Khoảng cách xem mô phỏng làm suy giảm mối quan hệ tin cậy-độ chính xác đối với khoảng cách dài nhưng không vừa phải: Hỗ trợ cho một mô hình kết hợp vai trò của sự mơ hồ về tính năng Phần 2
Oct 13, 2023
Thí nghiệm 1a và 1b
Các thí nghiệm 1a-3 đã được đăng ký trước tại Khung Khoa học Mở. Các đăng ký trước, Tài liệu bổ sung này cũng như tất cả các tài liệu và dữ liệu được sử dụng cho phân tích đều có sẵn tạihttps://osf.io/7wdvy/.
Có một mối quan hệ chặt chẽ giữa khuôn khổ khoa học và trí nhớ. Một khuôn khổ khoa học là cách tổ chức kiến thức và lý thuyết lại với nhau để giúp chúng ta hiểu và ghi nhớ kiến thức mới tốt hơn.
Khi học kiến thức mới, chúng ta thường chỉ nhớ được một số chi tiết không liên quan chứ không thể tích hợp chúng thành những cấu trúc kiến thức có ý nghĩa. Tại thời điểm này, vai trò của khuôn khổ khoa học trở nên rõ ràng. Bằng cách học và hiểu một khuôn khổ khoa học, chúng ta có thể kết nối kiến thức mới với kiến thức hiện có để tạo thành một tổng thể hữu cơ, từ đó có sự hiểu biết và ghi nhớ sâu sắc hơn về kiến thức mới.
Ví dụ, khi nghiên cứu sinh thái học, chúng ta có thể học các khái niệm và lý thuyết cơ bản về hệ sinh thái và áp dụng chúng vào các kịch bản sinh thái khác nhau để hình thành một khung kiến thức toàn diện và có trật tự. Khung này có thể giúp chúng ta hiểu được sự phức tạp của hệ sinh thái và ghi nhớ tốt hơn các khái niệm và nguyên tắc cơ bản của sinh thái.
Ngoài ra, khuôn khổ khoa học có thể giúp chúng ta hiểu và ghi nhớ tốt hơn kết quả của các thí nghiệm khoa học. Trong các thí nghiệm khoa học, chúng ta thường cần tích hợp một loạt các biến số và kiểm soát chúng để xác minh các giả thuyết của mình. Bằng cách hiểu và ghi nhớ quá trình thí nghiệm, chúng ta có thể hiểu rõ hơn ý nghĩa của dữ liệu thực nghiệm và áp dụng nó vào nhiều lĩnh vực khoa học hơn.
Tóm lại, khuôn khổ khoa học không chỉ giúp chúng ta hiểu và ghi nhớ kiến thức mới tốt hơn mà còn giúp chúng ta xây dựng những hiểu biết và cách tư duy khoa học sâu sắc hơn. Chỉ cần chúng ta tích cực học hỏi và áp dụng các khuôn khổ khoa học thì chúng ta có thể đạt được kết quả cao hơn trong học tập, nghiên cứu. Có thể thấy rằng chúng ta cần phải cải thiện trí nhớ của mình. Cistanche Deserticola có thể cải thiện đáng kể trí nhớ vì Cistanche Deserticola cũng có thể điều chỉnh sự cân bằng của các chất dẫn truyền thần kinh, chẳng hạn như tăng mức độ acetylcholine và các yếu tố tăng trưởng. Những chất này rất quan trọng cho trí nhớ và học tập. Ngoài ra, thịt còn có thể cải thiện lưu lượng máu và thúc đẩy quá trình cung cấp oxy, có thể đảm bảo não nhận đủ chất dinh dưỡng và năng lượng, từ đó cải thiện sức sống và sức bền của não.
