Un procedimiento adaptativo Bayesian Quest ( Watson y Pelli 1983 ) es el procedimiento teóricamente más eficiente para estimar umbrales bajo un determinado conjunto de restricciones, potencialmente poco realistas. En mi campo, se usa mucho más comúnmente un método transformado arriba-abajo ( Levitt 1971 ). ¿Se ha realizado algún trabajo comparando la eficiencia del método up-down transformado con el método de estímulos constantes?
Hubo un número especial de la revista Perception and Psychophysics en 2001, titulado Funciones psicométricas y métodos adaptativos . Contiene varios documentos relacionados con su pregunta. El artículo de Klein [1] hace referencia a todos los demás y revisa de qué se trata cada uno. Debería servir como un buen punto de partida.
Un extracto del resumen de Klein:
- Se encontró que la simple escalera arriba-abajo (Brownian) con un umbral estimado por niveles promediados tiene una eficiencia casi óptima de acuerdo con Green (1990) . Es mejor promediar todos los niveles (después de descartar unas cuatro reversiones de las pruebas iniciales) en lugar de promediar un número par de reversiones. Ambos hallazgos fueron sorprendentes.
- Siempre que el punto de partida no esté demasiado lejos del umbral, las escaleras brownianas con su inercia moderada tienen ventajas sobre los métodos de probabilidad adaptativa más prestigiosos . Al comienzo de una ejecución, los métodos de probabilidad pueden tener muy poca inercia y pueden saltar a intensidades de estímulo bajas antes de que el observador esté completamente familiarizado con el objetivo de la prueba. Al final de la ejecución, los métodos de verosimilitud pueden tener demasiada inercia y resistirse a cambiar los niveles aunque se haya desplazado un umbral no estacionario.
[1] Klein, SA (2001). Medir, estimar y comprender la función psicométrica: un comentario. Percepción y Psicofísica, 63(8), 1421–55. Obtenido de http://www.ncbi.nlm.nih.gov/pubmed/11800466