Générant strictement contrôlé des Stimuli pour les expériences de reconnaissance Figure

Cet article décrit une méthode pour générer des chiffres de stimulus strictement contrôlées et objectivement définis pour les études sur la reconnaissance des chiffres aléatoires. Les stimuli sont appelés (point6 , ligne n ) ou (6 n) chiffres. Une (6, n) figure est composée de segments de ligne n qui sont étalonnés entre n paires de points situés sur les sommets d’un hexagone régulier invisible. La figure 1 montre un exemple d’a (6, 4) figure qui est spécifiée par quatre paires d’étiquettes pour les sommets d’un hexagone régulier invisible. Les étiquettes de désignent les segments de la ligne de la figure (voir Figure 1). Appelons cette spécification des figures un format specification de ligne.

Auparavant, l’auteur a calculé les propriétés structurales théorique graphique de (6 n) figures (appelées caractéristiques invariants, ou plus précisément graphique invariants¹) et non invariante propriétés (appelées caractéristiques superficielles) figures avec n = 1 à 6 et stockées les valeurs de la fonction dans une base de données. Les caractéristiques invariants reflètent la structure (plus précisément, topologique) propriétés et caractéristiques superficielles reflètent les propriétés non topologiques et surtout métriques d’une figure donnée.

Un nombre record dans la base de données identifie de manière unique une figure dans le format de spécification de ligne. Par conséquent, une recherche exhaustive des valeurs spécifiques des valeurs de fonction invariante et/ou superficielle dans la base de données permet la récupération des chiffres records pour les chiffres qui satisfont les conditions à partir du chiffre total de (6, n). Les chiffres récupérées peuvent servir les stimuli pour une expérience. Chaque enregistrement dans la base de données contient les variables qui comprennent la série isomorphe à laquelle appartient la figure ; divers graphes invariants, tels que le nombre de cycles, circonférence, point portant sur le nombre, le nombre de points critiques, rayon, nombre de points centraux, le nombre de composants, degré maximum, nombre de points de degré maximum, nombre de points isolés, et nombre de points de terminaison ; valeurs non-graph fonctionnalité, tels que le nombre d’intersections et irrégularité du contour défini par les sommets et aux intersections ; et superficiel caractéristique des valeurs, telles que les emplacements des invariants caractéristiques et (dans le cas où il y a lieux pluriel) les directions formées par les localités du pluriel. Par exemple, un cycle indique une séquence fermée de segments de ligne, un diplôme d’un point est le nombre d’incidents de segments de ligne avec ce point, un point isolé est un point avec un degré de 0 et un point de terminaison est un point avec un degré de 1. Selon les chiffres de valeurs de la base de données, tous les (6, n) caractéristiques invariantes de n = 1 à 6 peuvent être classés dans les numéros de séries isomorphes illustrés à l’annexe 1¹. Voir la Figure 2 pour obtenir un exemple de l’information stockée dans chaque enregistrement.

Noter que les chiffres qui appartiennent à chaque série isomorphe topologiquement équivalentes malgré les différences de forme. Plusieurs études ont affirmé que les structures topologiques sont perçus avant des propriétés plus spécifiques du compte tenu des chiffres^2,3,4,5. Par systématiquement changer les chiffres de stimulation, l’auteur a affirmé que les détections et comparaisons des invariants caractéristiques précèdent les détections et les comparaisons des caractéristiques superficielles⁶. La présente expérience vise à clarifier si la fonctionnalité superficielle de la longueur de la ligne est essentielle dans la reconnaissance des couples figure sous la condition que les valeurs de caractéristiques invariantes sont toutes équivalentes entre les paires de la figure (c’est-à-dire mutuellement isomorphe).

Les types de figures de stimulus qui sont utilisés dans des expériences est extrêmement important de comprendre la recherche de reconnaissance. Il existe deux types de figures de stimulation : ceux qui sont générés au hasard et ceux qui sont générés ad hoc aux fins d’une étude. Pour réduire les confond associé à des facteurs ne relevant pas du contrôle expérimental, l’utilisation de chiffres générées de manière aléatoire est généralement considérée comme plus approprié. Il existe plusieurs types de chiffres aléatoires, par exemple, les histogrammes aléatoire,⁷ et⁸de matrices aléatoires, mais les chiffres aléatoires plus fréquemment utilisés dans la recherche de reconnaissance visuelle en psychologie sont aléatoires polygones⁹. Règle générale, pour faire des polygones aléatoires consiste à raccorder les emplacements distribués aléatoirement de n points dans une zone carrée avec des segments de ligne de telle manière que le périmètre du segment de la ligne est principalement convexe et puis la couleur à l’intérieur du périmètre. Un indice objectif fréquemment utilisé pour les polygones aléatoires est le nombre de flexions du périmètre d’un polygone, qui représente la complexité de la figure^10,11,12. L’intérieur de la figure est coloré, propriétés structurales au sujet de son périmètre sont limitées au nombre de flexions. En outre, à l’exception du nombre de flexions, aucune information n’est donnée relatives à l’ensemble des polygones au hasard ou à la relation entre les polygones aléatoires distincts.

