Информация

Какие психофизические исследования опубликовали свои данные?

Какие психофизические исследования опубликовали свои данные?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Можете ли вы указать на опубликованные исследования в области психофизики, которые предоставили доступ к исходным * данным?

* Под «исходным» я подразумеваю ответы от испытания к испытанию для каждого испытуемого, а не какую-то совокупность, о которой обычно сообщают (например, общий процент правильных ответов для каждого условия или даже для каждой пары стимулов).

Меня особенно интересует дискриминация исследования, используя 2-альтернативный дизайн с принудительным выбором, но приветствуется и любая другая психофизическая работа.

Я знаю об этом замечательном вопросе и просматривал ответы на него при поиске данных. Кажется, что опубликованные данные в этих наборах данных - это в основном социальные науки, «мягкие» психологические данные и данные изображений, и я нашел только несколько психофизических исследований, ни одно из которых не связано с задачами распознавания.


Это не совсем то, что вам нужно, но в Newcastle Cognition Lab есть хранилище данных. Он включает в себя ряд наборов данных по кривой обучения и других исследований, в которых измеряется время отклика на различные простые когнитивные задачи.


Абстрактный

Управляющие функции (EF) позволяют мысленно поиграть с идеями, потратить время на обдумывание, прежде чем действовать, встречая новые, непредвиденные проблемы, сопротивляясь искушениям и сохраняя сосредоточенность. Основные EFs - это ингибирование [подавление реакции (самоконтроль— Подробнее

Рисунок 1: Модель пассивного рассеивания, показывающая, как задержка может улучшить производительность при выполнении тормозящих задач (из Simpson et al. 2011).

Рисунок 2: В каждом изучаемом возрасте дети были медленнее и менее точны в конгруэнтном блоке, чем в неконгруэнтном блоке. Этот эффект полностью отсутствует у взрослых, которые действуют так же быстро и точно.

Рисунок 3: Сравнение смешанных условий задач «Точки» (теперь называемые «Сердца и цветы») и задач Саймона в процентах правильных ответов (на основе Дэвидсона и др., 2006 г.).


Психофизические законы

Мы проанализировали динамику модели решения уравнения. (1) при параметризации (2) путем введения случайных флуктуаций, вызванных конечным размером системы (я.е. система состоит из конечного числа пчел S). Модель уравнения. Уравнение (1) можно описать в форме основного уравнения, как это сделано в 20,26, что позволяет анализировать динамику системы конечных размеров. Мы аппроксимировали решение основного уравнения через алгоритм стохастического моделирования (SSA) 27.

Закон Вебера

Закон Вебера 1,2 гласит, что минимальная разница между двумя стимулами Δv (также известный как просто заметная разница), которую организм может правильно различать, является постоянной дробью ш силы базового стимула:

в нашем анализе ( bar) представляет собой среднюю силу стимула (я.е., среднее качество гнездового участка).

На рисунке 1 показано сравнение результатов SSA и ранее предложенного бифуркационного анализа 17,18, который был основан только на фазовом переходе между бистабильным режимом и режимом с одним аттрактором. Аналогично этим предыдущим результатам мы находим линейную зависимость между средним качеством ( bar) и просто заметная разница (Δv), но с другим наклоном. На самом деле две линии представляют собой две разные меры. Фазовый переход (пунктирные линии) показывает изменение режима в системе среднего поля, переход от фазы с двумя аттракторами (представляющих возможные решения для любого варианта) к фазе с одним аттрактором в пользу только более высокого варианта. Эта смена режима намекала на возможность согласия с законом Вебера 17,18, что, однако, еще не было продемонстрировано. Напротив, в этом исследовании с помощью моделирования SSA мы точно определяем фактические результаты решения (я.е. когда одно преданное население превышает кворум Q) и вычислить дробь Вебера ш соответственно (показаны сплошными линиями на рис. 1; подробные сведения о результатах SSA см. в разделе 5). Рисунок 1 показывает, что модель может правильно различать варианты в режиме бистабильности. В этом режиме наличие аттрактора для каждого варианта дает возможность сходиться к худшему варианту из-за случайных колебаний, хотя, когда разница в качестве достаточно велика ( (< rm < Delta >> v ge w bar)), рой может выбрать вариант с наивысшим значением.

На рисунке 1 также показано, как различимость сигналов изменяется в зависимости от отношения сигналов. р то есть фракция Вебера ш растет с р. Повышение уровня передачи сигналов снижает способность организма различать похожие стимулы. Адаптивное давление для поддержания низкого уровня сигнализации должно быть уравновешено давлением для увеличения сигнализации, чтобы ускорить процесс принятия решений (раздел 3.2) и устранить тупиковые ситуации принятия решений (см. 18).

Как обсуждалось Терстоном 28 и Стивенсом 3, изменчивость криминального контекста играет ключевую роль в определении только заметной разницы. Вариабельность в правильном различении двух стимулов прямо пропорциональна величине случайных колебаний в процессе различения. В рассматриваемой модели пчелы величина случайных колебаний определяется количеством пчел (я.е. размер системы S): чем меньше размер системы, тем больше колебания. На рисунке 2 показано влияние случайных флуктуаций (варьируя S) от различимости стимулов. В соответствии с 3,28, более высокая изменчивость (я.е. более высокие колебания) приводит к меньшей различимости (я.е. выше просто заметная разница). Этот результат вносит свой вклад в аргумент в пользу эволюционных преимуществ групповой жизни, благодаря которым коллективные решения более надежны, чем индивидуальные 29,30. Хотя стоит отметить, что в разных системах точность не всегда достигается за счет принятия больших групповых решений 31,32.

Просто заметная разница Δv увеличивается с величиной случайных колебаний. (слева) доля Вебера увеличивается с уменьшением размера системы S (я.е., для увеличения случайных колебаний), см. дополнительную таблицу S1. (справа) Просто заметная разница в зависимости от S для базового качества ( bar). Точки данных обозначены красной кривой (z + в качествеб ), с участием а ≈ 12.13, б ≈ 0.626, z ≈ 0,013, а качество подгонки р 2 & gt 0,999 (см. Раздел 5.4). На вставке показаны примеры изменения обязательств для v1 = 10, v2 = 11 и разное количество пчел S самые большие колебания отображаются для S = 10. Графики показывают результаты для коэффициента передачи сигналов. р = 3.

Закон Хика-Хаймана

Закон Хика-Хаймана 5,6 гласит, что время реакции (RT) на стимул линейно увеличивается с количеством информации. я что нужно обработать:

куда s время, затрачиваемое организмом на обработку одного бита информации, а информация я является функцией количества альтернатив п вовлечены в процесс дискриминации.

Варьируя задачу и ее необходимые вычислительные ресурсы, варьируется количество обрабатываемой информации для каждой альтернативы, начиная от постоянной функции (я.е. независимо от п) 33, до логарифмической 5,6, до линейной 34, до экспоненциальной 35,36.

Исследуемая задача - ценностно-чувствительное лучшее изп принятие решений - когнитивно дорого, поскольку требует оценки п альтернативы и выбор альтернативы наилучшего качества, если она выше порога приемлемости 18,37. Неврологические модели, применяемые к лучшим решениям, предсказывают нелинейное увеличение времени реакции с числом альтернатив 38. Учитывая сходство между неврологической и коллективной моделями принятия решений 39, мы ожидаем качественного согласия с результатами по одной и той же задаче с множественным выбором. Действительно, Рис. 3 (левая панель) показывает экспоненциальный рост RT с количеством вариантов. п что хорошо аппроксимируется кривой

(подробности см. в разделе 5.2). Нелинейное увеличение RT может быть связано с нелинейностями процесса, которые характерны для децентрализованных систем 40. Это экспоненциальное увеличение RT может быть компенсировано увеличением коэффициента передачи сигналов. р который дает степенной ответ (см. рис. 3, правая панель). Компромисс между низким р для различимости (рис. 1) и высокой р для скорости напоминает хорошо известный компромисс между скоростью и точностью и может быть оптимизирован за счет увеличения р с течением времени (как предложено в 18). На вставке к рис. 3 (справа) показано, что RT увеличивается с увеличением сложности задачи, однако в естественных условиях вряд ли можно найти большое количество вариантов с одинаковым качественным значением (я.е. κ ≈ 1). Кроме того, во время принятия решения пчелиная семья может принимать во внимание ограниченное количество вариантов, подобно рабочей памяти в человеческом мозге 41.

(Левая панель) Среднее время достижения кворума Q = 0,8 для лучшего варианта в зависимости от количества вариантов п. Линии разного цвета соответствуют разной сложности решения. κ (см. раздел 5.2). Данные SSA (точки) соответствуют кривым уравнения. (5) (светлые пунктирные линии), с кривыми уравнения. (7) (сплошные линии), а с кривыми уравнения. (7) используя ж μ(κ) (жирные пунктирные линии) (см. дополнительную таблицу S2). (Правая панель) Среднее RT уменьшается по степенному закону с коэффициентом передачи сигналов. р. Данные SSA (точки) аппроксимируются кривой (< rm>=_<2>^<-_ <1>> ). На вставке показан степенной рост ( (< rm>=_<1>+_ <2> < каппа> ^ <_ <3>> )) RT в зависимости от сложности задачи κ. Вертикальные полосы показывают отклонение.

Закон Пьерона

Закон Пирона 7 гласит, что среднее RT уменьшается по степенному закону с увеличением интенсивности стимула. v:

куда а а также б являются константами. (В первоначальной формулировке закона Пирона уравнение включает в себя дополнительный постоянный член z в качестве: среднийб + z, который мы удалили (z = 0).) Изначально было доказано, что закон применим к задачам восприятия в различных сенсорных областях (таких как давление, температура, вкус соли / сахара / горького / кислоты, громкость, яркость) 7,8. Позже исследования показали, что задачи на реакцию бинарного выбора также подчиняются закону Пирона 42,43,44,45. Рисунок 4 показывает, что рассматриваемая модель ценностных решений в суперорганизме также подчиняется закону Пьерона.

Среднее время ожидания (и дисперсия) для решений между п ∈ <2, 3, 4> варианты одинакового качества в зависимости от качества вариантов v ∈ [5, 15] при варьировании значений сигнального отношения р ∈ <2, 5, 10>. Данные SSA (точки) соответствуют степенным кривым уравнения. (6) (пунктирные линии) и кривыми уравнения. (7) (пунктирные линии). См. Дополнительные таблицы S3 и S4 для получения подробной информации о значениях подгонки и относительном качестве.

