توجه و تشخیص سیگنال

در این مقاله ، من ابتدا نظریه تشخیص سیگنال (SDT) را به ادراک مرور می کنم ، و سپس بحث می کنم که چرا تصور می شود که نظریه SDT دلالت بر افزایش توجه باعث بهبود عملکرد می کند. با این حال ، آزمایشات ما نشان داده است که این لزوماً صحیح نیست. افراد یا توجه خود را به دو یا چهار مکان ممکن در زمینه بصری متمرکز کرده بودند ، یا توجه به هر چهار مکان را نشان می دادند. محرک ها (حروف جبران) ، مکان ها ، شرایط و وظایف همه از قبل شناخته شده بودند ، پاسخ ها انتخاب اجباری بودند ، افراد به درستی آموزش داده می شدند و با انگیزه می گرفتند ، و دستورالعمل ها همیشه معتبر بودند-شرایط لازم که باید تشخیص سیگنال را بهینه کنند. نسبت به پراکندگی توجه ، تمرکز توجه در واقع به نفع تبعیض رو به جلو از اشاره های عقب مانده است. با این حال ، تمرکز شناسایی یکی از 20 حرف را به طور تصادفی انتخاب کرد. این که تمرکز می تواند کمک کند یا عملکرد را مختل کند ، حتی اگر نشانه ها معتبر باشند و شرایط ایده آل باشد ، جای تعجب دارد ، اما همانطور که در اینجا نشان داده شده توسط SDT نیز قابل توضیح است. این نتایج به محقق آزمایشی هشدار می دهد که توجه را با افزایش عملکرد اشتباه نگذارد و به مدل ساز هشدار می دهد که فرض نکنند SDT کاملاً واضح است.

1. معرفی

1. 1نظریه تشخیص سیگنال در ادراک: آغازگر

تئوری تشخیص سیگنال (SDT) از زمان معرفی آن توسط [1] سبز و نوسان به طور گسترده در مطالعات ادراک بصری و شنوایی انسان مورد استفاده قرار گرفته است. یک کتاب درسی توسط [2] Macmillan و Creelman مقدمه خوبی برای آنچه به یک زمینه نسبتاً توسعه یافته تبدیل شده است. جنبه مهم این تئوری از دیدگاه این مقاله این است که نقشی را برای یک مفهوم ذهنی ، یعنی توجه ، که قبلاً کاملاً ذهنی بود ، فراهم می کند. نظریه تشخیص سیگنال (SDT) روشهای مفهوم سازی نقش توجه را هم در پردازش اطلاعات حسی و هم در نحوه دستیابی به تصمیمات مربوط به آنچه که حس می شود ارائه می دهد. SDT به روشهای شناسایی اثرات توجه اشاره می کند که می تواند در مطالعات حیوانات نیز مورد استفاده قرار گیرد و توجه را به یک مفهوم عینی با هزینه ای برای پدیدارشناسی آن تبدیل کند.

شهود نشان می دهد که توجه بیشتر باید باعث افزایش عملکرد شود. در واقع ، این به عنوان یک ویژگی مشخص در روانشناسی گرفته شده است که مواردی که با توجه توجه می شوند بهتر پردازش می شوند و موارد را بدتر از موارد خنثی رد می کنند (به عنوان مثال ، پوسنر و همکاران [3]). برای توضیح این نقش برای توجه در اصطلاحات SDT حداقل به یک نمایشگاه ابتدایی SDT نیاز دارد ، که خواننده ممکن است در صورت آشنایی این ماده از آن پرش کند. ایده اساسی این است که تحریک (شنوایی ، بصری ، لمسی) را می توان به عنوان فعالیت در یک بعد داخلی واحد "قدرت" معرفی کرد. قدرت نشان دهنده شواهد جمع آوری شده توسط حواس نسبت به یک تصمیم طبقه بندی شده است ، مانند این که من یک پروانه را می بینم - اثبات که ممکن است به یک بعد (به عنوان مثال ، سطح صدا) یا در ابعاد بی شماری (رنگ ، حرکت ، اندازه) متکی باشد که فرض می شوددر یک سیگنال مشهود ادغام شده است. فرض بر این است که در یک آزمایش آزمایشی به سمت یک سیگنال یا محرک ، مشخص شده توسط S ، و پاسخ دادن به "بله" در صورت بازجویی در مورد حضور آن در صورتی که قدرت شواهد (مشخص شده Z) توسط S بیش از یک معیار ، نشانگر C است ، پاسخ می دهد. بشرPerceiver تصمیم به انتخاب اجباری بین بله و خیر دارد ، اجازه گزارش "نامشخص" را ندارد.

این تعاریف باینری در مورد آزمایش های "بله ، نه" اعمال می شود ، که در آن S2 تهی است و R2 "نه" است ، و همچنین به آزمایش های تبعیض آمیز که در آن S1 و S2 محرک های مجزا و R1 و R2 شناسه های مربوطه هستند. به عنوان مثال ، افراد ممکن است بین یک مربع و یک مثلث یا بین یک لحن زیاد و کم تبعیض قائل شوند. از آنجا که ریاضیات یکسان هستند ، P (Z

These four probabilities, P (z> c S) and so on, can be modeled if the inteal strength variable is assumed to be corrupted by Gaussian noise, N, with mean 0 and variance 1.0. Other probability distributions are possible, as when light is detected and a Poisson counting variable is required, but only for the Gaussian are the mean and variance mathematically independent, which simplifies matters. Strengths on discrimination trials are either S + N, with mean S, or N, with mean 0, while strengths on discrimination trials are either S1 + N or S2 + N, with means S1, S2. When signals are constant, the corresponding variances all equal 1.0, the noise variance. The hit rate is then Phit = P (z> c S + N), the false alarm rate is Pfa = P (z> c N), and detectability, d’ = z (Phit)-z (Pfa), where z(p) is the inverse normal score, z, associated with probability p, such that z (0.5) = 0, z (0.1) = −1.28, and z (0.9) = + 1.28. The criterion, c = −[z (Phit)−z (Pfa)]/2; this defines c as mathematically independent of d’, i.e., values of one do not constrain the value of the other. A ‘conservative’ value of c, that is c>0 ، دلالت بر این دارد که موضوع گزارش می دهد "نه" بیشتر از بله ؛معیار "لیبرال" ، ج<0, implies the opposite; and a balanced criterion, c = 0, implies no bias either way (Other definitions of the criterion, such as β, are not independent of d’ and will not be considered further here, although they have their specialized uses [2]).

