Medindo atenção e velocidade de processamento Visual pela análise baseada no modelo de decisões de ordem temporal

Resumo

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.

Resumo

Este protocolo descreve como conduzir experimentos de ordem temporal para medir a velocidade de processamento visual e a distribuição de recursos de atenção. O método proposto é baseado em uma combinação nova e sinérgica de três componentes: o paradigma julgamentos de ordem temporal (TOJ), a teoria de Bundesen de Atenção Visual (TVA), e um quadro de estimativa Bayesiana hierárquica. O método fornece parâmetros facilmente interpretáveis, que são apoiados pelos fundamentos teóricos e neurofisiológicos da TVA. Usando tojs, estimativas baseadas em TVA pode ser obtido por uma variedade de estímulos, ao passo que paradigmas tradicionais utilizados com a TVA são principalmente limitadas às letras e algarismos. Finalmente, os parâmetros significativos do modelo proposto permitir o estabelecimento de um modelo Bayesian hierárquica. Tal modelo estatístico permite avaliar os resultados em uma análise coerente tanto sobre o assunto e ao nível do grupo.

Para demonstrar a viabilidade e versatility desta nova abordagem, três experimentos são relatados com manipulações de atenção em exibe pop-out sintéticas, imagens naturais, e um paradigma carta-relatório cued.

Introdução

Como a atenção é distribuído no espaço e no tempo é um dos factores mais importantes na percepção visual humana. Objetos que capturam a atenção por causa de sua conspicuity ou importância são normalmente processados ​​mais rapidamente e com maior precisão. Em estudos de comportamento, tais benefícios de desempenho tenham sido demonstrado numa variedade de paradigmas experimentais. Por exemplo, a atribuição a atenção para o local de destino acelera a reacção em tarefas de detecção da sonda ^1. Da mesma forma, a precisão das cartas relatando é melhorada pela atenção ^2. Tais achados provam que a atenção melhora o processamento, mas eles permanecem irremediavelmente mudo sobre como este acessório é estabelecida.

O presente trabalho demonstra que os mecanismos de baixo nível por trás vantagens de atenção pode ser avaliada medindo a velocidade de processamento de estímulos individuais em uma estrutura baseada em modelo que relaciona as medidas de grão fino components de atenção. Com esse modelo, a capacidade de processamento total e sua distribuição entre os estímulos pode ser inferida a partir de medições de velocidade de processamento.

Teoria de Bundesen de Atenção Visual (TVA) ³ fornece um modelo adequado para este esforço. Ele é geralmente aplicado a dados de tarefas de relatório carta. A seguir, os fundamentos da TVA são explicadas e é mostrado como eles podem ser estendidos para modelar dados de julgamento-ordem temporal (TOJ) obtidos com (quase) estímulos arbitrários. Este novo método fornece estimativas de velocidade de processamento e distribuição de recursos que pode ser facilmente interpretados. O protocolo neste artigo explica como planejar e conduzir tais experimentos e detalhes como os dados podem ser analisados.

Como mencionado acima, o paradigma usual em modelagem e estimativa de parâmetros de atenção baseado no TVA é a tarefa de relatório carta. Os participantes relatam as identidades de um conjunto de cartas queé brevemente brilhou e, normalmente mascarado depois de um atraso variável. Entre outros parâmetros, a velocidade à qual os elementos visuais são codificados na memória de curto prazo visual pode ser estimada. O método foi aplicado com sucesso a perguntas em investigação fundamental e clínica. Por exemplo, Bublak e colegas ⁴ avaliaram quais parâmetros de atenção são afetados em diferentes estágios de défices cognitivos relacionados com a idade. Na investigação fundamental atenção, Petersen, Kyllingsbæk e Bundesen ⁵ utilizadas TVA para modelar o efeito tempo de permanência de atenção, dificuldade do observador em perceber a segunda de duas metas em determinados intervalos de tempo. Uma grande desvantagem do paradigma relatório carta é que ele requer estímulos suficientemente aprendida e Maskable. Este requisito limita o método para letras e algarismos. Outros estímulos exigiria treinamento pesado de participantes.

