1
Samenvatting Perception
Yantis, S., & Abrams, R. A. (2017). Sensation and Perception (2th edition). Worth
Publishers. ISBN: 9781319154097
, 2
Inhoudsopgave
Appendix: Noise and Signal Detection Theory………………………………………… 3
1. Foundations………………………………………………………………………………… 5
2. Light and the Eyes………………………………………………………………………… 15
3. The Visual Brain…………………………………………………………………………….. 27
4. Recognizing Visual Objects……………………………………………………………… 36
5. Perceiving Color…………………………………………………………………………… 45
6. Perceiving Depth…………………………………………………………………………… 53
9. Attention and Awareness………………………………………………………………… 60
10. Sound and the Ears………………………………………………………………………. 66
11. The Auditory Brain and Perceiving Auditory Scenes……………………………….. 76
12. Perceiving Speech and Music…………………………………………………………..83
, 3
Appendix: Noise and Signal Detection Theory
Variabiliteit in perceptie kan veroorzaakt worden door externe factoren (bijv.
verandering in geluid), maar ook door interne factoren, ofwel natuurlijke variaties in
metabolische processen in je hersenen die willekeurige veranderingen in neurale
activiteit (gerelateerd aan auditieve perceptie) kunnen veroorzaken.
Noise in Neural Activity and the Psychometric Function
De psychometrische functie, toont perceptuele ervaring bij verschillende
intensiteiten (zie H1), is gradueel (S-vormig) en niet abrupt. Of iemand ‘ja’ of ‘nee’
antwoordt, is afhankelijk van het aantal actiepotentialen (bij veel ‘spikes’ eerder ‘ja’
dan bij weinig ‘spikes’)
® Echter, er is sprake van noise: random variatie in het aantal actiepotentialen van
neuronen als antwoord op een ‘fixed’ sensorische stimulus (gelijke intensiteit). Deze
variaties zijn verdeeld volgens een normale verdeling en komen door de
‘spontaneous firing rate’ van neuronen (vuren zonder stimulus, ook een normale
verdeling).
® Bij beslissingen over stimuli (aanwezig of niet) maken mensen gebruik van een
decision criterion, ofwel een drempelwaarde (bijv. bij bepaald aantal ‘spikes’ dan
‘ja’).
® Hierdoor (decision criterion en noise) er sprake van een S-vormige grafiek. Er is
geen ‘perfecte’ waarde van N (aantal ‘spikes’)
Signal Detection Theory
Hoewel twee mensen even goed kunnen horen (perceptual sensitivity), kunnen ze
toch een ander oordeel hebben. Dit wordt veroorzaakt door de decision-making
style, waarbij onderscheid gemaakt kan worden tussen:
• Liberaal: lage N > ‘ja’ bij kleine aanwijzing
® Hierbij is een hoge hit rate en false alarm rate
• Conservatief: hoge N > alleen ‘ja’ als substantiële aanwijzing
® Hierbij is een lage hit rate en false alarm rate
® De context is van invloed op welke stijl wordt gebruikt (hoe erg is het om een
fout te maken?)
Er moet dus onderscheid gemaakt worden tussen perceptual sensitivity en decision-
making style, wat de signal detection theory mogelijk maakt.
A Signal Detection Experiment
Bij een signal detection experiment zijn er verschillende trials (soms wel een stimulus
met lage intensiteit en soms geen stimulus), waarbij participanten moeten aangeven
of er een stimulus was of niet. De responsen kunnen worden verdeeld in:
• Hit: stimulus correct gedetecteerd
• False alarm: geen stimulus, maar wel gerapporteerd
• Miss: wel stimulus, maar niet gerapporteerd
• Correct rejection: stimulus correct niet gedetecteerd
® De hit en miss rates (tellen op tot 100%) kunnen worden berekend op basis van
het aantal trials dat er een toon aanwezig was en de false alarm en correct
rejection rates (tellen op tot 100%) kunnen worden berekend op basis van het
aantal trials dat er geen toon aanwezig was.
® Vervolgens kan een receiver operating characteristic (ROC) worden gemaakt,
een grafiek die de hit rate tegenover de false alarm rate plot. Er wordt naar deze
, 4
beide factoren gekeken bij het bepalen van de prestatie. Als iemand een lage
hit rate heeft, moet hier een lagere false alarm rate tegenover staan en
andersom. Het beste is een hit rate van 100 en een false alarm rate van 0.
