In der Signaldetektionstheorie verwendet man typischerweise „Signal“- und „Kein Signal“-Antworten, um die Daten zu analysieren (d. h. die Analyse basiert auf einer diskreten Auswahl für jeden Versuch, wodurch die vier möglichen Ergebnisse „Treffer“, „Fehltreffer“, „Fehlalarm“ und „korrekte Zurückweisung“).
Gibt es eine Standardmethode, um auch die Reaktionszeit in die Signalerkennungsanalyse einzubeziehen?
Ich würde vorschlagen, sich für ein solches Szenario das Modell Linear Ballistic Accumulator (Donkin et al., 2011) anzusehen. Während LBA verwendet werden kann, um eine beliebige Anzahl von Alternativen in einer beschleunigten Auswahlaufgabe zu modellieren, möchten Sie zum Modellieren der Signalerkennung nur zwei Akkumulatoren modellieren, einen für die "Signal"-Antwort und einen für die "Kein Signal"-Antwort. Bei diesem Szenario wird sich die Antwortverzerrung als Unterschied zwischen den Akkumulatoren in Bezug auf ihren Abstand vom Startpunkt zum Kriterium manifestieren, während sich die Unterscheidbarkeit als mittlere Driftrate manifestiert (die wahrscheinlich für die beiden Akkumulatoren gleich sein wird).
Verweise
Donkin, C., Brown, S., & Heathcote, A. (2011). Schlussfolgerungen aus ausgewählten Reaktionszeitmodellen ziehen: Ein Tutorial mit dem linearen ballistischen Akkumulator. Zeitschrift für Mathematische Psychologie , 55 , 140-151.
Siehe zusätzlich zu Mikes Antwort das Ratcliff-Diffusionsmodell, zB:
Ratcliff, R., & Rouder, JN (1998). Modellierung von Reaktionszeiten für Two-Choice-Entscheidungen. Psychological Science, 9, 347–356.
Ratcliff, R., & Tuerlinckx, F. (2002). Schätzung von Parametern des Diffusionsmodells: Ansätze zum Umgang mit Schadstoffreaktionszeiten und Parametervariabilität. Psychonomic Bulletin & Review, 9, 438–481.
Sie sollten sich wahrscheinlich auch ansehen: Pleskac & Busemeyer (2010). Zweistufige dynamische Signalerkennung: Eine Theorie der Wahl, Entscheidungszeit und Vertrauen. Psychologische Überprüfung.
Ich glaube auch, dass Busemeyer ein theoretisches Papier zur dynamischen Signalerkennung hat, aber ich weiß nicht, dass es veröffentlicht wurde. Der Artikel von Pleskac & Busemeyer stützt sich wahrscheinlich auf dieses unveröffentlichte Manuskript.
Ich glaube, Sie suchen möglicherweise nach Fuzzy SDT, mit dem unter anderem die Reaktionszeit in SDT integriert werden kann:
Hancock, PA, Masalones, AJ, & Parasuraman, R. (2000) "Zur Theorie der Fuzzy-Signalerkennung: Theoretische und praktische Überlegungen" Theor. Probleme in Ergon. Wissenschaft. 1(3): 207-230pdf
Gemäß der Selbstregulierungstheorie können Menschen zwei Arten von Regulierungsfokus haben: Förderung und Prävention.
Promotion Focus ist eine Eifer-Strategie, bei der man, wenn wir eine Analogie zu SDT ziehen, eifriger darauf bedacht ist, Signale zu erkennen, auch wenn es einige Fehlalarme geben kann. Mit Kommissionsfehlern ist man einverstanden. Diese Art von Motivation spiegelt sich in den gesetzten Reaktionen wider und steht in direktem Gegensatz zur Genauigkeit, die durch den anderen präventiven Fokus modelliert wird.
Im präventiven Fokus sind Sie wachsamer und auf der Hut, mehr darauf konzentriert, Fehler zu vermeiden oder in Bezug auf SDT bereit, das Signal zu verpassen, aber keine korrekte Zurückweisung zu verpassen. Der vorsichtigere Ansatz führt zu einer weniger schnellen Erholung, aber zu einer genaueren Antwortverzerrung.
Daher denke ich, dass die Art und Weise, wie Geschwindigkeit oder Reaktionszeit in SDT integriert werden sollte, darin besteht, sie gegen Genauigkeit auszuspielen und die Neigung zur Erkennung von Signalen zu messen und anzuzeigen, selbst auf Kosten von Fehlalarmen. Je länger die Reaktionszeit ist, desto geringer ist sie für ein Subjekt je mehr Eifer oder förderungsbezogener Fokus er hat - auf das Erkennen von Signalen oder das Erzielen von Erfolgen.
Natürlich ist dies eine laienhafte Integration von Reaktionszeit/Geschwindigkeit mit SDT; Wenn Sie nach mathematischeren Modellen suchen, funktionieren die anderen Antworten vielleicht besser.
Benutzer671