Por varias razones, tengo un diseño experimental de mierda con el que me veo obligado a lidiar. Presento a los sujetos 20 pruebas de sí/no, de las cuales 5 son pruebas de captura sin señal y 15 son pruebas de señal. Cada presentación de señal tiene un nivel único con espaciado desigual (tan pequeño como uno en unidades arbitrarias y tan grande como 5). Todos los sujetos realizan las pruebas en el mismo orden (es decir, la 5ª prueba siempre está al nivel de la señal, y la 11ª y la 6ª prueba son siempre pruebas de captura).
Para complicar más las cosas, a nivel de la población y probablemente a nivel individual, el criterio no es estable, de modo que la probabilidad de decir que sí en un intento sin señal depende del número de intentos de captura (el primer intento de captura tiene un probabilidad de sí de alrededor de 0,05 y la quinta prueba de captura tiene una probabilidad de sí de alrededor de 0,2). De este lío, necesito un solo número que represente el umbral . Realmente no me importa a qué corresponde el umbral ( p. ej ., el nivel de la señal que lleva al 50 % sí, 50 % correcto o una d' de 1 estaría bien). Idealmente, el método proporcionaría un intervalo de confianza en la estimación a nivel de sujeto individual.
Estaba pensando en usar un enfoque tipo Spearman-Karber , pero los tamaños de paso desiguales parecen problemáticos (junto con los criterios variables). Tampoco entiendo la historia de Spearman-Karber (es decir, dónde se publicó por primera vez y cómo se relaciona con Spearman 1908 ) y espero que tal vez en los últimos 100 años hayamos mejorado las cosas.
El mayor inconveniente de su procedimiento, también punto de discusión anterior aquí, es el número limitado de ensayos . Aparentemente, obtuvo datos binarios, es decir, una respuesta (sí/no) por prueba, lo que básicamente lo dejó con un conjunto de datos binarios escasamente muestreados . Los datos binarios no permitirán un ajuste de curva , que es la forma convencional de determinar un umbral.
Para empeorar las cosas, existe un cierto sesgo en las pruebas de captura. Pero los valores en cualquier lugar por debajo del 25% de falsos positivos están, en mi opinión, bien. Así que olvidemos ese problema, ya que es probable que sea el menor de sus problemas.
Ahora, los datos de un solo estímulo por prueba se conocen como el método de los límites . Básicamente, lo que normalmente haría para obtener un umbral con MoL es aumentar el nivel para ver dónde los sujetos comienzan a percibir el estímulo ( reversión SÍ/NO ) y luego voltear la secuencia y ver dónde la persona deja de responder SÍ y presiona NO. En general, dicho procedimiento se usa experimentalmente para obtener un manejo rápido de un buen punto de partida para los experimentos 'reales' . O bien, es útil en entornos clínicos. Por ejemplo, los umbrales audiométricos clínicos a menudo se determinan de esta manera: rápido y sucio, pero con una precisión de aproximadamente 5 dB.
La respuesta que obtienes en este caso es la llamada respuesta de tipo 2, ya que nunca puedes saber si el sujeto tenía razón o no. Solo evalúas cuando el sujeto se reporta para percibir el estímulo. El problema con el método descrito aquí es que la S puede habituarse ( no lo percibí ahora, probablemente no lo haré en la próxima prueba ) o la S comete el error de expectativa ( probablemente se hará evidente ahora ).
Referencia
- Kingdom & Prins. Psicofísica . Elsevier 2010
aliced
fuertemalo
aliced
fuertemalo
aliced
hexadecimal
fuertemalo
hexadecimal
mflo-Adiós
hexadecimal