Bấm vào biết cách cải thiện chức năng não
Phương pháp
Những người tham gia
Chúng tôi đã xác định cỡ mẫu dựa trên nghiên cứu trước đây của chúng tôi (Davis và cộng sự, 2019), trong đó chúng tôi nhận thấy rằng mẫu gồm 50 người tham gia cho mỗi điều kiện là đủ để kiểm tra sự khác biệt giữa các điều kiện trong đường cong hiệu chuẩn. Những người tham gia Thí nghiệm 1a và 1b là 102 sinh viên đang theo học tại Skidmore College đã tham gia lấy tín chỉ một phần khóa học (MAge=19 năm), với 51 người tham gia trong mỗi thí nghiệm.
Vật liệu và thủ tục
Quy trình này tương tự như thí nghiệm 2 của Davis và cộng sự (2019). Kích thích là 60 khuôn mặt nam và nữ thuộc các chủng tộc khác nhau (ví dụ: người da trắng, người gốc Tây Ban Nha, người Mỹ gốc Phi và người châu Á) với biểu hiện mím môi trung tính từ khuôn mặt. Cơ sở dữ liệu khuôn mặt Chicago (Ma và cộng sự, 2015). Khoảng cách được mô phỏng (xem Hình 1 để biết ví dụ về kích thích) bằng cách áp dụng độ mờ Gaussian là 5 cho Thí nghiệm1a và độ mờ 10 cho Thí nghiệm 1b trên các bức ảnh bằng phần mềm chỉnh sửa ảnh Sketch.
Làm mờ Gaussian là một phương pháp làm mịn ảnh tạo ra giá trị màu trung bình cho mỗi pixel dựa trên các pixel khác xung quanh nó, làm tăng trọng số của các pixel gần hơn. Mức độ mờ đề cập đến số lượng pixel xung quanh được xem xét trong phép tính; đối với độ mờ Gaussian là 5 (đối với Thử nghiệm 1a), mỗi pixel sẽ chứa mức trung bình có trọng số Gaussian của năm pixel xung quanh nó theo mỗi hướng. Trong Thử nghiệm 1b, các khuôn mặt bị làm mờ sử dụng hệ số làm mờ Gaussian là 10, hệ số này tính trung bình trên 10 pixel gần nhất và do đó tạo ra hình ảnh mờ hơn.
Chúng tôi ước tính rằng độ mờ Gaussian 5 và 10 tương ứng với khoảng 43 và 172 feet (xemLoftus & Harley, 2005; nhưng lưu ý rằng bộ lọc mờ Gaussian được sử dụng ở đây hơi khác so với bộ lọc thông thấp của chúng).
Mỗi người tham gia mã hóa 30 khuôn mặt, trong đó có 15 khuôn mặt rõ ràng và 15 khuôn mặt bị mờ. Chúng ta sẽ gọi điều kiện rõ ràng là điều kiện khoảng cách gần và điều kiện mờ là điều kiện khoảng cách trung bình (Thí nghiệm 1a) hoặc xa (Thí nghiệm 1b). Thứ tự trình bày của các khuôn mặt ở gần và mô phỏng ở xa được chọn ngẫu nhiên riêng biệt cho từng người tham gia và việc chỉ định một khuôn mặt nhất định sẽ được nghiên cứu hay không và gần hay xa được cân bằng giữa những người tham gia.
Trước khi mã hóa, những người tham gia được thông báo rằng họ sẽ nhìn thấy một loạt khuôn mặt, một số bị mờ và một số không bị mờ, và trí nhớ của họ về những khuôn mặt này sẽ được kiểm tra sau. Sau đó, họ mã hóa mỗi khuôn mặt trong 1,5 giây. Sau giai đoạn mã hóa, những người tham gia hoàn thành một loạt câu đố chữ trong 2 phút và sau đó nhận được hướng dẫn cho bài kiểm tra nhận dạng. Trong quá trình thử nghiệm, tất cả 60 khuôn mặt (30 khuôn mặt đã được mã hóa trước đó và 30 khuôn mặt mới) đều được hiển thị không bị mờ, giống như khi nhân chứng xem các khuôn mặt theo hàng dọc.