O paradigma TOJ não exige nem Stimul específicai nem mascaramento. Pode ser usado com qualquer tipo de estímulos para os quais a ordem do aparecimento pode ser avaliada. Isso amplia a gama de estímulo a praticamente tudo o que poderia ser de interesse, incluindo comparações directas cross-modais ^6.

Investigando atenção com tojs baseia-se no fenómeno de entrada antes de atenção que é uma medida de quanto mais cedo um estímulo atendido é percebido em contraposição a um autônoma. Infelizmente, o método usual para a análise de dados TOJ, funções psicométricas desempenho observador montagem (tais como funções de Gauss ou logísticos cumulativas), não se pode distinguir se a atenção aumenta a velocidade de processamento do estímulo assistida ou se diminui a velocidade do estímulo automática ^7. Esta ambiguidade é um grande problema porque a questão de saber se a percepção de um estímulo é verdadeiramente reforçada ou se beneficia por causa da retirada de recursos de um Stimul competindo nós é uma questão tanto de relevância fundamental e prático. Por exemplo, para o desenho de interfaces homem-máquina é altamente relevante saber se o aumento da proeminência de um elemento funciona em detrimento da outra.

A tarefa TOJ geralmente procede como se segue: Um ponto de fixação é apresentado por um breve período de tempo, tipicamente um aleatoriamente desenhada intervalo menor do que um segundo. Em seguida, o primeiro alvo é apresentado, seguido após um estímulo variável início assincronia (SOA) pelo segundo alvo. Na SOAS negativos, a sonda, o estímulo atendido, é exibido pela primeira vez. Na SOAS positivos, a referência, o estímulo autônoma, leva. Em uma SOA de zero, ambos os alvos são mostrados simultaneamente.

Tipicamente, apresentando o alvo refere-se a comutação do estímulo em. Sob certas condições, no entanto, outros eventos temporais, como um lampejo de uma já presente alvo ou deslocamentos são utilizados ^8.

_content "> Em tojs, as respostas são recolhidas de forma unspeeded, geralmente por teclas mapeadas para as identidades de estímulo e ordens de apresentação (por exemplo, se os estímulos são quadrados e diamantes, uma chave indica" quadrado em primeiro lugar "e outro" diamante primeiro ") . importante, para a avaliação, esses julgamentos devem ser convertidos em "primeira sonda" (ou "primeira referência") julgamentos.

No presente trabalho, uma combinação do modelo de processamento de TVA e o paradigma experimental TOJ é usada para eliminar os problemas em qualquer domínio individual. Com este método, os parâmetros de velocidade facilmente interpretáveis ​​pode ser estimada por estímulos visuais quase arbitrárias, permitindo inferir como a atenção do observador é alocada para competir elementos visuais.

O modelo baseia-se as equações de TVA para o processamento dos estímulos individuais, que serão brevemente explicados a seguir. A probabilidade de que uma stimulnós é codificada em memória visual de curto prazo antes que o outro é interpretado como a probabilidade de julgar esse estímulo como aparecendo em primeiro lugar. As durações de codificação individuais são exponencialmente distribuídos ^9:

(1)

O máximo de exposição ineficaz duração t ₀ é um limite antes que nada está codificado em tudo. De acordo com a TVA, a taxa de v _{x, i,} no qual o objecto X é codificado como membro de uma categoria perceptual I (por exemplo, cor ou forma) é dada pela equação de velocidade,

. (2)

A força da evidência sensorial que x pertence à categoria i é expresso em _{x n, i,} e p _i é um viés decisão para categorizar estímulos como membros da categoria i. Este é multiplicado por umpesos ttentional. Pesos de atenção individuais w _x são divididas pelos pesos de atenção de todos os objetos no campo visual. Assim, o peso atencional relativo é calculado como

(3)

onde R representa todas as categorias e r | _{x, i} representa a evidência sensorial que o objeto x pertence à categoria j. O valor π _j é chamado pertinência da categoria j e reflete um viés para fazer categorizações em j. A capacidade de processamento global C é a soma de todas as taxas de processamento para todos os estímulos e categorização. Para uma descrição mais detalhada da TVA, consulte da Bundesen e Habekost livro ^9.

