
- •Глава 2
- •Глава 1
- •Глава 2
- •§ 1. Психофизические шкалы
- •§ 2. Нольмерное шкалирование
- •§ 3. Одномерное шкалирование
- •§ 4. Модель шкалирования Терстоуна
- •§ 5. Многомерный анализ сложных стимулов
- •§ 6. Многомерное шкалирование
- •Часть I локализация точки на шкале (нольмерное шкалирование)
- •Глава 1. Методы измерения порогов
- •§ 1. Метод минимальных изменений
- •§ 2. Метод средней ошибки
- •§ 3. Метод постоянных раздражителей
- •Результаты эксперимента по определению пространственного порога тактильного восприятия
- •Методические рекомендации по выполнению учебных заданий по теме
- •Литература
- •Требования к оформлению отчета по учебному заданию
- •Глава 2. Методы обнаружения сигнала
- •§ 1. Общие понятия
- •§ 2. Метод “Да-Нет”
- •Исходы эксперимента по обнаружению сигнала
- •§ 3. Метод двухальтернативного вынужденного выбора (2авв)
- •§ 4. Метод оценки
- •Теоретические результаты эксперимента с использованием метода оценки
- •Способ расчета p(h) и p(fa) по полученным данным в методе мо
- •Обработка результатов
- •Обсуждение результатов
- •Литература
- •Дополнительные сведения о критериях принятия решения
- •Краткое описание программы yes_no.Exe
- •Часть II одномерное шкалирование
- •Глава 1. Метод балльных оценок
- •§ 1. Графические шкалы
- •§ 2. Числовое шкалирование
- •§ 3. Шкалирование по стандартной шкале
- •§ 4. Проблемы, связанные с построением шкал балльных оценок
- •§ 5. Проблемы, связанные с обработкой полученных данных
- •Литература
- •Методические указания по выполнению учебных заданий по теме
- •Глава 2. Метод парных сравнений. Модель терстоуна
- •§ 1. Закон сравнительных суждений
- •§ 2. Процедура измерения
- •§ 3. Упрощенные варианты закона сравнительных суждений
- •§ 4. Процедура решения V варианта закона сравнительных оценок для полной матрицы
- •Матрица частот f
- •Матрица вероятностей p
- •Матрица z ‑ оценок
- •§ 5. Процедура решения V варианта закона сравнительных суждений для неполной матрицы исходных данных
- •Матрица вероятностей p
- •Матрица z — оценок
- •Литература
- •Глава 3. Методы прямой оценки
- •§ 1. Метод установления заданного отношения
- •Результаты оценки испытуемыми стимула как половины стандартного (по Харперу и Стивенсу, 1948)
- •§ 2. Метод оценки величины
- •Литература
- •Методические рекомендации по выполнению учебного задания по теме
- •Часть III многомерное шкалирование
- •Глава 1. Факторный анализ
- •Введение
- •§ 1. Область применения факторного анализа
- •§ 2. Исходные принципы и предположения
- •§ 3. Основные этапы факторного анализа
- •Использование различных методов факторизации для получения двухфакторного решения
- •§ 4. Дополнительные статистические показатели для оценки результатов факторного анализа
- •§ 5. Несколько замечаний по поводу конфирматорного фа
- •Методические рекомендации по выполнению учебного задания по теме «Факторный анализ»
- •Литература
- •Глава 2. Метрическое и неметрическое многомерное шкалирование
- •§ 1. Основные положения
- •§ 2. Исходные данные. Матрица сходств и различий
- •§ 3. Построение пространственной модели стимулов
- •§ 4. Построение метрической модели
- •§ 5. О развитии моделей многомерного шкалирования
- •Литература
- •Методические рекомендации по выполнению учебного задания по теме
- •Методика
- •Обработка результатов
Обсуждение результатов
1) Сопоставить и вынести суждения о достоинствах и недостатках каждого из использовавшихся в задании методов при решении задачи оценки сенсорной чувствительности.
2) Если в серии 2АВВ был получен смещенный случай, попытаться дать ему возможные объяснения, проанализировав тактику работы испытуемого (на основе самоотчета).
