Un paradigma psicofisico per la raccolta e l'analisi dei giudizi di somiglianza

Gli esseri umani elaborano e rappresentano mentalmente le informazioni sensoriali in arrivo per eseguire una vasta gamma di compiti, come il riconoscimento degli oggetti, la navigazione, fare inferenze sull’ambiente e molti altri. I giudizi di somiglianza sono comunemente usati per sondare queste rappresentazioni ^mentali1. Comprendere la struttura delle rappresentazioni mentali può fornire informazioni sull’organizzazione della conoscenza ^concettuale2. È anche possibile ottenere informazioni sui calcoli neurali, mettendo in relazione i giudizi di somiglianza con i modelli di attivazione ^cerebrale3. Inoltre, i giudizi di somiglianza rivelano caratteristiche salienti nella ^percezione4. Studiare come cambiano le rappresentazioni mentali durante lo sviluppo può far luce su come vengono ^apprese5. Pertanto, i giudizi di somiglianza forniscono preziose informazioni sull’elaborazione delle informazioni nel cervello.

Un modello comune di rappresentazioni mentali che usano somiglianze è un modello geometrico di ^spazio6,7,8. Applicato ai domini sensoriali, questo tipo di modello è spesso indicato come uno spazio percettivo9. I punti nello spazio rappresentano gli stimoli e le distanze tra i punti corrispondono alla dissomiglianza percepita tra di loro. Dai giudizi di somiglianza, si possono ottenere stime quantitative delle dissomiglianze. Queste dissomiglianze a coppie (o distanze percettive) possono quindi essere utilizzate per modellare lo spazio percettivo tramite il ridimensionamento multidimensionale10.

Esistono molti metodi per raccogliere giudizi di somiglianza, ognuno con i suoi vantaggi e svantaggi. Il modo più semplice per ottenere misure quantitative di dissomiglianza è chiedere ai soggetti di valutare su una scala il grado di dissomiglianza tra ogni coppia di stimoli. Mentre questo è relativamente veloce, le stime tendono ad essere instabili durante lunghe sessioni in quanto i soggetti non possono tornare ai giudizi precedenti e gli effetti del contesto, se presenti, non possono essere rilevati. (Qui, un effetto di contesto è definito come un cambiamento nella somiglianza giudicata tra due stimoli, in base alla presenza di altri stimoli che non vengono confrontati.) In alternativa, ai soggetti può essere chiesto di confrontare tutte le coppie di stimoli con tutte le altre coppie di stimoli. Mentre questo produrrebbe un ordinamento di rango più affidabile delle dissomiglianze, il numero di confronti richiesti scala con la quarta potenza del numero di stimoli, rendendolo fattibile solo per piccoli insiemi di stimoli. Le alternative più rapide, come l’ordinamento in un numero predefinito di ^cluster11 o l’ordinamento gratuito, hanno i loro limiti. L’ordinamento libero (in un numero qualsiasi di pile) è intuitivo, ma costringe il soggetto a categorizzare gli stimoli, anche se gli stimoli non si prestano facilmente alla categorizzazione. Il più recente metodo multi-arrangiamento, MDS inverso, aggira molte di queste limitazioni ed è molto ^efficiente12. Tuttavia, questo metodo richiede ai soggetti di proiettare le loro rappresentazioni mentali su un piano euclideo 2D e di considerare le somiglianze in un modo geometrico specifico, assumendo che la struttura di somiglianza possa essere recuperata dalle distanze euclidee su un piano. Pertanto, rimane la necessità di un metodo efficiente per raccogliere grandi quantità di giudizi di somiglianza, senza fare ipotesi sulla geometria alla base dei giudizi.

Descritto qui è un metodo che è sia ragionevolmente efficiente che evita anche le potenziali insidie di cui sopra. Chiedendo ai soggetti di classificare gli stimoli in ordine di somiglianza con un riferimento centrale in ogni ^prova13, la somiglianza relativa può essere sondata direttamente, senza assumere nulla sulla struttura geometrica delle risposte dei soggetti. Il paradigma ripete un sottoinsieme di confronti con contesti identici e diversi, consentendo la valutazione diretta degli effetti del contesto e l’acquisizione di risposte graduali in termini di probabilità di scelta. La procedura di analisi scompone questi giudizi di rango in più confronti a coppie e li utilizza per costruire e cercare modelli euclidei di spazi percettivi che spiegano i giudizi. Il metodo è adatto per descrivere in dettaglio la rappresentazione di insiemi di stimoli di dimensioni moderate (ad esempio, da 19 a 49).

Per dimostrare la fattibilità dell’approccio, è stato condotto un esperimento, utilizzando una serie di 37 animali come stimoli. I dati sono stati raccolti nel corso di 10 sessioni di un’ora e poi analizzati separatamente per ciascun soggetto. L’analisi ha rivelato coerenza tra i soggetti ed effetti di contesto trascurabili. Ha anche valutato la coerenza delle dissomiglianze percepite tra gli stimoli con i modelli euclidei dei loro spazi percettivi. Il paradigma e le procedure di analisi delineati in questo articolo sono flessibili e dovrebbero essere utili ai ricercatori interessati a caratterizzare le proprietà geometriche di una gamma di spazi percettivi.