Biz sıkı kontrollü deneysel koşullarda aynı nesnelerin gerçek dünya nesneleri ve eşleşen görüntüleri sunmak için yöntemler açıklanmaktadır. Yöntemler bir karar verme görevi bağlamında açıklanmıştır, ancak aynı gerçek dünya yaklaşımı, algı, dikkat ve bellek gibi diğer bilişsel etki alanlarına uzatılabilir.
İnsan nesne vizyonu bilgimiz, neredeyse sadece uyaranların bilgisayarlı iki boyutlu (2-D) görüntüler şeklinde sunulduğu çalışmalarda dayanır. Günlük yaşamda, ancak, insanlar ağırlıklı olarak gerçek dünya katı nesneler ile etkileşim, görüntüleri değil. Şu anda, biz çok az nesne görüntüleri gibi gerçek dünya örneklerle benzer davranışsal veya nöral süreçleri tetiklemek hakkında biliyorum. Burada, gerçek dünyayı laboratuvarda getirmek için yöntemler sunuyoruz. Sıkı kontrollü görüntüleme koşullarında zengin, ekolojik olarak geçerli gerçek dünya uyarıcıları sunmak için ayrıntılı yöntemler sunuyoruz. Gerçek nesnelerin ve görüntülerinin görünümünü yakından nasıl eşleştireceğiz, hem de gerçek nesneleri ve bilgisayarlı görüntüleri başarılı bir şekilde Interleaved çalışmalarda sunmak için kullanılabilecek yeni cihaz ve protokolleri tarif ediyoruz. Biz aynı öğelerin 2-b görüntüleri karşı gerçek snack gıdalar için istekli-to-ödeme (WTP) karşılaştırmak bir olgu örneği olarak bir karar verme paradigması kullanıyoruz. Biz WTP artar gösterir gıda öğeleri için% 6,6 tarafından gerçek nesneler aynı gıdaların yüksek çözünürlüklü 2-D renkli görüntüler karşı olarak görüntülenen-gerçek gıdalar daha onların görüntüleri daha değerli olarak algılanan olduğunu düşündürmektedir. Kontrollü koşullar altında gerçek nesne uyaranlara sunmak rağmen denemeler için çeşitli pratik zorluklar sunar, bu yaklaşım temelde doğal altında yatan bilişsel ve nöral süreçleri anlayışımızı genişletmek olacak Vizyon.
İnsan algı ve biliş primer araştırma translasyonel değeri hangi ölçüde bulguların gerçek dünya uyaranlara ve bağlamlara transfer üzerine menteşeler. Uzun süreli bir soru beynin gerçek dünya duyusal girişleri nasıl işlediğini ilgilendiriyor. Şu anda, görsel biliş bilgisi, genellikle bilgisayarlı görüntüler şeklinde sunulan iki boyutlu (2-D) resimler şeklinde uyaranlara dayanmış olan çalışmalar neredeyse sadece dayanmaktadır. Görüntü etkileşimi modern dünyada giderek daha yaygın hale olmasına rağmen, insanlar görsel sistem, görüntü1değil, gerçek nesnelerle algı ve etkileşimi sağlamak için evrimleşmiş olan aktif gözlemciler vardır. Bugüne kadar, insan vizyonu çalışmalarda kapsamlı varsayım görüntüleri eşdeğerdir ve uygun yakınlık için, gerçek nesne görüntüler olmuştur. Şu anda, ancak, biz şaşırtıcı az görüntüleri etkili gerçek nesneleri gibi aynı temel bilişsel süreçleri tetiklemek hakkında biliyorum. Bu nedenle, görüntüleri için hangi yanıtları gibi veya farklı, onların gerçek dünya meslektaşları tarafından elicited hangi ölçüde belirlemek önemlidir.
