Tiedot

Onko aikakäsityksessä eroa erikokoisilla eläimillä?

Onko aikakäsityksessä eroa erikokoisilla eläimillä?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Näkevätkö pienet eläimet heitä ympäröivien tapahtumien kulkevan nopeammin tai hitaammin kuin suuret olennot, kuten me ihmiset? Näyttävätkö ympärillä olevat tapahtumat tapahtuvan eri nopeudella pienille olennoille, kuten kärpäselle tai pienelle merrapulle?


Tulokset ja välikeskustelu

Kuvailevia tilastoja

Taulukossa 1 on yhteenveto kyselylukujen pisteistä, ja ne kaikki ovat verrattavissa näiden psykometristen tietojen raportoituihin normeihin [69, 70, 84, 85]. Pisteet IntAnh ala -asteikko O-LIFE olivat positiivisesti vinossa ja siten neliöjuuren muunnokset laskettiin korjaamaan tämä, ja muunnettuja pisteitä käytettiin kaikissa parametrisissa analyyseissä.

Keskimääräiset monimutkaiset väärät hälytysasteet vasteena RDT: hen (M = 11,4%, SD = 13,7) ja POM (M = 9,0%, SD = 8,5) olivat vertailukelpoisia, t (101) = .034, p & gt .05, ja erittäin korreloiva r = .624, p & lt .01. POM: n keskimääräinen osuma oli 53,3% (SD = 11,0). Neliöjuuremuunnoksia vaadittiin korjaamaan positiivinen vinous monimutkaisille ja yksinkertaisille väärille hälytysmäärille sekä RDT: llä että POM: lla. Laadullinen analyysi monimutkaisista väärän hälytyksen vastauksista POM: iin osoitti, että 36% sisälsi ihmisen kasvot tai kasvonpiirteet, 25% eläimiä tai myyttisiä olentoja, 20% humanoidihahmoja, 15% luonnonkohteita tai kohtauksia ja 4% muita. On huomattava, että kaikki RDT -tehtävien kuvat olivat vain kohinaa, joten "osumia" tai "puutteita" ei ollut sinänsä, vain kuvia, joissa koehenkilöt näkivät jotain tai eivät.

Persoonallisuusmittausten ja kahden visuaalisen tehtävän suoritusten väliset korrelaatiot on esitetty taulukossa 2, mikä osoittaa positiivisen psykoottisen skitsotyypin (mitattuna UnEx pisteet) oli ainoa mittari, joka liitettiin jatkuvasti suorituskykyyn. Tämä heijastui Bayesin korrelaatioon (ks. Liite S1) kohtalaisen korkealla Bayes -kertoimella 20,9, mikä tukee korrelaatiota UnEx pisteet ja monimutkaiset väärät hälytykset merkityksen havaitsemisessa.