3) Сравнить полученное соотношение d'2АВВ и d'ОУ с теоретически ожидаемым. В случае, если указанное соотношение окажется не постоянным, попытаться дать объяснение этому факту, проанализировав соответствие результатов эксперимента исходным допущениям.
Литература
Основная
1. Бардин К. В. Проблема порогов чувствительности и психофизические методы. М.: Наука, 1976.
2. Проблемы и методы психофизики / Под ред. А. Г.Асмолова, М. Б.Михалевской М.: Изд-во Моск. ун-та, 1974. С. 145—169.
3. Хрестоматия по ощущению и восприятию / Под ред. Ю. Б. Гиппенрейтер, М. Б. Михалевской. М.: Изд-во Моск. ун-та, 1975. С. 233—248.
Дополнительная
1. Иган Дж. Теория обнаружения сигнала и анализ рабочих характеристик. М.: Наука, 1983. С. 17—83.
2. Green. D.M., Swets, J.A. Signal detection theory and psychophysics. N.Y.: Wiley, 1966.
3. Gescheider. G.A. Psychophysics: Method, theory and application. Hillsdale, NJ: Erlbaum, 1985.
Приложение 1
Дополнительные сведения о критериях принятия решения
Критерий принятия решения в психофизической теории обнаружения сигнала (ТОС) — характеристика одной из двух основных составляющих процесса обнаружения сигнала: процесса принятия решения о характере стимульного воздействия. Это понятие используется как для описания оптимальности решения наблюдателя в принципе (так называемый критерий оптимальности), так и для оценки реально используемой им стратегии решения сенсорной задачи (так называемый критерий наблюдателя).
Критерий оптимальности (качества) решения (КрО): в современной психофизике — мера (показатель) эффективности решения, которая детерминируется его целью, и в соответствии с ней отражает также предпочтительность способов и результатов деятельности. КрО в явном виде задается инструкцией к задаче, сообщающей априорные вероятности предъявления сигнала и шума, а также стоимости каждого из 4-х исходов решения (попаданий, ложных тревог, правильных отрицаний и пропусков сигнала). Стоимости выражаются суммами выигрыша за верные решения и проигрыша за ошибочные. Вероятности и стоимости могут быть либо явно заданы испытуемому в инструкции, либо усвоены им самостоятельно в ходе решения здачи, основываясь на субъективной оценке вероятности предъявления сигнала и информации от экспериментатора о качестве его работы. Таким образом, соотношение априорных вероятностей и стоимостей определяет отличие видов КрО друг от друга.
Существует следующая классификация КрО:
1. Критерий, введенный в рамках ТОС: цель решения — максимизировать выигрыш. Стоимости 4-х исходов решения могут быть любыми, причем для верных ответов они положительные (либо нулевые), для ошибочных — отрицательные (либо нулевые). Наблюдатель должен учитывать все их для вынесения оптимального (максимально выигрышного) суждения. Численное значение КрО может быть выражено следующей формулой:
K = P(S)P(Y/S)C(Y/C) - P(S)P(N/S)C(N/S) + P(N)P(N/
/N)C(N/N) - P(N)P(Y/N)C(Y/N),
где K — критерий оптимальности; P(S) и P(N) — априорные вероятности появления сигнала и шума, соответственно; P(Y/S) и P(Y/N) — вероятности попаданий и ложных тревог соответственно; P(N/S) и P(N/N) — вероятности пропусков и правильных отрицаний, соответственно; C(Y/S) и C(Y/N) — стоимости попаданий и ложных тревог, соответственно; C(N/S) и C(N/N) — стоимости пропусков и правильных отрицаний, соответственно.
2. Критерий Байеса: цель решения – минимизировать проигрыш (средний риск). Стоимости верных ответов – нулевые, ошибочных – отрицательные, что побуждает наблюдателя ориентироваться преимущественно на ошибки. Критерии ТОС и Байеса близки по смыслу (они — игровые) и по цели решения (максимизировать выигрыш и минимизировать проигрыш) и поэтому обычно объединяются в общий класс КрО. Как частные случаи КрО по ТОС и Байесу рассматриваются:
Критерий Котельникова (идеального наблюдателя): цель решения — минимизировать суммарную ошибку наблюдения. Стоимости верных ответов — нулевые, ошибочных — равные отрицательные (т.е. разновидность критерия Байеса). Наблюдатель оценивает суммарную ошибку пропусков и ложных тревог и поддерживает ее на постоянном минимальном уровне.
