Na psicofísica, as experiências procuram determinar se o sujeito pode detectar um estímulo, identificá-lo, diferenciá-lo de outro estímulo, ou descrever a magnitude ou natureza desta diferença. O software para a experimentação psicofísica é panorâmico por Strasburger.
Métodos psicofísicos clássicosEdit
As experiências psicofísicas têm usado tradicionalmente três métodos para testar a percepção dos sujeitos em experiências de detecção de estímulos e de detecção de diferenças: o método dos limites, o método dos estímulos constantes e o método de ajustamento.
Método dos limitesEditar
No método ascendente dos limites, alguma propriedade do estímulo começa num nível tão baixo que o estímulo não pôde ser detectado, depois este nível é gradualmente aumentado até o participante relatar que está ciente do mesmo. Por exemplo, se a experiência estiver a testar a amplitude mínima de som que pode ser detectada, o som começa demasiado silenciosamente para ser percebido, e é gradualmente tornado mais alto. No método descendente de limites, isto é invertido. Em cada caso, o limiar é considerado como sendo o nível da propriedade de estímulo em que os estímulos são apenas detectados.
Em experiências, os métodos ascendente e descendente são utilizados alternadamente e os limiares são calculados como média. Uma possível desvantagem destes métodos é que o sujeito pode habituar-se a comunicar que percebe um estímulo e pode continuar a comunicar da mesma forma mesmo para além do limiar (o erro de habituação). Pelo contrário, o sujeito pode também antecipar que o estímulo está prestes a tornar-se detectável ou indetectável e pode fazer um juízo prematuro (o erro de antecipação).
Para evitar estas potenciais armadilhas, Georg von Békésy introduziu o procedimento das escadas em 1960 no seu estudo da percepção auditiva. Neste método, o som começa audível e fica mais silencioso após cada uma das respostas do sujeito, até que o sujeito não o comunique. Nesse momento, o som é tornado mais alto a cada passo, até que o sujeito relata ouvi-lo, altura em que é tornado mais silencioso em passos novamente. Desta forma, o experimentador é capaz de “zerar” no limiar.
Método de estímulos constantesEditar
Em vez de ser apresentado em ordem ascendente ou descendente, no método de estímulos constantes os níveis de uma determinada propriedade do estímulo não estão relacionados de uma tentativa para outra, mas apresentados de forma aleatória. Isto impede que o sujeito seja capaz de prever o nível do próximo estímulo, e por conseguinte reduz os erros de habituação e expectativa. Para “limiares absolutos”, mais uma vez o sujeito relata se é capaz de detectar o estímulo. Para “limiares de diferença” tem de haver um estímulo de comparação constante com cada um dos vários níveis.Friedrich Hegelmaier descreveu o método dos estímulos constantes num artigo de 1852. Este método permite uma amostragem completa da função psicométrica, mas pode resultar em muitas tentativas quando várias condições são intercaladas.
Método de ajustamentoEditar
No método de ajustamento, pede-se ao sujeito que controle o nível do estímulo e que o altere até que seja apenas pouco detectável contra o ruído de fundo, ou que seja o mesmo que o nível de outro estímulo. O ajustamento é repetido muitas vezes. Neste método, os próprios observadores controlam a magnitude do estímulo variável, começando com um nível que é claramente maior ou menor do que um nível padrão e variando-o até que estejam satisfeitos com a igualdade subjectiva dos dois. A diferença entre os estímulos variáveis e o padrão é registada após cada ajustamento, e o erro é tabelado para uma série considerável. No final, a média é calculada dando o erro médio que pode ser tomado como medida de sensibilidade.