توجه داشته باشید که D 'در یک تخمین بی طرفانه از S ، یعنی D' تمایل به S دارد ، زیرا میانگین قدرت در آزمایشات سیگنال S است - بسیار بیشتر از آزمایشات نویز است (D 'تخمین با توجه به تعداد محدود آزمایشات است. عدم قطعیت آن در [4] ارائه شده است). به عنوان مثال ، اگر PHIT = 0. 9 و PFA = 0. 1 ، نمره تشخیص d '= 1. 28–1. 28 = 2. 46. از آنجا که Perceiver تعداد بیشتری از بازدیدها را انجام می دهد و کمتر هشدارهای کاذب کمتر می شود ، قابلیت تشخیص (D) افزایش می یابد. برعکس ، اگر PHIT = PFA ، به طوری که D '= 0 ، موضوع به طور اتفاقی عمل می کند ، و گزارش می دهد "بله" به همان اندازه که آیا محرک موجود است یا نه. معمولاً 04 نشان می دهد که تعداد کمی از کارآزمایی های نادرست است که تخمین را مشکوک می کند.

از آنجایی که احتمالات پاسخ شرطی هستند، Ps، احتمال محرک، وارد اندازه گیری d’ نمی شود. بنابراین، این موضوع تجربی است که آیا P های متغیر افزایش یا کاهش می یابد یا قابلیت تشخیص را بدون تغییر باقی می گذارد. افزایش d با P ها ممکن است به معنای افزایش آمادگی یا "مجموعه" برای یک محرک باشد که یکی از جنبه های توجه است. در آزمایش‌های «سیگنال دقیقاً شناخته شده»، نسخه‌های واضحی از S همراه با نشانه‌های زمانی برای نشان دادن شروع و جبران S ارائه می‌شوند، به طوری که درک کننده بداند هدف چیست و چه زمانی می‌تواند رخ دهد. در مقابل، در آزمایش‌های عجیب و غریب، سیگنال یک انحراف غیرمنتظره از یک استاندارد است که زمان یا ماهیت آن قابل پیش‌بینی نیست. تفاوت در d' بین سیگنال‌های دقیقاً شناخته شده و سیگنال‌های آماده نشده، شواهدی را ارائه می‌دهد که توجه به سیگنال حساسیت را بهبود می‌بخشد (به عنوان مثال، [5] Santhi و Reeves، 2003).

Crime یک مثال واقعی از SDT را ارائه می دهد. فرض کنید جهان شامل افراد ناصادق (S1) و صادق (S2) است و پاسخ جامعه این است که آنها را در بند (R1) یا آزاد کردن آنها (R2) قرار دهد. نویز (N) عدم قطعیت ادله است و ملاک (ج) میزان شواهد مورد نیاز برای محکومیت است. ارگان های مختلف شواهد را جمع آوری می کنند (پلیس) و تصمیمات بله/خیر (هیئت منصفه) می گیرند. بهبود در پلیس d' افزایش می یابد، در حالی که تغییرات در قوانین ج را تغییر می دهد. تشبیه به ادراک مفید است. حسی (گوش، چشم) شواهدی را که بر اساس آن تصمیم گرفته شده است (در قشر مغز) جمع آوری می کند. قابلیت تشخیص کارایی حسی را اندازه گیری می کند و معیار عنصر تصمیم گیری را اندازه گیری می کند. تا زمانی که دومی با اولی تداخل نداشته باشد، شواهد با تمایل به دستیابی به یک یا آن پاسخ مغرضانه نخواهد بود (مانند زمانی که قاضی و هیئت منصفه از پلیس برای جلوگیری از فساد جدا می شوند.) تشخیص مرحله حسی از یک مرحلهمرحله تصمیم گیری بعدی به ارائه یک حساب منطقی در SDT از نظر احساس (مرحله اول به تنهایی)، ادراک (احساس به علاوه تصمیم درست منجر به ضربه) و توهم (احساس به اضافه یک تصمیم اشتباه که باعث ایجاد زنگ خطر کاذب یا اشتباه می شود) کمک می کند. مورد توهم منفی).

1. 2. نقش توجه انتخابی

توجه انتخابی در اینجا به عنوان منابع اختصاص داده شده به جمع آوری شواهد در مورد یک محرک هدف خاص ، S ، و رد سایر محرک های ممکن به عنوان نویز (N) [6] Fine and Reeves ، 2018 ، 19 راه دیگر که توجه و عملیاتی کردن آن را نشان می دهد ، تعریف شده است. در روانشناسی و علوم اعصاب). با توجه به زمان محدودی برای جمع آوری ، افزایش منابع (یعنی افزایش توجه) با افزایش قدرت سیگنال ، D را افزایش می دهد. کاهش منابع با حضور در جای دیگر ، محرک را کاهش می دهد (به عنوان مثال ، کاراسکو و همکاران [7]). این تعریف شامل انتخاب همه یا هیچ یک است ، که اگر محرک به طور کامل انتخاب شود یا کاملاً رد شود ([8] پالمر ، 1995) ، و همچنین انتخاب درجه بندی شده (برای نمونه ای در شنوایی ، به Reeves و Scharf مراجعه کنید [9]). در مقاله زیر ، اصطلاح "تمرکز" برای تمرکز توجه به یک محرک یا زیر مجموعه محرک ها استفاده می شود ، وظیفه تعیین شده برای این موضوع برای "نظارت" این محرک ها است. دنباله مورد انتظار در یک آزمایش توجه انتخابی این است که ، وقتی از وی خواسته می شود زیر مجموعه ای از محرک ها را تحت نظر داشته باشد ، موضوع توجه آنها را متمرکز می کند و حساسیت (D ") بهبود می یابد.

