JoVE Logo

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

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

פרוטוקול זה מתאר כיצד לבצע ניסויים זמניים-מנת למדוד את מהירות עיבוד חזותית ואת חלוקת משאבי הקשב. השיטה המוצעת מבוססת על שילוב סינרגיסטי חדש משלושה מרכיבים: פסקי דין זמני מסדר (tøj) פרדיגמה, תורת הקשב החזותי של Bundesen (רשות עמק טנסי), וכן מסגרת בייסיאנית היררכית. השיטה מספקת פרמטרים וניתנים לפרשנות בקלות, אשר נתמכים על ידי התשתית התיאורטית הנוירופיזיולוגיים של רשות עמק טנסי. שימוש Tojs, אומדנים המבוססים על רשות עמק טנסי ניתן להשיג מגוון רחב של גירויים, בעוד פרדיגמות המסורתי בשימוש עם רשות עמק טנסי הם בעיקר מוגבל אותיות ומספרים. לבסוף, את הפרמטרים המשמעותיים של המודל המוצע לאפשר להקמת מודל בייס היררכי. מודל כזה סטטיסטי מאפשר הערכת תוצאות בניתוח קוהרנטי אחד הוא בנושא ברמת הקבוצה.

כדי להוכיח את ההיתכנות ואת נersatility של הגישה החדשה הזו, שלושה ניסויים מדווחים במניפולציות לב מציג פופ-אאוט סינטטי, תמונות טבעיות, פרדיגמה מכתב דיווח רמז.

Introduction

איך תשומת לב מופצת במרחב ובזמן הוא אחד הגורמים החשובים ביותר תפיסה חזותית אנושית. אובייקטים שלוכדים את תשומת בגלל הַבלָטָה או חשיבותם בדרך כלל מעובדים מהר ועם דיוק גבוה. במחקר התנהגותי, יתרונות ביצועים כאלה הוכחו במגוון פרדיגמות ניסוי. למשל, הקצאת לב למיקום היעד מאיצה את התגובה במשימות איתור בדיקת 1. באופן דומה, את הדיוק של אותיות דיווח משתפר לב 2. ממצאים כאלה להוכיח כי תשומת לב משפרת עיבוד, אבל הם נשארים ללא תקנה אילמת על אופן שיפור זה היא הוקמה.

העיתון הנוכחי מראה כי מנגנונים ברמה נמוכה מאחורי יתרונות קשב יכולים להיות מוערך על ידי מדידת מהירויות העיבוד של גירויים בודדים מסגרת מבוססת מודל המתייחסת מדידות פרטניות components של תשומת לב. עם מודל כזה, יכולת העיבוד כולל וחלוקתו בין הגירויים יכולים להיגזר מדידות מהירויות עיבוד.

התורה על קשב ויזואלי של Bundesen (רשות עמק טנסי) 3 מספקת מודל מתאים במשימה זו. הוא בד"כ להחיל נתונים ממשימות דו"ח מכתב. בחלק הבא, את יסודות רשות עמק טנסי מוסברות הוא הראה כיצד ניתן להאריכן מודל שיפוט זמן מסדר (tøj) נתונים המתקבלים עם (כמעט) גירויים שרירותי. שיטה חדשה זו מספקת אומדנים של מהירות עיבוד והפצת משאב אשר ניתן לפרש בקלות. הפרוטוקול במאמר זה מסביר כיצד לתכנן ולערוך ניסויים ופרטים כגון כיצד הנתונים ניתן לנתח.

כאמור, את הפרדיגמה הרגילה בדוגמנות מבוססת רשות עמק טנסי והאמידה של פרמטרי לב היא משימת מכתב הדו"ח. המשתתפים לדווח על זהותם של סט של אותיות אשרהוא הבזיק ובדרך כלל רעול פנים בקצרה באיחור משתנה. בין פרמטרים אחרים, את הקצב שבו אלמנטים ויזואליים מקודדים לזיכרון לטווח קצר ויזואלית ניתן לאמוד. השיטה יושמה בהצלחה לשאלות מחקר בסיסי וקליני. למשל, Bublak ועמיתיו 4 העריכו אילו פרמטרים קשב מושפעים בשלבים שונים של ליקויים קוגניטיביים הקשורים לגיל. במחקר לב יסוד, Petersen, Kyllingsbæk, ו Bundesen 5 בשימוש רשות עמק טנסי, אשר ימחישו את השפעת הזמן להתעכב קשב, הקושי של הצופה בתפיסת השני מבין שני יעדים במרווחי זמן מסוימים. חסרון עיקרי של הפרדיגמה דו"ח המכתב הוא שהיא דורשת גירויי overlearned ו maskable מספיק. דרישה זו מגבילה את השיטה אותיות ומספרים. גירויים אחרים ידרשו הכשרה כבדה של משתתפים.

