Μάθημα : Αντίληψη 13/4/16 Μαρία Κουτρομάνου.

Παρουσίαση με θέμα: "Μάθημα : Αντίληψη 13/4/16 Μαρία Κουτρομάνου."— Μεταγράφημα παρουσίασης:

1 Μάθημα : Αντίληψη 13/4/16 Μαρία Κουτρομάνου

2 Signal Detection Theory
Πρόβλημα με τις μεθόδους του Fechner: αγνοεί την επίδραση του κριτηρίου στη λήψη απόφασης για το αν ο συμμετέχοντας αντιλήφθηκε το ερέθισμα ή όχι. Κριτήριο: έχει να κάνει με το πόσο έντονη πρέπει να είναι η αίσθησή σου απ’ το ερέθισμα για να αποκριθείς ότι το αντιλήφθηκες. Υψηλό κριτήριο σημαίνει ότι θες ισχυρότερη αίσθηση για να πεις ότι αντιλήφτηκες συντηρητικός. Χαμηλό κριτήριο σημαίνει ότι δεν χρειάζεσαι τόσο ισχυρή αίσθηση για να πεις ότι αντιλήφθηκες  φιλελεύθερος Φιλελεύθερος συντηρητικός d’ (d-prime): μετράει την ανιχνευσημότητα (detectability - όπως πάντα, εξαρτάται και από το αισθητήριο σύστημα και από το ερέθισμα)

3 Αποκρίνεται «ναι» -> η εσωτερική απόκριση υπερβαίνει το κριτήριο
Hit: υπήρχε όντως το ερέθισμα False alarm: δεν υπήρχε Αποκρίνεται «όχι» η εσωτερική απόκριση δεν υπερβαίνει το κριτήριο Correct rejection: όντως δεν υπήρχε Miss: υπήρχε 100% 0% Ιδανική ανίχνευση αδύνατη λόγω εσωτερικού θορύβου

4 Perfect detection: 100% 0%

5 No detection at all (1st example): always reporting “Seen”
100% 0%

6 No detection (2nd example): always reporting “Not seen”
0% 100%

7 50% 50% 50% 50% No detection (3rd example): flipping a coin

8 Rows equal  no detection
No detection (4th example): reporting “Seen” in 30% of the trials (no matter what is presented) 30% 70% = Rows equal  no detection

9 Without noise: perfect detection is possible
sensation level probability criterion signal present signal absent Without noise: perfect detection is possible Όμως ποτέ δεν χάνουμε τον θόρυβο! (θόρυβος κανονική κατανομή με σταθερό s^2) Το ύψος (νοητή γραμμή στο κέντρο της κατανομής) καθεμιάς δείχνει πόσο συχνά θα έχουμε αυτό το επίπεδο εσωτερικής απόκρισης (πχ στην signal absent 10 μονάδες αποκρίνονται sensation level probability signal absent (noise only) signal present (signal+noise)

10

11 Hits->όταν η εσωτερική απόκριση υπερβαίνει το κριτήριο στις trials noise+signal
f.a. όταν η εσωτερική απόκριση υπερβαίνει το κριτήριο στις trials noise υψηλότερο κριτήριο σημαίνει λιγότερα false alarms… αλλά και λιγότερα hits

12 Αντίστροφα χαμηλότερο κριτήριο σημαίνει περισσότερα hits αλλά και περισσότερα false alarms..
Όπου και να θέσεις το κριτήριό σου πάντα θα υπάρχει μια πιθανότητα να κάνεις λάθος!

13 ROC Receiver operating characteristic (ROC): hit rate 100%
false alarm rate 100% Receiver operating characteristic (ROC): hit rate ROC

14 Perfect detection 100% 0% 0% 100% 100% hit rate 100% false alarm rate
What is this? Where will it be on the ROC? 100% 0% 0% 100% 100% false alarm rate

15 100% hit rate 90% 30% 10% 70% 100% false alarm rate

16 No detection: always “yes”
100% No detection: always “yes” hit rate 100% 100% 0% 0% 100% false alarm rate

17 No detection: always “no”
100% No detection: always “no” hit rate 0% 0% 100% 100% 100% false alarm rate

18 No detection: reporting “yes” in 50% of the trials (flipping a coin)
100% hit rate 50% 50% 50% 50% 100% false alarm rate

19 Signal detection theory
Receiver operating characteristic (ROC): No detection: reporting “yes” in 40% of the trials 100% hit rate 40% 40% 60% 60% 100% false alarm rate

20 Signal detection theory
Receiver operating characteristic (ROC): No detection: reporting “yes” in 30% of the trials 100% hit rate 30% 30% 70% 70% 100% false alarm rate

21 Signal detection theory
Receiver operating characteristic (ROC): No detection: reporting “yes” in 60% of the trials 100% hit rate 60% 60% 40% 40% 100% false alarm rate

22 Signal detection theory
Receiver operating characteristic (ROC): 100% Diagonal: no detection hit rate d’=0 100% false alarm rate

23 β = 6 β = 6 ROC curve β = 8 β = 8 β = 10 β = 10 hit rate
β= κριτήριο β = 6 β = 6 ROC curve β = 8 β = 8 hit rate β = 10 β = 10 false alarm rate

24 d’: selects the ROC curve
β: specifies a point on the selected ROC curve same information as hit rate & false alarm rate, but: hit rate, false alarm rate: both reflect sensation & decision characteristics; cannot separate the two d’: depends only on sensation β: depends only on decision Προσοχή: η ROC curve έχει την κορυφή προς τα πάνω για λογικά κριτήρια (γιατί θέλουμε περισσότερα hits απ ότι f.a.)

25 d’= separation/spread
Μείωση του overlap των κατανομών (με εντονότερο ερέθισμα) Μείωση του θορύβου d’= separation/spread

26 Αυτό θα προέκυπτε αν είχαμε αυξήσει τόσο πολύ την ένταση του ερεθίσματος και ο συμμετέχοντας έθετε το βέλτιστο κριτήριο; (ιδανικός) κι αυτό αν έθετε το χειρότερο κριτήριο;

27 Πηγές