Het meten van aandacht en visuele verwerking Speed van Model-gebaseerde analyse van Temporal-order beslissingen
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
Dit protocol beschrijft hoe temporele-order experimenten uit te voeren om de visuele verwerkingssnelheid en de aandachtsproblemen distributie bron te meten. De voorgestelde methode is gebaseerd op een nieuwe en synergetische combinatie van drie componenten: de tijdelijke orde oordelen (TOJ) paradigma, Bundesen's theorie van Visual Attention (TVA) en een hiërarchische Bayesiaanse schatting kader. De werkwijze verschaft eenvoudig te interpreteren parameters, die worden ondersteund door de theoretische onderbouwing van neurofysiologische en TVA. Met behulp van Tojs, kan TVA-gebaseerde ramingen worden verkregen voor een breed scala aan stimuli, terwijl de traditionele paradigma's gebruikt met TVA voornamelijk beperkt zijn tot letters en cijfers. Ten slotte is het zinvol parameters van het voorgestelde model zorgen voor de oprichting van een hiërarchische Bayesiaanse model. Een dergelijk statistisch model maakt het mogelijk de beoordeling van de resultaten in een coherente analyse zowel op het onderwerp en het niveau van de groep.
Om de haalbaarheid en v demonstrerenersatility van deze nieuwe aanpak, zijn drie experimenten gerapporteerd met aandacht manipulaties in synthetische pop-up displays, natuurlijke beelden en een cued letter-rapport paradigma.
Introduction
Hoe aandacht wordt verdeeld in ruimte en tijd is een van de belangrijkste factoren in menselijke visuele perceptie. Objecten die aandacht te trekken door hun zichtbaarheid of het belang worden typisch sneller verwerkt en met een hogere nauwkeurigheid. In gedragsonderzoek zijn dergelijke gunstige werking aangetoond in een aantal experimentele paradigma. Bijvoorbeeld, de verdeling aandacht op de doellocatie versnelt de reactie probe detectie taken 1. Ook de nauwkeurigheid van de rapportage brieven verbeterd door aandacht 2. Dergelijke bevindingen bewijzen dat de aandacht verhoogt de verwerking, maar zij blijven hopeloos mute over de manier waarop deze verbetering is gevestigd.
De huidige paper toont aan dat low-level mechanismen achter aandachtsproblemen voordelen kan worden beoordeeld door het meten van de snelheid van verwerking van de individuele stimuli in een modelmatige kader dat de metingen betrekking heeft op fijnkorrelige compts van de aandacht. Met een dergelijk model kan de totale verwerkingscapaciteit en de verdeling over de stimuli worden afgeleid uit metingen verwerkingssnelheid.
Bundesen's theorie van Visual Attention (TVA) 3 geeft een geschikt model voor dit streven. Het wordt meestal toegepast op de gegevens uit de brief verslag taken. Hierna worden de fundamenten van TVA toegelicht en wordt getoond hoe deze kan worden uitgebreid tot arrest temporele orde (TOJ) gegevens die met (bijna) willekeurig stimuli model. Deze nieuwe werkwijze verschaft schattingen van de verwerkingssnelheid en distributie middelen die gemakkelijk kunnen worden geïnterpreteerd. Het protocol in dit artikel wordt uitgelegd hoe u dergelijke experimenten en de details te plannen en uit te voeren hoe de gegevens kunnen worden geanalyseerd.
Zoals hierboven vermeld, de gebruikelijke paradigma TVA-gebaseerde modellisatie aandacht parameters de letter rapporttaak. Deelnemers melden de identiteit van een reeks brieven diewordt kort schoten en typisch gemaskeerd na een variërende vertraging. Naast andere parameters, kan de snelheid waarmee beeldelementen worden gecodeerd in visuele kortetermijngeheugen worden geschat. De methode is met succes toegepast op de vragen in fundamenteel en klinisch onderzoek. Bijvoorbeeld, Bublak en collega's 4 beoordeeld welke aandachtsproblemen parameters worden beïnvloed in verschillende stadia van leeftijdsgebonden cognitieve tekorten. In fundamenteel onderzoek aandacht, Petersen, Kyllingsbæk en Bundesen 5 gebruikt TVA om de aandachtsproblemen verblijftijd effect, moeilijkheidsgraad van de waarnemer in het waarnemen van de tweede van twee doelen op bepaalde tijdstippen te modelleren. Een belangrijk nadeel van de brief rapport paradigma is dat het voldoende overlearned en maskeerbare stimuli. Deze eis beperkt de methode om letters en cijfers. Andere stimuli zouden zware training van de deelnemers nodig hebben.
