В теории обнаружения сигналов для анализа данных обычно используются ответы «сигнал» и «нет сигнала» (то есть анализ основан на дискретном выборе для каждого испытания, генерируя четыре возможных результата «попадание», «промах», «ложная тревога» и «правильное отклонение»).
Есть ли какой-либо стандартный способ также включить время отклика в анализ обнаружения сигнала?
Я бы предложил проверить модель Linear Ballistic Accumulator (Donkin et al., 2011) для такого сценария. В то время как LBA можно использовать для моделирования любого количества альтернатив в задаче ускоренного выбора, для моделирования обнаружения сигнала вам нужно смоделировать только два аккумулятора, один для ответа «сигнал» и один для ответа «нет сигнала». В этом сценарии смещение отклика будет проявляться как разница между накопителями с точки зрения их расстояния от начальной точки до критерия, а различимость будет проявляться как средняя скорость дрейфа (которая, вероятно, будет одинаковой для двух аккумуляторов).
использованная литература
Донкин, К., Браун, С., и Хиткот, А. (2011). Выводы из моделей времени отклика при выборе: учебное пособие с использованием линейного баллистического аккумулятора. Журнал математической психологии , 55 , 140-151.
В дополнение к ответу Майка см. модель диффузии Рэтклиффа, например:
Рэтклифф, Р., и Роудер, Дж. Н. (1998). Моделирование времени отклика для решений с двумя вариантами ответов. Психологическая наука, 9, 347–356.
Рэтклифф, Р., и Терлинкс, Ф. (2002). Оценка параметров диффузионной модели: подходы к учету времени реакции загрязняющих веществ и изменчивости параметров. Psychonomic Bulletin & Review, 9, 438–481.
Вам, вероятно, также следует ознакомиться с: Pleskac & Busemeyer (2010). Двухэтапное динамическое обнаружение сигнала: теория выбора, время принятия решения и достоверность. Психологический обзор.
Кроме того, я считаю, что у Буземейера есть статья по теории обнаружения динамических сигналов, но я не знаю, была ли она опубликована. Статья Плескаца и Буземейера, вероятно, основана на этой неопубликованной рукописи.
Я полагаю, что вы, возможно, ищете Fuzzy SDT, который, среди прочего, позволяет включать время отклика в SDT:
Хэнкок, П.А., Масалонис, А.Дж., и Парасураман, Р. (2000) «К теории обнаружения нечетких сигналов: теоретические и практические соображения» Теор. Проблемы в Эргоне. науч. 1(3):207-230 pdf
Согласно теории саморегулирования, люди могут иметь два типа регулирующей направленности: поощрение и предотвращение.
Фокус на продвижении — это стратегия рвения, в которой, если провести аналогию с SDT, человек больше стремится обнаружить сигналы, даже если может быть несколько ложных тревог. Один в порядке с ошибками комиссии. Этот тип мотивации будет отражаться в исходных ответах и прямо противоречит точности, которая моделируется другим профилактическим направлением.
В превентивном фокусе вы более бдительны и бдительны, больше сосредоточены на том, чтобы избежать неудачи или, с точки зрения SDT, готовы пропустить сигнал, но не упустить правильный отказ. Более осторожный подход приведет к менее быстрому отдыху, но к более точному смещению ответа.
Таким образом, я думаю, что способ включения скорости или времени отклика в SDT заключается в сопоставлении его с точностью, а также в измерении и указании склонности обнаруживать сигнал даже за счет ложных тревог. Чем больше время отклика, тем меньше для субъекта. тем больше у него рвения или продвижения по службе - обнаружение сигнала или достижение успеха.
Конечно, это непрофессиональная интеграция времени отклика/скорости с SDT; если вы ищете больше математических моделей, возможно, другие ответы будут работать лучше.
пользователь671