Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Các cơ chế học cảm nhận tách biệt được tiết lộ qua phân tích mô hình khuếch tán
Tóm tắt
Hiệu suất trong các nhiệm vụ cảm nhận cải thiện với sự luyện tập. Hầu hết các lý thuyết chỉ đề cập đến dữ liệu độ chính xác và ngầm hiểu rằng học cảm nhận là một hiện tượng đơn nhất. Nghiên cứu hiện tại tiên phong trong việc sử dụng phân phối thời gian phản ứng trong nghiên cứu học cảm nhận. 27 quan sát viên luyện tập một nhiệm vụ phân biệt hướng chuyển động hình ảnh với các kết cấu tiếng ồn đã lọc trong bốn phiên có phản hồi. Phiên 5 kiểm tra xem liệu các hiệu ứng học được có chuyển giao sang hướng trực giao hay không. Mô hình khuếch tán (Ratcliff, Psychological Review, 85, 59–108, 1978) đạt được sự phù hợp tốt với từng phân phối thời gian phản ứng từ mỗi phiên và xác định hai cơ chế học khác nhau với các đặc điểm riêng biệt rõ rệt. Một sự gia tăng đặc hiệu cho kích thích trong tham số tỷ lệ trôi cho thấy dữ liệu cảm giác đầu vào vào quá trình quyết định đã cải thiện, và một sự giảm thiểu tổng quát cho kích thích trong biến động thời gian không quyết định gợi ý rằng việc định thời khởi đầu quá trình quyết định đã cải thiện so với thời điểm kích thích xuất hiện (trước đó có một âm thanh beep). Một phân tích d' truyền thống sẽ bỏ lỡ hiệu ứng sau, nhưng phân tích mô hình khuếch tán đã nhận diện nó trong dữ liệu thời gian phản ứng.
Từ khóa
#học cảm nhận #mô hình khuếch tán #thời gian phản ứng #cơ chế học #phân biệt hướng chuyển độngTài liệu tham khảo
Ahissar, M., & Hochstein, S. (1997). Task difficulty and the specificity of perceptual learning. Nature, 387, 401–406.
Ahissar, M., & Hochstein, S. (2002). The role of attention in learning simple visual tasks. In M. Fahle & T. Poggio (Eds.), Perceptual learning (pp. 253–272). Cambridge: MIT Press.
Ahissar, M., & Hochstein, S. (2004). The reverse hierarchy theory of visual perceptual learning. Trends in Cognitive Sciences, 8, 457–464.
Ding, Y., Song, Y., Fan, S., Qu, Z., & Chen, L. (2003). Specificity and generalization of visual perceptual learning in humans: An event-related potential study. NeuroReport, 14, 587–590.
Dosher, B. A., & Lu, Z.-L. (1998). Perceptual learning reflects external noise filtering and internal noise reduction through channel reweighting. Proceedings of the National Academy of Sciences, 95, 13988–13993.
Dutilh, G., Krypotos, A.-M., & Wagenmakers, E.-J. (in press). Task-related vs. stimulus-specific practice: A diffusion model account. Experimental Psychology.
Dutilh, G., Vandekerckhove, J., Tuerlinckx, F., & Wagenmakers, E.-J. (2009). A diffusion model decomposition of the practice effect. Psychonomic Bulletin & Review, 16, 1026–1036.
Fahle, M., & Poggio, T. (Eds.). (2002). Perceptual learning. Cambridge: MIT Press.
Fine, I., & Jacobs, R. A. (2002). Comparing perceptual learning across tasks: A review. Journal of Vision, 2, 190–203.
Gilbert, C. D., Sigman, M., & Crist, R. E. (2001). The neural basis of perceptual learning. Neuron, 31, 681–697.
Gold, J. I., & Shadlen, M. N. (2007). The neural basis of decision making. Annual Review of Neuroscience, 30, 535–574.
Karni, A., & Sagi, D. (1991). Where practice makes perfect in texture discrimination: Evidence for primary visual cortex plasticity. Proceedings of the National Academy of Sciences, 88, 4966–4970.
Kruschke, J. K. (2003). Attention in learning. Current Directions in Psychological Science, 12, 171–175.
Large, E. W., & Jones, M. R. (1999). The dynamics of attending: How people track time-varying events. Psychological Review, 106, 119–159.
Law, C.-T., & Gold, J. I. (2008). Neural correlates of perceptual learning in a sensory-motor, but not a sensory, cortical area. Nature Neuroscience, 11, 505–513.
Li, S., Mayhew, S. D., & Kourtzi, Z. (2009). Learning shapes the representation of behavioral choice in the human brain. Neuron, 62, 441–452.
Liu, C., & Watanabe, T. (2010). Accounting for speed–accuracy tradeoff in visual perceptual learning [Abstract]. Journal of Vision, 10(7), 1111a.
Lu, Z.-L., Yu, C., Watanabe, T., Sagi, D., & Levi, D. (2009). Perceptual learning: Functions, mechanisms, and applications. Vision Research, 49, 2531–2534.
Luce, R. D. (1986). Response times: Their role in inferring elementary mental organization. New York: Oxford University Press.
Macmillan, N. A., & Creelman, C. D. (2005). Detection theory: A user’s guide (2nd ed.). New York: Cambridge University Press.
Mather, G., Verstraten, F. A. J., & Anstis, S. (Eds.). (1998). The motion aftereffect: A modern perspective. Cambridge: MIT Press.
Pachella, R. G. (1974). The interpretation of reaction time in information-processing research. In B. Kantowitz (Ed.), Human information processing: Tutorials in performance and cognition (pp. 41–82). New York: Halsted.
Petrov, A. A., Dosher, B. A., & Lu, Z.-L. (2005). The dynamics of perceptual learning: An incremental reweighting model. Psychological Review, 112, 715–743.
Polat, U. (2009). Making perceptual learning practical to improve visual functions. Vision Research, 49, 2566–2573.
Purcell, B. A., Heitz, R. P., Cohen, J. Y., Schall, J. D., Logan, G. D., & Palmeri, T. J. (2010). Neurally constrained modeling of perceptual decision making. Psychological Review, 117, 1113–1143.
Ratcliff, R. (1978). A theory of memory retrieval. Psychological Review, 85, 59–108.
Ratcliff, R. (1979). Group reaction time distributions and an analysis of distribution statistics. Psychological Bulletin, 86, 446–461.
Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: Theory and data for two-choice decision tasks. Neural Computation, 20, 873–922.
Ratcliff, R., & Smith, P. L. (2010). Perceptual discrimination in static and dynamic noise: The temporal relation between perceptual encoding and decision making. Journal of Experimental Psychology: General, 139, 70–94.
Ratcliff, R., Thapar, A., & McKoon, G. (2006). Aging, practice, and perceptual tasks: A diffusion model analysis. Psychology and Aging, 21, 353–371.
Ratcliff, R., & Tuerlinckx, F. (2002). Estimating parameters of the diffusion model: Approaches to dealing with contaminant reaction times and parameter variability. Psychonomic Bulletin & Review, 9, 438–481.
Vaina, L. M., Belliveau, J. W., des Roziers, E. B., & Zeffiro, T. A. (1998). Neural systems underlying learning and representation of global motion. Proceedings of the National Academy of Sciences, 95, 12657–12662.