הפרדיגמה tøj לא דורשת Stimul ספציפיאני ולא מיסוך. ניתן להשתמש בו עם כל סוג של גירויים עבורו את סדר ההופעה יכול להישפט. זה מרחיב את טווח גירוי לכל דבר פחות או יותר זה יכול להיות עניין, כולל השוואות ישירות צולבות מודאלית 6.

חקירת לב עם Tojs מבוסס על תופעת הכניסה לפני קשב שהנה מדד של כמה מוקדם גירוי השתתף נתפס לעומת אחד ללא השגחה. למרבה הצער, את השיטה המקובלת של ניתוח נתוני tøj, פונקציות פסיכומטריות ביצועים משקיפים הולמות (כגון פונקציות גאוס או לוגיסטיות מצטברות), לא יכולה להבחין אם תשומת לב מגבירה את קצב העיבוד של הגירוי השתתף או אם זה מקטין את שיעור הגירוי ללא השגחה 7. עמימות זו היא בעיה רצינית, כי השאלה אם התפיסה של גירוי מוגברת באמת או אם זה הטבות בשל נסיגת משאבים מתוך Stimul מתחרה לנו היא שאלה של ברלוונטיות היסוד ומעשיות. למשל, על העיצוב של ממשקי אדם-מכונה הוא רלוונטי מאוד לדעת שזה מגביר את הבלטה של ​​מרכיב אחד עובד על החשבון עוד אחד.

המשימה tøj בדרך כלל ממשיכה כדלקמן: סימן קיבעון מוצג עיכוב קל, בדרך כלל נמשכים זמן קצר יותר באופן אקראי משנייה. אז, המטרה הראשונה מוצגת, ואחריו לאחר asynchrony הופעת גירוי משתנה (SOA) על ידי היעד השני. בשעת SOAS השלילי, החללית, הגירוי השתתף, תוצג תחילה. בשעת SOAS החיובית, ההתייחסות, הגירוי ללא השגחה, מובילה. במכירת SOA של אפס, המטרות הן מוצגות בו זמנית.

בדרך כלל, הצגת היעד מתייחסת מיתוג הגירוי על. בתנאים מסוימים, אולם אירועים זמניים אחרים, כגון הבהוב של יעד נוכחי כבר או קיזוז משמשים 8.

_content "> בשנת Tojs, תגובות נאספות באופן unspeeded, בדרך כלל על ידי מפתחות הממופים אל זהויות הגירוי והזמנות מצגת (למשל, אם גירויים הם ריבועים ויהלומים, מפתח אחד מציין" ראשונים מרובעים "ועוד אחד" יהלומים ראשונים ") . חשוב לציין, עבור ההערכה, פסקי דין אלה חייבים להיות מומרים "חללית ראשונה" (או "פנייה ראשונה") פסקי דין.

בעבודה הנוכחית, שילוב של מודל העיבוד של רשות עמק טנסי ואת פרדיגמה הניסויית tøj משמש לחסל את הבעיות בתחום או בודד. באמצעות שיטה זו, פרמטרים מהירים וניתנים לפרשנות בקלות ניתן לאמוד כמעט גירויים חזותיים שרירותיים, מה שמאפשר להסיק איך את תשומת לבו של הצופה מוקצית מתחרי אלמנטים ויזואליים.