Мы протестировали выход из тупика принятия решений в решениях равного качества, чтобы исключить любой возможный эффект перекрытия от различимости стимулов и закона Вебера. Как обсуждалось в предыдущем анализе 43,46, полученное согласие с законом Пирона могло быть естественным артефактом ограничений оптимальности в моделях, чувствительных к стоимости. В рассматриваемой модели (1) чувствительность к стоимости определяется коэффициентами, зависящими от стоимости (уравнение (2)), что позволило в предыдущем анализе аппроксимировать модель пчелы к более простым протекающим конкурирующим накопителям и доказать ее (квази) оптимальность 17 , 39. Стаффорд и Герни 43 показывают, что модели, состоящие из простых «дырявых» интеграторов, которые накапливают данные со скоростью, пропорциональной величине стимула, имеют время реакции, которое всегда соответствует закону Пирона. Точно так же Ван Маанен и другие. 46 показывают, что оптимальные байесовские классификаторы, которые объединяют доказательства со скоростью, пропорциональной входным стимулам, имеют время реакции, соответствующее закону Пьерона. Наши результаты подтверждают (и расширяют) эти гипотезы, идентифицируя реакцию в соответствии с законом Пирона о модели, которая имеет как положительные, так и отрицательные обратные связи (рекрутирование и перекрестное торможение), пропорциональные интенсивности стимулов.

Объединяющий закон RT

Оба закона Хика-Хаймана и Пьерона описывают изменение RT как функцию проблемы принятия решения, однако каждый закон фокусируется на другом аспекте. Здесь мы пытаемся объединить два закона, чтобы определить уникальную общую функцию, которая обобщает уравнения (5) и (6) и определяет динамику RT:

куда α, β, а также μ - константы, а ( bar) - среднее качество п параметры. Параметр μ варьируется в зависимости от сложности решения проблемы, я.е. μ = ж μ(κ). Функция ж μ показывает возрастание степенного закона с увеличением сложности задачи κ в виде (_ < му> ( каппа) =_<1>+_ <2> < каппа> ^ <_ <3>> ), как показано на вставке к рис. 3 (правая панель). Уравнение (7) сводится к формуле. (6) путем наложения а = αe мкн . Приведение к формуле. (5), однако, не так просто, потому что член ( bar) - среднее качество варианта, которое зависит от количества вариантов. п, за исключением особого случая κ = 1. Однако результаты подгонки, представленные в дополнительной таблице S2, показывают хорошее соответствие между параметрами.


Предпосылки и обоснование ограниченного масштабирования

Несколько авторов описали трудности, связанные с достижением количественной конвергенции при психофизическом масштабировании (например, Marks, 1974b Ward, 1991 Laming, 1997). Представьте, если бы заряд электрона имел диапазон значений, который зависел от того, кто проводил эксперимент по измерению, или если бы газовая постоянная или скорость света не были & # x201Cconstant & # x201D, а зависели от того, какой исследователь писал о них. Эта проблема действительно возникла в начале истории физики, например, при измерении температуры (например, Миддлтон, 1966), но она была решена путем принятия согласованных стандартных шкал для измерения основных физических переменных (например, , Эллис, 1966). К сожалению, эта проблема продолжает преследовать психофизическое масштабирование, которое, возможно, является одним из самых успешных методов измерения ощущений и других сознательных переживаний (например, Marks, 1974a). Наиболее ярко это проявляется в нежелательной изменчивости показателей психофизических силовых функций, измеренных в разных лабораториях и даже в разных экспериментах в одной и той же лаборатории. Хотя Стивенс (1975) утверждал, что значения канонической экспоненты должны быть приняты для всех сенсорных континуумов, не было случая, чтобы предлагаемые им значения могли быть достигнуты каждым исследователем, несмотря на попытки использовать одни и те же методы и стимулы. Яркой демонстрацией является отчет Marks (1974b) о средних показателях функции мощности в диапазоне от 0,37 до 0,80 для громкости чистых тонов 1000 Гц, измеренных в различных лабораториях с помощью методов прямого пропорционального масштабирования. Таким образом, если теория, основанная на психологических, физиологических и физических соображениях, предсказывала, что показатель для громкости тона 1000 Гц должен быть 0,6 (например, Zwicker, 1982), эта теория будет опровергнута большинством экспериментов по масштабированию, о которых сообщалось На сегодняшний день, хотя средний показатель по всем таким экспериментам действительно составляет около 0,6 (Marks, 1974b).

Поултон (1989) попытался классифицировать и смоделировать все виды смещений, которые влияют на такие суждения и, по-видимому, приводят к неприемлемому уровню изменчивости показателей степенной функции (и других свойств). Другие, например, Laming (1997), предположили, что такая вариация является источником основных проблем интерпретации результатов прямого масштабирования. Третьи, например, Локхед (1992), предположили, что попытка достичь канонических психофизических шкал в корне ошибочна из-за глубоких контекстуальных эффектов, которые влияют на все суждения сенсорной или другой эмпирической величины. Тем не менее, такие шкалы действительно очень полезны как при проектировании зданий, оценке воздействия на окружающую среду и других прикладных контекстах, так и при обосновании фундаментальных теорий (например, Norwich, 1993). Поэтому мы придерживаемся подхода, согласно которому достижение канонических масштабов является стоящей целью. Здесь следует подчеркнуть, что мы нет речь идет об обнаружении значений экспоненты & # x201Ctrue & # x201D для различных психологических континуумов, а скорее о принятии значений канонической экспоненты, которые согласуются с основными психофизическими результатами, которые делают выражение этих результатов в форме эмпирических законов простым и элегантным, и что постоянно воспроизводятся в экспериментах и ​​лабораториях.

Ограниченное масштабирование - это наше решение проблемы достижения канонических масштабов. Как мы упоминали выше, CS включает обучение наблюдателей использованию стандартная шкала на стандартный сенсорный континуум а затем, сохраняя их калиброванными по этой шкале, заставляя их оценивать по той же калиброванной шкале стимулы, отличные от тех, которые используются в тренировке. Чтобы объяснить эту технику дальше, учтите, что все нестандартные стимулы необходимо оценивать. без Обратная связь, потому что величина ощущений, возникающих от этих стимулов, неизвестна. Цель CS состоит в том, чтобы потребовать от участников использовать стандартизированную шкалу отклика для описания величины своих ощущений, чтобы вызвать стандартизированное значение значений шкалы отклика (т. Е. использовать тот же & # x201Cmeter & # x201D), нет заранее решить, что они будут испытывать, или ограничить их, чтобы они давали те же самые показатели нестандартным стимулам, которые они были обучены давать стандартные стимулы. Обучение связывает их опыт в стандартном континууме со стандартной шкалой ответов, так что они используют числа стандартной шкалы ответов в соответствии с этим опытом. Другие нестандартные стимулы оцениваются по отношению к отмеченным обратной связью переживаниям в стандартном континууме. Так, например, реакция & # x201C10 & # x201D на нестандартный стимул означает, что участник испытал величину ощущения, которая (приблизительно) такая же, как и вызванная стандартным стимулом, который они научились называть & # x201C10. Таким образом, согласованность между участниками зависит в первую очередь от степени сходства сенсорных ощущений участников в стандартном континууме. В той мере, в какой эти опыты похожи, и что их опыты в тестовых континуумах также совпадают, они будут давать те же результаты в тестовых континуумах. Если их опыт на непрерывных испытаниях отличается, их результаты будут другими. Эти различия можно интерпретировать как «истинные» экспериментальные различия, если участники остались откалиброванными на стандартном континууме.Если их результаты по стандартному континууму различаются, как, например, для тех, у кого сенсорный дефицит, тогда все ставки отключены: тренировка не приведет к сближению участников и любые различия в тестовых континуумах будут бессмысленными. West et al. (2000) рассмотрели все эти проблемы и предоставили данные, показывающие, что CS более надежен, чем традиционные методы, а также действителен в том смысле, что он не искажает базовые психофизические отношения, такие как соотношение показателей степенной функции в континууме. Далее мы кратко рассмотрим их результаты в этом отношении.

West et al. (2000) обучили наблюдателей использовать шкалу отклика для громкости чистых тонов 1000 Гц, тесно связанную со шкалой Stevens & # x2019, S = 10.6 п 0.60, в котором sones, S, являются степенной функцией звукового давления (п) с показателем 0,6. West et al. (2000) б / у р = 16.6 п 0.60, где р - требуемый ответ, и ответы могут варьироваться от 0 до 100. West et al. (2000) использовали эту слегка измененную шкалу, потому что на ней отклик на стимул 100 дБ составляет около 100, что дает более широкий диапазон отклика, чем доступен для звуковых сигналов (40 дБ - это 1 сон, а 100 дБ - 63,9 сона). Конверсия ответов на West et al. (2000) шкала в сонах S = 0.638 р. Затем они попросили наблюдателей оценить тоны 65 Гц. без обратной связи в том же масштабе, что и описанный ранее, воспроизводя обычный вывод о том, что показатели степенной функции существенно больше для низких частот, чем для 1000 Гц, и делая это для каждый индивидуальный наблюдатель и с крайне малой вариабельностью между наблюдателями в отношениях между показателями. Интересно, что точное количественное соотношение между экспонентами на различных звуковых частотах все еще остается неопределенным, отчасти из-за проблемы, которую решает эта статья, - межлабораторной изменчивости. West et al. (2000) & # x2019s результат отношения примерно 0,7 между показателем степени для 1000 Гц и показателем для 65 Гц близко соответствует значению 0,64, сообщенному Ward (1990) и Schneider et al. (1972) для аналогичных частот (1100 и 100 Гц, отношение = 0,69), хотя это несколько отличается от уравнения, предложенного Марксом (1974a) на основе результатов нескольких других лабораторий (около 0,52). West et al. (2000) также обнаружили аналогичное соотношение между показателями 1000 и 65 Гц, когда они обучили участников по стандартной шкале, в которой показатель 1000 Гц был 0,30 (отношение = 0,69), но не тогда, когда они обучили участников по стандартной шкале с показателем степени 0,90 (коэффициент = 0,92). В последнем случае участники также не очень точно воспроизводили показатель обучения для тонов с частотой 1000 Гц (0,75 по сравнению с показателем обучения 0,90), и хотя они показали более высокий показатель для тонов с частотой 65 Гц (0,82), было ясно, что потолок был достигнут. . West et al. (2000) наблюдатели также оценивали яркость света по той же стандартной шкале, в этом случае воспроизводя стандартное открытие Стивенса для показателя яркости, очень близкого к 0,3, и рекомендованного показателя степени для громкости, & # x00BD, и делая это для каждый их восьми участников по отдельности. Эти результаты противоречат возможной критике, что обучение участников использованию стандартизированной шкалы ответов может исказить общепринятые психофизические данные. По крайней мере, для континуумов, протестированных West et al. (2000), что касается экспериментов Marks et al. (1995), которые обнаружили аналогичное сохранение бинауральной аддитивности с использованием обученных участников, это было не так.