Các khuôn mặt được hiển thị lần lượt theo thứ tự ngẫu nhiên và trước tiên, những người tham gia được yêu cầu cho biết liệu một khuôn mặt nhất định có được nhìn thấy hay không, sau đó cho biết mức độ tin cậy của họ đối với phản hồi của họ theo thang điểm từ 0 (đoán) đến 100 ( chắc chắn). Cả nhiệm vụ công nhận cũ/mới và các đánh giá về độ tin cậy đều được thực hiện theo nhịp độ riêng. Sau khi hoàn thành bài kiểm tra, những người tham gia trả lời một loạt câu hỏi về nhân khẩu học và được phỏng vấn.
Kết quả
Thí nghiệm 1a
Trước tiên, chúng tôi kiểm tra tác động của khoảng cách xem mô phỏng đến hiệu suất bộ nhớ tổng thể (xem Bảng 1 để biết bản tóm tắt về các lần truy cập, cảnh báo sai và điểm số d-Prime). Điểm số cơ bản D biểu thị một thước đo được tiêu chuẩn hóa để loại trừ các cảnh báo sai2 (trả lời sai "Đã xem" cho một khuôn mặt mới) từ các lần truy cập (trả lời chính xác "Đã xem" đối với khuôn mặt cũ), với điểm 0 biểu thị không có khả năng phân biệt đối xử giữa khuôn mặt cũ và khuôn mặt mới và điểm cao hơn thể hiện mức độ phân biệt đối xử tốt hơn. Không có gì đáng ngạc nhiên, khả năng phân biệt đối xử kém hơn nhiều đối với các khuôn mặt được mã hóa ở khoảng cách mô phỏng trung bình (M=0.99) so với các khuôn mặt được mã hóa ở khoảng cách mô phỏng gần(M=1.77), t(50 )=6.14, p<0.001, d=0.86.
Mối quan tâm quan trọng là sự hiệu chuẩn giữa độ tin cậy và độ chính xác. Do tầm quan trọng về mặt lý thuyết và ứng dụng của những câu trả lời cũ so với những câu trả lời mới, chúng tôi chỉ phân tích dữ liệu về những khuôn mặt mà những người tham gia xác định là cũ (xem Weber & Brewer, 2003 để thảo luận về lý do tại sao những câu trả lời cũ lại quan trọng hơn để hiểu mối quan hệ tin cậy – chính xác trong trí nhớ của nhân chứng).
Chúng tôi chia các câu trả lời cũ thành bốn nhóm tin cậy, kích thước của chúng dựa trên nghiên cứu trước đây của chúng tôi (xem Daviset cộng sự, 2019 để thảo luận về phương pháp này) và vẽ biểu đồ về độ chính xác tổng thể (ví dụ: số lần người tham gia trả lời đúng cho cũ chia cho tổng số phản hồi cũ) là hàm số của từng mức độ tin cậy trong số bốn mức độ tin cậy này.3 Như có thể thấy trong Hình 2, việc hiệu chuẩn nhìn chung khá tốt đối với các khuôn mặt được mã hóa dưới cả hai mức độ tin cậy.
điều kiện ở khoảng cách gần và trung bình. Bốn thử nghiệm t mẫu cặp xác nhận rằng không có sự khác biệt đáng kể giữa hai điều kiện ở bất kỳ mức độ tin cậy nào trong bốn mức độ tin cậy, ts<1.69. Thus, whereas memory was impaired overall when faces were encoded at a medium distance, there was no impact on the relationship between confidence and accuracy. This is largely consistent with the extant literature that has examined the impact of estimator variables on the confidence–accuracy relationship (e.g., Davis et al., Palmer et al., 2013).
Thí nghiệm 1b
Một lần nữa, trước tiên chúng tôi đã kiểm tra độ chính xác của bộ nhớ giữa các mặt ở xa rõ ràng và được mô phỏng bằng cách sử dụng số nguyên tố d làm thước đo phụ thuộc (xem Bảng 1). Như trong Thí nghiệm1a, khả năng phân biệt đối xử thấp hơn đối với các khuôn mặt được hiển thị ở khoảng cách mô phỏng xa (M=0.58) so với khi chúng được hiển thị rõ ràng để mô phỏng khoảng cách gần(M=1.77), t( 50)=11.42, p<0.001, d=1.60.