De TOJ paradigma vereist geen specifieke stimuli noch maskeren. Het kan gebruikt worden met elke vorm van stimuli die de volgorde waarin kan worden beoordeeld. Dit verlengt de stimulans bereik om vrijwel alles wat van belang kan zijn, met inbegrip van directe cross-modale 6 vergelijkingen.
Onderzoeken van aandacht met Tojs is gebaseerd op het fenomeen van aandachtstraining vóór binnenkomst dat is een maatstaf voor hoe veel eerder een stimulans bijgewoond ten opzichte van een onbewaakte één wordt waargenomen. Helaas is de gebruikelijke methode voor het analyseren van TOJ data, fitting waarnemer prestaties psychometrische functies (zoals cumulatief Gauss of logistieke functies), kan geen onderscheid maken of de aandacht verhoogt de verwerkingssnelheid van de bijgewoond stimulus of als het vermindert de snelheid van de onbemande stimulus 7. Deze dubbelzinnigheid is een groot probleem, omdat de vraag of de perceptie van een stimulus is echt verbeterd of als het voordeel als gevolg van de terugtrekking van de middelen van een concurrerend Stimul ons is een kwestie van zowel fundamentele als praktische relevantie. Bijvoorbeeld, voor het ontwerpen van mens-machine interface is zeer relevant om te weten of het verhogen van de bekendheid van een element werken ten koste van andere.
De TOJ taak verloopt meestal als volgt: Een fixatie merk wordt gepresenteerd voor een korte vertraging, meestal een willekeurig getrokken interval korter dan een seconde. Dan, het eerste doel wordt gepresenteerd, gevolgd na een variabele stimulus onset asynchronie (SOA) door de tweede doel. Bij negatieve SOA's, wordt de sonde, de bijgewoond stimulus, het eerst getoond. Bij positieve SOA's, de verwijzing, de onbemande stimulus, leidt. Bij een SOA nul, worden beide doelen tegelijkertijd getoond.
Kenmerkend presenteren het doel betrekking op het schakelen van de stimulus op. Onder bepaalde omstandigheden echter ook andere tijdelijke gebeurtenissen, zoals een flikkering van een reeds aanwezige doelwit of offsets gebruikt 8.
_content "> In Tojs, worden reacties opgevangen in een unspeeded manier, meestal door de toetsen toegewezen aan de stimulus identiteiten en de presentatie orders (bijvoorbeeld wanneer stimuli zijn pleinen en diamanten, een sleutel geeft aan" square eerst "en een ander" diamond eerst ") . Belangrijk voor de evaluatie, deze uitspraken moeten worden omgezet naar "probe eerst" (of "referentie eerst") oordelen.In het onderhavige werk, wordt een combinatie van het proces model van BTW en de TOJ experimentele paradigma om de problemen op hetzij individuele domein elimineren. Met deze methode kan gemakkelijk interpreteerbare snelheid parameters worden geschat voor bijna willekeurige visuele stimuli, waardoor af te leiden hoe de aandacht van de waarnemer concurrerende beeldelementen toegewezen.
Het model is gebaseerd op vergelijkingen TVA voor het verwerken van afzonderlijke prikkels, dat binnenkort zal worden uitgelegd in de volgende. De kans dat een stimulons wordt gecodeerd in visuele korte-termijn geheugen voordat de andere wordt geïnterpreteerd als de kans op het beoordelen van deze stimulus als eerste verschijnen. De individuele codering duur zijn exponentieel verdeeld 9:
(1)
De maximale ineffectieve blootstellingsduur t 0 is een drempel voor wie niets wordt gecodeerd at all. Volgens TVA de snelheid v x, i waarbij x object is gecodeerd als lid van een perceptuele categorie i (zoals kleur of vorm) wordt gegeven door de snelheidsvergelijking,
. (2)
De kracht van de zintuiglijke bewijs dat x behoort tot categorie i wordt uitgedrukt in η x, i, en Pi is een beslissing voorkeur voor het categoriseren stimuli als leden van categorie i. Dit wordt vermenigvuldigd met eenttentional gewichten. Individuele attentional gewichten w x gedeeld door de attentional wegen van alle objecten in het gezichtsveld. Derhalve wordt de relatieve attentional gewicht berekend als
(3)
waarin R staat voor alle categorieën en η x, i de zintuiglijke bewijs dat object x behoort tot categorie j. De waarde π j heet relevantie van categorie j en weerspiegelt een vooroordeel om indelingen te maken in j. De totale verwerkingscapaciteit C is de som van alle verwerkingen tarieven voor alle prikkels en indelingen. Voor een meer gedetailleerde beschrijving van TVA, zie Bundesen en Habekost boek 9.