Sensitivity and Bias
Een ander decision criterium heeft andere hit rates en false alarm rates. Welk
decision criterium iemand kiest, reflecteert zijn decision making bias: iemands
decision making stijl, is dit bijvoorbeeld liberaal of conservatief?
® Dit kan worden geplot in een ROC, waarbij elk punt op de lijn correspondeert met
een ander decision criterium
Echter, middels een signal detection experiment kan niet enkel de decision making
bias (ofwel stijl) worden bepaald, maar ook iemands perceptual sensitivity. Hierbij
wordt namelijk gekeken naar d: het verschil tussen het gemiddelde (perceptuele
bewijs) wanneer er géén en wél een stimulus is. Dit hangt af van de fysieke intensiteit,
maar ook van de perceptuele sensitiviteit van een participant.
® Hierbij kan voor elke d een curve worden gemaakt op een ROC. De punt op deze
lijn kan variëren door iemands decision making style. Echter, de vorm van de curve
wordt enkel bepaald door de perceptuele sensitiviteit.
Applications: Optimal Decision Making in the Real World
In de echte wereld is het lastig om een optimale prestatie (critrium) vast te stellen,
waardoor vaak gekeken wordt naar utility: een maat van ‘overall satisfaction’ van
een beslissing (maximaliseren ‘benefit’ van positieve uitkomsten, hits en correct
rejections, en minimaliseren kosten negatieve uitkomsten, misses en false alarms):
• Baseer keuze op 1 of meer betrouwbare bronnen
• Pas het beslissingscriterium aan op the ‘a priori’ kans op een uitkomst (als lage
kans dan is er meer bewijs nodig)
• Pas het beslissingscriterium aan op de voordelen van positieve uitkomsten en
nadelen negatieve uitkomsten
Voorbeelden van ‘real life’ situaties waarbij de signal detection theory nuttig kan zijn,
zijn het (1) detecteren van een ‘crack’ in de vleugel van een vliegtuig en (2) het
detecteren van borstkanker middels een screening.
® Hierbij is het ideale criterium ook afhankelijk van hoe zwaar de kosten en baten
wegen
Samenvatting Perception
Yantis, S., & Abrams, R. A. (2017). Sensation and Perception (2th edition). Worth
Publishers. ISBN: 9781319154097
, 2
Inhoudsopgave
Appendix: Noise and Signal Detection Theory………………………………………… 3
1. Foundations………………………………………………………………………………… 5
2. Light and the Eyes………………………………………………………………………… 15
3. The Visual Brain…………………………………………………………………………….. 27
4. Recognizing Visual Objects……………………………………………………………… 36
5. Perceiving Color…………………………………………………………………………… 45
6. Perceiving Depth…………………………………………………………………………… 53
9. Attention and Awareness………………………………………………………………… 60
10. Sound and the Ears………………………………………………………………………. 66
11. The Auditory Brain and Perceiving Auditory Scenes……………………………….. 76
12. Perceiving Speech and Music…………………………………………………………..83
, 3
Appendix: Noise and Signal Detection Theory
Variabiliteit in perceptie kan veroorzaakt worden door externe factoren (bijv.
verandering in geluid), maar ook door interne factoren, ofwel natuurlijke variaties in
metabolische processen in je hersenen die willekeurige veranderingen in neurale
activiteit (gerelateerd aan auditieve perceptie) kunnen veroorzaken.
Noise in Neural Activity and the Psychometric Function
De psychometrische functie, toont perceptuele ervaring bij verschillende
intensiteiten (zie H1), is gradueel (S-vormig) en niet abrupt. Of iemand ‘ja’ of ‘nee’
antwoordt, is afhankelijk van het aantal actiepotentialen (bij veel ‘spikes’ eerder ‘ja’
dan bij weinig ‘spikes’)
® Echter, er is sprake van noise: random variatie in het aantal actiepotentialen van
neuronen als antwoord op een ‘fixed’ sensorische stimulus (gelijke intensiteit). Deze
variaties zijn verdeeld volgens een normale verdeling en komen door de
‘spontaneous firing rate’ van neuronen (vuren zonder stimulus, ook een normale
verdeling).
® Bij beslissingen over stimuli (aanwezig of niet) maken mensen gebruik van een
decision criterion, ofwel een drempelwaarde (bijv. bij bepaald aantal ‘spikes’ dan
‘ja’).