Gerçek nesneler ve bu uyaranların beyinde nasıl işlendiği farklılıkları neden olabilir görüntüler arasında birkaç önemli farklar vardır. İki gözü olan gerçek nesnelere baktığınızda, her göz biraz farklı bir yatay noktadan bilgi alır. Binoküler eşitsizlik olarak bilinen farklı görüntüler arasında bu tutarsızlık, derinlik bir üniter duygusu üretmek için beyin tarafından çözülür2,3. Stereoskopik vizyondan elde edilen derinlik ipuçlarını, hareket Parallax gibi diğer kaynaklarla birlikte, nesnenin benmerkezci mesafesi, konumu ve fiziksel boyutu hakkında gözlemciye kesin bilgi iletmek, hem de üç boyutlu (3-D) geometrik Şekil yapısı4,5. Nesnelerin düzlemsel görüntüleri uyarıcının fiziksel boyutu hakkında bilgi iletmez, çünkü yalnızca monitöre olan mesafe, nesneye olan mesafeyi değil, gözlemci tarafından bilinmektedir. Stereogramlar gibi nesnelerin 3-b görüntüleri, gerçek nesnelerin görsel görünümünü daha yakından takip ederken, 3-b uzayda yok, ne de onlar el6ile açgözlü gibi hakiki motor eylemleri göze yok.
Deneysel bağlamlarda gerçek nesne uyarıcıları kullanmanın pratik zorlukları
Uyarıcı sunum tamamen bilgisayar kontrollü olduğu görüntü vizyonu çalışmaları aksine, gerçek nesnelerle çalışmak deney için pratik zorluklar bir dizi sunar. Nesne sunumlarının konumu, sırası ve zamanlaması deneme boyunca el ile denetlenmelidir. Gerçek nesnelerle (görüntülerin aksine) çalışmak,7,8,9 toplamak ya da10 nesne yapmak, deneyden önce uyaranlara ayarlamak ve mevcut çalışma sırasında el ile nesneleri. Dahası, doğrudan, görüntülerle gerçek nesnelere yanıt karşılaştırmak için tasarlanmış deneyler, bu farklı ekran formatları8,9uyaranların görünümünü yakından maç için önemlidir. Stimulus parametreleri, çevresel koşullar, hem de randomizasyon ve gerçek nesne ve görüntü uyaranların karşı Dengeleme, tüm dikkatle nedensel faktörler izole ve gözlenen etkileri için alternatif açıklamalar dışarı kural kontrol edilmelidir.
Gerçek nesneleri (ve eşleşen görüntüleri) sunmak için aşağıda ayrıntılı Yöntemler karar verme paradigması bağlamında açıklanmıştır. Genel yaklaşım, ancak, uyarıcı biçimi algı, bellek veya dikkat gibi görsel biliş diğer yönlerini etkiler olup olmadığını incelemek için uzatılabilir.
Gerçek nesneler farklı görüntülere mi işlenir? Karar alma ile ilgili bir olgu örneği
Laboratuvar deneylerinde incelenenlere karşı gerçek dünya senaryolarda karşılaştığımız nesnelerin türleri arasındaki uyuşmazlık, özellikle insan karar alma çalışmalarında belirgindir. Diyet seçimlerinin çoğu çalışmada, katılımcıların bir bilgisayar monitörde renkli 2-D görüntüler olarak sunulan snack gıdalar hakkında kararlar istenir 11,12,13,14. Buna karşılık, hangi gıdalar yemek hakkında günlük kararlar genellikle süpermarket veya kafeterya gibi gerçek gıdalar, varlığında yapılır. Modern yaşamda rağmen biz düzenli olarak snack gıdalar (yani, reklam panoları, televizyon ekranları ve çevrimiçi platformlarda) görüntüleri görüntülemek, yeteneği algılamak ve uygun gerçek enerji-yoğun gıdalar varlığına yanıt olabilir evrimsel bir adaptasyon olabilir perspektif büyüme, rekabetçi avantaj ve üreme kolaylaştırır çünkü15,16,17.