Métodos psicofísicos adaptativosEditar
Os métodos clássicos de experimentação são frequentemente argumentados como sendo ineficientes. Isto porque, antes dos testes, o limiar psicométrico é geralmente desconhecido e a maioria dos dados são recolhidos em pontos sobre a função psicométrica que fornecem pouca informação sobre o parâmetro de interesse, geralmente o limiar. Podem ser utilizados procedimentos de escada adaptativos (ou o método clássico de ajustamento) de modo a que os pontos amostrados sejam agrupados em torno do limiar psicométrico. Os pontos de dados também podem ser distribuídos num intervalo ligeiramente mais amplo, se a inclinação da função psicométrica também for de interesse. Os métodos adaptativos podem assim ser optimizados para estimar apenas o limiar, ou tanto o limiar como o declive. Os métodos adaptativos são classificados em procedimentos de escada (ver abaixo) e métodos Bayesianos, ou métodos de máxima probabilidade de sobrevivência. Os métodos de escada dependem apenas da resposta anterior, e são mais fáceis de implementar. Os métodos Bayesianos têm em conta todo o conjunto de pares estímulo-resposta anteriores e são geralmente mais robustos contra lapsos de atenção. Encontram-se aqui exemplos práticos.
Procedimentos de escadaEditar
Escadas normalmente começam com um estímulo de alta intensidade, que é fácil de detectar. A intensidade é então reduzida até o observador cometer um erro, altura em que a escada ‘inverte’ e a intensidade é aumentada até o observador responder correctamente, provocando outra inversão. Os valores para a última destas ‘inversões’ são então calculados como média. Existem muitos tipos diferentes de procedimentos de escadas, utilizando diferentes regras de decisão e de terminação. As regras de tamanho de degrau, para cima/para baixo e a propagação da função psicométrica subjacente ditam para onde convergem na função psicométrica. Os valores de limiar obtidos a partir de escadas podem flutuar de forma selvagem, pelo que se deve ter cuidado na sua concepção. Muitos algoritmos diferentes de escadas foram modelados e algumas recomendações práticas sugeridas por Garcia-Perez.
Um dos desenhos de escadas mais comuns (com tamanhos de degraus fixos) é a escada 1-up-N-down. Se o participante fizer a resposta correcta N vezes seguidas, a intensidade do estímulo é reduzida em um tamanho de degrau. Se o participante der uma resposta incorrecta, a intensidade do estímulo é aumentada pelo tamanho de um degrau. Estima-se um limiar a partir do ponto médio de todos os percursos. Esta estimativa aproxima-se, assimmptoticamente, do limiar correcto.
Procedimentos Bayesianos e de Máxima VerossimilhançaEditar
Procedimentos Bayesianos e de Máxima Verossimilhança (ML) comportam-se, do ponto de vista do observador, à semelhança dos procedimentos de escada. A escolha do nível de intensidade seguinte funciona, no entanto, de forma diferente: Após cada resposta do observador, a partir do conjunto deste e de todos os pares estímulo/resposta anteriores, a probabilidade é calculada de onde se situa o limiar. O ponto de máxima probabilidade é então escolhido como a melhor estimativa para o limiar, e o próximo estímulo é apresentado a esse nível (uma vez que uma decisão a esse nível acrescentará a maior quantidade de informação). Num procedimento Bayesiano, uma probabilidade prévia é ainda incluída no cálculo. Em comparação com os procedimentos de escada, os procedimentos Bayesianos e ML são mais morosos de implementar, mas são considerados mais robustos. Procedimentos bem conhecidos deste tipo são Quest, ML-PEST, e Kontsevich & Método de Tyler.
Estimativa de magnitudeEdit
No caso prototípico, pede-se às pessoas que atribuam números em proporção à magnitude do estímulo. Esta função psicométrica dos meios geométricos dos seus números é frequentemente uma lei de poder com expoente estável e replicável. Embora os contextos possam alterar a lei & expoente, essa alteração também é estável e replicável. Em vez de números, outras dimensões sensoriais ou cognitivas podem ser utilizadas para combinar um estímulo e o método torna-se então “produção de magnitude” ou “combinação de modalidades cruzadas”. Os expoentes dessas dimensões encontrados na estimativa de magnitude numérica prevêem os expoentes encontrados na produção de magnitude. A estimativa da magnitude geralmente encontra expoentes inferiores para a função psicofísica do que as respostas de múltiplas categorias, devido ao alcance restrito das âncoras categóricas, tais como as utilizadas pela Likert como itens em escalas de atitude.