המודל מבוסס על משוואות של רשות עמק טנסי לעיבוד של גירויים בודדים, אשר יוסבר בקרוב את הדברים הבאים. ההסתברות שאחד Stimulלנו מקודד לתוך זיכרון חזותי לטווח קצר לפני השני מתפרש ההסתברות לשפוט גירוי זה כמו להופיע ראשון. משכי זמן קידוד הפרט מופצים באופן אקספוננציאלי 9:

figure-introduction-5153 (1)

משך החשיפה המרבי יעילה t 0 הוא סף לפני ששום דבר בו לא מקודד בכלל. לדברי רשות עמק טנסי, x v השיעור, אני שבה x האובייקט מקודד כחבר לקטגוריה תפיסתי אני (כגון צבע או צורה) ניתן על ידי משוואת הקצב,

figure-introduction-5595 . (2)

כוחו של הראיות החושיות כי x שייך לקטגוריה אני מתבטא x η, אני, ובטא אני הטית החלטה לסיווג גירויים כחברים בקטגוריה אני. זה מוכפלמשקולות ttentional. משקולות קשב פרט w x מחולקות לפי משקל קשב של כל האובייקטים בשדה הראייה. לפיכך, משקל הקשב היחסי מחושב כמו

figure-introduction-6087 (3)

כאשר R מייצג את כל הקטגוריות η x, אני מייצג את העדות החושית x החפץ שייך לקטגוריה j. J π הערך נקרא רלוונטי של הקטגוריה j ומשקף הטיה לעשות categorizations ב j. ה- C יכולת העיבוד הכולל הוא סכום כל שיעורי עיבוד עבור כל הגירויים וסיווגים. לתיאור מפורט יותר של רשות עמק טנסי, עיין בספר 9 של Bundesen ו Habekost.

בשיטה הייחודית שלנו, משוואה 1, המתאר את הקידוד של גירויים בודדים, הופך למודל של Tojs. בהנחת הטיות בחירה וקטגוריות בדו"ח הן constant בתוך משימה ניסיונית, נ שיעורי עיבוד p ו נ r של חללית גירויי שני היעד (p) ועיון (r) תלוי C ואת משקולות קשב בצורת V p = C · w p ו נ r = C · w r, בהתאמה. מודל tøj החדש מבטא את ה -1 p P הצלחת הסתברות שופטים משתתפים גירוי הבדיקה כדי להיות ראשונים כפונקציה של SOA ואת שיעורי העיבוד. זה יכול להיות רשמי כדלקמן:

figure-introduction-7239 (4)

תיאור מפורט יותר של איך המשוואה הזאת נגזרה המשוואות הבסיסיות רשות עמק טנסי מתואר על ידי Tünnermann, Petersen, ו Scharlau 7.

למען הפשטות, הפרמטר t 0 מושמט במודל במשוואה 1. על פי רשות עמק טנסי המקורי, t 0 צריך להיות זהה עבור boמטרות ה במשימת tøj, ועל כן, היא מבטלת את. עם זאת, הנחה זו עשויה לפעמים להיות פרה (ראה דיון בסעיף).

עבור הולם משוואה זו לנתונים tøj, ערכת בייסיאנית היררכית 11 הוא הציע. גישה זו מאפשרת לאמוד את משקלות קשב w p ו- w r של גירויי הבדיקה ועיון ואת ג שיעור עיבוד הכולל פרמטרים אלה, r v p ו נ שיעורי ספיגה וכתוצאה מכך, והבדלים הנגרמת תשומה ביניהם, ניתן להעריך על רמות נושא והקבוצה יחד עם חוסר ודאות מוערך. המודל ההיררכי מתואר באיור 1. בשלב התכנון עבור ניסוי, ניתוח כוח בייס נוח יכול להתנהל.

הפרוטוקול הבא מתאר כיצד לתכנן, לבצע ולנתח ניסויי tøj שממנו הפרמטרים מהירים עיבוד משקולות קשב עבור גירויים חזותיים יכולניתן להשיג. הפרוטוקול מבוסס על ההנחה כי החוקר מתעניין באופן שבו מניפולציה קשב משפיע על מהירויות עיבוד של כמה מטרות של עניין.

figure-introduction-8773

איור 1: מודל גרפי מוזכר בנוהל בייסיאנית. מעגלים מצביעים הפצות מוערכות; חוגים כפולים מצביעים צמתים דטרמיניסטיות. ריבועים מצביעים נתונים. היחסים הם נתון בצד ימין של הדמות. הבלוטות מחוץ המסגרות המעוגלות ( "צלחות") מייצגות הערכות ממוצעות ועל פיזור של פרמטרי רשות עמק טנסי (ראה מבוא) במישור הקבוצתי. בצלחת "נושאים j", ניתן לראות כיצד משקולות קשב (w) משולבים עם שיעורי עיבוד הכולל (C) כדי משיעורי עיבוד הגירוי (נ) במישור הנושא. "פלייט אני SOAS &# 8221; מראה עד כמה פרמטרי רשות עמק טנסי אלה ואז טרנספורמציה (דרך 1 p הפונקציה P המתואר במבוא) לתוך הסתברות ההצלחה (θ) עבור התגובות המופצות binomially בכל SOA. לכן, θ יחד עם חזרות של SOA (n) לתאר את נקודות נתונים (y). לפרטים נוספים על כיתוב ואת הפרשנות של מודלים גרפיים, עיין ללי Wagenmakers 23. שים לב למען הבהירות, צומת מייצגים חילוקי פרמטרים הושמטו. פרמטרים דטרמיניסטיים אלה מצוינים הדמויות של תוצאות הניסוי במקום. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