Karar verme ve diyet seçimlerinin bilimsel çalışmalarla ilgili araştırma sonuçları, yükselen obezite oranlarının kısıtlanmasına yönelik kamu sağlığı girişimlerine rehberlik etmek için kullanılmıştır. Ne yazık ki, ancak, bu girişimler az ölçülebilir başarı için küçük bir araya geldi görünüyor18,19,20,21. Obezite bir hastalığın küresel yükü için büyük bir katkı kalır22 ve ilişkili sağlık sorunları bir dizi ile bağlantılı, koroner kalp hastalığı dahil, demans, tip II diyabet, bazı kanserler, ve morbidite artan genel risk22 ,23,24,25,26,27. Obezite ve son yıllarda ilişkili sağlık koşullarında keskin yükselişi28 ucuz, enerji-yoğun gıdalar18,29mevcudiyeti ile bağlantılı olmuştur. Bu nedenle, günlük diyet kararlarını düzenleyen temel bilişsel ve nöral sistemlerin anlaşılması konusunda yoğun bir bilimsel ilgi vardır.
Farklı biçimlerde gıdalar beyinde işlenir şekilde farklılıklar varsa, o zaman bu obezite mücadele için kamu sağlığı yaklaşımlar başarısız olmuştur neden içine öngörüler sağlayabilir. Görüntüleri ve gerçek dünya nesneleri arasındaki farklılıkları rağmen, yukarıda açıklanan, şaşırtıcı derecede az snack gıdalar görüntüleri gerçek dünya meslektaşları benzer şekilde işlenir olup olmadığını bilinmektedir. Özellikle, küçük olup olmadığını gerçek gıdalar daha değerli ya da aynı öğelerin eşleşen görüntülere göre satiating algılanır hakkında bilinmektedir. Klasik erken davranışsal çalışmalar genç çocukların snack gıdalar302-b renkli görüntüler bağlamında haz geciktirmek başardı bulundu, ama onlar gerçek snack gıdalar31ile karşı karşıyayız. Ancak, birkaç çalışmalar yetişkinler incelenmiştir olup olmadığını bir snack gıda görüntülenen biçimi etkiler karar verme veya değerleme12,32,33 ve bugüne kadar sadece bir çalışma, bizim laboratuar, bu test etti Uyarı parametreleri ve çevresel etkenler formatları7arasında eşleştirilir zaman soru. Burada, sağlıklı insan Gözlemcilere karar verme konusunda uyaranların görüntülendiği biçimden etkilenip etkilmediğini araştırmak için yenilikçi teknikler ve aygıtlar açıklanmaktadır.
Bizim çalışma7 bushong ve meslektaşları12 tarafından yürütülen bir önceki deney tarafından motive oldu hangi kolej yaşlı öğrencilerin bir Becker-DeGroot-MARSCHAK (BDM) teklif görevi kullanarak günlük atıştırmalık gıdalar bir dizi para teklifleri yerleştirmek istendi 34. bir arasındaki-konular tasarım, Bushong ve meslektaşları12 kullanarak snack gıdalar üç biçimlerden birinde sundu: metin tanımlayıcıları (yani, ‘ Snickers Bar ‘), 2-D renkli görüntüler, ya da gerçek gıdalar. Aperatifler için Ortalama teklifler (dolar) üç katılımcı grupları arasında kontrastlı edildi. Şaşırtıcı bir şekilde, gerçek gıdaları inceleyen öğrenciler, resimler veya metin tanımlayıcıları gibi aynı uyaranlara göre daha fazla madde için% 61 daha fazla ödeme yapmaya istekli oldu-yazarların ‘ gerçek pozlama etkisi ‘12olarak adlandırdığı bir fenomen. Ancak kritik olarak, metin ve görüntü koşullarındaki katılımcılar, teklif görevini bir grup ayarında tamamladı ve yanıtlarını bireysel bilgisayar terminalleri üzerinden girmişti; tersine, gerçek gıda koşula atanan bu görevi denenme ile bire bir gerçekleştirdim. Gerçek ve görüntü koşullarında uyaranların görünümü de farklıydı. Gerçek gıda durumunda, gıdalar bir gümüş tepsi üzerinde gözlemci sunuldu, görüntü durumunda uyaranların siyah bir arka planda ölçekli kırpılmış görüntüler olarak