W psychofizyce, eksperymenty mają na celu określenie, czy osoba badana może wykryć bodziec, zidentyfikować go, odróżnić go od innego bodźca lub opisać wielkość lub charakter tej różnicy. Oprogramowanie do eksperymentów psychofizycznych jest omówione przez Strasburgera.
Klasyczne metody psychofizyczneEdit
W eksperymentach psychofizycznych tradycyjnie stosuje się trzy metody testowania percepcji badanych w eksperymentach wykrywania bodźców i różnic: metodę granic, metodę stałych bodźców i metodę regulacji.
Metoda limitówEdit
W metodzie rosnących limitów, pewna właściwość bodźca zaczyna się na poziomie tak niskim, że bodziec nie mógł być wykryty, następnie poziom ten jest stopniowo zwiększany, aż uczestnik zgłosi, że jest jej świadomy. Na przykład, jeśli eksperyment sprawdza minimalną amplitudę dźwięku, który może być wykryty, dźwięk zaczyna się zbyt cicho, aby mógł być zauważony, i jest stopniowo zwiększany. W metodzie zstępujących granic jest to odwrotne. W każdym przypadku za próg uważa się taki poziom właściwości bodźca, przy którym bodźce są właśnie wykrywane.
W eksperymentach stosuje się na przemian metodę wstępującą i zstępującą, a progi są uśredniane. Możliwą wadą tych metod jest to, że osoba badana może przyzwyczaić się do zgłaszania, że postrzega bodziec i może kontynuować zgłaszanie w ten sam sposób nawet po przekroczeniu progu (błąd przyzwyczajenia). I odwrotnie, osoba badana może również przewidywać, że bodziec wkrótce stanie się wykrywalny lub niewyczuwalny i może dokonać przedwczesnego osądu (błąd antycypacji).
Aby uniknąć tych potencjalnych pułapek, Georg von Békésy wprowadził w 1960 roku procedurę schodów w swoich badaniach percepcji słuchowej. W tej metodzie, dźwięk zaczyna się słyszalny i staje się cichszy po każdej z odpowiedzi podmiotu, aż podmiot nie zgłasza słyszenia go. W tym momencie dźwięk staje się głośniejszy na każdym kroku, aż podmiot zgłasza, że go słyszy, w którym to momencie staje się cichszy w krokach ponownie. W ten sposób eksperymentator jest w stanie „wyzerować” próg słyszenia.
Metoda stałych bodźcówEdit
Zamiast prezentowania w porządku rosnącym lub malejącym, w metodzie stałych bodźców poziomy pewnej właściwości bodźca nie są powiązane z jedną próbą do następnej, ale prezentowane losowo. Zapobiega to możliwości przewidzenia przez badanego poziomu następnego bodźca, a zatem redukuje błędy przyzwyczajenia i oczekiwania. W przypadku „progów bezwzględnych” ponownie osoba badana informuje, czy jest w stanie wykryć bodziec. Friedrich Hegelmaier opisał metodę stałych bodźców w pracy z 1852 roku. Metoda ta pozwala na pełne próbkowanie funkcji psychometrycznej, ale może skutkować dużą ilością prób, gdy kilka warunków jest przeplatanych.
Metoda regulacjiEdit
W metodzie regulacji, osoba badana jest proszona o kontrolowanie poziomu bodźca i zmienianie go tak długo, aż będzie on ledwie wykrywalny na tle szumu, lub będzie taki sam jak poziom innego bodźca. Regulacja jest powtarzana wielokrotnie. W tej metodzie obserwatorzy sami kontrolują wielkość zmiennego bodźca, zaczynając od poziomu wyraźnie większego lub mniejszego od standardowego, i zmieniają go tak długo, aż będą zadowoleni z subiektywnej równości obu bodźców. Różnica między bodźcem zmiennym a standardowym jest rejestrowana po każdej regulacji, a błąd jest zestawiany w tabelach dla znacznej serii. Na końcu oblicza się średnią dającą błąd średni, który może być przyjęty jako miara czułości.
