Summary

방법은 온라인 비주얼주의를 테스트하려면

Published: February 19, 2015
doi:

Summary

To replicate laboratory settings, online data collection methods for visual tasks require tight control over stimulus presentation. We outline methods for the use of a web application to collect performance data on two tests of visual attention.

Abstract

그들은 일반적으로 대학 캠퍼스에서 수집 할 수있는 것보다 훨씬 더 큰 약속 훨씬 더 대표적인 데이터 샘플을 제공하기 때문에 온라인 데이터 수집 방법은 행동 과학자들에게 특별한 매력을 가지고있다. 자극 특성 위에 엄격한 제어가 필요하다 실험에 특히 – 이러한 방법이 널리 채택 될 수 있기 전에 그러나 기술적 과제 번호 극복되어야한다. 여기에서 우리는 시각적주의의 두 테스트에서 성능 데이터를 수집하기위한 방법을 제시한다. 검사가 포함 모두로 테스트 중 간단히 이동 자극하거나 자극 번쩍 (차례로 시거리, 모니터 크기, 화면 해상도 등의 지식이 필요) 자극의 시야각 제어 및 자극의 타이밍을 (필요 특정 속도에서). 1,700 온라인 참가자의이 시험에 수집 된 데이터는 동일한 테스트 실험실 기반 버전에서 수집 된 데이터와 일치했다. 이러한 결과적절한 치료와 함께, 타이밍 / 자극의 크기에 따라 작업이 웹 기반 설정에 배치 될 수 있음을 시사한다.

Introduction

지난 5 년 동안 온라인 행동 데이터 수집 방법의 사용에 대한 관심이 급증되고있다. 심리학의 영역에서 출판물의 대부분은 잠재적으로 비 대표 대상 인구를 활용하고 있지만 1 (즉, 주로 대학 학부생) 종종 합리적으로 작은 샘플 크기뿐만 아니라 (즉, 일반적으로 주제의 수십의 범위), 온라인 방법 훨씬 더 다양하고 더 큰 샘플의 약속을 제공합니다. 예를 들어, 아마존의 기계 터크 서비스가 최근 많은 연구의 대상이되어왔다 모두 "작업자"모집단의 특성 및 행동 연구 2-6이 인구의 용도를 설명.

그러나, 이러한 방법에 관한 하나의 중요한 관심사는 중요한 자극 변수 제어의 상대적 부족이다. 예를 들어, 대부분의 정신 물리학 시각 태스크에서, 자극의 관점에서 설명된다시각. 시야각의 계산 시거리, 스크린 크기, 스크린 해상도의 정확한 측정을 요구한다. 이러한 매개 변수는 실험 환경에서 측정 할 사소한 및 제어 아르 (알려진 모니터가 있고 턱 나머지 모니터에서 알려진 거리를 배치하는 동안 참가자들이 자극을 볼 수) 동안, 같은 온라인 데이터 수집 사실이 아니다. 온라인 환경에서, 참가자뿐만 아니라 필연적 다른 소프트웨어 설정과 크기가 다른 모니터의 다양한 사용, 그들은 또한 그들의 모니터 크기를 결정하거나 필요한 지식을 가질 수 있도록 할 눈금자 / 줄자에 쉽게 액세스 할 수 없을 수도 자신의 소프트웨어와 하드웨어 설정 (예를 들어, 새로 고침 속도, 해상도)를 확인합니다.

보기 (UFOV)의 유용한 필드 패러다임 7 (MOT) 작업을 추적 여러 개체 – 여기에서 우리는 시각적주의의 두 잘 알려진 테스트 데이터를 수집하는 방법의 집합을 설명 <sup> 8 – 온라인 측정에 내재 변동성의 근원 최대한 피하면서. 이러한 작업은 인터넷 연결 및 HTML5 호환 브라우저 참가자 실행할 수 있습니다. 자신의 화면 사이즈를 모르는 참가자 표준 크기의 일반적으로 이용 가능한 상품을 이용하는 측정 처리 걸었다 (즉, 신용 카드 / CD는 -도 1 참조).

이 두 작업에 대한 데이터는 대규모 온라인 오픈 코스에 1,700 참가자들로부터 수집되었다. 이 온라인 샘플의 평균 성능은 동일한 작업 (9, 10)의 엄격하게 제어 실험실 기반의 측정에서 얻은 결과와 매우 일치했다. 우리의 결과는도보기 조건을 통해 특정 제어를 필요로하는 작업에서, 온라인 데이터 수집 방법의 효능을 입증 문학의 성장 몸 따라서 일치한다.

