25

Kognition und Sprache (Fach) / Visuelle Suche (Lektion)

Diese Lektion wurde von Junglistwin erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

• Visuelle Suche Suche nach einem Zielreiz (target) in einem Display, das distrahierende Elemente (Distraktoren) enthält
• Zielreiz Target
• Distraktor in der visuellen Suche jeder Stimulus außer dem Target  
• Set size anzahl der Objekte in einem Suchdispay
• Such-Reaktionszeit-Funktion Suchreaktionszeit als Funktion der Anzahl der Objekte im Display   RT = a + bn   a = Basis RT b= Suchrate ( Steigung, gemessen in ms/item)
• Suchrate Steigung, angegeben in ms/Item   Angabe der Suchrrate erlaubt Vergleich verschiederne Suchaufgaben   -> Je steiler der Anstieg, desto weniger effizient die Suche
• Feature Search Suche nach einem Target, das durch ein einziges Merkmal definiert werden kann   -> Anzahl der Distraktoren wirkt sich nicht aus -> suche parallel   -> Salienz -<>>>>>
• Salienz die "Auffälligkeit" (phys. Verschiedenheit eines Items im Vergleich zu seinen NAchbarn
• Beispiele für saliente MErkmale Farbe Orientierung Größe Bewegung
• Conjunction Search Merkmalskonjunktionssuche   -> Target unterscheiwdet sich durch eine Kombination grundlegender MErkmale   -> Annahme: Merkmale müssen seriell inspiziert werden    
• Anzeige
• serielle, selbst-abbrechende Suche hohe Suchrate Steigung (T abesnt) 2x serielle Suche -> wenn Target gefunden: Abbruch der Suche (0 nach n/2) -> wenn kein Target vorhanden: Suche bis zum Ende (n Suchschritte)
• Paradigma der vis. Suche Selektion wird durch Anzahl der Elemente im Display  bestimmt .... und Merikmale der Suchstimuli (Verschiedenheit von Target und Distraktoren)
• Suchraten <10ms: paralele Suche gleichzeitig über gesamtes Displan> >10ms serielles Absuchen der Items 
• Modellannahmen zur visuellen Infoverarbeitung - Stimuli lassen sich als Kombination von basalen MErkmalen beschreiben - ähnliche MErkmale bilden Dimensionen Dimensionen: modulare Systeme bestehend aus Merkmalsdetektoren -> lassen sich in topographoschen Merkmalskarten organisieren
• FIT einige grundlegende Merkmale können präattentiv entdeckt werden -> parallele Suche -> Suchperformanz ist unabhängig von anzahl der Distraktoren -> wenn zur Suchleistung die Kombination von MErkmalen gehört, dasnn ist fokale AM nötig
• FIT ; Feature Search ind Conjunction Search Feature Search: ohne fokale AM aus einer Merkmalskarte Conjunction Search: fokale AM nötig, um Infos aus zwei Merkmalskarten richtig zu kombinieren -> Kombination druch topografische Organisation: Object File
• Binding-Problem wie werden die vers. Merkmale eines Reizes, die in unters. Arealen verarbeitet werden zusammengeführt, so dass wir ein ganzheitliches Objekt wahrnehmen
• Evidenz für FIT Performanz in vers. Suchaufgaben Such-Asymetire
• Illusory Conjunctions Fehlerhafte Kombination von MErkmalen in der vis. Szene   -> Evidenz für doe Annahme voneinander unabhängiger Merkmalsrepräsentationen die durch AM richtig zusammengefügt werden müssen
• Object File Enthält Kombinationen verschiedener objektrelevanter Merkmale -> verbindet omit seperat kodierte Objektmerkmale zu einer konstanten Objektrepräsenation   -> zwecks Objekterkennung, Informations-updating und Handlungsinitieierung
• Zusammenfassung Treismanns FIT - Merkmale von Objekten sind vom Objekt unterscheidbar -> erste, schnelle und parallele Verarbeitung zur Merkmalsdetektion: präattentiv -> danch langsamere, parallele zur Kom:  durch Fokussierung der AM auf den Ort des Objekts werden Merkmale kombiniert -> dabei können illusory conjunctions auftreten
• Schwächen des FIT Conjunction searches bestehen häufig nicht aus einer parallen und seriellen Stufe, sondern es gibt ein Effizienz-Kontinuum   -> conjunction searchers sind oft schnelelr als angenommen
• Theorie der gelenkten Suche -> die initilae Verarbeitung von MErkmalen erzeugt eine KArte der Aktivierungen, auf der jedes Item mit einem eigenen Aktivierungsnieveau abgebildet ist
• Theorie der gelenkten Suche -> die initilae Verarbeitung von MErkmalen erzeugt eine KArte der Aktivierungen, auf der jedes Item mit einem eigenen Aktivierungsnieveau abgebildet ist   -> gelnekte Suche: AM kann auf relevante Items eingeschränkt werden, die eine höhere Aktivierung erhalten   Relevanz ergibt sich über die MErkmale des Targets
• Theorie der gelenkten Suche -> die initilae Verarbeitung von MErkmalen erzeugt eine KArte der Aktivierungen, auf der jedes Item mit einem eigenen Aktivierungsnieveau abgebildet ist   -> gelnekte Suche: AM kann auf relevante Items eingeschränkt werden, die eine höhere Aktivierung erhalten   Relevanz ergibt sich über die MErkmale des Targets   -> Zusammenspiel aus bottom-up prozessen und top-down-prozessen  

zurück  |  weiter 1 / 1