Protocol

הערה: כמה צעדים בפרוטוקול זה יכול להיות מושלם באמצעות מותאם אישית התוכנה המצורפת (יחד עם הוראות התקנה) בשעה http://groups.upb.de/viat/TVATOJ. בפרוטוקול, זה אוסף של תוכניות וסקריפטים המכונה "TVATOJ".

בחירת 1. Stimulus חומר

  1. בחר גירויים בהתאם לשאלת המחקר.
    הערה: באופן כללי, שתי מטרות מוצגות במקומות שונים על המסך. גירויים שנוצלו עם השיטה הנוכחית כוללים, למשל, צורות, ספרות, אותיות, singletons מציג פופ-אאוט, ו אובייקטים בתמונות טבעיות. האחרון שלושה סוגים היו בשימוש בפרוטוקול זה.
    הערה: סוגי גירוי שונים כלולים ב- תוסף tøj ( "psylab_toj_stimulus" מסופק עם TVATOJ) עבור קבלן ניסוי OpenSesame 12.
  2. בעת יצירת סוגי תמריצים חדשים, לוודא כי המאפיינים של intereרח צריך להיות מקודד על פסק הדין על ידי הפיכתם חשובה עבור המשימה או גירויים בחרו שם את המאפיינים של עניין מקודדים באופן אוטומטי (למשל, singletons מציג פופ-אאוט).

הערכת כוח 2. ותכנון

  1. ביצוע ניתוח כוח בייס ידי הדמית ערכות נתונים עם המודל הנבחר, עיצוב מתוכנן (הפצת SOA וחזרות), גודל מדגם, ופרמטרים כפי שהוצעו בעבר. להעריך אם היא עשויה להגיע למטרת מחקר (למשל, הבדל מסוים בפרמטרים). אם הכח אינו מספיק, לשנות את העיצוב על ידי הוספה או הסטת SOAS או חזרות וחזרו על הניתוח.
    1. כדי להשתמש בתוכנת TVATOJ ספק, לפתוח ולערוך את התסריט "exp1-power.R". עקוב אחר התגובות בקובץ להתאים אותו לניתוח הספציפי. לקבלת מידע כללי על הערכת כוח בייס מתייחסים Kruschke 13.

3. מפרט או תכנות של הניסוי

  1. השתמש בונת ניסוי או ספריית מצגת פסיכו ליישם את הניסוי.
    1. כדי להשתמש תוסף OpenSesame tøj המסופק TVATOJ, גרור את התוסף "psylab_toj_stimulus" ללולאת מצגת משפט. לחלופין, פתח את הניסוי "פשוט-toj.osexp" למשל OpenSesame.
    2. בחר את סוג הגירוי הרצוי מתוך "סוג Stimulus" התפריט הנפתח בתצורת psylab_toj_stimulus. פעל על פי הוראות TVATOJ להוספת סוגי תמריצים חדשים אם נדרש.
  2. ציין את הניסויים כמתואר בשלבים הבאים.
    1. עבור כל תנאי הניסוי, ליצור ניסויים עם SOAS המתוכנן. בעת שימוש תוסף psylab_toj_stimulus ו OpenSesame, להוסיף את כל הגורמים מגוונים כמשתנים אל לולאת המשפט (למשל "SOA").
    2. להוסיף שורות לטבלה לממשכל הצירופים גורם (למשל, שבעה SOAS, מ -100 עד 100 אלפיות השניה, חצה עם תנאי הניסוי "תשומת לב" ו "נייטרלי"). התאם את התכונה "חזור" של הלולאה ליצור חזרות מספיק (ראה שלב פרוטוקול 2 לקביעת החלוקה והחזרות של SOA).
      הערה: בדרך כלל, לכל היותר 800 ניסויים ניתן להציג בתוך שעה אחת. אם חזרות יותר יש צורך, שקול לפצל את הניסוי לכמה מפגשים. ודא שהמאפיין "להזמין" של הלולאה מוגדר "אקראי" לפני הפעלת הניסוי.
    3. בתצורת תוסף psylab_toj_stimulus, להוסיף מצייני מיקום (למשל "[SOA]") עבור הגורמים המגוונים בתחומי בהתאמה. זן ערכים קבועים בתחומי גורמים אינם מגוונים.
      הערה: לפני הפעלת הניסוי, לוודא כי עיתוי מדויק מובטח. אם התנהגות עיתוי מתאימה של צגים חדשים לא אומתה, שימושצגי CRT ולסנכרן עם אות retrace האנכית 12.