Một lần nữa, chúng tôi chủ yếu quan tâm đến mối quan hệ giữa độ tin cậy và độ chính xác, được mô tả trong Hình. 3. Ở đây, không có sự khác biệt giữa các điều kiện ở ba mức độ tin cậy đầu tiên, đó là<1.41, but accuracy was significantly worse for faces encoded at a far simulated distance relative to faces that were encoded at the near simulated distance at the highest bin of confidence, t(35)=3.39, p=0.002, d=0.57.4
Cuộc thảo luận
Thí nghiệm 1a và 1b cho thấy một cặp phát hiện dường như khác nhau tương tự như Lockamyier et al. (2020) vàNyman et al. (2019). Trong khi mã hóa ở khoảng cách mô phỏng đã làm suy giảm trí nhớ tổng thể trong cả hai thử nghiệm, tác động của khoảng cách xem mô phỏng đến mối quan hệ tin cậy-độ chính xác phụ thuộc vào mức độ khoảng cách. Trong Thí nghiệm 1, độ tin cậy là giá trị dự đoán về độ chính xác trên tất cả bốn ô tin cậy. Tuy nhiên, ở khoảng cách mô phỏng dài hơn, người tham gia kém chính xác hơn đối với các khuôn mặt được mã hóa ở khoảng cách mô phỏng xa hơn khoảng cách gần.
Phát hiện này đặc biệt có vấn đề đối với những người xét xử sự thật trong hệ thống tư pháp hình sự, vì những nhận dạng có độ tin cậy cao thường được dùng làm bằng chứng chứng minh tại phiên tòa. Do đó, nếu độ tin cậy không phải là yếu tố dự báo độ chính xác ở mức độ tin cậy cao đối với các khuôn mặt được nhìn ở khoảng cách xa, thì các khuyến nghị về cách thực hành tốt nhất trong những điều kiện này có thể sẽ bao gồm cả việc không cho phép những nhân chứng như vậy làm chứng. Do đó, chúng tôi nghĩ rằng nên thận trọng khi tái tạo phát hiện này bằng cách sử dụng một mẫu khác trong một thử nghiệm duy nhất (xem Hợp tác Khoa học Mở, 2015; để thảo luận về tầm quan trọng của khả năng tái tạo trong khoa học tâm lý). Cụ thể, chúng tôi đã so sánh sự khác biệt giữa các điều kiện ở khoảng cách gần--, trung bình và xa trong một thử nghiệm duy nhất sử dụng các công nhân trên Mechanical Turk của Amazon.
Thí nghiệm 2
Phương pháp
Người tham gia, thiết kế, vật liệu và quy trình
Một trăm lẻ năm công nhân MTurk đã tham gia bồi thường hình thức (MAge{0}} năm), với 53 người tham gia ở điều kiện khoảng cách gần và 52 người tham gia ở điều kiện khoảng cách xa. Các vật liệu được sử dụng ở đây giống hệt với các vật liệu được sử dụng trong Thí nghiệm 1a và 1b. Tuy nhiên, chúng tôi đã điều chỉnh mức độ mờ Gaussian (khoảng cách trung bình và khoảng cách xa) giữa các đối tượng trong một thử nghiệm duy nhất. Do đó, thiết kế là thiết kế hỗn hợp 2 (Khoảng cách khuôn mặt: Gần so với xa) × 2 (Mức khoảng cách: Trung bình so với xa), với Khoảng cách khuôn mặt,e được điều khiển trong các đối tượng và Mức độ khoảng cách được điều khiển giữa các đối tượng.