Adaptacyjne metody psychofizyczneEdit
Klasyczne metody eksperymentu są często argumentowane jako nieefektywne. Wynika to z faktu, że przed rozpoczęciem badania próg psychometryczny jest zwykle nieznany, a większość danych jest zbierana w punktach funkcji psychometrycznej, które dostarczają niewiele informacji o interesującym nas parametrze, zwykle progu. Procedury schodków adaptacyjnych (lub klasyczna metoda dopasowania) mogą być stosowane w taki sposób, że punkty, z których pobierane są próby, są skupione wokół progu psychometrycznego. Punkty danych mogą być również rozłożone w nieco szerszym zakresie, jeśli nachylenie funkcji psychometrycznej jest również przedmiotem zainteresowania. Metody adaptacyjne mogą być zatem zoptymalizowane do estymacji tylko progu lub zarówno progu jak i nachylenia. Metody adaptacyjne dzielą się na procedury schodkowe (patrz niżej) i metody bayesowskie lub metody maksymalnego prawdopodobieństwa. Metody schodkowe opierają się wyłącznie na poprzedniej odpowiedzi i są łatwiejsze do wdrożenia. Metody bayesowskie biorą pod uwagę cały zestaw poprzednich par bodziec-reakcja i są ogólnie bardziej odporne na przerwy w uwadze. Praktyczne przykłady można znaleźć tutaj.
Procedury schodoweEdit
Staircases zazwyczaj rozpoczynają się bodźcem o wysokiej intensywności, który jest łatwy do wykrycia. Intensywność jest następnie zmniejszana do momentu, gdy obserwator popełni błąd, w którym to momencie schody „odwracają się”, a intensywność jest zwiększana do momentu, gdy obserwator odpowie prawidłowo, wywołując kolejne odwrócenie. Wartości dla ostatniego z tych „odwróceń” są następnie uśredniane. Istnieje wiele różnych typów procedur schodowych, wykorzystujących różne zasady podejmowania decyzji i zakończenia. Wielkość kroku, reguły góra/dół oraz rozpiętość funkcji psychometrycznej określają, w którym miejscu funkcji psychometrycznej są one zbieżne. Wartości progowe uzyskane w wyniku zastosowania algorytmów schodkowych mogą ulegać znacznym wahaniom, dlatego przy ich projektowaniu należy zachować szczególną ostrożność. Wiele różnych algorytmów schodowych zostało wymodelowanych, a niektóre praktyczne zalecenia zostały zasugerowane przez Garcia-Perez.
Jednym z bardziej powszechnych projektów schodowych (z ustalonymi rozmiarami kroków) są schody 1-up-N-down. Jeśli uczestnik udzieli poprawnej odpowiedzi N razy z rzędu, intensywność bodźca jest zmniejszana o jeden rozmiar kroku. Jeśli uczestnik udzieli nieprawidłowej odpowiedzi, intensywność bodźca jest zwiększana o jeden rozmiar. Próg jest szacowany na podstawie średniego punktu środkowego wszystkich przebiegów. Szacunek ten zbliża się asymptotycznie do prawidłowego progu.
Procedury bayesowskie i maksymalnego prawdopodobieństwaEdit
Procedury adaptacyjne bayesowskie i maksymalnego prawdopodobieństwa (ML) zachowują się, z perspektywy obserwatora, podobnie do procedur schodkowych. Wybór kolejnego poziomu intensywności działa jednak inaczej: Po każdej odpowiedzi obserwatora, ze zbioru tej i wszystkich poprzednich par bodziec/reakcja obliczane jest prawdopodobieństwo, gdzie leży próg. Punkt maksymalnego prawdopodobieństwa jest następnie wybierany jako najlepsze oszacowanie progu, a następny bodziec jest prezentowany na tym poziomie (ponieważ decyzja na tym poziomie doda najwięcej informacji). W procedurze bayesowskiej, prawdopodobieństwo wstępne jest dodatkowo uwzględniane w obliczeniach. W porównaniu z procedurami schodkowymi, procedury bayesowskie i ML są bardziej czasochłonne w implementacji, ale uważane są za bardziej solidne. Dobrze znane procedury tego typu to Quest, ML-PEST, oraz metoda Kontsevicha & Tylera.
Estymacja wielkościEdit
W prototypowym przypadku ludzie są proszeni o przypisanie liczb proporcjonalnie do wielkości bodźca. Ta psychometryczna funkcja średnich geometrycznych ich liczb jest często prawem potęgowym o stabilnym, powtarzalnym wykładniku. Chociaż konteksty mogą zmienić wykładnik prawa & , ta zmiana również jest stabilna i powtarzalna. Zamiast liczb, do dopasowania bodźca można użyć innych wymiarów sensorycznych lub poznawczych, a metoda staje się wtedy „produkcją wielkości” lub „dopasowaniem międzymodalnościowym”. Wykładniki tych wymiarów znalezione w numerycznej estymacji wielkości przewidują wykładniki znalezione w produkcji wielkości. Estymacja wielkości generalnie znajduje niższe wykładniki dla funkcji psychofizycznej niż odpowiedzi wielokategorialne, z powodu ograniczonego zakresu kotwic kategorycznych, takich jak te używane przez Likerta jako pozycje w skalach postaw.
.