Psychofizyka. Różnorodność procedur psychofizycznych

Podobne dokumenty
Psychofizyka. Klasyfikacja eksperymentów psychofizycznych

Psychofizyka. Pomiary detekcji sygnałów Porównanie modeli

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Badania marketingowe. - Konspekt wykładowy

Zadania ze statystyki cz.8. Zadanie 1.

Prezentacja, którą czytacie jest jedynie zbiorem sugestii. Nie zawiera odpowiedzi na pytania wprost. Jeżeli nie wiedzielibyście jak odpowiedzieć na

Testy nieparametryczne

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

Statystyka w pracy badawczej nauczyciela

Testowanie hipotez statystycznych

R-PEARSONA Zależność liniowa

METODY STATYSTYCZNE W BIOLOGII

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

METODY STATYSTYCZNE W BIOLOGII

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Operacjonalizacja zmiennych

Pobieranie prób i rozkład z próby

Niepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru

Podstawowe pojęcia statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Aleksandra Jakubowska

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Psychofizyka. Metody adaptacyjne Skale percepcyjne

PDF created with FinePrint pdffactory Pro trial version

KORELACJE I REGRESJA LINIOWA

Zmierzyłem i co dalej? O opracowaniu pomiarów i analizie niepewności słów kilka

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

Jeśli powyższy opis nie jest zrozumiały należy powtórzyć zagadnienie standaryzacji zanim przejdzie się dalej!

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

Ćwiczenie 3 Temat: Oznaczenia mierników, sposób podłączania i obliczanie błędów Cel ćwiczenia

Laboratorium Ergonomii i Ryzyka Zawodowego Politechniki Poznańskiej Wydział Inżynierii Zarządzania

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich

METODY STATYSTYCZNE W BIOLOGII

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Zadania ze statystyki, cz.6

Jak poprawnie napisać sprawozdanie z ćwiczeń laboratoryjnych z fizyki?

JEDNOCZYNNIKOWA ANOVA

Program OBRAZY-SŁOWA-DŹWIĘKI - wspomaganie rozwoju, terapii, komunikowania się. Spis treści

Załącznik nr 4 do Regulaminu PLTB ARKUSZ OCENY PRACY TERAPEUTYCZNEJ DOKONYWANEJ PRZEZ SUPERWIZORA IMIĘ I NAZWISKO: STANOWISKO: DATA OCENY: OCENIAJĄCY:

Psychometria PLAN NAJBLIŻSZYCH WYKŁADÓW. Co wyniki testu mówią nam o samym teście? A. Rzetelność pomiaru testem. TEN SLAJD JUŻ ZNAMY

Zagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura

Wykład 9. Terminologia i jej znaczenie. Cenzurowanie wyników pomiarów.

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Metody badawcze Marta Więckowska

ANALIZA JAKOŚCIOWA I ILOŚCIOWA TESTÓW SZKOLNYCH MATERIAŁ SZKOLENIOWY

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

STATYSTYKA MATEMATYCZNA

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA

KOMPUTEROWE SYSTEMY POMIAROWE

Wykład 10 Zrandomizowany plan blokowy

Plan wykładu. Prozopagnozja. wrażenie sensoryczne a percepcja. wrażenia sensoryczne i percepcja

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Zadanie 1. Analiza Analiza rozkładu

Walidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO. Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB

Metodologia badań psychologicznych. Wykład 4 Testy

Dr inż. Krzysztof Petelczyc Optyka Widzenia

Oszacowanie i rozkład t

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Badania marketingowe

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

PODSTAWOWA TERMINOLOGIA METROLOGICZNA W PRAKTYCE LABORATORYJNEJ

Problem testowania/wzorcowania instrumentów geodezyjnych

Badania Statystyczne

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

e-commerce Developer

I.1.1. Technik pożarnictwa 311[37]

NOWY egzamin maturalny

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE III GIMNAZJUM

Testowanie hipotez statystycznych.

Badania eksperymentalne

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Zmienne zależne i niezależne

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4

Metody doboru próby do badań. Dr Kalina Grzesiuk

Tester Sieci LAN FS-8108 Instrukcja Obsługi Przed przystąpieniem do pracy z Testerem prosimy przeczytać instrukcję obsługi.