sunuldu. Böylece, katılımcı farklılıkları, çevresel koşullar veya Stimulus ile ilgili farklılıklar, gerçek gıdalar için şişirilmiş teklifler yol açtı olabilir mümkündür. Bushong, ve al.12‘ den sonra, gerçek gıdaların 2-D ‘ i n gıda görüntülerinden daha değerli olup olmadığını inceledik, ancak kritik olarak, çevresel ve uyarıcı ile ilgili faktörlerin dikkatle kontrol edildiği bir ürün içi tasarım kullandık. Her bir ekran formatında uyaranların, duruşmadan duruşmaya rasgele katılabildiği özel tasarımlı bir pikap geliştirdik. Uyarıcı sunumu ve zamanlaması, gerçek nesne ve görüntü denemeleri arasında aynıdır, böylece katılımcıların farklı ekran koşullarında görevi gerçekleştirmek için farklı stratejiler kullanmaları olasılığını azaltır. Son olarak, gerçek gıda ve görüntülerin belirgin boyut, mesafe, bakış açısı ve arka plan için yakından eşleştirilebileceği şekilde, gerçek nesne ve görüntü koşullarında uyaranların görünümünü dikkatle kontrol ettik. Denemeler arasında uyarıcı formatlarını randomizing için izin verebilecek diğer prosedürler veya mekanizmalar olması muhtemeldir, ama bizim yöntemi birçok nesne (ve görüntüleri) nispeten hızlı Interleaved arkaya sunulacak sağlar. İstatistiksel açıdan bakıldığında, bu tasarım, konular arası tasarımlar kullanarak mümkün olandan daha önemli efektleri algılamak için güç maksimize eder. Benzer şekilde, etkileri gözlemciler arasında istekli-to-ödeme (WTP) bir-priori farklılıkları atfedilemez. Bu, tabii ki, içinde-konular tasarımları talep özellikleri için olasılığı açık durumda. Ancak, çalışma katılımcılarımıza göre, deneme sonunda, teklif verme görevinde ortaya çıkan görüntü formatı ne olursa olsun, bir gıda maddesi ‘ kazanabileceğini ‘ anladı. Katılımcılar ayrıca, keyfi olarak teklifleri azaltma (örneğin, görüntüler için) kazanma şansını azaltacağını ve istenilen maddeyi kazanmak için en iyi stratejinin bir gerçek değeri34,35,36 teklif etmesini bilgilendirdi . Bu denemenin amacı, BDM teklif görevi34,35kullanarak 2-D görüntülere karşı gerçek gıdalar için WTP ‘yi karşılaştırmak.
Geçerli kağıdın kapsamlı hedefi, kontrollü deneysel koşullarda çok sayıda gerçek nesne (ve görüntü) sunmak hakkında ayrıntılı bilgi sağlayarak ‘ gerçek dünya ‘ nesnesi vizyonu gelecekteki çalışmalarını kolaylaştırmak için. Biz diyet seçimi ve gıda değerleme etkileyen faktörleri incelemek için ekolojik olarak geçerli bir yaklaşım sunuyoruz. Biz gerçek dünya nesneleri şeklinde sunulan atıştırmalık gıdalar 2-b görüntüler olarak sunulan gıdalara farklı değerli olup olmadığ?…
The authors have nothing to disclose.
Bu çalışma, Ulusal Sağlık Enstitüleri Ulusal göz Enstitüsü (NıH) R01EY026701, Ulusal Bilim Vakfı (NSF) [Grant 1632849] ve klinik translational araştırma altyapı altında National Institutes dan JC Snow hibe tarafından desteklenmektedir Ağ [Grant 17-746Q-UNR-PG53-00]. İçerik sadece yazarlar sorumluluğundadır ve mutlaka NıH, NSF veya CTR-ın resmi görüşlerini temsil etmez.
EOS Rebel T2i Body Camera | Canon | 4462B001 | |
MATLAB | MathWorks | R2017b | Computer programming software. Download this additional free toolbox: PsychToolbox 3.0.14 |
Photoshop | Adobe | CS6 | |
PLATO Visual Occlusion Glasses | Translucent Technologies Inc. | N/A | |
SPSS | IBM | Version 22 | Statitical analysis software |
ToTaL Control System (USB) | Translucent Technologies Inc. | N/A | The ToTaL Control System controls the PLATO spectacles |