Protocol

프로토콜은 위스콘신 – 매디슨 대학에서이 연구는 임상 시험 심사위원회의 승인을 받았다. 프로그래머 설명한 웹 애플리케이션의 자동화 된 프로세스를 복제하는 다음 단계는 참조 기록되었다. 1. 로그인 참가자 : 인터넷을 사용할 수있는 컴퓨터를 사용하고 HTML5 호환 브라우저를 사용하여 웹 응용 프로그램을 탐색하기 위해 참가자를 지시 <a href="http://brainandlearning.or…

Representative Results

특이점 제거 1779 참가자의 총 UFOV 작업을 완료했다. 이 중 32 참가자들은 지시에 따라 작업을 수행 할 수 없음을 시사 평균으로부터보다 3 표준 편차이었다 UFOV 임계 값을했다. 이와 같이, 이들 참가자 UFOV 데이터는 1747의 총 참가자 떠나는 최종 분석에서 제거 하였다. 데이터는 MOT 작업에 대한 1746 참가자를 얻었다. 두 참가자 따라서 이들 참가자 데이터를 MOT…

Discussion

온라인 데이터 수집은 표준 실험실 기반 데이터 수집에 비해 많은 장점을 갖는다. 이러한 분야에 사용되는 전형적인 대학 학부 풀보다 훨씬 더 대표적인 개체군을 샘플링 전위하고 실험실에서 작은 차수가 크고 샘플 크기를 획득하기 위해 걸리는 시간보다 적은 시간에 훨씬 큰 샘플 크기를 획득 할 수있는 능력을 포함 1-6 (예를 들어, 현재의 종이에 1,700+ 참가자로부터 수집 데이터 …

Disclosures

The authors have nothing to disclose.

Acknowledgements

The authors have nothing to disclose.

Materials

Name of Reagent/ Equipment Company Catalog Number Comments/Description
Computer/tablet N/A N/A It must have an internet connection and an HTML5 compatible browser
CD or credit card N/A N/A May not be needed if participant already knows the monitor size

References

  1. Henrich, J., Heine, S. J., Norenzayan, A. The weirdest people in the world. The Behavioral And Brain Sciences. 33, 61-135 (2010).
  2. Buhrmester, M., Kwang, T., Gosling, S. D. Amazon’s Mechanical Turk: A new source of inexpensive, yet high-quality, data. Perspectives on Psychological Science. 6 (1), 3-5 (2011).
  3. Goodman, J. K., Cryder, C. E., Cheema, A. Data collection in a flat world: the strengths and weaknesses of mechanical turk samples. Journal of Behavioral Decision Making. 26 (3), 213-224 (2013).
  4. Mason, W., Suri, S. Conducting behavioral research on Amazon’s Mechanical Turk. Behavior Research Methods. 44 (1), 1-23 (2012).
  5. Crump, M. J., McDonnell, J. V., Gureckis, T. M. Evaluating Amazon’s Mechanical Turk as a tool for experimental behavioral research. PLoS One. 8, e57410 (1371).
  6. Lupyan, G. The difficulties of executing simple algorithms: why brains make mistakes computers don’t. Cognition. 129, 615-636 (2013).
  7. Ball, K., Owsley, C. The useful field of view test: a new technique for evaluating age-related declines in visual function. J Am Optom Assoc. 64 (1), 71-79 (1993).
  8. Pylyshyn, Z. W., Storm, R. W. Tracking multiple independent targets: Evidence for a parallel tracking mechanism. Spatial Vision. 3 (3), 179-197 (1988).
  9. Dye, M. W. G., Bavelier, D. Differential development of visual attention skills in school-age children. Vision Research. 50 (4), 452-459 (2010).
  10. Green, C. S., Bavelier, D. Enumeration versus multiple object tracking: The case of action video game players. Cognition. 101 (1), 217-245 (2006).
  11. Chengalur, S. N., Rodgers, S. H., Bernard, T. E. Chapter 1. Kodak Company. Ergonomics Design Philosophy. Kodak’s Ergonomic Design for People at Work. , (2004).
  12. Elze, T., Bex, P. P1-7: Modern display technology in vision science: Assessment of OLED and LCD monitors for visual experiments. i-Perception. 3 (9), 621 (2012).
  13. Elze, T., Tanner, T. G. Temporal Properties of Liquid Crystal Displays: Implications for Vision Science Experiments. PLoS One. 7 (9), e44048 (2012).
check_url/52470?article_type=t

Play Video

Cite This Article
Yung, A., Cardoso-Leite, P., Dale, G., Bavelier, D., Green, C. S. Methods to Test Visual Attention Online. J. Vis. Exp. (96), e52470, doi:10.3791/52470 (2015).

View Video