Критерий Неймана—Пирсона: цель решения — минимизировать вероятность ошибок одного рода (обычно — пропусков сигнала) при фиксации вероятности ошибок другого рода (обычно — ложных тревог). В таком типичном случае стоимость ложных тревог максимальна , в сравнении со стоимостями остальных 3-х исходов (которые либо нулевые, либо равные). Информацию о стоимостях и априорных вероятностях сигнала и шума наблюдатель может достоверно не знать (лишь допускать ее). При этом использование данного критерия оптимально. Так обычно работает необученный наблюдатель, поддерживая уровень ложных тревог постоянным, независимо от характера сигнального распределения.
Минимаксный критерий: цель решения – минимизировать максимальные ошибки обоего рода. Оптимален в случаях, когда наблюдатель не знает точно априорные вероятности сигнала и шума и ориентируется на свой опыт, усвоенный в ходе экспериментов, стремясь уравнять вероятности обеих ошибок.
3. Дж. Иган кроме уже отмеченных выше критериев выделяет также критерий Зигерта: цель решения — максимизировать процент правильных ответов. Стоимости верных ответов равны стоимостям ошибочных, поэтому наблюдатель максимизирует как ожидаемый выигрыш, так и долю правильных ответов.
4. Ю. М. Забродин выделяет два рода КрО. Критерий 1-го рода: цель решения - минимизировать субъективную неопределенность относительно входной информации. Это информационный критерий и наиболее естественный для человека: вынесение суждения на основе априорной информации (физических и вероятностных свойств сигналов) и апостериорной (вероятностей ответов). Критерий 2-го рода: цель решения – достичь максимально устойчивой деятельности. Это игровой критерий: ориентация на стоимости ответов. Обычно необученный наблюдатель вначале использует критерий первого рода, далее, усвоив информацию о стоимостях, — критерий второго рода. Субъективное представление о стоимостях определяет выбор наблюдателем вида КрО в рамках критерия 1-го или 2-го рода.
Критерий наблюдателя (КрН) – критическое значение сенсорного впечатления в ряду наблюдений (разделяющая граница на сенсорной оси, используемая субъектом для сравнения с каждым наблюдением с целью выбора ответа по результату этого сравнения в отличие от критерия оптимальности, устанавливаемого на оси отношения правдоподобия). Если сенсорный эффект данного наблюдения меньше критического, выносится ответ “Нет” (нет сигнала), если больше, то ответ “Да” (есть сигнал).
Ряд теоретических моделей по-разному описывают правила выбора субъектом КрН и способы расчета его числовых значений на основании вероятности ответов.
В рамках ТОС правило принятия решения о наличии сигнала основывается на оценке отношения правдоподобия, т.е. отношения плотности вероятности того, что данное сенсорное событие (Xs) вызвано предъявлением шума (N) к плотности вероятности того, что оно вызвано предъявлением сигнала (S): ( f(X/N) / f(X/S). Отношение правдоподобия сравнивается с критическим его значением С0, которое выполняет функцию КрН. Субъект выбирает значение КрН (“Бетта”) на основании априорной информации о вероятностях сигнала и шума и о стоимостях ответов. Теоретическое (задаваемое этими характеристиками) значение КрН имеет вид:
Β = P(N)/P(S) C(N/N)-C(Y/N)/C(Y/S)-C(N/S).
Эмпирическое значение КрН графически определяется как тангенс угла наклона касательной к данной точке PХ (что соответствует производной в этой точке) и аналитически рассчитывается на основании вероятностей попаданий и ложных тревог, для которых находятся табличные значения соответствующих им плотностей вероятности нормального распределения. Существуют сводные таблицы значений для любой пары вероятностей попадания и ложных тревог. В соответствии с классической ТОС предполагается, что положение критерия тренированного наблюдателя полагается неизменным в ходе опыта. В ряде других моделей описывается различного рода динамика положения критерия.
Приложение 2