在实验心理学和认知神经科学研究中呈现真人和真人行为的自然主义设置

生存和社会互动的基本技能是感知和理解他人行为并在周围环境中与他们互动的能力。过去几十年的先前研究对理解个人如何感知和理解他人行为的基本原则做出了重大贡献1,2,3,4,5,6,7,8,9,10,11 .然而，鉴于相互作用的复杂性及其发生的环境，显然需要在自然环境中进一步发展知识体系，以便在日常生活环境中更全面地理解这种复杂的技能。

在我们的日常生活环境等自然环境中，感知和认知表现出具身的、嵌入的、延伸的和活跃的特征¹².与倾向于低估身体和环境作用的大脑功能的内部主义描述相反，当代的具身认知方法侧重于大脑，身体和环境的动态耦合。另一方面，大多数社会心理学，认知心理学和神经科学研究倾向于假设在实验室条件下利用良好控制和简化的实验设计（例如，计算机化任务中的图像或视频）产生的结果可以推广到更复杂的场景，例如^{现实世界的交互}1,2,3,4,5,6,7 ，^8,9,10,11.这一假设保证了在许多情况下可以获得稳健可靠的数据。然而，一个众所周知的挑战是，在现实世界中进行测试时，从精心控制的实验中得出的模型的有效性是有限的¹³。因此，已经进行了进一步的调查13,14,15,16,17,18,19,20,21,22，^以解决各个研究领域中刺激和实验设计的生态和外部有效性。

在这项研究中，提出了一种新颖的方法，通过使用真实的、身体在场的演员表演的真人动作来研究个人如何感知和评估他人的行为。采用类似于现实生活背景的场景，而实验者可以控制可能的混杂因素。这项研究是Matusz等人框架内的一种“自然主义实验室研究”形式14，可以被认为是“经典实验室研究”之间的中间阶段，前者利用对刺激和环境的最大控制，通常以牺牲自然性为代价，后者旨在以牺牲对刺激和环境的控制为代价，以牺牲对刺激和环境的控制为代价，最大限度地提高自然性¹⁴.该研究旨在解决在行动感知研究中对这一水平进行实证调查的需求，以弥合在高度实验控制的传统实验室实验中获得的结果与在完全不受限制的自然环境中进行的研究中获得的结果之间的差距。

受控实验与无约束实验
实验控制是设计实验以测试特定假设的有效策略，因为它允许研究人员将目标变量与可能的混杂因素隔离开来。它还允许通过一定程度的修正重新审视相同的假设，例如在同一设计中使用略微或完全不同的刺激，或在替代实验设置中测试相同的刺激。通过对照实验进行系统研究是认知科学和相关领域研究的传统方法形式。对照实验仍然有助于建立关于各个研究领域认知过程基本原理的知识体系，例如注意力、记忆和感知。然而，最近的研究也承认传统实验室实验在将研究结果推广到现实世界环境方面的局限性，并鼓励研究人员在增强的生态环境中进行研究13,14,15,16,17,18,19,20,21 .这种转变旨在解决传统实验室实验与现实世界环境之间的差异的两个重要问题。首先，实验室外的世界不像实验那样具有确定性，这限制了系统实验操作的代表能力。其次，人脑具有高度的适应性，由于设计和进行实验研究的实际局限性，这一点往往被低估了²²。“生态有效性”的概念^23,24已被用于解决解决该问题的方法。该术语通常用于指将实验结果推广到实验室环境之外的现实世界的先决条件。生态有效性也被解释为指使用不受约束的刺激验证几乎自然主义的实验设置，以确保研究设计类似于现实生活中的场景²⁵。由于该术语的解释差异很大，因此需要了解替代方法和刺激选择的优点和局限性。

刺激和实验设计中的自然主义水平
以前在实验心理学和认知神经科学方面的工作使用了具有不同自然主义水平的广泛刺激²⁶.大多数研究人员更喜欢使用静态图像或简短的动态视频，因为这些刺激比那些可以模拟真实动作或事件的刺激更容易准备。尽管有优势，但这些刺激不允许研究人员测量社会主体之间的偶然行为。换句话说，他们不可操作，也没有社会负担能力²⁷.近年来，已经开发了这些非交互式刺激的替代方案：虚拟化身的实时动画。这些头像允许调查头像与其用户之间的交互。然而，使用虚拟化身会减少用户的担忧，特别是当它们在现实和偶然行为方面看起来并不特别吸引人时²⁶.因此，现在对在实验研究中使用真实的社会刺激更感兴趣。尽管它们的设计、数据记录和分析可能需要先进的设备和复杂的数据分析，但它们是理解自然主义人类行为和认知的最佳候选者。

