Untersuchung der Variabilität von Wahrnehmungsprozessen durch Kombination von Signalentdeckungstheorie und Reaktionszeit
Final Report Abstract
In psychophysischen Experimenten versuchen wir, basale Mechanismen der perzeptuellen Reizverarbeitung zu untersuchen. Tatsächlich unterliegen die Verhaltensantworten in solchen Experimenten jedoch Schwankungen, welche nicht allein durch den präsentierten Reiz selber erklärt werden kännen. Das nun abgeschlossene Projekt hat diese Leistungsschwankungen genauer untersucht. In der ersten Projektphase wurde dabei besonderer Wert auf den Einfluß solcher Leistungsschwankungen auf klassische psychophysische Methoden gelegt. Wenn diese klassischen Methoden sehr anfällig sind für Leistungsschwankungen, und wenn Leistungsschwankungen sie zu grob falschen Schlussfolgerungen führen, dann müssten viele klassische Ergebnisse revidiert werden. Wir konnten zeigen, dass dies zum Teil zuzutreffen scheint: Werden Leistungsschwankungen vernachlässigt, suggerieren klassische Methoden mehr Vertrauen in die Ergebnisse als eigentlich angebracht wäre. In der ersten Projektphase wurde zusätzlich ein Verfahren entwickelt, wie im Nachhinein und ohne Kenntnis der zugrundeliegenden Mechanismen potentielle Fehlschlüsse erkannt und korrigiert werden können. In dieser Untersuchung zeigte sich außerdem, dass die Schätzfehler in einem Bayesianischen statistischen Paradigma kleiner sind. Deshalb wurden zwei Untersuchungen zu Bayesianischen Methoden für die Analyse psychophysischer Daten angeschlossen. In der ersten wurde ein Vorgehen entwickelt um automatisiert diese Form der statistischen Inferenz durchführen zu können. In der zweiten Untersuchung wurde untersucht wie Leistungsschwankungen in Bedingung modelliert werden konnen, die sich bezüglich der experimentellen Manipulation nicht unterscheiden. Während in der ersten Projektphase Leistungsschwankungen im allgemeinen untersucht wurden, war der Fokus in der zweite Projektphase enger. Nun wurden nur solche Leistungsschwankungen untersucht, welche sich durch die unmittelbare experimentelle Vergangenheit erklären lassen - sogenannte „sequentielle Abhängigkeiten“. Hierzu wurde ein statistisches Modell entwickelt und auf eine großen Zahl von Datensätzen angewandt. Sequentielle Abhängigkeiten waren überraschend hoch und erklärten bis zu 48% der internen Variabilität der Probanden. In dieser Studie wurde auch untersucht, wie Verhaltensdaten vom Einfluss sequentieller Abhängigkeiten „bereinigt“ werden können. Wir erwarten, dass diese Arbeit relativ großen Einfluß auf die Untersuchung von Entscheidungsverhalten und Wahrnehmung haben wird.
Publications
-
(2011): How to identify a model for spatial vision? Computational and Systems Neuroscience (COSYNE), Salt Lake City, UT, USA
Dold, Fründ, Wichmann
-
(2011): Inference for psychometric functions in the presence of nonstationary behavior. J Vis, 11(6), 16
Fründ, Haenel, Wichmann
-
(2011): Separate Bayesian inference reveals model properties shared between multiple experimental conditions Bernstein Conference, Freiburg, FRG
Dold, Fründ, Wichmann
-
(2011): Statistical model structure represented by Bayesian priors. Society for Mathematical Psychology Meeting, Somerville, MA, USA
Fründ, Dold, Wichmann
-
(2012): Dealing with sequential dependencies in psychophysical data. Computational and Systems Neuroscience (COSYNE), Salt Lake City, UT, USA
Fründ, Wichmann, Macke