4. נוהל ניסיוני

  1. בברכה ותדרוך של המשתתפים
    1. ברוכים המשתתפים ולהודיע ​​להם על הצורה הכללית של הניסוי (ניסוי התפיסה מבוססות מחשב). ליידע את המשתתפים על המשך הפוטנציאלי של הניסוי. השג את הסכמה מדעת של המשתתפים להשתתף בניסוי.
    2. ודא כי המשתתף להראות נורמלי או תקן אל-נורמלי חזון (באופן אופטימלי על ידי ביצוע בדיקות ראייה קצרות). גירעונות מסוימים, כגון עיוורון צבעים, עשויים להיות נסבלים אם הם אינם מפריעים שאלת המחקר עבור הסוג המסוים של חומר גירוי.
    3. ספק בתא שקט שבו הניסוי מתנהל. התאם את הכיסא, שאר סנטר, עמדת מקלדת, וכן הלאה, על מנת להבטיח תנאי צפייה ואת המענה המיטבי עבור experimeNT.
    4. הפוך את המשתתפים מודעים כי הניסוי מחייב תשומת לב ומיקוד נפשי יכול להיות מתיש. תשאל אותם לקחת הפסקות קצרות בעת הצורך. היא, לעומת זאת, לא פחות חשוב לא לבצע משימות פשוטות אלה תחת לחץ קשב חזק. ספר המשתתפים שזה בסדר לעשות כמה טעויות.
  2. הדרכת חימום
    1. הוראות שעל מסך מהווים למשימה, המפרטות את רצף הצגת הליך גביית תגובה. ליידע את המשתתפים כי המשימה היא לדווח על ההסדר שבו המטרות הגיעו, וכי זה יהיה קשה בניסויים מסוימים. בקש מהמשתתפים לדווח הרושם הראשוני שלהם כאשר הם לא יכולים להגיד את הסדר בוודאות, ולתת להם לנחש אם יש להם שום רושם כזה בכלל.
      הערה: בשנות ה Tojs בינארי משמש כאן, אין אפשרות להצביע על תפיסת הסימולטניות. כדי למנוע ניחושים מוגזמים, לא להצביע על הנוכחות של ניסויים עם סיימתיltaneously הציג מטרות מפורשות. תן אלה פשוט להיות התנסות קשה להוראות שפורטו לעיל.
    2. כדי למנוע תנועות עיניים במהלך הניסויים, מבקשים מהמשתתפים לקבע סימן הפוגע מוצג במרכז המסך. בקש מהם להניח את הראש שלהם על שאר סנטר.
    3. שאל את המשתתפים לקחת הפסקות קצרות במידת הצורך. תן להם לדעת מתי הפסקות מותרות וכשהם יש להימנע (למשל, במהלך מצגת היעד ולפני התגובה).
    4. כלול הכשרה קצרה שבה משתתפים יכולים להתרגל לעמוד במשימה. לשם כך, להציג קבוצת משנה אקראי של צעדי הניסוי (ראה שלב פרוטוקול 3.2).
      הערה: בגלל המשימה עצמה היא פשוטה למדי, עשרה עד עשרים מחקרים אלו הם בדרך כלל מספיק. זה יכול להיות יתרון להגדיל את הביטחון של משתתפי ביצועיהם במשימה זו. ניתן לעשות זאת על ידי האטה של ​​המצגת ומתן משוב.
    5. השג את confirmati של המשתתפיםעל כי הם הבינו את המשימה (לתת להם להסביר את זה) וכי אין להם שאלות נוספות.
  3. הפעלת הניסוי הראשי
    1. בואו תחילות התוכנה ניסיון עם המצגת של הניסויים העיקריים. השאר בתא לצורך הניסוי הראשי.