Walidacja metod analitycznych Raport z walidacji

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW

Wykład 9 Wnioskowanie o średnich

Transkrypt:

Psychofizyka Różnorodność procedur psychofizycznych

Procedura Zadanie obserwatora Metoda zbierania danych Front-end Back-end analiza danych psychofizycznych

Wydajność vs. Ocena Performance vs. Apperance Badania wydajnościowe mierzą jak dobrzy jesteśmy w wykonywaniu jakiegoś zadania Badania progów, precyzji, dokładności, czasu reakcji itp. Wiele pomiarów może być przeprowadzonych przy pomocy zadań typu 1, tj. takich, gdzie jest poprawna i błędna odpowiedź w każdej próbie Można też mierzyć wydajność przy pomocy zadań typu 2

Wydajność vs. Ocena Performance vs. Apperance Badania oparte na ocenie mierzą ocenę wielkości (relatywnej lub absolutnej) w pewnym wymiarze bodźca Zawsze są związane z zadaniami typu 2 Nie są gorsze albo mniej użyteczne niż badania wydajnościowe uzupełniając się wzajemnie przy charakterystyce systemu zmysłowego człowieka

Wymuszony wybór Procedura w której obserwator musi podczas każdej próby wybrać odpowiedź z dwóch lub więcej określonych opcji. W tej definicji badanemu mogą być prezentowane różne bodźce z których musi wybrać cel Opcje mogą być także zawarte w ograniczonym zbiorze odpowiedzi, np. tak/nie Procedury wymuszonego wyboru stosują się zarówno do badań opartych na wydajności jak i na ocenie

Schemat klasyfikacyjny Progi Wymuszony wybór Niewymuszony wybór Eksperyment psychofizyczny Wydajność Ocena Dokładności Czas reakcji PSE Skalowanie Wymuszony wybór Niewymuszony wybór Wymuszony wybór Niewymuszony wybór Wymuszony wybór Niewymuszony wybór Wymuszony wybór Niewymuszony wybór Inne Wymuszony wybór Niewymuszony wybór

Progi wymuszony wybór N liczba bodźców prezentowanych w każdej próbie M liczba alternatyw bodźca prezentowanych w próbie IFC interwałowy wymuszony wybór AFC alternatywny wymuszony wybór

N=1 ( jeden bodziec na próbę) Metoda granic Prezentujemy obserwatorowi serię rozdzielonych czasowo albo przestrzennie bodźców ułożonych według rosnącej lub malejącej wartości, włączając to bodziec zerowy (lub odniesienia) na jednym z końców Obserwator mówi tak lub nie w każdej próbie w zależności od tego czy odróżnia prezentowany bodziec od zerowego (lub odniesienia) Jako próg rozumie się punkt zmiany odpowiedzi z tak na nie lub/i odwrotnie (najczęściej próby przeprowadza się w obu kierunkach a wynik uśrednia)

N=1 ( jeden bodziec na próbę) Metoda granic Jest to metoda typu 2, ponieważ nie analizujemy poprawności wskazań Problem habituacji (przyzwyczajenia) lub oczekiwania (nadwrażliwości) po części minimalizowany przez uśrednienie serii rosnącej i malejącej Metoda rzadko używana, chyba, że wymagany jest kontakt werbalny z obserwatorem (np. dziecko)

Tak/nie N=1 ( jeden bodziec na próbę) Pokazujemy obserwatorowi szereg bodźców z których połowa zawiera cel Kolejność prezentacji bodźców z celem i bez niego musi być losowa Obserwator na każdą próbę odpowiada tak lub nie

Tak/nie N=1 ( jeden bodziec na próbę) Jest to metoda typu 1 mamy prawidłową i nieprawidłową odpowiedź Metoda czuła na przyjętą wrażliwość (uprzedzenie) trafienia i fałszywe alarmy Metoda wykorzystywana przy badaniu motywatorów (bodźców motywacyjnych) decyzji

N=1 ( jeden bodziec na próbę) Symetryczne Badanemu przedstawiane są bodźce ze zbioru dwóch (lub więcej) równoważnych alternatyw (np. linie przechylone w prawo i w lewo) Badanie odbywa się tak jak w przypadku tak/nie lecz odpowiedzi nie są naładowane emocjonalnie Dzięki temu eliminuje się wpływ uprzedzeń (w znacznym stopniu)

N=1 ( jeden bodziec na próbę) Symetryczne Dużo danych można w ten sposób zgromadzić w krótkim czasie Badanie ma niskie obciążenie kognitywne (wyższych sfer aktywności mózgu) Zwykle prezentuje się obserwatorowi różne wartości bodźca używając metody stałych lub adaptacyjnej