本研究提出了一种在实验室环境中使用现实生活中的社会刺激的方法。本研究旨在调查与传统实验室实验相比，人们如何在生态有效性增强的环境中感知和评估他人的行为。我们开发并描述了一种新颖的设置，其中参与者可以接触到真实的演员，这些演员在场并与他们共享相同的环境。在该协议中，测量参与者的响应时间和小鼠轨迹，这需要刺激呈现的精确时间并严格控制这种增强的生态环境中的实验条件。因此，实验范式在文献中存在的框架中脱颖而出，因为刺激的自然性在不牺牲对环境的控制的情况下最大化。下面，该协议介绍了建立此类系统的步骤，然后继续提供样本数据的代表性结果。最后，讨论了范式的重要性、局限性和修改计划。

试验设计
在进入协议部分之前，我们描述了本研究中使用的参数，并将刺激的细节与实验设计一起呈现。

研究中的参数
本研究旨在衡量演员的类型和他们执行的行为类别如何影响参与者的思维感知过程。在该协议中，心灵感知过程在两个主要维度上测量，即代理和经验，正如先前的研究²⁸所提出的那样。这两个维度的高端和低端也包括在内，正如最近由Li等人介绍的那样²⁹。

该研究的结构受到常用内隐关联任务（IAT）³¹的单类别版本³⁰的启发。在此任务中，参与者将属性概念与目标概念匹配时的响应时间将用作这两个概念的隐式关联的强度的指示。在改编这个隐含任务的过程中，参与者被呈现由真实演员执行的现场动作，并要求他们与目标概念相匹配。目标概念是机构或体验维度的高端和低端，具体取决于实验块。

总而言之，自变量是Actor类型和Action Class。 演员类型有两个级别（即，两个不同的演员，演员1和演员2，在研究中表演）。操作类有两个级别：操作类 1 和操作类 2，每个类包含四个操作。参与者在四个块中分别评估两个参与者（每个块中一个参与者），在每个块中，参与者以平衡的顺序执行所有动作。参与者对两个预定义和强制维度进行评估：代理和经验。实验中的四个方块是（1）代理方块中的Actor1，（2）代理方块中的Actor2，（3）经验方块中的Actor1和经验方块中的Actor2。 块的顺序在参与者之间也是平衡的，因此具有相同代理的块永远不会相互跟随。

除了参与者的答案外，还记录了他们在向两种响应方案之一移动时使用的无线鼠标的响应时间和x-y坐标。因此，因变量是参与者的响应和响应时间（RT），以及来自计算机鼠标跟踪的最大偏差（MD）和曲线下面积（AUC）的测量值。变量响应是分类的;它可以是高或低，并且由于评估是在给定块之一中完成的，因此响应也可以标记为高代理、低代理、高经验或低经验。响应时间是一个连续变量;它的单位是秒，它指的是从操作的呈现开始到鼠标单击其中一个响应选项之间经过的时间。轨迹的MD是一个连续变量，它是指参与者的轨迹与理想化轨迹（直线）之间的最大垂直偏差。轨迹的AUC也是一个连续变量，它是指参与者的轨迹与理想化轨迹³²之间的几何区域。

实验的刺激和设计
本研究采用三阶段实验。第三部分的测量值用于分析;前两部分作为最后一部分的准备。下面，我们描述了实验的每个部分以及实验刺激和假设。

在实验第1部分（词汇培训部分）中，参与者完成培训课程，以了解代理和经验的概念以及用高和低这两个词表示的能力水平。为了选择本次培训课程中使用的概念（n = 12），当前工作的一些作者进行了一项规范性研究³³。由于本研究计划以参与者的母语进行，因此这些概念在标准化之前也被翻译成土耳其语。从与两个维度的高（n= 3）和低（n= 3）端（每个六个概念）密切相关的概念中选择概念。这部分至关重要，因为参与者对概念的理解有望指导他们的评估过程。

在实验第 2 部分（动作识别部分）中，参与者依次观看 Actor1 和 Actor2 执行的相同八个动作，并向实验者报告动作是什么。此部分用作操作检查;通过在两个参与者都执行时呈现所有动作，可以确保参与者在开始隐式测试之前理解这些动作并熟悉参与者，他们需要在其中进行快速评估。根据一些作者对每个行动者条件进行的两项规范性研究（N = 219）的结果（手稿正在准备中），为行动类1和行动类2选择的行动是那些具有最高H分数和置信水平（每个行动类中的四个不同的动作示例）的行动。所有操作均在 6 秒的相同持续时间内执行。

这是一项正在进行的研究，它还有其他一些组成部分;但是，上述各节的假设如下：（i）参与者的类型将影响因变量;与演员 1 相比，参与者 2 将产生更长的 RT、更高的 MD 和更大的 AUC;（ii） 作用类型将影响相关测量;与行动类 2 相比，行动类 1 将产生更长的 RT、更高的 MD 和更大的 AUC;（iii） 同一参与者和行动类别的高响应和低响应的相关测量值在块维度上会有所不同：代理和经验。