No nosso novo método, a Equação 1, que descreve a codificação de estímulos individuais, é transformado em um modelo de tojs. Assumindo que vieses de seleção e categorias de relatório são constanT dentro de uma tarefa experimental, a taxas de processamento v _p e v _r da sonda duas alvo estímulos (P) e de referência (R) depender de C e os pesos de atenção na forma v _P = C · W _P e V _R = C · W _R, respectivamente. O novo modelo TOJ expressa a probabilidade de sucesso P _{p ^1º} que um participante julga o estímulo sonda para ser o primeiro em função da SOA e as taxas de processamento. Ele pode ser formalizado da seguinte forma:

(4)

Uma descrição mais detalhada de como esta equação é derivado a partir das equações básicas TVA é descrito por Tünnermann, Petersen, e Scharlau ^7.

Por uma questão de simplicidade, o parâmetro t é ₀ omitido no modelo na Equação 1. De acordo com a TVA original, t ₀ deve ser idêntico para Both alvos na tarefa TOJ, e, por conseguinte, que anula. No entanto, esta hipótese pode às vezes ser violada (ver secção Discussão).

Para a montagem dessa equação aos dados Toj, é sugerido um esquema de estimação bayesiana hierárquica ^11. Esta abordagem permite estimar os pesos de atenção w _p e w _r dos estímulos sonda e de referência ea C. global da taxa de processamento Esses parâmetros, a redução das taxas de captação v _p e v _r, e as diferenças induzida por atenção entre eles, pode ser avaliada sobre os níveis de sujeitos e de grupo, juntamente com as incertezas estimadas. O modelo hierárquico é ilustrada na Figura 1. Durante a fase de planeamento para um experimento, a análise do poder Bayesian conveniente pode ser conduzida.

O protocolo a seguir descreve como planejar, executar e analisar experimentos Toj a partir do qual os parâmetros de velocidade de processamento e pesos de atenção para estímulos visuais podemser obtido. O protocolo assume que o pesquisador está interessado em como uma manipulação de atenção influencia as velocidades de processamento de alguns alvos de interesse.

Figura 1: Gráfico modelo utilizado no procedimento de estimativa Bayesiano. Círculos indicam distribuições estimadas; círculos indicam os nós duplos determinísticos. Quadrados indicam dados. As relações são apresentadas no lado direito da figura. Os nós de fora dos quadros arredondadas ( "chapas") representam estimativas média e dispersão de parâmetros TVA (ver Introdução) no nível do grupo. No "j assuntos" placa, que pode ser visto como pesos de atenção (W) são combinados com as taxas globais de processamento (C) a partir de taxas de processamento de estímulo (V) sobre o nível de objecto. Plate "i SOA &# 8221; mostra como estes parâmetros são então transformadas TVA (via _{P ¹} P função descrito na introdução) para a probabilidade de sucesso (θ) para as respostas binomial distribuídos em cada SOA. Portanto, o θ em conjunto com as repetições do SOA (N) descrevem os pontos de dados (Y). Para mais detalhes sobre a notação e interpretação de modelos gráficos, referem-se a Lee e Wagenmakers ^23. Note-se que por uma questão de clareza, os nós que representam diferenças de parâmetros foram omitidos. Estes parâmetros determinísticos são indicados nas figuras dos resultados experimentais em vez disso. Por favor clique aqui para ver uma versão maior desta figura.

Protocolo

NOTA: Algumas etapas deste protocolo pode ser realizada utilizando software personalizado fornecido (juntamente com instruções de instalação) na http://groups.upb.de/viat/TVATOJ. No protocolo, este conjunto de programas e scripts é referido como "TVATOJ".

