med Tojs är baserad på fenomenet attentional först måste införas, som är ett mått på hur mycket tidigare en deltog stimulus uppfattas jämfört med en obevakad en. Tyvärr, den vanliga metoden för att analysera Tøj data, montering observatörs prestanda psykometriska funktioner (t.ex. kumulativa Gauss och logistikfunktioner), inte kan skilja på om uppmärksamheten ökar bearbetningshastighet deltog stimulans eller om det minskar graden av obevakade stimuli ^7. Denna tvetydighet är ett stort problem, eftersom frågan om synen på en stimulans verkligen förbättras eller om det gynnar grund av indragning av resurser från en konkurrerande stimul oss är en fråga om både grundläggande och praktisk relevans. Till exempel, det är för utformningen av människa-maskingränssnitt mycket relevant att veta om att öka framträdande av ett element fungerar på bekostnad av en annan.

Den TOJ uppgift fortskrider vanligtvis på följande sätt: En fixeringsmärke presenteras för en kort fördröjning, typiskt en slumpmässigt intervall kortare än en sekund. Sedan det första målet presenteras, följt efter en variabel stimulans debut omvandlare (SOA) med andra mål. Vid negativa SOA är sonden, den bemannade stimulans, visas först. Vid positiva SOA leder referens, obevakad stimulans,. Vid en SOA noll, båda mål visas samtidigt.

Typiskt, presentera målet avser byta stimulans på. Under vissa förhållanden, men även andra tids händelser, såsom ett flimmer av en redan föreliggande mål eller förskjutningar används ^8.

_content "> I Tojs är svaren samlas i ett unspeeded sätt, vanligen genom knapparnas funktioner till stimulans identiteter och presentations order (t.ex. om stimuli är torg och diamanter, visar en nyckel" fyrkantig först "och en annan" diamant först ") . Viktigt för utvärdering dessa domar måste konverteras till "sond först" (eller "referens först") domar.

I detta arbete är en kombination av modellen av TVA och TOJ experimentella paradigm bearbetning används för att eliminera problemen i antingen enskild domän. Med den här metoden kan lätt tolkningsbara hastighetsparametrar uppskattas för nästan godtyckliga visuella stimuli, som gör det möjligt att sluta sig till hur betraktarens uppmärksamhet tilldelas konkurrerande visuella element.

Modellen bygger på TVA ekvationer för behandling av enskilda stimuli, som kommer att kort förklaras i det följande. Sannolikheten att en stimuloss kodas i visuell korttidsminne innan den andra tolkas som sannolikheten att bedöma denna stimulans som visas först. De individuella kodnings löptider är exponentiellt fördelade ^9:

(1)

Den maximala ineffektiva exponeringstid t ₀ är en tröskel vid vilken ingenting kodas alls. Enligt TVA, hastigheten v _{x, I} vid vilket objekt x kodas som medlem i en perceptuell kategori I (såsom färg eller form) ges av hastigheten ekvationen

. (2)

Styrkan i den sensoriska bevis för att x tillhör kategori I uttrycks i ri _{x, i} och p _i är ett beslut bias för att kategorisera stimuli som medlemmar i kategori i. Detta multipliceras med enttentional vikter. Individuella uppmärksamhets vikter w _x delas av uppmärksamhets vikter av alla objekt i synfältet. Följaktligen är den relativa attentional räknat som

(3)

där R representerar alla kategorier och ri _{x, i} representerar den sensoriska bevis för att objekt x tillhör kategori j. Värdet π _j kallas relevans kategori j och speglar en bias att göra kategoriseringar i j. Den totala bearbetningskapacitet C är summan av alla bearbetnings priser för alla stimuli och kategoriseringar. För en mer detaljerad beskrivning av TVA, se Bundesen och Habekost bok ^9.

I vår nya metod, ekvation 1, som beskriver kodning av enskilda stimuli, omvandlas till en modell av Tojs. Förutsatt att urvals fördomar och rapportkategorier är Constant inom en experimentell uppgift, behandlingshastigheter _Vp och v _r hos två mål-stimuli sond (p) och referens (r) beror på C och uppmärksamhets vikter i form v _p = C · w _p och v _r = C · w _r, respektive. Den nya TOJ modellen uttrycker framgången sannolikheten P _{p ^1.} Som en deltagare bedömer sonden stimulans att vara först som en funktion av den SOA och bearbetningshastigheter. Det kan formaliseras enligt följande:

(4)

En mer detaljerad beskrivning av hur denna ekvation är härledd från de grundläggande TVA ekvationer beskrivs av Tünnermann, Petersen och Scharlau ^7.