В другом исследовании Уэст и Уорд (West and Ward, 1998 West, 1996) предлагали участникам масштабировать свое счастье, выигрывая различные суммы денег (от 50 до 1 000 000 долларов) в лотерею, используя ту же стандартную шкалу, по которой они были обучены. Интересно, что, хотя они оставались откалиброванными до стандартного показателя громкости тонов 1000 Гц (среднее значение = 0,57, диапазон 0,48 & # x20130,61), участники & # x2019 показатели счастья, вызванного деньгами, широко варьировались от среднего значения 0,24 (диапазон 0,06 & #). х20130,39). Эти показатели представляют собой крайние индивидуальные различия, например, для удвоения счастья участника с показателем 0,06 потребуется в 100000 раз больше денег, тогда как для удвоения счастья человека с показателем 0,39 потребуется только примерно в шесть раз больше денег. Этот результат демонстрирует, что CS не подавляет индивидуальные различия для континуумов, где такие различия ожидаются, и в то же время ограничивает участников использовать общую шкалу для выражения этих различий.

West et al. (2000) также предположили, что CS можно использовать для точного количественного воспроизведения результатов экспериментов в разных лабораториях. Простая модель (например, Curtis et al., 1968 Marks, 1991 West et al., 2000) может использоваться, чтобы понять, почему это правдоподобно, но не гарантируется West et al. (2000) приводит к снижению межличностной изменчивости. Психофизическая функция обычно записывается как R = f (S) = aS m , куда р средний ответ на величину стимула S, а функция ж степенная функция с единицей а и экспонента м. Однако в модели отношения, ж, между р а также S раскладывается на две функции, f = C (P), P для перцептивного преобразования стимула, и C для когнитивной трансформации восприятия, таким образом R = C [P (S)]. Возможно, целью психофизического масштабирования (например, Stevens, 1975) является обнаружение функции п, психофизическая функция, которая представляет взаимосвязь между величиной стимула и величиной ощущения. Но подгонка простой степенной функции к величине реакции и стимула затрудняет понимание п а также C преобразует подобранную степенную функцию, отражает п только если C - тождественная функция, а ее показатель является искомым, только если C линейно. В этой модели C когнитивно проницаема (Fodor, 1983), тогда как п не является п отражает сенсорную и перцептивную обработку, происходящую относительно рано и автоматически в сенсорной системе. Функция C, с другой стороны, представляет, как участник предпочитает сообщать о величине своих ощущений, и на него влияют как внутренние факторы, такие как понимание инструкций эксперимента, предыдущий опыт работы с отчетной переменной (переменными), предыдущий опыт работы с континуум, который необходимо оценить, опыт с предыдущими стимулами и реакциями, проблемы распознавания, вызванные сенсорным шумом и шумом памяти (одно возможное влияние диапазона стимула, см. Ward et al., 1996 и ссылки в нем), различные предубеждения в ответах (например, Poulton, 1989) , и желание (или отсутствие такового) участника доставить удовольствие экспериментатору, а также внешние факторы, такие как фактические данные инструкции (включая, в частности, континуум реакции, выбранный экспериментатором, и способ, которым он должен использоваться для отчета) , способ, которым даются эти инструкции (включая невербальные подсказки), отзывы о целесообразности выступления участника (см. мультфильм в Frontispie ce of Poulton, 1989, изображающий SS Stevens, дающего обратную связь участнику), и экспериментальный контекст, включая оборудование, общую среду (звукоизолированная камера или лаборатория, внешний шум и т. д.), а также социальные факторы, такие как пол, авторитет и т. д. экспериментатора.

Внутренние факторы, влияющие на C очевидно, будет способствовать изменчивости результатов масштабирования между и внутри участников, и West et al. (2000) показали, что CS в значительной степени контролировал влияние этих внутренних факторов. West et al. (2000), однако, не рассматривал степень, в которой CS контролировал какие-либо внешние факторы, поскольку это происходило только в одной лаборатории и проводилось небольшой группой экспериментаторов из этой лаборатории. Внешние факторы, влияющие на C несомненно, ответственны за большую часть упомянутой ранее межлабораторной и межэкспериментальной изменчивости. Вместо того, чтобы пытаться моделировать или уравновешивать все перечисленные выше разнообразные факторы, как внутренние, так и внешние, CS представляет стандартный контекст, набор инструкций, обучение и опыт, которые должны контролировать как внешние факторы, так и внутренние факторы. C как можно более одинаковое во времени, для отдельных лиц, экспериментов и лабораторий, и, следовательно, обеспечивает более точную воспроизводимость результатов масштабирования между лабораториями и экспериментами. Эта статья представляет собой первую попытку продемонстрировать эффективность CS в управлении внешними факторами, влияющими на C.


ГИПОТЕЗА И ТЕОРИЯ статья

  • Центр исследований слуха, кафедра анатомии и нейробиологии & # x2013; кафедра биомедицинской инженерии & # x2013; кафедра когнитивных наук & # x2013; кафедра отоларингологии & # x2013; хирургия головы и шеи, Калифорнийский университет, Ирвин, Ирвин, Калифорния, США.

Психофизические законы количественно связывают величину восприятия с интенсивностью стимула. В то время как большинство людей приняли силовую функцию Стивенса как психофизический закон, немногие верят в оригинальную идею Фехнера, использующую только-заметные различия (jnd) в качестве постоянной единицы восприятия для выявления психофизических законов. Здесь я представляю единую теорию слуха, начиная с общей формы функции громкости Цвислока (1965), чтобы получить общую форму закона Брентано. Я приду к общей форме отношения громкости-jnd, которая объединяет предыдущие теории громкости-jnd. В частности, теории & # x201Cslope, & # x201D & # x201Cproportional-jnd, & # x201D и & # x201Cequal-volume, equal-jnd & # x201D представляют собой три аддитивных члена в новой единой теории. Я также покажу, что единая теория согласуется с эмпирическими данными как об акустическом, так и электрическом слухе. Без каких-либо свободных параметров единая теория использует функции баланса громкости для успешного прогнозирования функции jnd в широком диапазоне слуховых ситуаций. Ситуации включают набор громкости и ее jnd-функции при нейросенсорной тугоухости и одновременное маскирование, повышение громкости и горб на среднем уровне при прямой и обратной маскировке, аномальную громкость и jnd-функции у пациентов с кохлеарным имплантатом. Предсказания этих функций громкости-jnd считались в лучшем случае сомнительными при одновременном маскировании или вообще невозможными при прямом маскировании. Единая теория и ее успешные применения предполагают, что, хотя конкретная форма закона Фехнера нуждается в пересмотре, его первоначальная идея применима в широком диапазоне обсуждаемых здесь слуховых ситуаций.


Абстрактный

Управляющие функции (EF) позволяют мысленно поиграть с идеями, потратить время на обдумывание, прежде чем действовать, встречая новые, непредвиденные проблемы, сопротивляясь искушениям и сохраняя сосредоточенность. Основные EFs - это ингибирование [подавление реакции (самоконтроль— Подробнее

Рисунок 1: Модель пассивного рассеивания, показывающая, как задержка может улучшить производительность при выполнении тормозящих задач (из Simpson et al. 2011).

Рисунок 2: В каждом изучаемом возрасте дети были медленнее и менее точны в конгруэнтном блоке, чем в неконгруэнтном блоке. Этот эффект полностью отсутствует у взрослых, которые действуют так же быстро и точно.

Рисунок 3: Сравнение смешанных условий задач «Точки» (теперь называемые «Сердца и цветы») и задач Саймона в процентах правильных ответов (на основе Дэвидсона и др., 2006 г.).


Самоанализ снова на ногах: новое исследование показывает концептуальный скачок

Д-р Яна Уэр, социальная психология, LSE
[email protected]

Восприятие физических стимулов, таких как свет, - это не то же самое, что восприятие собственных мыслей и чувств. Таким образом, интроспективные открытия психофизических законов восприятия стимулов не могут доказать, что вся психическая жизнь поддается количественной оценке, как давно предполагают психологи.

Психическая жизнь доступна только каждому человеку и никому другому. Таким образом, ключевым методом исследования психики человека является самоанализ. Интроспективные методы нацелены на изучение собственных субъективных взглядов людей на самих себя - таким образом, от первого лица. Экстроспекция, напротив, - это точка зрения, которую другие люди держат за кого-то - таким образом, с точки зрения третьего лица. Но если взглянуть на них с точки зрения философии науки, эти различия стираются, как показало недавнее исследование психолога Яны Уэр.

Среди прочего, первые психологи применяли интроспективные методы для изучения того, как люди воспринимают изменения интенсивности физических стимулов, таких как свет или звук. Они определили психофизические законы, определяющие количественные отношения между интенсивностью конкретных физических стимулов и их субъективным восприятием. Эти открытия считались окончательным доказательством предположения, что все человеческие переживания поддаются количественной оценке, а значит, и отношения людей, их чувства, мысли, мотивы и другие психические события - предположение, которое привело к развитию и широкому использованию количественных методов в психологии, таких как как анкетные весы.

Недавнее исследование, опубликованное в текущем выпуске «Анналов теоретической психологии», проливает новый свет на фундаментальные предположения, лежащие в основе количественных методов психологии. Это исследование, проведенное Яной Уэр, также позволило по-новому взглянуть на психофизические эксперименты, на которых основаны эти предположения.

В статье подчеркивается, что восприятие всегда участвует в любом исследовании. То есть мы можем воспринимать как внешний физический мир, так и наши собственные мысли и чувства - и мы можем делать это одновременно. В любой момент всегда переплетаются различные виды восприятия. Более того, любое восприятие происходит в умах людей, то есть внутренне. Следовательно, невозможно провести четкое различие между интроспекцией и экстроспекцией.

Точно так же концепции методов перспективы от третьего лица и от первого лица предполагают четкое различие между публичным и частным взглядом - объективным и субъективным. Перспективные методы от первого лица обозначают исследования с собственной субъективной точки зрения изучаемого человека, но часто без указания того, что именно исследуется с этой точки зрения, будь то восприятие внешних событий, таких как вспышки света, или восприятие собственных мыслей и эмоций.

Но есть фундаментальное различие: события в физическом мире могут восприниматься многими людьми, таким образом, как от первого, так и от третьего лица, в то время как события в нашей ментальной жизни не могут - они доступны только каждому индивиду, он или сама и никто другой.

Это хорошо иллюстрируют методы перспективной цифровой этнографии от первого лица. Эти методы основаны на мобильных устройствах, таких как миниатюрные камеры, которые носят на уровне глаз или груди, чтобы аудиовизуально запечатлеть субъективную точку зрения человека во время выполнения задачи или некоторых повседневных действий. Следовательно, эти камеры фиксируют внешний вид людей на внешние события, в том числе некоторые из их поведения в области записи. Но они не могут уловить внутреннюю перспективу людей с точки зрения мыслей, эмоций и мотиваций, которые могут возникнуть у них во время этих действий. Эти умственные действия доступны только самим людям.

Предыдущие методологические концепции не проводят этого важного различия, потому что они различают интроспекцию от экстроспекции и от первого лица с точки зрения третьего лица в зависимости от изучаемого человека, а не от природы исследуемых восприятий. Таким образом, исследователи могут произвольно рассматривать свои наблюдения за некоторыми людьми либо как от третьего лица, либо как от первого лица, в зависимости от того, сосредоточено ли внимание на этих людях или на собственных субъективных взглядах исследователей на них.