1. Seleção de estímulos materiais

1. Selecione estímulos de acordo com a pergunta da pesquisa.
   NOTA: Em geral, os dois alvos são mostrados em diferentes locais na tela. Estímulos que têm sido utilizados com o presente método incluem, por exemplo, formas, números, letras, singletons em exibe pop-out, e objetos em imagens naturais. Os três últimos tipos foram utilizados no presente protocolo.
   NOTA: Vários tipos de estímulos diferentes estão incluídos no plugin TOJ ( "psylab_toj_stimulus" fornecido com TVATOJ) para o construtor experimento OpenSesame ^12.
2. Ao criar novos tipos de estímulo, certifique-se de que as propriedades de interest tem que ser codificado para o julgamento, tornando-as importantes para a tarefa ou selecionar estímulos onde as propriedades de interesse são codificados automaticamente (por exemplo, singletons em exibe pop-out).

2. Poder Estimativa e Planejamento

1. Faça uma análise de energia Bayesian simulando conjuntos de dados com o modelo selecionado, design planejado (distribuição SOA e repetições), tamanhos de amostra e parâmetros hipotéticos. Estimar se é susceptível de atingir a meta de pesquisa (por exemplo, uma certa diferença nos parâmetros). Se a energia não for suficiente, alterar o projeto, adicionando ou mudando SOAs ou repetições e repita a análise.
   1. Para usar o software TVATOJ fornecido, abrir e editar o script "exp1-power.R". Siga os comentários no arquivo para ajustá-lo para a análise específica. Para obter informações gerais sobre a estimativa de energia Bayesian referem-se a Kruschke ^13.

3. Especificação ou Programação do Experimento

1. Use um construtor de experiência ou biblioteca de apresentação psicofísico para implementar o experimento.
   1. Para usar o plugin OpenSesame TOJ previsto no TVATOJ, arraste o plug-in "psylab_toj_stimulus" em um loop apresentação julgamento. Como alternativa, abra o "simple-toj.osexp" exemplo experimento no OpenSesame.
   2. Selecione o tipo de estímulo desejado no menu suspenso "Tipo de estímulo" na configuração psylab_toj_stimulus. Siga as instruções em TVATOJ para a adição de novos tipos de estímulo, se necessário.
2. Especificar os ensaios conforme descrito nos seguintes passos.
   1. Para cada condição experimental, criar testes com o SOA planejado. Ao utilizar o plugin psylab_toj_stimulus e OpenSesame, adicione todos os fatores variados como variáveis para o ciclo de teste (por exemplo, "SOA").
   2. Adicionar linhas ao quadro para percebertodas as combinações de fatores (por exemplo, sete SOAS, de -100 a 100 ms, cruzou-se com as condições experimentais "atenção" e "neutro"). Ajuste atributo "Repeat" do circuito para criar repetições suficientes (veja o passo protocolo 2 para determinar a distribuição e repetição de SOAs).
      NOTA: Normalmente, no máximo, 800 ensaios podem ser apresentados no prazo de uma hora. Se forem necessários mais repetições, considere dividir a experiência em várias sessões. Certifique-se de que o atributo "Ordem" do loop é definido como "Random" antes de executar o experimento.
   3. Na configuração plug-in psylab_toj_stimulus, adicione espaços reservados (por exemplo, "[SOA]") para os fatores variados nos respectivos campos. Entre os valores constantes nos campos de factores que não são variadas.
      NOTA: Antes de executar o experimento, certifique-se que o timing exato é garantida. Se o comportamento horário adequado de monitores mais novos não se verificou, o usoMonitores CRT e sincronizar com o sinal de retorno vertical ^12.