تغییر C میزان شواهد را تغییر نمی دهد و بنابراین معادل توجه انتخابی مطابق تعریف نیست. از آنجا که نسبت کلی آزمایشات صحیح ، PC ، می تواند بر اساس شواهد بهتر یا معیار بهینه تر بالا برود ، یافتن افزایش در PC ، علی رغم ادعاهای برعکس ، لزوماً شواهدی از توجه بیشتر نیست. آزمایش کنندگان دقیق غالباً یک طرح آزمایشی را انتخاب می کنند که در آن معیار در هر شرایطی متعادل (C = 0) باشد ، به طوری که هرگونه تغییر در دقت به معنای تغییر در D و بنابراین تأثیرگذاری بر پردازش است. به عنوان مثال ، در یک آزمایش تبعیض ، S1 و S2 ممکن است در نیمه های پی در پی هر آزمایش ارائه شود و از موضوع خواسته می شود که کدام فاصله را شامل S1 کند. تا زمانی که هرگونه تعصب نسبت به یک یا بازه دیگر در شرایط ثابت باشد ، تغییر در دقت حاکی از تغییر در D است ، بنابراین چنین روش هایی "عاری از معیار" نامیده می شوند. در صورت استفاده از یک روش عاری از معیار ، نشان دادن تأثیر توجه انتخابی ساده ترین است. اگر نه ، روش های رتبه بندی ، که در اینجا مورد بحث قرار نگرفته است ، ممکن است مورد استفاده قرار گیرد [10] (Egan ، 1957.)

اکنون ما به یک مفهوم دیگر از تئوری تشخیص سیگنال ، نسبت سیگنال/نویز ، S/N نیاز داریم. با کاهش قدرت سیگنال یا افزایش نویز ، قابلیت تشخیص باید بدتر شود ، بنابراین d '= s/n. این را می توان با تعریف عملکرد انتقال F (.) از اندام حسی بیرون زد. استحکام سیگنال به صورت یکنواخت با انرژی محرک افزایش می یابد ، E ، یعنی S = F (e) ، جایی که f (0) = 0 است ، به طوری که هنگام خاموش بودن محرک هیچ سیگنال به دست نمی آید. اگر s = be یا s = وبلاگ (e) ، برای برخی از B ثابت ، مبدل حسی خطی است یا Weberian است ، دو مورد که (شاید شگفت آور) محدوده های وسیعی از تحریک در شنوایی ، بینایی و لمس را پوشش می دهد ، اگرچه بدیهی نیسترنگ یا هماهنگی را در خود جای دهید. منابع سر و صدا (N) خارجی (محیطی) ، NE یا داخلی (عصبی) نیکل هستند. اگر هر دو منبع گاوسی باشند ، n = √ (ne 2 + ni 2 - 2eni) ، جایی که r همبستگی بین Ni و NE است. اگر منابع سر و صدای خارجی و داخلی مستقل باشند ، R = 0 و N = √ (NE 2 + Ni 2). در این حالت ، d '= f (e)/√ (ne 2 + ni 2) ، و نیکل را می توان با از بین بردن اولین سر و صدای خارجی ، بنابراین ne = 0 اندازه گیری کرد ، و سپس استفاده از مقادیر مختلف سر و صدای خارجی برای یافتن سطحکه D را دو برابر می کند ؛این به NI در واحدهای انرژی محرک [11] می دهد ، در نتیجه یک اندازه گیری رفتاری از فعالیت عصبی تصادفی در مبدل حسی ارائه می دهد.

با توجه به تشخیص سیگنال ، یعنی D '= S/N ، توجه انتخابی می تواند با افزایش S یا کاهش N یا هر دو ، قابلیت تشخیص را افزایش دهد. یکی از راه هایی که توجه می تواند باعث کاهش نویز شود ، "محرومیت از سر و صدا" است ، یعنی با کاهش NE با فیلتر کردن اجزای NE از سیگنال دور می شود [12،13]. توجه (α) می تواند با افزایش بهره وری از انتقال ، S را افزایش دهد [7]. بسته به اینکه آیا توجه قبل از انتقال به ورودی حسی دسترسی پیدا می کند ، به عنوان با جهت گیری چشم برای دید بهتر یا سر برای صدای بهتر یا بعد از انتقال ، همانطور که ممکن است در آن به ورودی حسی دسترسی داشته باشد ، یا S = f (αE) یا s = αf (e) است. مغز. این مکانیسم ها منحصر به فرد نیستند. توجه هم می تواند S را افزایش دهد و N.

این آغازگر در تئوری تشخیص سیگنال ابتدایی است. خوانندگانی که مایل به پیگیری هستند می توانند Macmillan و Creelman [2] را بخوانند ، که یک نمایشگاه شفاف برای آزمایش کنندگان یا Egan [10] برای یک درمان ریاضی عمیق تر است. آنچه برای هر ایده ذکر شده در تاکنون مشترک است این است که افزایش توجه باید عملکرد را بهبود بخشد ، یا با فیلتر کردن سر و صدا (به عنوان مثال ، پالمر [8]) ، یا کاهش عدم اطمینان در مورد سیگنال (لو و دوسر ، [12،13]) ، یامستقیماً سیگنال را تقویت می کند (کاراسکو و همکاران [7]). پیش بینی سیگنال ("توجه" به آن) با ایجاد فیلترهای بهینه برای افزایش S ، کاهش N یا هر دو ([1] ، سبز و چرخش ، ص 162) به این موضوع اجازه می دهد تا قابلیت تشخیص را بهبود بخشد.

