今天的lab meeting是我參與Harvard Vision Lab meeting後,
最精采的一次,
有點諷刺的是,報告的法國人"羅份"是lab的訪問學者,
並非正式博士後研究員。

羅份的講題是:
「同時注意多個物體的機制」

當作業要求我們同時注意多個物體時,
1. parallel model: 我們是將注意力同時照住不同物體,但注意力濃度(效率)依注意物體個數增加而減低。
2. sample-when-divided model: 當必須注意一個以上的物體時,單一注意力視窗在各物體間"快速轉換"。
3. sample-always model: 無論注意幾個物體(包括一個),單一注意力視窗在各物體間"快速轉換",或在單一物體上on-off轉換。

羅份的主要操弄是
1. 改變目標物的呈現時間(target duration),
2. 注意0~4個objects(locations),
(其中"0 condition"即invalid trials)
3. 作業難度。

上述三種假設對set size在target duration X performance的效果有不同的預測:
parallel model預期N=2~4的曲線會平均分布在N=1~0之間;
sample-when-divided model預期N=2~4的曲線會較靠近N=0曲線;
sample-always model預期N=2~4的曲線會較靠近N=1曲線。

羅份得到的結論是:

當作業難度低時,支持parallel model
當作業難度高時,支持samlpe-always model

Weilun's note:
他的實驗無法推論是物體還是位置!(object- or location-based ?)
然而他的title卻直指注意多個物體。

無論如何,這是本學期meeting至今對我而言最精采的一個研究。
這個平常不怎麼說話的法國人is someone!

    全站熱搜

    海膽君 發表在 痞客邦 留言(0) 人氣()