® Hierdoor (decision criterion en noise) er sprake van een S-vormige grafiek. Er is
geen ‘perfecte’ waarde van N (aantal ‘spikes’)
Signal Detection Theory
Hoewel twee mensen even goed kunnen horen (perceptual sensitivity), kunnen ze
toch een ander oordeel hebben. Dit wordt veroorzaakt door de decision-making
style, waarbij onderscheid gemaakt kan worden tussen:
• Liberaal: lage N > ‘ja’ bij kleine aanwijzing
® Hierbij is een hoge hit rate en false alarm rate
• Conservatief: hoge N > alleen ‘ja’ als substantiële aanwijzing
® Hierbij is een lage hit rate en false alarm rate
® De context is van invloed op welke stijl wordt gebruikt (hoe erg is het om een
fout te maken?)
Er moet dus onderscheid gemaakt worden tussen perceptual sensitivity en decision-
making style, wat de signal detection theory mogelijk maakt.
A Signal Detection Experiment
Bij een signal detection experiment zijn er verschillende trials (soms wel een stimulus
met lage intensiteit en soms geen stimulus), waarbij participanten moeten aangeven
of er een stimulus was of niet. De responsen kunnen worden verdeeld in:
• Hit: stimulus correct gedetecteerd
• False alarm: geen stimulus, maar wel gerapporteerd
• Miss: wel stimulus, maar niet gerapporteerd
• Correct rejection: stimulus correct niet gedetecteerd
® De hit en miss rates (tellen op tot 100%) kunnen worden berekend op basis van
het aantal trials dat er een toon aanwezig was en de false alarm en correct
rejection rates (tellen op tot 100%) kunnen worden berekend op basis van het
aantal trials dat er geen toon aanwezig was.
® Vervolgens kan een receiver operating characteristic (ROC) worden gemaakt,
een grafiek die de hit rate tegenover de false alarm rate plot. Er wordt naar deze
, 4
beide factoren gekeken bij het bepalen van de prestatie. Als iemand een lage
hit rate heeft, moet hier een lagere false alarm rate tegenover staan en
andersom. Het beste is een hit rate van 100 en een false alarm rate van 0.
Sensitivity and Bias
Een ander decision criterium heeft andere hit rates en false alarm rates. Welk
decision criterium iemand kiest, reflecteert zijn decision making bias: iemands
decision making stijl, is dit bijvoorbeeld liberaal of conservatief?
® Dit kan worden geplot in een ROC, waarbij elk punt op de lijn correspondeert met
een ander decision criterium
Echter, middels een signal detection experiment kan niet enkel de decision making
bias (ofwel stijl) worden bepaald, maar ook iemands perceptual sensitivity. Hierbij
wordt namelijk gekeken naar d: het verschil tussen het gemiddelde (perceptuele
bewijs) wanneer er géén en wél een stimulus is. Dit hangt af van de fysieke intensiteit,
maar ook van de perceptuele sensitiviteit van een participant.
® Hierbij kan voor elke d een curve worden gemaakt op een ROC. De punt op deze
lijn kan variëren door iemands decision making style. Echter, de vorm van de curve
wordt enkel bepaald door de perceptuele sensitiviteit.
Applications: Optimal Decision Making in the Real World
In de echte wereld is het lastig om een optimale prestatie (critrium) vast te stellen,
waardoor vaak gekeken wordt naar utility: een maat van ‘overall satisfaction’ van
een beslissing (maximaliseren ‘benefit’ van positieve uitkomsten, hits en correct
rejections, en minimaliseren kosten negatieve uitkomsten, misses en false alarms):
• Baseer keuze op 1 of meer betrouwbare bronnen
• Pas het beslissingscriterium aan op the ‘a priori’ kans op een uitkomst (als lage
kans dan is er meer bewijs nodig)
• Pas het beslissingscriterium aan op de voordelen van positieve uitkomsten en
nadelen negatieve uitkomsten
Voorbeelden van ‘real life’ situaties waarbij de signal detection theory nuttig kan zijn,
zijn het (1) detecteren van een ‘crack’ in de vleugel van een vliegtuig en (2) het
detecteren van borstkanker middels een screening.
® Hierbij is het ideale criterium ook afhankelijk van hoe zwaar de kosten en baten
wegen