در واقع ، شواهدی مبنی بر اینکه توجه انتخابی باعث افزایش عملکرد می شود ، اغلب تضمین شده است. به عنوان مثال ، یک صدای سیگنال شنوایی ارائه شده در فرکانس مورد انتظار با اطمینان بیشتری نسبت به لحن "کاوشگر" ارائه شده در فرکانس غیر منتظره ([14] گرینبرگ و لارکین ، 1968 ؛ [9] Reeves and Scharf) تشخیص داده می شود. بخش های خط نشان داده شده در یک جهت مورد انتظار ("سیگنال ها) با دقت بیشتری از بخش های خط (" پروب ") ارائه شده در یک جهت گیری غیر منتظره ([15] Kurylo ، Reeves و Scharf) تشخیص داده می شوند. و نامه هایی که مکان های آنها از قبل مورد استفاده قرار می گیرد ، دقیق تر از حروف غیرقابل توصیف گزارش می شود ([16] اریکسن و یه ؛ [17] اسکلتون و اریکسن.) تقویت توجه محدود به مکان در فضای فرکانس یا فضای بصری نیست. اشیاء شرکت شده ممکن است دقیق تر از موارد بدون توجه ([18] Egly ، Driver و Rafal) پردازش شوند ، حتی اگر مکان های اشیاء مورد علاقه و بدون نظارت یکسان باشند ([19] Blaser و همکاران).

تمرکز بر تشخیص سیگنال به جای عوامل ارگانیسم وسیع تر مطمئناً وقتی افراد در هر شرایط آزمایشی در یک وضعیت روانی قرار دارند ، توجیه می شود و حواس پرتی ، بی تفاوت ، بی حالی ، در مورد کار ، بیش از حد برانگیخته یا غیر طبیعی نیست. مزیت بزرگ STD در این شرایط این است که آزمایشگر مورد نیاز است و روشهای مطابق با تئوری را توسعه می دهد و نشان می دهد که D ، نه فقط معیار ، با وضعیت توجه تغییر می کند. در تحقیقات ما ([6] ، Fine و Reeves) ، ما از روشهای رفتاری بدون معیار استفاده کردیم تا تغییر در دقت نشان دهنده تغییرات در حساسیت باشد ، نه تغییر در معیار.

از نظر انتقادی ، تعمیم که توجه باعث بهبود عملکرد می شود ، اعتبار را پیش بینی می کند: یعنی می توان توجه به سیگنال را به جای مکان ها یا ویژگی های بی ربط یا رقیب مورد توجه قرار داد ، دستورالعمل ها و نشانه های کار هرگز گمراه کننده نیستند ، و محرک ها و کار از قبل شناخته می شوندخوب عملاعتبار این موضوع را برای پردازش سیگنال هدف بهینه ، یعنی با توجه به سر و صدای اجتناب ناپذیر امکان پذیر می کند. توجه به محل اشتباه (به عنوان مثال ، [14] گرینبرگ و لارکین) یا باند فرکانس مکانی اشتباه ([20] یشورون و کاراسکو) یا به سیگنالهایی که دقیقاً شناخته نشده اند [1] باعث می شود که تصمیمات ادراکی بر اساس خروجی کمتر باشدفیلترهای بیش از حد بهینه ، اختلال در حساسیت.

2. روش

داده های مورد بحث در این مقاله زیر مجموعه ای از نمونه های ارائه شده توسط Fine و Reeves است [6]. هدف از این مقاله توضیح نقش نظریه تشخیص سیگنال در کمک به درک این داده ها است. ما [6] آزمایشات خود را به مواردی که از قبل سیگنال شناخته می شود محدود کرده بودیم ، شکل و زمان آن غیر متغیر است ، و موقعیت مکانی آن به طور معتبر مورد استفاده قرار می گیرد ، و ما از ما سؤال کرده بودیم که آیا تمرکز توجه لزوماً حتی در این حوزه محدود ، پردازش را بهبود می بخشد. ما شرایطی را اجرا کردیم که در آن توجه با استفاده از "جبران" یا روش نگهدارنده مکان جونیدس و یانتس [21] ، مانند مورد اگزوژن ، توجه به تعریف تسهیل کننده است. با حذف خلاصه برخی از بخش های خط که محل نگهدارنده محل را در محل هدف تشکیل می دهند ، سه نفر از محل های باقی مانده بدون تغییر ، به حروف یا به حروف یا به نوری (ES های رو به جلو یا عقب) تبدیل شدند.

افراد ما (در مجموع 78 بزرگسال جوان ، همه با 20:20 بینایی یا بهتر) یک صفحه شطرنجی تلویزیون را مشاهده کردند که بر روی آن چهار نفر از مکان ها در بالا ، پایین ، راست و سمت چپ تثبیت ظاهر شدند (برای جزئیات بیشتر به [22] مراجعه کنید)بشرمحرک ها (حروف ، نوری ها و متغیرها) سیاه بودند که بر روی یک صفحه سفید نسبتاً روشن ارائه شده بودند. هنگامی که در 5 درجه سانتیگراد نشان داده شده است ، محرک 0. 57 درجه در چشم است. پس از 1025 میلی ثانیه ، یکی از متغیرها با جبران بخش های خط لازم ، به 250 میلی ثانیه (یا یک اپتایپ برای 50 میلی ثانیه) تغییر یافت و سپس برای 250 میلی ثانیه نهایی به فرم نگهدارنده بازگشت. انتظار می رفت که متغیرهای پس از آینده به عنوان ماسک های الگوی عقب مانده عمل کنند ، یعنی محدود کردن زمان پردازش [23،24] ، اما برای ساختن حروف یا ES Subliminal (و آنها این کار را نکردند) انتخاب نشده اند.

افراد با فشار دادن نوار فضایی ، آزمایشات خود را به خود اختصاص می دهند. آنها جهت E ، رو به جلو یا عقب یا هویت نامه را با انتخاب موضوع (استفاده از ماوس) نامه ، E یا E به عقب در صفحه نمایشگر که هر آزمایش را دنبال می کرد ، گزارش دادند. تا زمان جمع آوری پاسخ. سرعت و دقت برای هر آزمایش ثبت شد. شرایط برای هر بلوک 24 آزمایش ثابت بود و افراد از قبل در هر شرایط به خوبی تمرین می شدند. از نظر انتقادی ، دستورالعمل های وظیفه ، توجه به دو مکان (چپ و راست ، یا بالا و پایین) یا توجه به هر چهار مکان ، برای هر بلوک ثابت شده بود ، قبل از هر بلوک به موضوع پرچم گذاری می شدند و درک می شدند. توسط همهکلاس محرک (حروف یا نوری) در جلسات متنوع بود اما هرگز در داخل نبود. بنابراین ، هر جنبه ای از آزمایش از قبل شناخته شده بود.

نتیجه اصلی برای 27 موضوع آزمایش 1 ، همانطور که توسط ما گزارش شده است [22] ، این بود که هنگام شناسایی یک نامه انتخابی به طور تصادفی از مجموعه ای از 20 نامه ممکن ، با تمرکز بر روی مکان های بالا و پایین ، دقت 10 ٪ را کاهش داده و RTS کند شددر 49 میلی ثانیه ، در مقایسه با توجه به توجه به هر چهار مکان. اینها هزینه های زیادی را برای تمرکز بالا و پایین نشان می دهد. جالب اینجاست که تمرکز تقریباً هیچ تاثیری در مکان های چپ و راست ندارد ، احتمالاً به این دلیل که عادات خواندن سمت چپ و راست شناسایی نامه را بر روی نصف النهار افقی انجام می دهد ، یا به این دلیل که (همانطور که برای توجه مبتنی بر شیء نشان داده شده است) تغییر می کند در سراسر افق بسیار سریعتر از موارد موجود در آن است. جهت عمودی [8] (بارنا و گرینبرگ [4]). این نتیجه گیری با تعامل قابل توجهی در ANOVA با تکثیر اعمال شده هر دو در صدف های تبدیل شده به قوس ، پشتیبانی شد (F_3،78= 20. 65 ، ص<0.01) and to reaction times ( F _3،78= 7. 78 ، ص<0.01).

ما نگران این بودیم که تأثیر منحرف تمرکز روی مکان های بالا و پایین ممکن است به نوعی ناشی از تعامل نیمکره خط میانی باشد. با این حال ، آزمایش 2 در Fine و Reeves [22] حروف جبران را با فرمت مورب ارائه داد ، یکی که در آن 4 مکان نگهدارنده با 45 درجه چرخانده شدند تا از خط میانی دور شوند. نتایج نشان داد ، در مقایسه با توجه به توجه به هر چهار نفر از محل های متغیر ، تمرکز روی هر یک از مورب های مخالف بار دیگر با هزینه ای همراه شد ، تأخیر پاسخ توسط 24 میلی ثانیه کاهش می یابد (F_1،14= 12. 5 ، ص<0.01) and accuracy deteriorating by 4% ( F _1،14= 9. 91 ، ص<0.01).

در مقابل ، در آزمایش 3 ، با تمرکز عملکرد بهبود یافته با نوری های افست (ES) (F_1،19= 9. 2 ، P = 0. 007) ، بیشتر در مکان های بالا و پایین (توسط 51 ms) نسبت به سمت چ پ-راست (با 7 میلی ثانیه) (F_3،57= 2. 71 ، P = 0. 049). دقت زیاد بود (93 ٪) و با شرایط متفاوت نبود. بهبود تأخیر با تأثیرات معمول تمرکز و در تضاد مشخص با نتایج با حروف جبران سازگار است. تمرکز روی نامه ها نیز با هزینه ای به وجود آمد که پاسخ باینری بود (انتخاب دو کلید بین 5 واکه یا 5 صامت) ، به جای یک از 20 حرف ، بنابراین تفاوت بین نتایج با حروف و افراد مبتلا به ES به دلیل نبوده استنوع گزارش (آزمایش ما 4 در [6].)

3. مدل

چگونه می توانیم اثرات متنوع توجه توجه به نظریه تشخیص سیگنال را به حساب بیاوریم؟مقایسه اساسی بین سیگنال هایی است که دقیقاً با سیگنال هایی که از قبل شناخته شده اند شناخته شده است [1]. به عنوان مثال ، جستجوی دیسک های رنگی که در بین چند حواس پرتی قرار داده شده است برای شناخته شده برای رنگهای ناشناخته ("عجیب") بسیار بهتر است [7]. با این حال ، در این مورد ، محرک ها ، نامه ها یا نوری ها ، همه از قبل شناخته شده و به خوبی عمل می کردند ، اما در عین حال متمرکز به کمک های بینایی کمک می کردند اما به حروف آسیب می رساند. با توجه به اینکه سیستمی که می تواند یک فیلتر برای E ایجاد کند نیز می تواند این کار را نیز برای سایر حروف انجام دهد ، چگونه می توان از این نوع تأثیرات متضاد برخوردار بود؟

One simple notion is that, in the current conditions, attention always improves processing, but can do so more for the noise than for the signals, in which case focusing will lower the signal/noise ratio and hurt performance. In the following development, it is assumed that the costs of focusing on the top and bottom letter locations cannot be explained by attention to the wrong spatial frequency band [20] (Yeshurun and Carrasco), alluring as that explanation is, because the letters, optotypes, and placeholders were all in the same frequency band and seen at the same eccentricity. It is also assumed that locations separated by 5 deg or more are far enough apart to act as independent channels [25] (Gardner), without mutual interference [26] (Bahcall and Kowler), and can be processed in parallel. Let S/N be the signal to noise ratio, where S stand for signal strength, α for the level of attention, and R for the response, and define Ne ≥ 0 as the exteal noise (here due to placeholders) and Ni>0 به عنوان سر و صدای داخلی از فعالیت عصبی تصادفی. در یک مدل تشخیص سیگنال عمومی ، سر و صدای کل ، n = √ [(NE) 2 + Ni 2] ، با توجه به اینکه سر و صدای خارجی و داخلی با هم مرتبط هستند ، بنابراین واریانس آنها جمع می شود. تخصص این مدل عمومی به سطح توجه ، α ،

جایی که S و NE به سیگنال های انتقال یافته و سر و صدا اشاره می کنند ، و R متناسب با حساسیت اندازه گیری شده به عنوان D است. مدل عمومی از جزئیات عملکرد دقیق انتقال که از تحریک به S و NE منجر می شود ، جلوگیری می کند ، با فرض اینکه سیگنال به صورت یکنواخت با کنتراست محرک افزایش می یابد ، به گونه ای که r = 0 در هنگام S = 0 و سر و صدای خارجی با کنتراست و تعداد به صورت یکنواخت افزایش می یابداز منابع سر و صدای خارجی. تمرکز در اینجا با پارامتر توجه ، α مشخص می شود ، اگرچه روش های دیگر برای توجه متفاوت از آن جلوگیری نمی شود. بسیار مهم است که α به طور متفاوتی محرک های خارجی ، S و NE را در مقایسه با سر و صدای داخلی ، NI تعدیل می کند. اگر توجه هر سه اصطلاح را به طور مساوی تعدیل کند ، اثرات آن لغو می شود و نسبت S/N به توجه متغیر خواهد بود. اگر هر دو S و NE توسط α به همان میزان تعدیل شوند ، به عنوان مثال اگر معادله (1) توسط r = αs/√ [(αNE) 2 + Ni 2] جایگزین شود ، بنابراین افزایش α فقط در صورت توجه می تواند R. را افزایش دهدS و NE را به صورت نابرابر تعدیل می کند ، همانطور که در معادله (1) که NE توسط α 2 ضرب می شود ، می تواند آسیب توجه و همچنین سود داشته باشد.

این مدل عمومی حساسیت را پیش بینی می کند. رابطه آن با تأخیر مشخص شده است. این ممکن است دقیقاً توسط یک مدل انتشار مانند Ratliff پین شود ، اما در اینجا ، چنین استراتژی نیاز به تخصص زودرس دارد. با فرض ساده این که تأخیر با قدرت پاسخ معکوس است ، مانند مدل بعدی [22] (کارپنتر و همکاران) ،

در اینجا ، مقیاس B 1/R به تأخیر ، RT به میانگین یا زمان واکنش متوسط و RTO به یک مؤلفه موتور ثابت اشاره دارد. معادلات (1) و (2) در کنار هم حاکی از آن است که افزایش نسبت S/N عملکرد را با افزایش حساسیت و سرعت بخشیدن به پاسخ بهبود می بخشد.

بازرسی معادله (1) نشان می دهد که وقتی سر و صدای داخلی حاکم است (NE<>نیکل) افزایش α بیشتر از S افزایش می یابد ، بنابراین تمرکز صدمه می زند. این برخلاف مدل های تشخیص سیگنال است که در آن فقط توجه می تواند کمک کند (به عنوان مثال ، [8]). این پیش بینی ها مستقل از شکل انتقال محرک هستند ، با توجه به اینکه توجه (در معادله (1)) نتیجه انتقال را ضرب می کند ، نه خود محرک ها ، بلکه یک مدل کامل تر نیز باید عملکردهای مبدل را مشخص کند.

من معادلات (1) و (2) را به داده‌ها برازش می‌کنم با این فرض که تمرکز بر دو مکان، α در مقایسه با انتشار توجه به هر چهار مکان، دو برابر می‌شود. نویز داخلی به صورت دلخواه به صورت Ni = 1. 0 تعریف شد. مدل به طور مشترک با داده های سرعت و دقت متوسط در [6]، با Ne = 0. 1 برای optotypes و Ne = 10 برای حروف، و با RTo = 400 ms و b = 0. 17 مناسب بود. شکل 1 توابع پاسخ محرک حاصل را نشان می‌دهد، با فرض انتقال خطی برای S. فلش‌ها نشان می‌دهند که تمرکز (با افزایش α از 0. 5 به 1. 0) R را در تمام سطوح S در زمانی که Ne = 0. 1 (خطوط سیاه) افزایش می‌دهد، اما زمانی که Ne = R را کاهش می‌دهد. 0. 1 (خطوط خاکستری)، نشان می دهد که فوکوس می تواند اثرات معکوس بسته به سطح نویز خارجی داشته باشد. ما [22] S را به صورت پارامتری تغییر ندادیم، بنابراین شکل واقعی انتقال مشخص نیست: ترانسدوکتور غیرخطی خطوط را به منحنی خم می کند، اما همان ترتیب را حفظ می کند.

آدم تعجب می کند که چرا Ne، یا به طور دقیق تر، Ne/Ni، بین اپتوتایپ ها و حروف بسیار متفاوت است. توجه درون زا به عنوان یک دروازه در مدل ریوز و اسپرلینگ [24] عمل می کند. اگر دروازه باید برای شناسایی حروف منفرد بیشتر از تشخیص جهت Es باز نگه داشته شود، نویز خارجی از محل نگهدارنده ها (که به عنوان ماسک عمل می کنند) در کار اولی بیشتر از کار دوم خواهد بود. یعنی باز نگه داشتن گیت برای مدت زمان کافی برای به دست آوردن اطلاعات کافی برای شناسایی حروف دلخواه باعث می شود تا صدای زیادی از مکان نگهدارنده ها وارد شود که تمرکز کردن مضر می شود. آزمایشی که در آن مکان‌گردان‌ها برنگشتند، به طوری که فقط پوشش رو به جلو رخ داد، می‌تواند این مفهوم را آزمایش کند. در حالی که ماسک های عقب الگودار زمان پردازش را محدود می کنند، ماسک های رو به جلو این کار را نمی کنند [23،27]. در عوض، اگر دروازه ثابت بود و Ne ثابت بود، نویز داخلی (Ni) مرتبط با Es باید به طور قابل توجهی با حروف دیگر متفاوت بود. با توجه به اینکه Es و حروف دیگر در فرکانس مکانی و در فضا مکان های یکسانی داشتند، این امر کمتر قابل قبول به نظر می رسد. سوال دیگری که توسط یک بازبین مطرح می‌شود این است که آیا توجه مبتنی بر ویژگی، و همچنین توجه فضایی مورد بحث در اینجا، ممکن است از تمرکز رنج ببرد. همانطور که ارائه شد، مدل بین این دو تمایز قائل نمی‌شود، و بنابراین به این معنی است که اگر توجه به نویز ویژگی بیش از توجه به ویژگی‌های هدف باشد، عملکرد آسیب خواهد دید.

از آنجا که اهداف بینایی اغلب در محاصره پیچیده تعبیه شده است ، به جای اینکه در آزمایشات آزمایشگاهی بسیار رایج باشد ، این ملاحظات از نظریه تشخیص سیگنال ممکن است پیامدهایی برای بینایی در صحنه های طبیعی و شاید برای شنیدن در محیط های پر سر و صدا داشته باشد. نظریه تشخیص سیگنال پیش بینی نمی کند که تمرکز توجه باید عملکرد را بهبود بخشد. این بستگی به تأثیر توجه به سیگنال و سر و صدا دارد که هر دو ممکن است با توجه افزایش یابد ، اما به طور نابرابر.

منابع مالی

جمع آوری داده ها با کمک هزینه ای از بنیاد ویلیام راندولف هارست به الیزابت فاین پشتیبانی شد.

تضاد علاقه

منابع

1. گرین ، D. M. ؛Swets ، J. A. نظریه تشخیص سیگنال و روانپزشکی ؛ویلی: نیویورک ، نیویورک ، ایالات متحده ، 1966. [Google Scholar]
2. Macmillan ، N. A. ؛Creelman ، D. تئوری تشخیص: راهنمای کاربر ؛انتشارات دانشگاه کمبریج: کمبریج ، انگلیس ، 1994. [Google Scholar]
3. Posner ، M. I. ؛Nissen ، M. J. ؛Ogden ، W. C. در حالت های پردازش و بدون مراقبت: نقش مجموعه برای موقعیت مکانی. در حالت های درک و پردازش ؛Pick ، H. L. ، Saltzman ، E. J. ، Eds. ؛erlbaum: Hillsdale ، NJ ، USA ، 1978 ؛صص 137-157.[Google Scholar]
4. Baas ، A. J. ؛گرینبرگ ، A. S. Meridians Field Field تغییر مکان توجه مبتنی بر شی را تعدیل می کند. خفه کردنادراکروانپزشکی2016 ، 78 ، 1985-1997.[Google Scholar] [CrossRef] [PubMed] [نسخه سبز]
5. Santhi ، N. ؛Reeves ، A. نقش های انسجام حواس پرتی و اطمینان هدف در جستجوی بصری: یک مدل تشخیص سیگنال. vis. res2004 ، 44 ، 1235–1256.[Google Scholar] [CrossRef] [PubMed]
6. خوب ، ه. ؛ریوز ، ا. وقتی توجه درد می کند. در Pioneer Visual Neuroscience: Festschrift برای Naomi Weisstein ؛براون ، J. M. ، ویرایش ؛Routledge: New York ، NY ، USA ، 2018. [Google Scholar]
7. کاراسکو ، م. ؛ویلیامز ، P. E. ؛Yeshurun ، Y. توجه مخفیانه وضوح مکانی را با ماسک یا بدون ماسک افزایش می دهد: پشتیبانی از تقویت سیگنال. J. Vis. 2002 ، 2 ، 467-479.[Google Scholar] [CrossRef] [PubMed]
8. Palmer ، J. توجه در جستجوی بصری: متمایز کردن چهار دلیل اثرات اندازه. curr. دیرروانعلمی1995 ، 4 ، 118–123.[Google Scholar] [CrossRef]
9. ریوز ، ا. Scharf ، B. فرکانس شنوایی بسیار سریع است. J. Acoust. SOC. صبح. 2010 ، 128 ، 795-803.[Google Scholar] [CrossRef]
10. Egan ، J. P. تئوری تشخیص سیگنال و تجزیه و تحلیل ROC ؛انتشارات دانشگاهی: نیویورک ، نیویورک ، ایالات متحده ، 1957. [Google Scholar]
11. Pelli ، D. G. راندمان کوانتومی بینایی. در چشم انداز: برنامه نویسی و کارآیی ؛Blakemore ، C. ، ed. ؛انتشارات دانشگاه کمبریج: کمبریج ، انگلیس ، 1990 ؛صص 3-24.[Google Scholar]
12. لو ، Z. L. ؛Dosher ، B. نویز خارجی مکانیسم های توجه را متمایز می کند. vis. res1999 ، 38 ، 1183–1198.[Google Scholar] [CrossRef]
13. لو ، Z. L. ؛Dosher ، B. توصیف ناظران با استفاده از نویز خارجی و مدل های ناظر: ارزیابی بازنمایی های داخلی با سر و صدای خارجی. روانRev. 2008 ، 115 ، 44. [Google Scholar] [CrossRef]
14. گرینبرگ ، G. Z. ؛Larkin ، W. D. ویژگی های پاسخ فرکانس از ناظران شنوایی که سیگنال های یک فرکانس واحد را در نویز تشخیص می دهند: روش سیگنال پروب. J. Acoust. SOC. صبح. 1968 ، 44 ، 1513-1523.[Google Scholar] [CrossRef]
15. Kurylo ، د. ؛ریوز ، ا. Scharf ، B. انتظار از جهت گیری قطعه خط. اسپاتvis. 1996 ، 10 ، 149-162.[Google Scholar]
16. اریکسن ، C. W. ؛بله ، Y. Y. تخصیص توجه در زمینه بصری. J. Exp. روانهولادراکانجام دادن. 1985 ، 11 ، 583. [Google Scholar] [Crossref]
17. Skelton ، J. M. ؛Eriksen ، C. W. ویژگی های مکانی توجه انتخابی در تطبیق نامه. گاو نرروانیSOC. 1976 ، 7 ، 136-138.[Google Scholar] [CrossRef]
18. Egly ، R. ؛راننده ، ج. ؛Rafal ، R. D. تغییر توجه بصری بین اشیاء و مکان ها: شواهدی از افراد ضایعه طبیعی و پاریتال. J. Exp. روانژنرال 1994 ، 123 ، 161-177.[Google Scholar] [CrossRef] [PubMed]
19. Blaser ، E. ؛Pylyshyn ، Z. W. ؛Holcombe ، A. ردیابی یک شی از طریق فضای ویژگی. طبیعت 2000 ، 408 ، 196-199.[Google Scholar] [CrossRef] [PubMed]
20. Yeshurun ، Y. ؛Carrasco ، M. توجه با افزایش وضوح مکانی عملکرد بصری را بهبود می بخشد یا باعث اختلال می شود. طبیعت 1998 ، 396 ، 72-75.[Google Scholar] [CrossRef]
21. Jonides ، J. ؛Yantis ، S. منحصر به فرد بودن شروع بصری ناگهانی در جلب توجه. ادراکروانپزشکی1988 ، 43 ، 346-354.[Google Scholar] [CrossRef] [PubMed]
22. نجار ، R. H. S. ؛Reddi ، B. A. J. ؛اندرسون ، A. J. یک مدل دو مرحله ای ساده توزیع زمان پاسخ را پیش بینی می کند. J. Physiol. 2009 ، 587 ، 4051-4062.[Google Scholar] [CrossRef]
23. Liss ، P. آیا ماسک عقب با سر و صدای بینایی پردازش محرک را متوقف می کند؟ادراکروانپزشکی1968 ، 4 ، 328-330.[Google Scholar] [CrossRef]
24. ریوز ، ا. Sperling ، G. نظریه توجه اطلاعات سفارش در حافظه بصری کوتاه مدت. روانRev. 1986 ، 93 ، 180-206.[Google Scholar] [CrossRef]
25. گاردنر ، G. T. شواهدی برای کانال های موازی مستقل در ادراک تاکیستوسکوپی. شناختروان1973 ، 4 ، 130-155.[Google Scholar] [CrossRef]
26. Bahcall ، D. O. ؛Kowler ، E. تداخل توجه در جداسازی های مکانی کوچک. vis. res1999 ، 39 ، 71-86.[Google Scholar] [CrossRef]
27. ناون ، د. ؛Purcell ، D. آیا ادغام ماسک یا اعتراض از آن ایجاد می کند؟ادراک 1981 ، 10 ، 71-83.[Google Scholar] [CrossRef] [PubMed]