ניתוח דגם מבוסס 5. נתוני tøj

  1. המרת קבצי נתונים גולמיים סעיפים של פסקי דין "החללית הראשונה" לכל SOA. למשל, להריץ את הסקריפט "os2toj.py" מסופק עם TVATOJ.
  2. הפעל את ההליך בייסיאנית כדי לאמוד את הפרמטרים העיקריים w p ו- C, R p ו נ נ אלה נגזר ואת חילוקי הפרמטרים. לעניין זה, להריץ את הסקריפט "ריצת evaluation.R" לאחר עריכתה פי ההוראות המופיעות בקובץ.
  3. כאשר הדגימה הסתיימה, חילוקי ריבית עבור שאלות המחקר ניתן להעריך. examples ניתן למצוא בסעיף הבא.

תוצאות

בחלק הבא, תוצאות שהושגו עם השיטה המוצעת מדווחות. שלושה ניסויים למדוד את ההשפעה של מניפולציות קשב שונות עם שלושה סוגים שונים מאוד של חומר גירוי. הגירויים הם מקטעי קווים פשוטים בדפוסי פופ-אאוט, אובייקטים בחלל פעולה בתמונות טבעיות, ומטרות מכתב רמז.

Discussion

פרוטוקול במאמר זה מתאר כיצד לנהל Tojs פשוט להתאים את הנתונים מודלים המבוססים על קידוד גירוי היסוד. שלושה ניסויים הדגימו כיצד שילוב של התוצאות ניתן להעריכם מסגרת בייסיאנית היררכית כדי להעריך את ההשפעה של תשומת לב בחומר גירוי שונה מאוד. בולטות מציג פופ-אאוט הובילו משקול...

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

NameCompanyCatalog NumberComments
Personal Computer
(Open Source) Experimentation and evaluation software

References

  1. Posner, M. I. Orienting of attention. Quarterly Journal of Experimental Psychology. 32 (1), 3-25 (1980).
  2. 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).
  3. Bundesen, C. A theory of visual attention. Psychological Review. 97 (4), 523-547 (1990).
  4. 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).
  5. Petersen, A., Kyllingsbæk, S., Bundesen, C. Measuring and modeling attentional dwell time. Psychonomic Bulletin & Review. 19 (6), 1029-1046 (2012).
  6. Vroomen, J., Keetels, M. Perception of intersensory synchrony: A tutorial review. Attention, Perception, & Psychophysics. 72 (4), 871-884 (2010).
  7. 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).
  8. 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).
  9. Bundesen, C., Habekost, T. . Principles of Visual Attention: Linking Mind and Brain. , (2008).
  10. 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).
  11. 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).
  12. 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).
  13. Kruschke, J. K. . Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan. , (2015).
  14. 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).
  15. 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).
  16. Shore, D. I., Klein, R. M. The effects of scene inversion on change blindness. The Journal of General Psychology. 127 (1), 27-43 (2000).
  17. Scharlau, I., Neumann, O. Temporal parameters and time course of perceptual latency priming. Acta Psychologica. 113 (2), 185-203 (2003).
  18. Schneider, K. A., Bavelier, D. Components of visual prior entry. Cognitive Psychology. 47 (4), 333-366 (2003).
  19. Scharlau, I., Neumann, O. Perceptual latency priming by masked and unmasked stimuli: Evidence for an attentional interpretation. Psychological Research. 67 (3), 184-196 (2003).
  20. Shore, D. I., Spence, C., Klein, R. M. Visual prior entry. Psychological Science. 12 (3), 205-212 (2001).
  21. 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).
  22. 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).
  23. Lee, M. D., Wagenmakers, E. J. . Bayesian cognitive modeling: A practical course. , (2014).
  24. Vangkilde, S., Bundesen, C., Coull, J. T. Prompt but inefficient: Nicotine differentially modulates discrete components of attention. Psychopharmacology. 218 (4), 667-680 (2011).
  25. Tünnermann, J., Scharlau, I. Peripheral Visual Cues: Their Fate in Processing and Effects on Attention and Temporal-order. Front. Psychol. 7 (1442), (2016).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

119

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved