In der Psychophysik wird experimentell untersucht, ob die Versuchsperson einen Reiz erkennen, identifizieren, von einem anderen Reiz unterscheiden oder die Größe oder Art dieses Unterschieds beschreiben kann. Einen Überblick über die Software für psychophysikalische Experimente gibt Strasburger.
Klassische psychophysikalische Methoden
In psychophysikalischen Experimenten werden traditionell drei Methoden verwendet, um die Wahrnehmung von Versuchspersonen in Reizerkennungs- und Differenzerkennungsexperimenten zu testen: die Methode der Grenzen, die Methode der konstanten Reize und die Methode der Anpassung.
Methode der GrenzenBearbeiten
Bei der Methode der aufsteigenden Grenzen beginnt eine Eigenschaft des Reizes auf einem so niedrigen Niveau, dass der Reiz nicht erkannt werden kann, dann wird dieses Niveau allmählich erhöht, bis der Teilnehmer berichtet, dass er es wahrnimmt. Wenn das Experiment beispielsweise die minimale Amplitude eines Geräuschs testet, die wahrgenommen werden kann, beginnt das Geräusch zu leise, um wahrgenommen zu werden, und wird dann schrittweise lauter gemacht. Bei der absteigenden Methode der Grenzwerte wird dies umgekehrt. Als Schwelle gilt in jedem Fall der Pegel der Reizeigenschaft, bei dem die Reize gerade noch wahrgenommen werden.
In Experimenten werden die aufsteigende und die absteigende Methode abwechselnd angewendet und die Schwellenwerte gemittelt. Ein möglicher Nachteil dieser Methoden ist, dass sich die Versuchsperson daran gewöhnen kann, zu melden, dass sie einen Reiz wahrnimmt und dies auch jenseits der Schwelle weiterhin so meldet (Fehler der Gewöhnung). Umgekehrt kann die Versuchsperson auch antizipieren, dass der Reiz in Kürze wahrnehmbar oder nicht mehr wahrnehmbar sein wird und ein verfrühtes Urteil fällen (Fehler der Antizipation).
Um diese möglichen Fallstricke zu vermeiden, führte Georg von Békésy 1960 in seiner Studie zur auditiven Wahrnehmung das Treppenverfahren ein. Bei dieser Methode ist das Geräusch zunächst hörbar und wird nach jeder Antwort der Versuchsperson leiser, bis die Versuchsperson angibt, es nicht mehr zu hören. Dann wird das Geräusch schrittweise lauter gemacht, bis die Versuchsperson meldet, dass sie es gehört hat, woraufhin es wieder schrittweise leiser gemacht wird.
Methode der konstanten Stimuli
Anstatt in aufsteigender oder absteigender Reihenfolge präsentiert zu werden, werden bei der Methode der konstanten Stimuli die Pegel einer bestimmten Eigenschaft des Stimulus nicht von einem Versuch zum nächsten in Beziehung gesetzt, sondern zufällig präsentiert. Dadurch wird verhindert, dass die Versuchsperson die Höhe des nächsten Reizes vorhersagen kann, und somit werden Gewöhnungs- und Erwartungsfehler reduziert. Bei „absoluten Schwellen“ berichtet die Testperson wiederum, ob sie den Reiz wahrnehmen kann. Für „Differenzschwellen“ muss es zu jeder der variierten Stufen einen konstanten Vergleichsreiz geben.1852 beschrieb Friedrich Hegelmaier in einem Aufsatz die Methode der konstanten Reize. Diese Methode erlaubt eine vollständige Abtastung der psychometrischen Funktion, kann aber zu einer großen Anzahl von Versuchen führen, wenn mehrere Bedingungen ineinander verschachtelt werden.
Methode der Anpassung
Bei der Methode der Anpassung wird die Versuchsperson gebeten, den Pegel des Reizes zu kontrollieren und so lange zu verändern, bis er gerade noch gegen das Hintergrundrauschen wahrnehmbar ist oder dem Pegel eines anderen Reizes entspricht. Die Einstellung wird viele Male wiederholt. Bei dieser Methode kontrollieren die Beobachter selbst die Größe des variablen Reizes, indem sie mit einem Pegel beginnen, der deutlich größer oder kleiner als ein Standardreiz ist, und diesen variieren, bis sie mit der subjektiven Gleichheit der beiden zufrieden sind. Die Differenz zwischen den variablen Reizen und dem Standardreiz wird nach jeder Einstellung aufgezeichnet und der Fehler für eine beträchtliche Reihe tabellarisch erfasst. Am Ende wird der Mittelwert berechnet, der den durchschnittlichen Fehler ergibt, der als Maß für die Sensitivität herangezogen werden kann.
Adaptive psychophysikalische MethodenBearbeiten
Die klassischen Methoden des Experimentierens werden oft als ineffizient dargestellt. Dies liegt daran, dass der psychometrische Schwellenwert im Vorfeld des Tests meist unbekannt ist und die meisten Daten an Punkten der psychometrischen Funktion erhoben werden, die wenig Informationen über den interessierenden Parameter, meist den Schwellenwert, liefern. Adaptive Treppenverfahren (oder die klassische Methode der Anpassung) können so eingesetzt werden, dass die erfassten Punkte um die psychometrische Schwelle herum geclustert werden. Die Datenpunkte können auch in einem etwas weiteren Bereich verteilt werden, wenn die Steigung der psychometrischen Funktion ebenfalls von Interesse ist. Adaptive Methoden können also nur für die Schätzung der Schwelle oder sowohl für die Schwelle als auch für die Steigung optimiert werden. Adaptive Methoden werden in Treppenverfahren (siehe unten) und Bayes’sche bzw. Maximum-Likelihood-Methoden unterteilt. Treppenverfahren stützen sich nur auf die vorherige Reaktion und sind einfacher zu implementieren. Bayes’sche Methoden berücksichtigen die gesamte Menge der vorherigen Reiz-Reaktions-Paare und sind in der Regel robuster gegenüber Aufmerksamkeitsdefiziten. Praktische Beispiele finden Sie hier.
TreppenverfahrenBearbeiten
Treppenverfahren beginnen in der Regel mit einem Reiz hoher Intensität, der leicht zu erkennen ist. Die Intensität wird dann reduziert, bis der Beobachter einen Fehler macht, woraufhin sich die Treppe ‚umdreht‘ und die Intensität erhöht wird, bis der Beobachter richtig reagiert, was eine weitere Umkehrung auslöst. Die Werte für die letzte dieser „Umkehrungen“ werden dann gemittelt. Es gibt viele verschiedene Arten von Treppenprozeduren, die unterschiedliche Entscheidungs- und Abbruchregeln verwenden. Die Schrittgröße, die Aufwärts-/Abwärtsregeln und die Streuung der zugrunde liegenden psychometrischen Funktion diktieren, wo auf der psychometrischen Funktion sie konvergieren. Die Schwellenwerte, die durch Treppenverfahren erhalten werden, können stark schwanken, daher muss man bei ihrem Entwurf sorgfältig vorgehen. Viele verschiedene Treppenalgorithmen wurden modelliert und einige praktische Empfehlungen von Garcia-Perez vorgeschlagen.
Eines der gängigeren Treppendesigns (mit festen Schrittgrößen) ist die 1-up-N-down-Treppe. Wenn der Teilnehmer N-mal hintereinander die richtige Antwort gibt, wird die Stimulusintensität um eine Schrittgröße reduziert. Wenn der Teilnehmer eine falsche Antwort gibt, wird die Stimulusintensität um die eine Größe erhöht. Ein Schwellenwert wird aus dem Mittelwert aller Durchläufe geschätzt. Diese Schätzung nähert sich asymptotisch dem korrekten Schwellenwert an.
Bayesianische und Maximum-Likelihood-Verfahren
Bayesianische und Maximum-Likelihood (ML)-adaptive Verfahren verhalten sich aus Sicht des Beobachters ähnlich wie die Treppenverfahren. Die Wahl der nächsten Intensitätsstufe funktioniert jedoch anders: Nach jeder Beobachterreaktion wird aus der Menge dieses und aller vorherigen Reiz-Reaktions-Paare die Wahrscheinlichkeit berechnet, wo die Schwelle liegt. Der Punkt maximaler Wahrscheinlichkeit wird dann als beste Schätzung für den Schwellenwert gewählt, und der nächste Reiz wird auf dieser Stufe präsentiert (da eine Entscheidung auf dieser Stufe die meisten Informationen hinzufügt). Bei einem Bayes’schen Verfahren wird zusätzlich eine Prior Likelihood in die Berechnung einbezogen. Im Vergleich zu Treppenverfahren sind Bayes’sche und ML-Verfahren zeitaufwändiger zu implementieren, gelten aber als robuster. Bekannte Verfahren dieser Art sind Quest, ML-PEST und Kontsevich & Tylers Methode.
MagnitudenschätzungBearbeiten
Im prototypischen Fall werden Personen gebeten, Zahlen proportional zur Größe des Reizes zuzuordnen. Diese psychometrische Funktion der geometrischen Mittelwerte ihrer Zahlen ist oft ein Potenzgesetz mit stabilem, replizierbarem Exponenten. Obwohl Kontexte das Gesetz & Exponent ändern können, ist auch diese Änderung stabil und replizierbar. Anstelle von Zahlen können auch andere sensorische oder kognitive Dimensionen verwendet werden, um einen Stimulus zuzuordnen, und die Methode wird dann zur „Größenproduktion“ oder zum „cross-modality matching“. Die Exponenten dieser Dimensionen, die bei der numerischen Größenabschätzung gefunden werden, sagen die Exponenten voraus, die bei der Größenproduktion gefunden werden. Die Magnitudenschätzung findet im Allgemeinen niedrigere Exponenten für die psychophysische Funktion als Antworten mit mehreren Kategorien, aufgrund des eingeschränkten Bereichs der kategorialen Anker, wie sie von Likert als Items in Einstellungsskalen verwendet werden.