شکل 1. محرک (ها) و پاسخ (R) ، با فرض انتقال خطی برای S و سر و صدای داخلی ثابت (NI = 1. 0). پاسخ در واحدهای D است. فلش نشان می دهد که تمرکز هنگام پاسخ وقتی NE = 0. 1 (خطوط سیاه) بهبود می یابد اما وقتی NE = 10 (خطوط خاکستری) صدمه می زند. خطوط نشان می دهد که تمرکز بسته به سطح سر و صدای خارجی می تواند جلوه های متضادی داشته باشد (متن را ببینید). داده های [6] (Fine and Reeves ، 2018) این الگوی را برای سطوح خاص S. تأیید می کند ، اما ما به صورت پارامتری متفاوت نبودیم ، بنابراین شکل انتقال ناشناخته است. مربع (RTS در دوشنبه 4) و مثلث (RTS در MON 2) داده های تأخیر با توجه به معادله (2) با B = 0. 17 و RTO = 0. 40 ثانیه به نرخ تبدیل می شوند. نمادهای خاکستری برای حروف ، نمادهای سیاه برای Es. میله ها نشان می دهد +- یک خطای استاندارد در مورد هر نرخ.

شکل 1. محرک (ها) و پاسخ (R) ، با فرض انتقال خطی برای S و سر و صدای داخلی ثابت (NI = 1. 0). پاسخ در واحدهای D است. فلش نشان می دهد که تمرکز هنگام پاسخ وقتی NE = 0. 1 (خطوط سیاه) بهبود می یابد اما وقتی NE = 10 (خطوط خاکستری) صدمه می زند. خطوط نشان می دهد که تمرکز بسته به سطح سر و صدای خارجی می تواند جلوه های متضادی داشته باشد (متن را ببینید). داده های [6] (Fine and Reeves ، 2018) این الگوی را برای سطوح خاص S. تأیید می کند ، اما ما به صورت پارامتری متفاوت نبودیم ، بنابراین شکل انتقال ناشناخته است. مربع (RTS در دوشنبه 4) و مثلث (RTS در MON 2) داده های تأخیر با توجه به معادله (2) با B = 0. 17 و RTO = 0. 40 ثانیه به نرخ تبدیل می شوند. نمادهای خاکستری برای حروف ، نمادهای سیاه برای Es. میله ها نشان می دهد +- یک خطای استاندارد در مورد هر نرخ.

© 2019 توسط نویسنده. مجوز MDPI ، بازل ، سوئیس. این مقاله یک مقاله دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC توسط) توزیع شده است (http://creativeecommons.org/licenses/by/4. 0/).

به اشتراک گذاشتن و استناد

Reeves ، A. توجه و تشخیص سیگنال. اطلاعات 2019 ، 10 ، 254. https://doi.org/10. 3390/info10080254

Reeves A. توجه و تشخیص سیگنال. اطلاعات2019 ؛10 (8): 254. https://doi.org/10. 3390/info10080254

شیکاگو/سبک تورابی

ریوز ، آدم. 2019. اطلاعات "توجه و تشخیص سیگنال" 10 ، شماره. 8: 254. https://doi.org/10. 3390/info10080254

توجه داشته باشید که از اولین شماره سال 2016 ، مجلات MDPI به جای شماره صفحه از شماره مقاله استفاده می کنند. جزئیات بیشتر را در اینجا مشاهده کنید.