N=2 Standardowe 2AFC/2IFC Najpopularniejszy rodzaj eksperymentów psychofizycznych opartych na wydajności Obserwatorowi przedstawiane są w każdej próbie dwa bodźce i musi on wybrać ten zawierający cel Bodźce mogą być prezentowane obok siebie na ekranie lub w tym samym miejscu w sekwencji czasowej

N=2 Standardowe 2AFC/2IFC w wersji 2AFC można w tym samym czasie zgromadzić 2 razy więcej danych niż w wersji 2IFC W przypadku badania obszaru widzenia niecentralnego preferowaną metodą jest 2AFC mniej pobudza oko do zmiany punktu fiksacji W przypadku badania obszaru widzenia centralnego preferowaną metodą jest 2IFC nie trzeba skanować sceny wizualnej Często obserwatorzy wykazują uprzedzenie do danej lokacji przestrzennej lub kolejności czasowej

N=2 1AFC takie samo/różne Obserwatorowi prezentujemy w każdej próbie 2 bodźce pytając czy są takie same czy też różne W tej metodzie obserwator nie musi znać celu badania (co się różni) Ponieważ badanie nie jest symetryczne obserwatorzy mogą wykazywać uprzedzenia (preferencje do takie samo albo do różne )

N=2 1AFC takie samo/różne Metoda często stosowane w celu poznania sposobów rozróżniania bodźców lub badania progów wielowymiarowych Metoda nadaje się do badania zwierząt Istnieje wersja 2AFC z dwoma parami bodźców z których jedna jest taka sama a duga różna. Ta wersja jest odporniejsza na uprzedzenia

N=3 3AFC osobliwość W metodzie określanej jako osobliwość obserwatorowi prezentowany jest szereg bodźców, z których wszystkie poza jednym są takie same Badany musi wskazać osobliwość bodziec różniący się od pozostałych Minimalna liczba bodźców w tej metodzie to 3 (metoda trójkątna) najlepszym ułożeniem bodźców są wierzchołki trójkąta

N=3 3AFC osobliwość Badany nie musi znać wymiaru (zakresu) różnic bodźców Często zadanie to jest trudne (i frustrujące) dla obserwatora W wersji 3IFC trzeba zapamiętać pierwsze dwa bodźce aby zadecydować przy ekspozycji trzeciego 3AFC z nielimitowanym czasem ekspozycji wydaje się być najlepszą opcją Często zamiast metody 3AFC osobliwość, wybierana jest metoda 2AFC w wersji dopasowania do wzorca lub takie samo/różne

N=3 2AFC dopasowanie do wzorca Obserwatorowi prezentowane są jest bodziec wzorcowy, oraz 2 bodźce testowe z których musi wybrać taki sam jak wzorzec Badany tu także nie musi wiedzieć czym różnią się bodźce testowe Często używane w testowaniu zwierząt, dzieci i analizy kognitywnej (np. rozpoznawanie twarzy)

N=3 2AFC dopasowanie do wzorca Dzięki regulacji czasu pomiędzy prezentacją wzorca a prezentacją bodźców wzorcowych można badać pamięć rozpoznania Test jest łatwy do zrozumienia (nauczenia) dla obserwatora (koncepcja takie samo jest łatwiejsza niż koncepcja różne ) Zadanie jest mniej wymagające analizy kognitywnej (wyższej aktywności myślowej)

N=4 2AFC/2IFC takie samo/różne Obserwator z dwóch zestawów po 2 bodźce musi wybrać zestaw, który zawiera parę takich samych bodźców Mniej zależne od uprzedzenia niż 1AFC takie samo/różne Mniej opcji niż w 3AFC osobliwość Najczęściej prezentuje się parę w sekwencji przestrzennej (obok siebie) zaś po niej (sekwiencja czasowa) drugą parę, także w sekwencji przestrzennej

N>4 Zadania M-AFC Zazwyczaj małe N jest lepsze niż duże N, istnieją jednak wyjątki W przypadku dużych N wykorzystać można metodę standardową (bodźce w sekwencji i wskazanie przez obserwatora określonego celu), osobliwość lub dopasowanie do wzorca. Dopasowanie do wzorca w połączeniu z dużą ilością bodźców testowych pozwala badań dopasowanie wielowymiarowe lub w konkretnym wymiarze przy ignorowaniu innych, a także wybór z wielu różnych stanów bodźca

Wymuszony wybór a liczba bodźców

Progi bez wymuszonego wyboru Metoda dopasowania Obserwator sam dopasowuje wartość bodźca znajdując natężenie progowe (wartość dopieroco różna) Rzadko używana dziś do pomiarów wydajnościowych Pozwala na zgrubne ustalenie progu w konkretnych warunkach eksperymentu (dobór parametrów do dokładniejszych metod wymuszonego wyboru)

Procedury zadań bezprogowych Dokładności i czasy reakcji Dokładność to pomiar jak bliski jest pomiar do prawdziwej wartości Może być mierzona zarówno poprzez wymuszony wybór jak i metodą dopasowywania Czas reakcji odnosi się do czasu jaki zajmuje obserwatorowi odpowiedź na bodziec lub jego brak To ważny pomiar zdolności (możliwości), który często towarzyszy innym pomiarom wydajnościowym, jak na przykład pomiarowi ilości poprawnych odpowiedzi

Procedury oparte na ocenie Dopasowywanie Związane z poszukiwaniem PSE (punktu subiektywnej równości), np. dopasowanie Rayleigha, iluzja Mullera-Lyera, odczyt noniusza Skalowanie Relacja między percepcyjną i fizyczną wielkością jakiegoś wymiaru bodźca Skale porządkowa, interwałowa i stosunkowa

Dopasowywanie z wymuszonym wyborem N=2, dopasowywanie z wykorzystanie zadań 2AFC/2IFC Dopasowanie Rayleigha, Iluzja Mullera-Lyera, Odczyt noniusza

Dopasowywanie bez wymuszonego wyboru N=2, matching usung adjustment Obserwator może sam dopasować jedent z bodźców (dopasowywany) do drugiego testowego Przy wystarczającej liczbie prób można wyliczyć odchylenie standardowe miarę dokładności pomiaru

Dopasowywanie bez wymuszonego wyboru N=2, zerowanie z użycie dopasowywania (nulling using adjustment) Obserwator ma za zadanie przez regulacje jakiegoś wymiaru bodźca zlikwidować różnice (często: aby zlikwidować iluzję)

Skale percepcyjne Porządkowa Obserwator ma za zadanie uporządkować (i ponumerować) bodźce w kolejności rosnącej wartości Interwałowa Obserwator ma za zadanie określić liczbowo różnice między wartościami bodźców Dowolne przekształcenie odpowiedzi według wzoru y=ax+b daje również poprawną odpowiedź

Skale percepcyjne Stosunkowa Obserwator ma za zadanie określić stosunek między wartościami bodźców przypisując każdemu z bodźców liczbę odpowiadającą jego percepcyjnej wartości Dowolne przekształcenie y=ax daje poprawną odpowiedź na ten test Skala może być jednowymiarowa (jasność/kontrast) może tez być dwuwymiarowa (nasycenie, odcień)

Procedury skalowania z wymuszonym wyborem N=2, porównania sparowane Najprostsza metoda uzyskania skali percepcyjnej Jeśli przestrzeń bodźców jest próbkowana jedynie zgrubnie, porównania sparowane prowadzą do skali porządkowej Np. chcemy uporządkować 10 twarzy według stopnia szczęścia, pokazujemy obserwatorowi 45 możliwych par każąc za każdym razem wskazać szczęśliwszą

Procedury skalowania z wymuszonym wyborem N=2, porównania sparowane Aby znaleźć tą metodą skalę interwałową należy tak dobrać próbkowanie bodźców, aby ich rozróżnienie nie było zawsze jednoznaczne Danymi jest wtedy proporcja wyboru danego bodźca nad drugim co prowadzi do skali interwałowej

Procedury skalowania z wymuszonym wyborem N=3, metoda potrójna Prowadzi do Sali porządkowej lub interwałowej Nie wymaga wiedzy o wymiarze różnic bodźców Badany z trzech bodźców wybiera te które są bliższe sobie lub te które bardziej się różnią. Można wybrać jeden z bodźców jako bodziec odniesienia (analog 2AFC dopasowanie do wzorca przy badaniach wydajnościowych)

Procedury skalowania z wymuszonym wyborem N=4, metoda poczwórna Obserwatorowi prezentowane są dwie pary bodźców Zadaniem jest wskazanie która para jest bardziej (lub mniej) podobna do siebie Obserwator nie musi wiedzieć w jakim wymiarze bodźce się różnią