Чтобы сделать четкие различия, Яна Уэр представила новые методологические концепции интрокопроса и экстрокопроса, которые отличаются друг от друга на основе как конкретных изучаемых событий, так и конкретных людей, которые сообщают о своем восприятии этих событий.

Экстрокестивные - это все методы изучения событий, которые люди могут воспринимать как извне самих себя и, следовательно, могут быть восприняты - или сделаны воспринимаемыми - несколькими людьми. Важно отметить, что это также относится к событиям, которые естественным образом происходят внутри тел людей. Например, внутренние органы можно сделать видимыми для нескольких людей с помощью хирургии или методов визуализации. Когда многие люди могут воспринимать одно и то же событие, это помогает достичь межсубъективного соглашения о том, как классифицировать события, такие как внутренние органы или кости человека.

Напротив, интрокестивные методы - это все процедуры для изучения событий, которые могут быть восприняты только изнутри самого человека, а не несколькими людьми при всех возможных условиях. Это относится только к событиям нашей душевной жизни. Независимо от того, какие изощренные методы используются: психические явления доступны только интрокивно. Ни один нейрохирург и никакие методы визуализации не смогут сделать заметными мысли и чувства человека. Эти методы позволяют фиксировать только физические события в мозгу и физиологии мозга людей, которые сопровождают их умственную деятельность, но не умственные события сами по себе.

Новые концепции интрокопроса и экстракции проливают новый свет на интерпретацию психофизических экспериментов и сделанные из них выводы. Они подчеркивают, что психофизики исследовали, как люди субъективно воспринимают физические события, внешние по отношению к их телу, такие как вспышки света, которые, следовательно, могут восприниматься и другими. Таким образом, психофизические эксперименты явно опираются на методы экстроквестирования. Фактически, только потому, что сами исследователи также могут воспринимать изучаемые физические события, психофизики смогли варьировать и количественно измерять эти стимулы в экспериментальных целях.

Физические события можно исследовать с помощью физических методов и, следовательно, их можно объективно количественно оценить. Это позволяет проводить количественные сравнения с субъективным восприятием людей. Но это невозможно для эмпирических событий, потому что они сами по себе не обладают физическими свойствами. Следовательно, нет объективного аналога, с которым можно было бы сравнивать количественные суждения людей об их собственных мыслях, чувствах, отношениях и мотивах, как указано в шкалах вопросника.

Наше восприятие физических событий определяется свойствами этих событий, к которым мы чувственно восприимчивы, такими как легкость. Из повторяющихся закономерностей в нашем восприятии мы делаем выводы о свойствах этих событий. Мы обычно воспринимаем эти воспринимаемые свойства как особенности этих физических событий, а не как естественные особенности нашей собственной психической жизни.Таким образом, выводы о количественных моделях восприятия стимулов являются результатом количественных свойств изучаемых физических событий, а не ментальных событий, участвующих в их восприятии.

Следовательно, количественные результаты психофизических экспериментов не могут предоставить никаких доказательств того, что все события психической жизни поддаются количественной оценке, как это принято считать. Это ошибочное обобщение заложило основу для широкомасштабного применения количественных методов для исследования психических событий всех видов, а не только тех, которые доступны с помощью экстравопроса.

Дальнейшие проблемы возникают при психологических исследованиях, потому что психические события воспринимаются только каждым человеком в отдельности. Эта незаметность для других влечет за собой серьезные проблемы, поскольку сами исследователи не могут воспринимать изучаемые события. Более того, нельзя проводить прямые сравнения мысленных событий между людьми или с физическими событиями. Это фундаментально отличается от исследований восприятия стимулов и способствует возникновению многих споров о том, как классифицировать психические явления.

Новые взгляды, представленные концепциями интрокопроса и экстрокестирования, обостряют методологические основы, необходимые для исследования работы психики. Они подчеркивают, что не все исследования с субъективной точки зрения людей позволяют исследовать их ментальную жизнь и что не всегда можно проводить количественные сравнения суждений людей с их опытом.

Ухер, Дж. (2016). Изучение работы психики: метатеоретические и методологические основы. Анналы теоретической психологии, 13, 299-324. [Загрузить] http://dx.doi.org/10.1007/978-3-319-21094-0_18

Об авторе:

Яна Уэр - старший научный сотрудник Департамента социальной психологии Лондонской школы экономики. Ее исследования являются трансдисциплинарными и сосредоточены на вопросах философии науки о психологических и поведенческих исследованиях людей и социальных отношений.


Какие психофизические исследования опубликовали свои данные? - Психология

Все статьи, опубликованные MDPI, немедленно становятся доступными по всему миру по лицензии открытого доступа. Не требуется специального разрешения для повторного использования всей или части статьи, опубликованной MDPI, включая рисунки и таблицы. Для статей, опубликованных под лицензией Creative Common CC BY с открытым доступом, любая часть статьи может быть повторно использована без разрешения при условии четкого цитирования исходной статьи.

Тематические статьи представляют собой самые передовые исследования со значительным потенциалом воздействия в данной области. Тематические статьи представляются по индивидуальному приглашению или рекомендации научных редакторов и проходят рецензирование перед публикацией.

Тематический доклад может быть либо оригинальной исследовательской статьей, либо существенным новым исследованием, которое часто включает несколько методов или подходов, либо всеобъемлющим обзорным документом с краткими и точными обновлениями последних достижений в этой области, в котором систематически рассматриваются самые захватывающие достижения в области науки. литература. Этот тип статьи дает представление о будущих направлениях исследований или возможных приложениях.

Статьи Editor’s Choice основаны на рекомендациях научных редакторов журналов MDPI со всего мира. Редакторы выбирают небольшое количество недавно опубликованных в журнале статей, которые, по их мнению, будут особенно интересны для авторов или важны в этой области. Цель состоит в том, чтобы сделать снимок некоторых из наиболее интересных работ, опубликованных в различных исследовательских областях журнала.


Тематические области ASJC Scopus

  • APA
  • Стандарт
  • Гарвард
  • Ванкувер
  • Автор
  • BIBTEX
  • РИС

Springer New York, 2012. 367 с.

Результат исследования: Книга / Отчет ›Книга

T1 - Моделирование психофизических данных в R

N2 - Многие из обычно используемых методов моделирования и подбора психофизических данных являются частными случаями статистических процедур большой мощности и универсальности, в частности, Обобщенной линейной модели (GLM). В этой книге показано, как сопоставить данные из различных психофизических парадигм с использованием современных статистических методов и статистического языка R. Парадигмы включают теорию обнаружения сигналов, подгонку психометрических функций, классификационные изображения и многое другое. В двух главах рассматриваются недавно разработанные методы масштабирования внешнего вида, масштабирования разности максимального правдоподобия и совместного измерения максимального правдоподобия. Авторы также рассматривают применение моделей смешанных эффектов к психофизическим данным. R - это язык программирования с открытым исходным кодом, который широко используется статистиками, и его применение к данным во всех областях стремительно растет. Он интерактивен и содержит множество мощных средств для оптимизации, оценки модели, выбора модели и графического отображения данных. Читатель, который подбирает данные в R, может легко использовать эти методы. Исследователь, который использует R для подбора и моделирования своих данных, имеет доступ к самым недавно разработанным статистическим методам. Эта книга не предполагает, что читатель знаком с R, и небольшой опыт работы с любым языком программирования - это все, что нужно, чтобы оценить эту книгу. В тексте есть большое количество примеров R, и исходный код для всех примеров доступен в пакете R MPDiR, доступном через R.

AB - Многие из обычно используемых методов моделирования и подбора психофизических данных являются частными случаями статистических процедур большой мощности и универсальности, в частности, Обобщенной линейной модели (GLM). В этой книге показано, как сопоставить данные из различных психофизических парадигм с использованием современных статистических методов и статистического языка R. Парадигмы включают теорию обнаружения сигналов, подгонку психометрических функций, классификационные изображения и многое другое. В двух главах рассматриваются недавно разработанные методы масштабирования внешнего вида, масштабирования разности максимального правдоподобия и совместного измерения максимального правдоподобия. Авторы также рассматривают применение моделей смешанных эффектов к психофизическим данным. R - это язык программирования с открытым исходным кодом, который широко используется статистиками, и его применение к данным во всех областях стремительно растет. Он интерактивен и содержит множество мощных средств для оптимизации, оценки модели, выбора модели и графического отображения данных. Читатель, который подбирает данные в R, может легко использовать эти методы. Исследователь, который использует R для подбора и моделирования своих данных, имеет доступ к самым недавно разработанным статистическим методам. Эта книга не предполагает, что читатель знаком с R, и небольшой опыт работы с любым языком программирования - это все, что нужно, чтобы оценить эту книгу. В тексте есть большое количество примеров R, и исходный код для всех примеров доступен в пакете R MPDiR, доступном через R.


Фон

Хотя интервальные спринтерские тренировки (SIT) эффективны по времени и могут принести значительную пользу для здоровья недостаточно активным взрослым, одним из основных недостатков является то, что людям это может показаться неприятным. Следовательно, исследователи начали исследовать использование музыки для увеличения удовольствия людей во время SIT. В настоящее время мало что известно о применении музыки к протоколам SIT, разработанным для недостаточно активных людей.

Цель

Изучить психологические (аффективная валентность, возбуждение, удовольствие), психофизические (воспринимаемое напряжение) и физиологические (частота сердечных сокращений [ЧСС], выходная мощность) эффекты выбранной исследователем мотивационной музыки во время протокола SIT с низким объемом, выполняемого недостаточно активными взрослыми. .

Методы

Используя рандомизированный, полностью уравновешенный дизайн, 24 недостаточно активных взрослых (12 женщин, 12 мужчин 24,08 ± 4,61 года) без опыта в SIT завершили три испытания SIT (3 спринта по 20 с с двухминутным периодом восстановления). в разных условиях: мотивационная музыка, управление подкастами, управление без звука.

Полученные результаты

После тренировки удовольствие было больше в состоянии музыки (M = 89,58 ± 17,33) по сравнению с подкастом (M = 83.92 ± 19.49 п = .04, ηп 2 = 0,18) и без звука (M = 85.28 ± 17.92 п = .04, ηп 2 = 0,17) контролирует. В ходе испытания SIT показатели ЧСС были выше в условиях музыки по сравнению с подкастом (п = .02, ηп 2 = 0,23) и без звука (п = 0,03, ηп 2 = 0,21), а пиковая выходная мощность была выше в условиях музыки по сравнению с подкастом (п = .02, ηп 2 = 0,23) и без звука (п = 0,01, ηп 2 = 0,25) контролей. Аффективные ответы в ходе испытания SIT были более положительными в условиях музыки по сравнению с контролем без звука (п = 0,03, ηп 2 = 0,18) и, как правило, были более позитивными в условиях музыки по сравнению с контролем подкаста (п = .11, ηп 2 = 0,11). Более того, после тренировки во всех условиях наблюдался возврат к более положительному эффекту.

Выводы

Использование музыки во время SIT может усилить чувство удовольствия, улучшить удовольствие и повысить эффективность SIT у недостаточно активных взрослых, что в конечном итоге может привести к лучшему соблюдению этого типа упражнений.


Психофизические законы

Мы проанализировали динамику модели решения уравнения. (1) при параметризации (2) путем введения случайных флуктуаций, вызванных конечным размером системы (я.е. система состоит из конечного числа пчел S). Модель уравнения. Уравнение (1) можно описать в форме основного уравнения, как это сделано в 20,26, что позволяет анализировать динамику системы конечных размеров. Мы аппроксимировали решение основного уравнения через алгоритм стохастического моделирования (SSA) 27.

Закон Вебера

Закон Вебера 1,2 гласит, что минимальная разница между двумя стимулами Δv (также известный как просто заметная разница), которую организм может правильно различать, является постоянной дробью ш силы базового стимула:

в нашем анализе ( bar) представляет собой среднюю силу стимула (я.е., среднее качество гнездового участка).

На рисунке 1 показано сравнение результатов SSA и ранее предложенного бифуркационного анализа 17,18, который был основан только на фазовом переходе между бистабильным режимом и режимом с одним аттрактором. Аналогично этим предыдущим результатам мы находим линейную зависимость между средним качеством ( bar) и просто заметная разница (Δv), но с другим наклоном. На самом деле две линии представляют собой две разные меры. Фазовый переход (пунктирные линии) показывает изменение режима в системе среднего поля, переход от фазы с двумя аттракторами (представляющих возможные решения для любого варианта) к фазе с одним аттрактором в пользу только более высокого варианта. Эта смена режима намекала на возможность согласия с законом Вебера 17,18, что, однако, еще не было продемонстрировано. Напротив, в этом исследовании с помощью моделирования SSA мы точно определяем фактические результаты решения (я.е. когда одно преданное население превышает кворум Q) и вычислить дробь Вебера ш соответственно (показаны сплошными линиями на рис. 1; подробные сведения о результатах SSA см. в разделе 5). Рисунок 1 показывает, что модель может правильно различать варианты в режиме бистабильности. В этом режиме наличие аттрактора для каждого варианта дает возможность сходиться к худшему варианту из-за случайных колебаний, хотя, когда разница в качестве достаточно велика ( (< rm < Delta >> v ge w bar)), рой может выбрать вариант с наивысшим значением.

На рисунке 1 также показано, как различимость сигналов изменяется в зависимости от отношения сигналов. р то есть фракция Вебера ш растет с р. Повышение уровня передачи сигналов снижает способность организма различать похожие стимулы. Адаптивное давление для поддержания низкого уровня сигнализации должно быть уравновешено давлением для увеличения сигнализации, чтобы ускорить процесс принятия решений (раздел 3.2) и устранить тупиковые ситуации принятия решений (см. 18).

Как обсуждалось Терстоном 28 и Стивенсом 3, изменчивость криминального контекста играет ключевую роль в определении только заметной разницы. Вариабельность в правильном различении двух стимулов прямо пропорциональна величине случайных колебаний в процессе различения. В рассматриваемой модели пчелы величина случайных колебаний определяется количеством пчел (я.е. размер системы S): чем меньше размер системы, тем больше колебания. На рисунке 2 показано влияние случайных флуктуаций (варьируя S) от различимости стимулов. В соответствии с 3,28, более высокая изменчивость (я.е. более высокие колебания) приводит к меньшей различимости (я.е. выше просто заметная разница). Этот результат вносит свой вклад в аргумент в пользу эволюционных преимуществ групповой жизни, благодаря которым коллективные решения более надежны, чем индивидуальные 29,30. Хотя стоит отметить, что в разных системах точность не всегда достигается за счет принятия больших групповых решений 31,32.

Просто заметная разница Δv увеличивается с величиной случайных колебаний. (слева) доля Вебера увеличивается с уменьшением размера системы S (я.е., для увеличения случайных колебаний), см. дополнительную таблицу S1. (справа) Просто заметная разница в зависимости от S для базового качества ( bar). Точки данных обозначены красной кривой (z + в качествеб ), с участием а ≈ 12.13, б ≈ 0.626, z ≈ 0,013, а качество подгонки р 2 & gt 0,999 (см. Раздел 5.4). На вставке показаны примеры изменения обязательств для v1 = 10, v2 = 11 и разное количество пчел S самые большие колебания отображаются для S = 10. Графики показывают результаты для коэффициента передачи сигналов. р = 3.

Закон Хика-Хаймана

Закон Хика-Хаймана 5,6 гласит, что время реакции (RT) на стимул линейно увеличивается с количеством информации. я что нужно обработать:

куда s время, затрачиваемое организмом на обработку одного бита информации, а информация я является функцией количества альтернатив п вовлечены в процесс дискриминации.

Варьируя задачу и ее необходимые вычислительные ресурсы, варьируется количество обрабатываемой информации для каждой альтернативы, начиная от постоянной функции (я.е. независимо от п) 33, до логарифмической 5,6, до линейной 34, до экспоненциальной 35,36.

Исследуемая задача - ценностно-чувствительное лучшее изп принятие решений - когнитивно дорого, поскольку требует оценки п альтернативы и выбор альтернативы наилучшего качества, если она выше порога приемлемости 18,37. Неврологические модели, применяемые к лучшим решениям, предсказывают нелинейное увеличение времени реакции с числом альтернатив 38. Учитывая сходство между неврологической и коллективной моделями принятия решений 39, мы ожидаем качественного согласия с результатами по одной и той же задаче с множественным выбором. Действительно, Рис. 3 (левая панель) показывает экспоненциальный рост RT с количеством вариантов. п что хорошо аппроксимируется кривой

(подробности см. в разделе 5.2). Нелинейное увеличение RT может быть связано с нелинейностями процесса, которые характерны для децентрализованных систем 40. Это экспоненциальное увеличение RT может быть компенсировано увеличением коэффициента передачи сигналов. р который дает степенной ответ (см. рис. 3, правая панель). Компромисс между низким р для различимости (рис. 1) и высокой р для скорости напоминает хорошо известный компромисс между скоростью и точностью и может быть оптимизирован за счет увеличения р с течением времени (как предложено в 18). На вставке к рис. 3 (справа) показано, что RT увеличивается с увеличением сложности задачи, однако в естественных условиях вряд ли можно найти большое количество вариантов с одинаковым качественным значением (я.е. κ ≈ 1). Кроме того, во время принятия решения пчелиная семья может принимать во внимание ограниченное количество вариантов, подобно рабочей памяти в человеческом мозге 41.

(Левая панель) Среднее время достижения кворума Q = 0,8 для лучшего варианта в зависимости от количества вариантов п. Линии разного цвета соответствуют разной сложности решения. κ (см. раздел 5.2). Данные SSA (точки) соответствуют кривым уравнения. (5) (светлые пунктирные линии), с кривыми уравнения. (7) (сплошные линии), а с кривыми уравнения. (7) используя ж μ(κ) (жирные пунктирные линии) (см. дополнительную таблицу S2). (Правая панель) Среднее RT уменьшается по степенному закону с коэффициентом передачи сигналов. р. Данные SSA (точки) аппроксимируются кривой (< rm>=_<2>^<-_ <1>> ). На вставке показан степенной рост ( (< rm>=_<1>+_ <2> < каппа> ^ <_ <3>> )) RT в зависимости от сложности задачи κ. Вертикальные полосы показывают отклонение.

Закон Пьерона

Закон Пирона 7 гласит, что среднее RT уменьшается по степенному закону с увеличением интенсивности стимула. v:

куда а а также б являются константами. (В первоначальной формулировке закона Пирона уравнение включает в себя дополнительный постоянный член z в качестве: среднийб + z, который мы удалили (z = 0).) Изначально было доказано, что закон применим к задачам восприятия в различных сенсорных областях (таких как давление, температура, вкус соли / сахара / горького / кислоты, громкость, яркость) 7,8. Позже исследования показали, что задачи на реакцию бинарного выбора также подчиняются закону Пирона 42,43,44,45. Рисунок 4 показывает, что рассматриваемая модель ценностных решений в суперорганизме также подчиняется закону Пьерона.

Среднее время ожидания (и дисперсия) для решений между п ∈ <2, 3, 4> варианты одинакового качества в зависимости от качества вариантов v ∈ [5, 15] при варьировании значений сигнального отношения р ∈ <2, 5, 10>. Данные SSA (точки) соответствуют степенным кривым уравнения. (6) (пунктирные линии) и кривыми уравнения. (7) (пунктирные линии). См. Дополнительные таблицы S3 и S4 для получения подробной информации о значениях подгонки и относительном качестве.

Мы протестировали выход из тупика принятия решений в решениях равного качества, чтобы исключить любой возможный эффект перекрытия от различимости стимулов и закона Вебера. Как обсуждалось в предыдущем анализе 43,46, полученное согласие с законом Пирона могло быть естественным артефактом ограничений оптимальности в моделях, чувствительных к стоимости. В рассматриваемой модели (1) чувствительность к стоимости определяется коэффициентами, зависящими от стоимости (уравнение (2)), что позволило в предыдущем анализе аппроксимировать модель пчелы к более простым протекающим конкурирующим накопителям и доказать ее (квази) оптимальность 17 , 39. Стаффорд и Герни 43 показывают, что модели, состоящие из простых «дырявых» интеграторов, которые накапливают данные со скоростью, пропорциональной величине стимула, имеют время реакции, которое всегда соответствует закону Пирона. Точно так же Ван Маанен и другие. 46 показывают, что оптимальные байесовские классификаторы, которые объединяют доказательства со скоростью, пропорциональной входным стимулам, имеют время реакции, соответствующее закону Пьерона. Наши результаты подтверждают (и расширяют) эти гипотезы, идентифицируя реакцию в соответствии с законом Пирона о модели, которая имеет как положительные, так и отрицательные обратные связи (рекрутирование и перекрестное торможение), пропорциональные интенсивности стимулов.

Объединяющий закон RT

Оба закона Хика-Хаймана и Пьерона описывают изменение RT как функцию проблемы принятия решения, однако каждый закон фокусируется на другом аспекте. Здесь мы пытаемся объединить два закона, чтобы определить уникальную общую функцию, которая обобщает уравнения (5) и (6) и определяет динамику RT:

куда α, β, а также μ - константы, а ( bar) - среднее качество п параметры. Параметр μ варьируется в зависимости от сложности решения проблемы, я.е. μ = ж μ(κ). Функция ж μ показывает возрастание степенного закона с увеличением сложности задачи κ в виде (_ < му> ( каппа) =_<1>+_ <2> < каппа> ^ <_ <3>> ), как показано на вставке к рис. 3 (правая панель). Уравнение (7) сводится к формуле. (6) путем наложения а = αe мкн . Приведение к формуле. (5), однако, не так просто, потому что член ( bar) - среднее качество варианта, которое зависит от количества вариантов. п, за исключением особого случая κ = 1. Однако результаты подгонки, представленные в дополнительной таблице S2, показывают хорошее соответствие между параметрами.


Предпосылки и обоснование ограниченного масштабирования

Несколько авторов описали трудности, связанные с достижением количественной конвергенции при психофизическом масштабировании (например, Marks, 1974b Ward, 1991 Laming, 1997). Представьте, если бы заряд электрона имел диапазон значений, который зависел от того, кто проводил эксперимент по измерению, или если бы газовая постоянная или скорость света не были & # x201Cconstant & # x201D, а зависели от того, какой исследователь писал о них. Эта проблема действительно возникла в начале истории физики, например, при измерении температуры (например, Миддлтон, 1966), но она была решена путем принятия согласованных стандартных шкал для измерения основных физических переменных (например, , Эллис, 1966). К сожалению, эта проблема продолжает преследовать психофизическое масштабирование, которое, возможно, является одним из самых успешных методов измерения ощущений и других сознательных переживаний (например, Marks, 1974a). Наиболее ярко это проявляется в нежелательной изменчивости показателей психофизических силовых функций, измеренных в разных лабораториях и даже в разных экспериментах в одной и той же лаборатории. Хотя Стивенс (1975) утверждал, что значения канонической экспоненты должны быть приняты для всех сенсорных континуумов, не было случая, чтобы предлагаемые им значения могли быть достигнуты каждым исследователем, несмотря на попытки использовать одни и те же методы и стимулы. Яркой демонстрацией является отчет Marks (1974b) о средних показателях функции мощности в диапазоне от 0,37 до 0,80 для громкости чистых тонов 1000 Гц, измеренных в различных лабораториях с помощью методов прямого пропорционального масштабирования. Таким образом, если теория, основанная на психологических, физиологических и физических соображениях, предсказывала, что показатель для громкости тона 1000 Гц должен быть 0,6 (например, Zwicker, 1982), эта теория будет опровергнута большинством экспериментов по масштабированию, о которых сообщалось На сегодняшний день, хотя средний показатель по всем таким экспериментам действительно составляет около 0,6 (Marks, 1974b).

Поултон (1989) попытался классифицировать и смоделировать все виды смещений, которые влияют на такие суждения и, по-видимому, приводят к неприемлемому уровню изменчивости показателей степенной функции (и других свойств). Другие, например, Laming (1997), предположили, что такая вариация является источником основных проблем интерпретации результатов прямого масштабирования. Третьи, например, Локхед (1992), предположили, что попытка достичь канонических психофизических шкал в корне ошибочна из-за глубоких контекстуальных эффектов, которые влияют на все суждения сенсорной или другой эмпирической величины. Тем не менее, такие шкалы действительно очень полезны как при проектировании зданий, оценке воздействия на окружающую среду и других прикладных контекстах, так и при обосновании фундаментальных теорий (например, Norwich, 1993). Поэтому мы придерживаемся подхода, согласно которому достижение канонических масштабов является стоящей целью. Здесь следует подчеркнуть, что мы нет речь идет об обнаружении значений экспоненты & # x201Ctrue & # x201D для различных психологических континуумов, а скорее о принятии значений канонической экспоненты, которые согласуются с основными психофизическими результатами, которые делают выражение этих результатов в форме эмпирических законов простым и элегантным, и что постоянно воспроизводятся в экспериментах и ​​лабораториях.

Ограниченное масштабирование - это наше решение проблемы достижения канонических масштабов. Как мы упоминали выше, CS включает обучение наблюдателей использованию стандартная шкала на стандартный сенсорный континуум а затем, сохраняя их калиброванными по этой шкале, заставляя их оценивать по той же калиброванной шкале стимулы, отличные от тех, которые используются в тренировке. Чтобы объяснить эту технику дальше, учтите, что все нестандартные стимулы необходимо оценивать. без Обратная связь, потому что величина ощущений, возникающих от этих стимулов, неизвестна. Цель CS состоит в том, чтобы потребовать от участников использовать стандартизированную шкалу отклика для описания величины своих ощущений, чтобы вызвать стандартизированное значение значений шкалы отклика (т. Е. использовать тот же & # x201Cmeter & # x201D), нет заранее решить, что они будут испытывать, или ограничить их, чтобы они давали те же самые показатели нестандартным стимулам, которые они были обучены давать стандартные стимулы. Обучение связывает их опыт в стандартном континууме со стандартной шкалой ответов, так что они используют числа стандартной шкалы ответов в соответствии с этим опытом. Другие нестандартные стимулы оцениваются по отношению к отмеченным обратной связью переживаниям в стандартном континууме. Так, например, реакция & # x201C10 & # x201D на нестандартный стимул означает, что участник испытал величину ощущения, которая (приблизительно) такая же, как и вызванная стандартным стимулом, который они научились называть & # x201C10. Таким образом, согласованность между участниками зависит в первую очередь от степени сходства сенсорных ощущений участников в стандартном континууме. В той мере, в какой эти опыты похожи, и что их опыты в тестовых континуумах также совпадают, они будут давать те же результаты в тестовых континуумах. Если их опыт на непрерывных испытаниях отличается, их результаты будут другими. Эти различия можно интерпретировать как «истинные» экспериментальные различия, если участники остались откалиброванными на стандартном континууме. Если их результаты по стандартному континууму различаются, как, например, для тех, у кого сенсорный дефицит, тогда все ставки отключены: тренировка не приведет к сближению участников и любые различия в тестовых континуумах будут бессмысленными. West et al. (2000) рассмотрели все эти проблемы и предоставили данные, показывающие, что CS более надежен, чем традиционные методы, а также действителен в том смысле, что он не искажает базовые психофизические отношения, такие как соотношение показателей степенной функции в континууме. Далее мы кратко рассмотрим их результаты в этом отношении.

West et al. (2000) обучили наблюдателей использовать шкалу отклика для громкости чистых тонов 1000 Гц, тесно связанную со шкалой Stevens & # x2019, S = 10.6 п 0.60, в котором sones, S, являются степенной функцией звукового давления (п) с показателем 0,6. West et al. (2000) б / у р = 16.6 п 0.60, где р - требуемый ответ, и ответы могут варьироваться от 0 до 100. West et al. (2000) использовали эту слегка измененную шкалу, потому что на ней отклик на стимул 100 дБ составляет около 100, что дает более широкий диапазон отклика, чем доступен для звуковых сигналов (40 дБ - это 1 сон, а 100 дБ - 63,9 сона). Конверсия ответов на West et al. (2000) шкала в сонах S = 0.638 р. Затем они попросили наблюдателей оценить тоны 65 Гц. без обратной связи в том же масштабе, что и описанный ранее, воспроизводя обычный вывод о том, что показатели степенной функции существенно больше для низких частот, чем для 1000 Гц, и делая это для каждый индивидуальный наблюдатель и с крайне малой вариабельностью между наблюдателями в отношениях между показателями. Интересно, что точное количественное соотношение между экспонентами на различных звуковых частотах все еще остается неопределенным, отчасти из-за проблемы, которую решает эта статья, - межлабораторной изменчивости. West et al. (2000) & # x2019s результат отношения примерно 0,7 между показателем степени для 1000 Гц и показателем для 65 Гц близко соответствует значению 0,64, сообщенному Ward (1990) и Schneider et al. (1972) для аналогичных частот (1100 и 100 Гц, отношение = 0,69), хотя это несколько отличается от уравнения, предложенного Марксом (1974a) на основе результатов нескольких других лабораторий (около 0,52). West et al. (2000) также обнаружили аналогичное соотношение между показателями 1000 и 65 Гц, когда они обучили участников по стандартной шкале, в которой показатель 1000 Гц был 0,30 (отношение = 0,69), но не тогда, когда они обучили участников по стандартной шкале с показателем степени 0,90 (коэффициент = 0,92). В последнем случае участники также не очень точно воспроизводили показатель обучения для тонов с частотой 1000 Гц (0,75 по сравнению с показателем обучения 0,90), и хотя они показали более высокий показатель для тонов с частотой 65 Гц (0,82), было ясно, что потолок был достигнут. . West et al. (2000) наблюдатели также оценивали яркость света по той же стандартной шкале, в этом случае воспроизводя стандартное открытие Стивенса для показателя яркости, очень близкого к 0,3, и рекомендованного показателя степени для громкости, & # x00BD, и делая это для каждый их восьми участников по отдельности. Эти результаты противоречат возможной критике, что обучение участников использованию стандартизированной шкалы ответов может исказить общепринятые психофизические данные. По крайней мере, для континуумов, протестированных West et al. (2000), что касается экспериментов Marks et al. (1995), которые обнаружили аналогичное сохранение бинауральной аддитивности с использованием обученных участников, это было не так.

В другом исследовании Уэст и Уорд (West and Ward, 1998 West, 1996) предлагали участникам масштабировать свое счастье, выигрывая различные суммы денег (от 50 до 1 000 000 долларов) в лотерею, используя ту же стандартную шкалу, по которой они были обучены. Интересно, что, хотя они оставались откалиброванными до стандартного показателя громкости тонов 1000 Гц (среднее значение = 0,57, диапазон 0,48 & # x20130,61), участники & # x2019 показатели счастья, вызванного деньгами, широко варьировались от среднего значения 0,24 (диапазон 0,06 & #). х20130,39). Эти показатели представляют собой крайние индивидуальные различия, например, для удвоения счастья участника с показателем 0,06 потребуется в 100000 раз больше денег, тогда как для удвоения счастья человека с показателем 0,39 потребуется только примерно в шесть раз больше денег. Этот результат демонстрирует, что CS не подавляет индивидуальные различия для континуумов, где такие различия ожидаются, и в то же время ограничивает участников использовать общую шкалу для выражения этих различий.

West et al. (2000) также предположили, что CS можно использовать для точного количественного воспроизведения результатов экспериментов в разных лабораториях. Простая модель (например, Curtis et al., 1968 Marks, 1991 West et al., 2000) может использоваться, чтобы понять, почему это правдоподобно, но не гарантируется West et al. (2000) приводит к снижению межличностной изменчивости. Психофизическая функция обычно записывается как R = f (S) = aS m , куда р средний ответ на величину стимула S, а функция ж степенная функция с единицей а и экспонента м. Однако в модели отношения, ж, между р а также S раскладывается на две функции, f = C (P), P для перцептивного преобразования стимула, и C для когнитивной трансформации восприятия, таким образом R = C [P (S)]. Возможно, целью психофизического масштабирования (например, Stevens, 1975) является обнаружение функции п, психофизическая функция, которая представляет взаимосвязь между величиной стимула и величиной ощущения. Но подгонка простой степенной функции к величине реакции и стимула затрудняет понимание п а также C преобразует подобранную степенную функцию, отражает п только если C - тождественная функция, а ее показатель является искомым, только если C линейно. В этой модели C когнитивно проницаема (Fodor, 1983), тогда как п не является п отражает сенсорную и перцептивную обработку, происходящую относительно рано и автоматически в сенсорной системе. Функция C, с другой стороны, представляет, как участник предпочитает сообщать о величине своих ощущений, и на него влияют как внутренние факторы, такие как понимание инструкций эксперимента, предыдущий опыт работы с отчетной переменной (переменными), предыдущий опыт работы с континуум, который необходимо оценить, опыт с предыдущими стимулами и реакциями, проблемы распознавания, вызванные сенсорным шумом и шумом памяти (одно возможное влияние диапазона стимула, см. Ward et al., 1996 и ссылки в нем), различные предубеждения в ответах (например, Poulton, 1989) , и желание (или отсутствие такового) участника доставить удовольствие экспериментатору, а также внешние факторы, такие как фактические данные инструкции (включая, в частности, континуум реакции, выбранный экспериментатором, и способ, которым он должен использоваться для отчета) , способ, которым даются эти инструкции (включая невербальные подсказки), отзывы о целесообразности выступления участника (см. мультфильм в Frontispie ce of Poulton, 1989, изображающий SS Stevens, дающего обратную связь участнику), и экспериментальный контекст, включая оборудование, общую среду (звукоизолированная камера или лаборатория, внешний шум и т. д.), а также социальные факторы, такие как пол, авторитет и т. д. экспериментатора.

Внутренние факторы, влияющие на C очевидно, будет способствовать изменчивости результатов масштабирования между и внутри участников, и West et al. (2000) показали, что CS в значительной степени контролировал влияние этих внутренних факторов. West et al. (2000), однако, не рассматривал степень, в которой CS контролировал какие-либо внешние факторы, поскольку это происходило только в одной лаборатории и проводилось небольшой группой экспериментаторов из этой лаборатории. Внешние факторы, влияющие на C несомненно, ответственны за большую часть упомянутой ранее межлабораторной и межэкспериментальной изменчивости. Вместо того, чтобы пытаться моделировать или уравновешивать все перечисленные выше разнообразные факторы, как внутренние, так и внешние, CS представляет стандартный контекст, набор инструкций, обучение и опыт, которые должны контролировать как внешние факторы, так и внутренние факторы. C как можно более одинаковое во времени, для отдельных лиц, экспериментов и лабораторий, и, следовательно, обеспечивает более точную воспроизводимость результатов масштабирования между лабораториями и экспериментами. Эта статья представляет собой первую попытку продемонстрировать эффективность CS в управлении внешними факторами, влияющими на C.


ГИПОТЕЗА И ТЕОРИЯ статья

  • Центр исследований слуха, кафедра анатомии и нейробиологии & # x2013; кафедра биомедицинской инженерии & # x2013; кафедра когнитивных наук & # x2013; кафедра отоларингологии & # x2013; хирургия головы и шеи, Калифорнийский университет, Ирвин, Ирвин, Калифорния, США.

Психофизические законы количественно связывают величину восприятия с интенсивностью стимула. В то время как большинство людей приняли силовую функцию Стивенса как психофизический закон, немногие верят в оригинальную идею Фехнера, использующую только-заметные различия (jnd) в качестве постоянной единицы восприятия для выявления психофизических законов. Здесь я представляю единую теорию слуха, начиная с общей формы функции громкости Цвислока (1965), чтобы получить общую форму закона Брентано. Я приду к общей форме отношения громкости-jnd, которая объединяет предыдущие теории громкости-jnd. В частности, теории & # x201Cslope, & # x201D & # x201Cproportional-jnd, & # x201D и & # x201Cequal-volume, equal-jnd & # x201D представляют собой три аддитивных члена в новой единой теории. Я также покажу, что единая теория согласуется с эмпирическими данными как об акустическом, так и электрическом слухе. Без каких-либо свободных параметров единая теория использует функции баланса громкости для успешного прогнозирования функции jnd в широком диапазоне слуховых ситуаций. Ситуации включают набор громкости и ее jnd-функции при нейросенсорной тугоухости и одновременное маскирование, повышение громкости и горб на среднем уровне при прямой и обратной маскировке, аномальную громкость и jnd-функции у пациентов с кохлеарным имплантатом. Предсказания этих функций громкости-jnd считались в лучшем случае сомнительными при одновременном маскировании или вообще невозможными при прямом маскировании. Единая теория и ее успешные применения предполагают, что, хотя конкретная форма закона Фехнера нуждается в пересмотре, его первоначальная идея применима в широком диапазоне обсуждаемых здесь слуховых ситуаций.


Абстрактный

Управляющие функции (EF) позволяют мысленно поиграть с идеями, потратить время на обдумывание, прежде чем действовать, встречая новые, непредвиденные проблемы, сопротивляясь искушениям и сохраняя сосредоточенность. Основные EFs - это ингибирование [подавление реакции (самоконтроль— Подробнее

Рисунок 1: Модель пассивного рассеивания, показывающая, как задержка может улучшить производительность при выполнении тормозящих задач (из Simpson et al. 2011).

Рисунок 2: В каждом изучаемом возрасте дети были медленнее и менее точны в конгруэнтном блоке, чем в неконгруэнтном блоке. Этот эффект полностью отсутствует у взрослых, которые действуют так же быстро и точно.

Рисунок 3: Сравнение смешанных условий задач «Точки» (теперь называемые «Сердца и цветы») и задач Саймона в процентах правильных ответов (на основе Дэвидсона и др., 2006 г.).


Какие психофизические исследования опубликовали свои данные? - Психология

Все статьи, опубликованные MDPI, немедленно становятся доступными по всему миру по лицензии открытого доступа. Не требуется специального разрешения для повторного использования всей или части статьи, опубликованной MDPI, включая рисунки и таблицы. Для статей, опубликованных под лицензией Creative Common CC BY с открытым доступом, любая часть статьи может быть повторно использована без разрешения при условии четкого цитирования исходной статьи.

Тематические статьи представляют собой самые передовые исследования со значительным потенциалом воздействия в данной области.Тематические статьи представляются по индивидуальному приглашению или рекомендации научных редакторов и проходят рецензирование перед публикацией.

Тематический доклад может быть либо оригинальной исследовательской статьей, либо существенным новым исследованием, которое часто включает несколько методов или подходов, либо всеобъемлющим обзорным документом с краткими и точными обновлениями последних достижений в этой области, в котором систематически рассматриваются самые захватывающие достижения в области науки. литература. Этот тип статьи дает представление о будущих направлениях исследований или возможных приложениях.

Статьи Editor’s Choice основаны на рекомендациях научных редакторов журналов MDPI со всего мира. Редакторы выбирают небольшое количество недавно опубликованных в журнале статей, которые, по их мнению, будут особенно интересны для авторов или важны в этой области. Цель состоит в том, чтобы сделать снимок некоторых из наиболее интересных работ, опубликованных в различных исследовательских областях журнала.


Фон

Хотя интервальные спринтерские тренировки (SIT) эффективны по времени и могут принести значительную пользу для здоровья недостаточно активным взрослым, одним из основных недостатков является то, что людям это может показаться неприятным. Следовательно, исследователи начали исследовать использование музыки для увеличения удовольствия людей во время SIT. В настоящее время мало что известно о применении музыки к протоколам SIT, разработанным для недостаточно активных людей.

Цель

Изучить психологические (аффективная валентность, возбуждение, удовольствие), психофизические (воспринимаемое напряжение) и физиологические (частота сердечных сокращений [ЧСС], выходная мощность) эффекты выбранной исследователем мотивационной музыки во время протокола SIT с низким объемом, выполняемого недостаточно активными взрослыми. .

Методы

Используя рандомизированный, полностью уравновешенный дизайн, 24 недостаточно активных взрослых (12 женщин, 12 мужчин 24,08 ± 4,61 года) без опыта в SIT завершили три испытания SIT (3 спринта по 20 с с двухминутным периодом восстановления). в разных условиях: мотивационная музыка, управление подкастами, управление без звука.

Полученные результаты

После тренировки удовольствие было больше в состоянии музыки (M = 89,58 ± 17,33) по сравнению с подкастом (M = 83.92 ± 19.49 п = .04, ηп 2 = 0,18) и без звука (M = 85.28 ± 17.92 п = .04, ηп 2 = 0,17) контролирует. В ходе испытания SIT показатели ЧСС были выше в условиях музыки по сравнению с подкастом (п = .02, ηп 2 = 0,23) и без звука (п = 0,03, ηп 2 = 0,21), а пиковая выходная мощность была выше в условиях музыки по сравнению с подкастом (п = .02, ηп 2 = 0,23) и без звука (п = 0,01, ηп 2 = 0,25) контролей. Аффективные ответы в ходе испытания SIT были более положительными в условиях музыки по сравнению с контролем без звука (п = 0,03, ηп 2 = 0,18) и, как правило, были более позитивными в условиях музыки по сравнению с контролем подкаста (п = .11, ηп 2 = 0,11). Более того, после тренировки во всех условиях наблюдался возврат к более положительному эффекту.

Выводы

Использование музыки во время SIT может усилить чувство удовольствия, улучшить удовольствие и повысить эффективность SIT у недостаточно активных взрослых, что в конечном итоге может привести к лучшему соблюдению этого типа упражнений.


Самоанализ снова на ногах: новое исследование показывает концептуальный скачок

Д-р Яна Уэр, социальная психология, LSE
[email protected]

Восприятие физических стимулов, таких как свет, - это не то же самое, что восприятие собственных мыслей и чувств. Таким образом, интроспективные открытия психофизических законов восприятия стимулов не могут доказать, что вся психическая жизнь поддается количественной оценке, как давно предполагают психологи.

Психическая жизнь доступна только каждому человеку и никому другому. Таким образом, ключевым методом исследования психики человека является самоанализ. Интроспективные методы нацелены на изучение собственных субъективных взглядов людей на самих себя - таким образом, от первого лица. Экстроспекция, напротив, - это точка зрения, которую другие люди держат за кого-то - таким образом, с точки зрения третьего лица. Но если взглянуть на них с точки зрения философии науки, эти различия стираются, как показало недавнее исследование психолога Яны Уэр.

Среди прочего, первые психологи применяли интроспективные методы для изучения того, как люди воспринимают изменения интенсивности физических стимулов, таких как свет или звук. Они определили психофизические законы, определяющие количественные отношения между интенсивностью конкретных физических стимулов и их субъективным восприятием. Эти открытия считались окончательным доказательством предположения, что все человеческие переживания поддаются количественной оценке, а значит, и отношения людей, их чувства, мысли, мотивы и другие психические события - предположение, которое привело к развитию и широкому использованию количественных методов в психологии, таких как как анкетные весы.

Недавнее исследование, опубликованное в текущем выпуске «Анналов теоретической психологии», проливает новый свет на фундаментальные предположения, лежащие в основе количественных методов психологии. Это исследование, проведенное Яной Уэр, также позволило по-новому взглянуть на психофизические эксперименты, на которых основаны эти предположения.

В статье подчеркивается, что восприятие всегда участвует в любом исследовании. То есть мы можем воспринимать как внешний физический мир, так и наши собственные мысли и чувства - и мы можем делать это одновременно. В любой момент всегда переплетаются различные виды восприятия. Более того, любое восприятие происходит в умах людей, то есть внутренне. Следовательно, невозможно провести четкое различие между интроспекцией и экстроспекцией.

Точно так же концепции методов перспективы от третьего лица и от первого лица предполагают четкое различие между публичным и частным взглядом - объективным и субъективным. Перспективные методы от первого лица обозначают исследования с собственной субъективной точки зрения изучаемого человека, но часто без указания того, что именно исследуется с этой точки зрения, будь то восприятие внешних событий, таких как вспышки света, или восприятие собственных мыслей и эмоций.

Но есть фундаментальное различие: события в физическом мире могут восприниматься многими людьми, таким образом, как от первого, так и от третьего лица, в то время как события в нашей ментальной жизни не могут - они доступны только каждому индивиду, он или сама и никто другой.

Это хорошо иллюстрируют методы перспективной цифровой этнографии от первого лица. Эти методы основаны на мобильных устройствах, таких как миниатюрные камеры, которые носят на уровне глаз или груди, чтобы аудиовизуально запечатлеть субъективную точку зрения человека во время выполнения задачи или некоторых повседневных действий. Следовательно, эти камеры фиксируют внешний вид людей на внешние события, в том числе некоторые из их поведения в области записи. Но они не могут уловить внутреннюю перспективу людей с точки зрения мыслей, эмоций и мотиваций, которые могут возникнуть у них во время этих действий. Эти умственные действия доступны только самим людям.

Предыдущие методологические концепции не проводят этого важного различия, потому что они различают интроспекцию от экстроспекции и от первого лица с точки зрения третьего лица в зависимости от изучаемого человека, а не от природы исследуемых восприятий. Таким образом, исследователи могут произвольно рассматривать свои наблюдения за некоторыми людьми либо как от третьего лица, либо как от первого лица, в зависимости от того, сосредоточено ли внимание на этих людях или на собственных субъективных взглядах исследователей на них.

Чтобы сделать четкие различия, Яна Уэр представила новые методологические концепции интрокопроса и экстрокопроса, которые отличаются друг от друга на основе как конкретных изучаемых событий, так и конкретных людей, которые сообщают о своем восприятии этих событий.

Экстрокестивные - это все методы изучения событий, которые люди могут воспринимать как извне самих себя и, следовательно, могут быть восприняты - или сделаны воспринимаемыми - несколькими людьми. Важно отметить, что это также относится к событиям, которые естественным образом происходят внутри тел людей. Например, внутренние органы можно сделать видимыми для нескольких людей с помощью хирургии или методов визуализации. Когда многие люди могут воспринимать одно и то же событие, это помогает достичь межсубъективного соглашения о том, как классифицировать события, такие как внутренние органы или кости человека.

Напротив, интрокестивные методы - это все процедуры для изучения событий, которые могут быть восприняты только изнутри самого человека, а не несколькими людьми при всех возможных условиях. Это относится только к событиям нашей душевной жизни. Независимо от того, какие изощренные методы используются: психические явления доступны только интрокивно. Ни один нейрохирург и никакие методы визуализации не смогут сделать заметными мысли и чувства человека. Эти методы позволяют фиксировать только физические события в мозгу и физиологии мозга людей, которые сопровождают их умственную деятельность, но не умственные события сами по себе.

Новые концепции интрокопроса и экстракции проливают новый свет на интерпретацию психофизических экспериментов и сделанные из них выводы. Они подчеркивают, что психофизики исследовали, как люди субъективно воспринимают физические события, внешние по отношению к их телу, такие как вспышки света, которые, следовательно, могут восприниматься и другими. Таким образом, психофизические эксперименты явно опираются на методы экстроквестирования. Фактически, только потому, что сами исследователи также могут воспринимать изучаемые физические события, психофизики смогли варьировать и количественно измерять эти стимулы в экспериментальных целях.

Физические события можно исследовать с помощью физических методов и, следовательно, их можно объективно количественно оценить. Это позволяет проводить количественные сравнения с субъективным восприятием людей. Но это невозможно для эмпирических событий, потому что они сами по себе не обладают физическими свойствами. Следовательно, нет объективного аналога, с которым можно было бы сравнивать количественные суждения людей об их собственных мыслях, чувствах, отношениях и мотивах, как указано в шкалах вопросника.

Наше восприятие физических событий определяется свойствами этих событий, к которым мы чувственно восприимчивы, такими как легкость. Из повторяющихся закономерностей в нашем восприятии мы делаем выводы о свойствах этих событий. Мы обычно воспринимаем эти воспринимаемые свойства как особенности этих физических событий, а не как естественные особенности нашей собственной психической жизни. Таким образом, выводы о количественных моделях восприятия стимулов являются результатом количественных свойств изучаемых физических событий, а не ментальных событий, участвующих в их восприятии.

Следовательно, количественные результаты психофизических экспериментов не могут предоставить никаких доказательств того, что все события психической жизни поддаются количественной оценке, как это принято считать. Это ошибочное обобщение заложило основу для широкомасштабного применения количественных методов для исследования психических событий всех видов, а не только тех, которые доступны с помощью экстравопроса.

Дальнейшие проблемы возникают при психологических исследованиях, потому что психические события воспринимаются только каждым человеком в отдельности. Эта незаметность для других влечет за собой серьезные проблемы, поскольку сами исследователи не могут воспринимать изучаемые события. Более того, нельзя проводить прямые сравнения мысленных событий между людьми или с физическими событиями. Это фундаментально отличается от исследований восприятия стимулов и способствует возникновению многих споров о том, как классифицировать психические явления.

Новые взгляды, представленные концепциями интрокопроса и экстрокестирования, обостряют методологические основы, необходимые для исследования работы психики. Они подчеркивают, что не все исследования с субъективной точки зрения людей позволяют исследовать их ментальную жизнь и что не всегда можно проводить количественные сравнения суждений людей с их опытом.

Ухер, Дж. (2016). Изучение работы психики: метатеоретические и методологические основы. Анналы теоретической психологии, 13, 299-324. [Загрузить] http://dx.doi.org/10.1007/978-3-319-21094-0_18

Об авторе:

Яна Уэр - старший научный сотрудник Департамента социальной психологии Лондонской школы экономики. Ее исследования являются трансдисциплинарными и сосредоточены на вопросах философии науки о психологических и поведенческих исследованиях людей и социальных отношений.


Тематические области ASJC Scopus

  • APA
  • Стандарт
  • Гарвард
  • Ванкувер
  • Автор
  • BIBTEX
  • РИС

Springer New York, 2012. 367 с.

Результат исследования: Книга / Отчет ›Книга

T1 - Моделирование психофизических данных в R

N2 - Многие из обычно используемых методов моделирования и подбора психофизических данных являются частными случаями статистических процедур большой мощности и универсальности, в частности, Обобщенной линейной модели (GLM). В этой книге показано, как сопоставить данные из различных психофизических парадигм с использованием современных статистических методов и статистического языка R. Парадигмы включают теорию обнаружения сигналов, подгонку психометрических функций, классификационные изображения и многое другое. В двух главах рассматриваются недавно разработанные методы масштабирования внешнего вида, масштабирования разности максимального правдоподобия и совместного измерения максимального правдоподобия. Авторы также рассматривают применение моделей смешанных эффектов к психофизическим данным. R - это язык программирования с открытым исходным кодом, который широко используется статистиками, и его применение к данным во всех областях стремительно растет. Он интерактивен и содержит множество мощных средств для оптимизации, оценки модели, выбора модели и графического отображения данных. Читатель, который подбирает данные в R, может легко использовать эти методы. Исследователь, который использует R для подбора и моделирования своих данных, имеет доступ к самым недавно разработанным статистическим методам. Эта книга не предполагает, что читатель знаком с R, и небольшой опыт работы с любым языком программирования - это все, что нужно, чтобы оценить эту книгу. В тексте есть большое количество примеров R, и исходный код для всех примеров доступен в пакете R MPDiR, доступном через R.

AB - Многие из обычно используемых методов моделирования и подбора психофизических данных являются частными случаями статистических процедур большой мощности и универсальности, в частности, Обобщенной линейной модели (GLM). В этой книге показано, как сопоставить данные из различных психофизических парадигм с использованием современных статистических методов и статистического языка R. Парадигмы включают теорию обнаружения сигналов, подгонку психометрических функций, классификационные изображения и многое другое. В двух главах рассматриваются недавно разработанные методы масштабирования внешнего вида, масштабирования разности максимального правдоподобия и совместного измерения максимального правдоподобия. Авторы также рассматривают применение моделей смешанных эффектов к психофизическим данным. R - это язык программирования с открытым исходным кодом, который широко используется статистиками, и его применение к данным во всех областях стремительно растет. Он интерактивен и содержит множество мощных средств для оптимизации, оценки модели, выбора модели и графического отображения данных. Читатель, который подбирает данные в R, может легко использовать эти методы. Исследователь, который использует R для подбора и моделирования своих данных, имеет доступ к самым недавно разработанным статистическим методам. Эта книга не предполагает, что читатель знаком с R, и небольшой опыт работы с любым языком программирования - это все, что нужно, чтобы оценить эту книгу. В тексте есть большое количество примеров R, и исходный код для всех примеров доступен в пакете R MPDiR, доступном через R.


Абстрактный

Управляющие функции (EF) позволяют мысленно поиграть с идеями, потратить время на обдумывание, прежде чем действовать, встречая новые, непредвиденные проблемы, сопротивляясь искушениям и сохраняя сосредоточенность. Основные EFs - это ингибирование [подавление реакции (самоконтроль— Подробнее

Рисунок 1: Модель пассивного рассеивания, показывающая, как задержка может улучшить производительность при выполнении тормозящих задач (из Simpson et al. 2011).

Рисунок 2: В каждом изучаемом возрасте дети были медленнее и менее точны в конгруэнтном блоке, чем в неконгруэнтном блоке. Этот эффект полностью отсутствует у взрослых, которые действуют так же быстро и точно.

Рисунок 3: Сравнение смешанных условий задач «Точки» (теперь называемые «Сердца и цветы») и задач Саймона в процентах правильных ответов (на основе Дэвидсона и др., 2006 г.).



Комментарии:

  1. Dujin

    Любопытно, но это не ясно

  2. Tentagil

    Эта тема просто бесподобна :), мне очень нравится.

  3. Dewain

    У человека есть!

  4. Lyel

    Если вам не нравится, не читайте!

  5. Dennet

    Это очень приветствуется.

  6. Hagos

    ))))))))))). Я не могу проверить вас :)

  7. Key

    И что мы делаем без вашего блестящего предложения



Напишите сообщение