För enkelhetens skull, är parametern t ₀ utelämnas i modellen i ekvation 1. Enligt den ursprungliga TVA bör t ₀ vara identisk för Both mål i TOJ uppgiften, och därför avbryter ut. Emellertid kan detta antagande ibland kränks (se avsnitt Diskussion).

För montering av denna ekvation till Tøj data, en hierarkisk Bayesian uppskattningen schema ¹¹ föreslås. Detta tillvägagångssätt gör det möjligt att uppskatta de uppmärksamhets vikter w _p och w _r av sonden och referens stimuli och den totala bearbetningshastighet C. Dessa parametrar, det resulterande upptagningshastigheterna v _p och v _r, och uppmärksamhets-inducerad skillnader mellan dem, kan bedömas på ämnet och gruppnivå samt uppskattade osäkerheter. Den hierarkiska modellen visas i figur 1. Under planeringsstadiet för ett experiment, kan bekvämt Bayesian maktanalys utföras.

Följande protokoll beskriver hur man planera, genomföra och analysera Tøj experiment som bearbetning hastighetsparametrar och uppmärksamhets vikter för visuell stimuli kanerhållas. Protokollet förutsätter att forskaren är intresserad av hur en uppmärksamhets manipulation påverkar behandlingshastigheter vissa mål av intresse.

Figur 1: Grafisk modell som används i Bayesian beräkningsförfarande. Cirklar indikerar uppskattade fördelningar; dubbla cirklar indikerar deterministiska noder. Kvadrater anger data. Relationerna ges på den högra sidan av figuren. Noderna utanför rundade ramar ( "plåtar") representerar medelvärden och spridnings uppskattningar av TVA parametrar (se inledningen) på gruppnivå. I "j ämnen" platta, kan man se hur uppmärksamhets vikter (w) kombineras med de övergripande behandlingshastigheter (C) från stimulans behandlingshastigheter (v) på ämnesnivå. Platta "i SOA &# 8221; visar hur dessa TVA parametrar sedan omvandlas (via funktionen P _{p ¹} beskrivs i inledningen) i framgången sannolikheten (θ) för binomialfördelad svar på varje SOA. Därför θ tillsammans med upprepningar av SOA (n) beskrivning av de datapunkter (y). För mer information om notation och tolkning av grafiska modeller, se Lee och Wagenmakers ^23. Observera att för tydlighetens skull, har noderna som representerar skillnader i parametrar utelämnats. Dessa deterministiska parametrar anges i figurerna i de experimentella resultaten i stället. Klicka här för att se en större version av denna siffra.

Protocol

OBS: Vissa steg i detta protokoll kan åstadkommas med hjälp av anpassade programvara som (tillsammans med installationsinstruktioner) på http://groups.upb.de/viat/TVATOJ. I protokollet, är denna samling av program och skript kallad "TVATOJ". 1. Val av stimulans Material Välj stimuli enligt frågeställningen. OBS: I allmänhet är två mål som visas på olika platser på skärmen. Stimuli som har använts med den nuvarande metoden innefattar…

Representative Results

I det följande är resultat som erhållits med den föreslagna metoden rapporterats. Tre experiment mätte påverkan av olika uppmärksamhets manipulationer med tre mycket olika typer av stimulans material. De stimuli är enkla linjesegment i pop-out mönster, action rymdföremål i naturliga bilder och cued brev mål. Experiment 1: salience i pop-out skärmar Experiment 1 som syftar till att mäta påverkan av visuell…

Discussion

Protokollet i den här artikeln beskrivs hur man genomför enkla Tojs och montera data med modeller som baseras på grundläggande stimulans kodning. Tre experiment visade hur resultaten kan utvärderas i en hierarkisk ram Bayesian uppskattningen att bedöma inverkan av uppmärksamhet i mycket olika stimulans material. Salience i pop-out visar ledde till ökade uppmärksamhets vikter. Dessutom ökades vikter beräknas för åtgärder rymdföremål i naturliga bilder. Men på grund av den ihållande fördel när rumsliga…

Materials

Personal Computer

(Open Source) Experimentation and evaluation software