Procedury skalowania z wymuszonym wyborem N>4, skalowanie wielobodźcowe Prezentujemy obserwatorowi cały szereg bodźców prosząc o uszeregowanie go w kolejności rosnącej wartości Np. 100-odcieniowy test widzenia barwnego Farnswortha-Munsella Obserwator musi uporządkować zestaw stu dysków w aranżacji od zielonego do czerwonego

Procedury skalowania z wymuszonym wyborem Skalowanie wielowymiarowe (MDS) Stosowane do sprawdzania czy dwa lub więcej wymiarów percepcyjnych bierze udział w określaniu podobieństwa między bodźcami Np. uporządkowanie barw wg. odcienia i nasycenia Do generowania danych można użyć metody potrójnej albo poczwórnej

Procedury bez wymuszonego wyboru N=1, szacowanie wartości Obserwator bezpośrednio ocenia liczbowo wartość bodźca wg wyznaczonej skali Może prowadzić do skali stosunkowej Np. Obserwator otrzymuje bodziec kotwicowy z przyporządkowaną z góry wartością (np. 50), Pozostałe bodźce są oceniane przez obserwatora: 25 dwa razy mniejszy, 100 dwa razy większy, 175 3,5 raza większy itp. Na koniec można znormalizować skalę dzieląc przez wartość najmniejszego bodźca Metoda jest nieprecyzyjna ponieważ wymaga przetłumaczenia doświadczenia percepcyjnego na przestrzeń znaków, co jest trudne i niejednoznaczne

Procedury bez wymuszonego wyboru N=3, skalowanie podziału Obserwator ma za zadanie dopasować wartości bodźców aby różnice percepcyjne między nimi były takie same Metoda prowadzi do skali interwałowej Np. Progresywne rozwiązanie oberwator dostaje dwie kotwice które określają punkt startu i zakończenia wymiaru bodźca Obserwator dobiera trzeci bodziec tak, aby miał dzielił podany zakres na pół, co powtarza się dla uzyskanych połówek itd. Błędy i niepewności w tej metodzie akumulują się

Procedury bez wymuszonego wyboru N>3, skalowanie wielopodziału Jednoczesne rozwiązanie obserwatorowi pokazane są dwa bodźce kotwicowe rozpoczynające i kończące zakres wartości danego wymiaru bodźca oraz szereg bodźców do dopasowywania (zmiennych), którym musi on nadać wartości takie, aby różnice wartości percepcyjnej między każdymi dwoma były takie same Metoda zazwyczaj wymaga od obserwatora wielu iteracji

Skalowanie - podsumowanie

Metoda stałych bodźców W jaki sposób dobierać i prezentować wartości bodźca zarówno w badaniach z wymuszonym wyborem opartych na wydajności jak i ocenie? Metoda stałych bodźców (metoda stałych) Przewidujemy (zgrubnie) wartość progu (np. 75% wskazań) i dobieramy bodźce symetrycznie po obu stronach (np. od 50% do 100%) Kolejność prezentacji bodźców jest losowa

Metody adaptacyjne Aby uniknąć ryzyka źle dobranego zestawu bodźców stosuje się metodę adaptacyjną (schodkową) Wartość bodźca w każdej próbie jest dobierana wg algorytmu który analizuje dotychczasowe odpowiedzi aby zwiększyć dokładność wyznaczenia progu (więcej bodźców bliższych progowi)

Czas prezentacji bodźców Czas prezentacji bodźców jest ważny w psychofizyce Może warunkować czy eksperyment jest trudny (i frustrujący) czy komfortowy (i angażujący) Tempo można narzucić albo warunkować uzyskaniem odpowiedzi od obserwatora Jeśli kolejny bodziec prezentowany jest zbyt wcześnie w stosunku do udzielonej odpowiedzi na poprzedni, obserwator może się zgubić nie wiedząc na który bodziec odpowiada

Czas prezentacji bodźców Dodatkowo zbyt krótki czas między bodźcami (ISI) może powodować efekt maskowania Dopasowania czasów trzeba dokonać indywidualnie, ale dobrymi wartościami startowymi są: Prezentacja bodźca: 250 ms ISI (inter-stimulus -interval): 500 ms ITI (inter-trial -interval): 1000 ms

Zadanie: Zaprojektować metodę wykonania zaproponowanego eksperymentu (i dobrze opisać), tj.: Zadanie obserwatora (co ma robić?) Cel ekperymentu (co mierzymy?) Metodę zbierania danych (co będzie wynikiem?) Sposób prezentacji bodźców (co będzie widział obserwator?) Za tydzień będziemy laboratoryjnie zbierać dane!