Bij onze nieuwe werkwijze, Vergelijking 1, waarbij de codering van afzonderlijke prikkels beschreven, wordt omgezet in een model van tojs. Ervan uitgaande dat de selectie vooroordelen en het verslag categorieën zijn Constant binnen een experimentele taak de verwerkingssnelheden v p en v r van de twee beoogde stimuli probe (p) en referentie (r) afhankelijk C en attentional gewichten in de vorm v p = C · w p en v r = C · w r, respectievelijk. De nieuwe TOJ model drukt de kans op succes P p 1 dat een deelnemer oordeelt de probe stimulus eerst als functie van de SOA en de verwerking tarieven. Het kan als volgt worden geformaliseerd:
(4)
Een meer gedetailleerde beschrijving van deze vergelijking wordt afgeleid van het uitgangsmateriaal TVA vergelijkingen beschreven door Tünnermann, Petersen en Scharlau 7.
Omwille van de eenvoud wordt de parameter t 0 weggelaten in het model in Vergelijking 1. Volgens de oorspronkelijke TVA dient t 0 identiek voor Both doelen in de TOJ taak, en het derhalve opheft. Echter, deze veronderstelling soms geschonden (zie rubriek Discussion).
Voor het aanbrengen van deze vergelijking te TOJ data, is een hiërarchische Bayesiaanse schatting regeling 11 voorgesteld. Deze benadering laat toe de attentional gewichten schatten w w p en r van de sonde en referentie stimuli en de algehele verwerkingssnelheid C. Deze parameters, de resulterende opnamesnelheden v p en v r en aandacht geïnduceerde verschillen tussen hen kan worden beoordeeld over het onderwerp en de groep niveaus, samen met geschatte onzekerheden. De hiërarchische model wordt geïllustreerd in Figuur 1. Tijdens de voorbereidende fase voor een experiment kan gemakkelijk Bayesiaanse poweranalyse uitgevoerd.
Het volgende protocol beschrijft hoe te plannen, uit te voeren en te analyseren TOJ experimenten waaruit verwerkingssnelheid parameters en aandachtsproblemen gewichten voor visuele stimuli kanworden verkregen. Het protocol gaat ervan uit dat de onderzoeker geïnteresseerd is in hoe een attentional manipulatie van invloed op de verwerkingssnelheid van een aantal doelstellingen van belang.
Figuur 1: Grafische model gebruikt in de Bayesiaanse schatting procedure. Cirkels geven geschatte uitkeringen; dubbele cirkels geven deterministische knooppunten. Vierkanten geven data. De verhoudingen worden gegeven op de rechterkant van de figuur. De knooppunten buiten de afgeronde frames ( "platen") vertegenwoordigen gemiddelde en dispersie ramingen van TVA parameters (zie inleiding) op het niveau van de groep. In de "j Subjects" plaat, is te zien hoe attentional gewicht (w) worden gecombineerd met de algemene verwerkingssnelheden (C) van stimulus verwerkingssnelheden (v) betreffende niveau. Plate "i SOA &# 8221; toont hoe deze parameters TVA getransformeerd zijn (via de functie P p 1 in de inleiding beschreven) in de kans op succes (θ) de binomiaal verdeelde responsen op elke SOA. Daarom is de θ met de herhalingen van de SOA (n) beschrijven de gegevenspunten (y). Voor meer details over de notatie en interpretatie van grafische modellen, zie Lee en Wagenmakers 23. Merk op dat voor de duidelijkheid zijn de knooppunten die verschillen parameters vertegenwoordigen weggelaten. Deze deterministische parameters zijn aangegeven in de figuren van de experimentele resultaten plaats. Klik hier om een grotere versie van deze figuur te bekijken.
Protocol
Representative Results
Discussion
Het protocol in dit artikel wordt beschreven hoe u eenvoudig Tojs voeren en passen bij de gegevens met de modellen op basis van fundamentele stimulus codering. Drie experimenten aangetoond hoe de resultaten in een hiërarchische Bayesiaanse schatting kader kan worden geëvalueerd om de invloed van de aandacht in sterk verschillende stimulusmateriaal beoordelen. Salience in pop-out displays geleid tot meer aandachtsproblemen gewichten. Ook werden verhoogd gewichten geschat voor actieruimte objecten in natuurlijke beelden…
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).