4. Procedimento Experimental

1. Acolhedor e coletiva dos participantes
   1. Boas-vindas aos participantes e informá-los sobre a forma geral do experimento (experimento percepção baseado em computador). Informar os participantes sobre a duração potencial da experiência. Obter um consentimento informado dos participantes para participar na experiência.
   2. Certifique-se de que os participantes mostram normal ou visão corrigida-a-normal (de forma otimizada através da realização de testes de visão curta). Alguns déficits, como daltonismo, pode ser tolerável se não interferir com a questão de pesquisa para o tipo particular de material de estímulo.
   3. Fornecer uma cabine calmo onde o experimento é conduzido. Ajuste a cadeira, resto queixo, posição do teclado, e assim por diante, para garantir condições de visualização e de resposta óptimas para o experiment.
   4. Faça os participantes cientes de que o experimento requer atenção e foco mental e pode ser fatigante. Peça-lhes para fazer pausas curtas quando necessário. É, no entanto, igualmente importante não realizar estas tarefas simples sob forte pressão de atenção. Diga aos participantes que é bom para fazer alguns erros.
2. Instrução e warm-up
   1. instruções na tela atual para a tarefa, detalhando o procedimento sequência de apresentação e recolha de resposta. Informar os participantes que a tarefa é informar a ordem em que os alvos chegou, e que isso vai ser difícil em alguns ensaios. Peça aos participantes para relatar sua primeira impressão quando eles não podem dizer a ordem certa, e deixá-los acho que se eles não têm essa impressão em tudo.
      NOTA: Nos tojs binários usados ​​aqui, não há nenhuma opção para indicar a percepção da simultaneidade. Para evitar adivinhação excessiva, não apontam a presença de ensaios com simultaneously alvos apresentados explicitamente. Deixe estes ser simplesmente ensaios difíceis com as instruções descritas acima.
   2. Para evitar movimentos oculares durante os ensaios, peça aos participantes para fixar uma marca que é mostrado no centro da tela. Peça-lhes para descansar a sua cabeça em um descanso de queixo.
   3. Peça aos participantes para fazer pausas curtas, se necessário. Deixe-os saber quando as rupturas são permitidos e quando eles devem ser evitados (por exemplo, durante a apresentação do alvo e antes da resposta).
   4. Incluir uma formação de curta duração em que os participantes podem se acostumar com a tarefa. Para o efeito, apresentar um subconjunto aleatório dos ensaios experimentais (ver protocolo passo 3.2).
      NOTA: Devido a tarefa em si é bastante simples, de dez a vinte ensaios geralmente são suficientes. Pode ser vantajoso para aumentar a confiança dos participantes no seu desempenho nesta tarefa. Isso pode ser feito por abrandar a apresentação e fornecer feedback.
   5. Obter confirmati dos participantesem que entenderam a tarefa (deixá-los explicar isso) e que eles não têm mais perguntas.
3. Executando o experimento principal
   1. Deixe o início software experimental, com a apresentação dos principais ensaios. Deixe a cabine para o experimento principal.

5. Análise baseada no Modelo de Dados TOJ

1. Converter os arquivos de dados brutos em acusações de "sonda primeiros" julgamentos para cada SOA. Por exemplo, executar o script "os2toj.py" fornecido com TVATOJ.
2. Execute o procedimento de estimação Bayesiana para estimar os principais parâmetros w _p e C, o derivado queridos v _p e v _r e as diferenças dos parâmetros. Para o efeito, executar o script de "run-evaluation.R" depois editá-lo de acordo com as instruções fornecidas no arquivo.
3. Quando a amostragem for concluída, as diferenças de interesse para as questões de pesquisa pode ser avaliada. examples podem ser encontradas na seção seguinte.

Resultados

No que se segue, os resultados obtidos com o método proposto são relatados. Três experiências medido a influência de diferentes manipulações de atenção com três tipos diferentes de material altamente estímulo. Os estímulos são segmentos simples de linha nos padrões de pop-out, objetos espaciais de ação em imagens naturais e metas carta cued.

Experimento 1: Saliência em pop-out exibe
Experiência 1 desti...

Discussão

O protocolo neste artigo descreve como conduzir tojs simples e ajustar os dados com modelos baseados na codificação fundamentais estímulo. Três experimentos demonstraram como os resultados podem ser avaliados em uma estrutura hierárquica estimação bayesiana para avaliar a influência das atenções no material de estímulo altamente diferente. Saliência no exibe pop-out levou a um aumento de peso de atenção. Além disso, o aumento dos pesos foram estimados para objetos espaciais ação em imagens naturais. No ...

Materiais

Name	Company	Catalog Number	Comments
Personal Computer
(Open Source) Experimentation and evaluation software