Les chiffres d’axisymétriques paires (Ax) des figures sont connus pour être plus difficile d’établir une distinction que les paires non identiques dans une tâche de décider si une paire donnée de chiffres est tourné-à-être-identiques (Idr)^{13,14, 15}. les deux figures dans une paire der Id et ceux dans une paire de Ax sont isomorphes mutuellement et ont des segments de ligne correspondante qui ont la même longueur. Cependant, si similitude des longueurs de ligne entre les deux chiffres dans une paire augmente la difficulté de la discrimination d’une paire non identiques par rapport à celle d’une paire d’Ax n’est pas claire. Dans cette expérience, performance de discrimination participant a été comparée entre Ax et non identiques, non-axisymétrique en paires (Nd). Les différences de longueurs de lignes ont été expérimentalement contrôlés entre les deux personnages. En raison de la priorité de détecter des différences de valeur de caractéristiques invariantes avant les différences de valeur superficielle caractéristique au cours de la reconnaissance de la figure⁵, la Nd figure ont été serties d’être mutuellement isomorphe afin que les différences de longueur de ligne ne serait pas confondu avec des différences de valeur caractéristique invariante.

Paires de figure expérience 1 l’auteur a utilisé (6, 5) pour examiner l’hypothèse que l’absence de différences de longueur de ligne influencé le niveau de difficulté de discrimination des figures en Ax paires¹⁵. Les résultats ont démontré que les latences sont plus courtes pour les paires de 0 (à savoir, aucune différence dans la longueur totale de la ligne des chiffres paires) Nd comparées à celles des paires d’Ax, qui indiquait que l’hypothèse était insupportable. Il a soutenu que des différences de valeur caractéristique superficielle pas sous le contrôle expérimental sont plus susceptibles d’être présents dans des figures complexes, et les participants pourraient faire usage de ceux-ci. Fait intéressant, plusieurs études ont affirmé que la présence d’un cycle est détecté preattentively^16,17. En revanche, Julesz a fait valoir que la présence d’un point de terminaison a été détectée à un stade précoce de la ségrégation des figures de l’ arrière-plan¹⁸.

Pour remédier à cela, plus simple (6, 4) figure paires ont été choisis pour examiner l’hypothèse. Hors neuf ensembles isomorphes (6, 4) les chiffres, les chiffres ayant appartenu à deux ensembles isomorphes servaient de stimuli. Les deux séries de chiffres partagent facilement détectables caractéristiques indifférentes (un) point de terminaison et un cycle (c’est-à-dire, un triangle) en commun. Voir les chiffres de l’exemple de neuf ensembles isomorphes de la Figure 3. En outre, consultez la colonne de p = 6 et q = 4 à l’annexe 1¹.

Trois types de paires de base ont été générés : Idr, Ax et Nd paires. La longueur totale de la ligne d’un cycle (plus précisément, un triangle) est équilibrée entre les deux chiffres dans chaque paire pour tous les types de couples. À l’aide de cette contrainte, les triangles respectifs d’une paire de figure est devenu soit mutuellement identiques ou Ax en forme. Paires de ND étaient sous-catégorisé selon les différences dans les longueurs d’endlines entre les deux chiffres dans chaque paire, avec l’unité de longueur définie comme le côté d’un hexagone régulier invisible. Cela a donné Nd 0, Nd 0,27, Nd 0,73et Nd 1 paires (c.-à-d., les ligne différences de longueurs varies de 0 à 1). Comme la présence d’une intersection de segments de droite est connue pour être preattentively détecté¹⁹, figures avec ligne d’intersection segments ont été exclus les stimuli. Voir les exemples d’Idr, Ax, Nd 0, Nd 0,73et Nd 1 paires sur la Figure 4. Afin d’éviter les attentes biaisées des participants, le nombre d’Idr paires (« mêmes ») a été fixé à être la même que la somme des Ax (« différent ») et la Nd paires (« différents »).