kết quả và thảo luận
Trước tiên, chúng tôi đã kiểm tra hiệu suất bộ nhớ tổng thể bằng ANOVA hỗn hợp 2 (Khoảng cách khuôn mặt: Gần so với Xa) 2 (Mức khoảng cách: Trung bình hoặc Xa) (xem Bảng 1). Có tác dụng chính là Khoảng cách khuôn mặt, F(1, 103)=50.69,p<0.001, ηp 2=0.33, with lower discriminability for faces that were encoded at a simulated distance. Tere was also a nearly significant main effect on the Level of Distance, F(1, 103)=3.97, p=0.05, ηp 2=0.04, with lower discriminability in the Far Distance condition than the Medium Distance condition. Te interaction was not signifcant, F(1, 103)<0.001, p=0.99, ηp 2<0.001.Thus, memory performance was worse for distant faces than near faces and was worse still for the far distance relative to the medium distance.
Như trong Thí nghiệm 1a và 1b, chúng tôi chủ yếu quan tâm đến tác động của các mức khoảng cách khác nhau đến mối quan hệ giữa độ tin cậy và độ chính xác (xem Hình 4). Như đã chỉ định trong đăng ký trước, chúng tôi đã tiến hành 4 ANOVA hỗn hợp riêng biệt 2 (Khoảng cách khuôn mặt: Gần so với Xa)×2 (Mức khoảng cách: Trung bình hoặc Xa) hỗn hợp ANOVAs ở từng mức độ tin cậy. Ở ba mức độ tin cậy đầu tiên, không có tác động hoặc tương tác chính nào, F's<1.79. At the highest level of confdence, there was a main efect of Face Distance, F(1, 67)=21.39, p<0.001,ηp 2=0.24, as well as a main efect of Level of Distance, F(1, 67)=8.08, p=0.006, ηp 2=0.11. These main effects were qualified by significant interaction, F(1, 67)=4.90, p=0.03, ηp 2=0.07.
Các thử nghiệm tiếp theo ở mức độ tin cậy cao nhất này (sử dụng hiệu chỉnh Bonferroni cho nhiều so sánh, alpha quan trọng=0.013) cho thấy rằng trong điều kiện khoảng cách trung bình, sự so sánh giữa các khuôn mặt gần và xa được tiếp cận nhưng không đạt được ý nghĩa t(39) =2.41, p=0.02, d=0.38. Trong điều kiện khoảng cách xa, sự so sánh giữa các khuôn mặt gần và xa là đáng kể, t(28)=3.59, p=0.001, d=0.67,với độ chính xác thấp hơn đối với các khuôn mặt được mã hóa ở khoảng cách xa (M=0.60) so với các khuôn mặt được mã hóa ở khoảng cách gần (M=0.85). Không có sự khác biệt giữa điều kiện khoảng cách trung bình và khoảng cách xa đối với khuôn mặt được mã hóa ở khoảng cách gần, t(89)=1.20, p=0.23, d=0.25 . Tuy nhiên, độ chính xác thấp hơn đối với các khuôn mặt được mã hóa ở khoảng cách xa (M=0.60) so với các khuôn mặt được mã hóa ở khoảng cách trung bình (M=0.82), t(70){{37} }.98, p=0.004, d=0.71.
Tương tự như Thí nghiệm 1a và 1b, dường như có rất ít tác động của khoảng cách mô phỏng đến mối quan hệ tin cậy – độ chính xác ở mức khoảng cách thấp hơn. Tuy nhiên, ở mức độ khoảng cách lớn hơn, những người tham gia tự tin hơn đáng kể so với các khuôn mặt rõ ràng và các khuôn mặt được nhìn từ khoảng cách trung bình.
Mục tiêu của Thí nghiệm 3 là cố gắng triển khai cảnh báo hướng dẫn (xem Blank & Launay, 2014, diễn đàn phân tích tổng hợp về các thao tác cảnh báo tương tự trong tài liệu về thông tin sai lệch) được thiết kế để cải thiện hiệu quả của việc mã hóa khuôn mặt ở khoảng cách mô phỏng xa đối với mối quan hệ độ tin cậy-độ chính xác.
For more information:1950477648nn@gmail.com