Persoonallisuuden vaikutus visuaalisiin vääriin hälytyksiin

Neljä lohkoittain hierarkkista lineaarista regressioanalyysiä, jotka ennustavat monimutkaisia ​​ja yksinkertaisia ​​väärien hälytysten taajuuksia RDT ja POM, suoritettiin. UnEx pisteet syötettiin ensimmäisessä vaiheessa, ja loput skitsotyyppimittaukset, ehdotetut pisteet ja visuaalisten kuvien pisteet syötettiin lohkoittain toisessa vaiheessa. Tämä selvitti, vaikuttivatko nämä toimenpiteet väärien hälytysmäärien ennustamiseen, kun positiivisen psykoottisen skitsotyypin vaikutukset oli otettu huomioon. Taulukko 3 (vasemmalla varjostetut sarakkeet) osoittaa sen UnEx pisteiden osuus oli 5% monimutkaisten vastausten varianssista ja 4% yksinkertaisten vastausten varianssista RDT. Monimutkaisissa vastauksissa jäljellä olevat persoonallisuusmuuttujat vaikuttivat merkittävästi toisessa vaiheessa ja muodostivat vielä 19% varianssista. Lopullisessa mallissa korkeampi UnEx ja GSIS -siirto pisteet nousivat, kun taas korkeammiksi CogDis pisteet pienensivät monimutkaisten vastausten määrää. Mikään muu persoonallisuusmittari ei vaikuttanut merkittävästi ennustamaan yksinkertaisia ​​vastausprosentteja RDT kerran vaikutukset UnEx oli otettu huomioon. UnEx pisteet vaikuttivat myös merkittävästi väärien hälytysten ennustamiseen POM, mikä vastaa 10% monimutkaisten väärien hälytysmäärien vaihtelusta ja 5% yksinkertaisten väärien hälytysten esiintyvyydestä (ks. taulukko 3, oikeanpuoleiset sarakkeet). Muiden persoonallisuusmuuttujien lisääminen ei johtanut tilastollisesti merkittävään lisäykseen jo muodostuneeseen varianssiin UnEx, joko monimutkaisille tai yksinkertaisille väärien hälytysten määrille POM. On kuitenkin huomattava, että CogDis pisteet vaikuttivat merkittävästi monimutkaisten väärien hälytysten ennustamiseen regression toisessa vaiheessa POM väärien hälytysten määrä laskee CogDis pisteet nousivat. Tämä on odottamaton tulos, mutta se voi mahdollisesti liittyä sosiaaliseen ahdistukseen ja neuroottisuuteen, mikä näkyy lisääntyvänä CogDis pistemäärä [86], jos tämä ahdistuneisuuden lisääntyminen saa tutkittavat kohtalaiseksi, he monimutkaistavat FA -vasteita, koska he pelkäävät näyttävän oudolta. Kiitämme yhtä arvioijistamme (O.F.) tästä alustavasta mutta mielenkiintoisesta ehdotuksesta.

Kaiken kaikkiaan positiivisen psykoottisen skitsotyyppimme mitta, UnEx pisteet, liittyi voimakkaimmin osallistujien taipumukseen havaita monimutkainen merkitys molempien satunnaisissa ärsykkeissä RDT ja uusi POM. Visuaalinen kuvantamisominaisuus mitattuna VVIQ, ei liittynyt suorituskykyyn, joten on epätodennäköisempää, että väärät hälytykset johtuivat vaivannäöstä '' tehdä merkityksellisiä kuvia kohinasta '', ja on todennäköistä, että ne syntyivät spontaanisti samalla tavalla kuin visuaaliset hallusinaatiot, etenkin kun otetaan huomioon niiden esiintyminen liittyi persoonallisuuden osaan, jonka ehdotettiin olevan jatkuvalla psykoosin positiivisten oireiden kanssa. Huomautamme kuitenkin, että yksi kokeilun 1 mahdollinen rajoitus oli se, että emme hallinneet, suorittivatko osallistujat kuvatehtävän avoimilla vai suljetuilla silmillä. On mahdollista, että ne, jotka suorittavat sen silmät kiinni, ovat saattaneet nousta korkeammalle VVIQ pisteet, jotka ovat saattaneet saastuttaa kuvien ja skitsotyyppipisteiden välisen yhteyden vaikutukset tai POM -pisteet.

Päällä RDTehdotuksella oli kuitenkin myös merkitys, sillä ne osallistujat, jotka todennäköisemmin muuttivat vastauksiaan kokeilijoiden ohjeiden vuoksi (indeksoitu GSIS -vaihto pisteet) myös todennäköisemmin ilmoittamaan vääriä hälytyksiä. Suggestibility ei vaikuttanut suorituskykyyn POM. Tämä yhdessä harhaanjohtavien kokeilijoiden ohjeiden puuttumisen kanssa sekä kohina -ärsykkeiden kehittyneemmät ja naturalistisemmat ominaisuudet osoittavat, että POM on lupaava työkalu hallusinaatioalttiuden mittaamiseen laboratorioympäristössä, jolla on hyvä erottelukyky ja rakenteen pätevyys.

Johdonmukaisuuden vuoksi aiemman työn kanssa ja esityksen selkeyden vuoksi 2 × 4 ANOVA suoritettiin käyttäen mediaanijakaumaa UnEx pisteitä neljästä hallusinaatioalttiuden indikaattorista (yksinkertaiset ja monimutkaiset väärät hälytysmäärät RDT ja POM). Korkea UnEx ryhmä teki huomattavasti enemmän vääriä hälytyksiä kuin matalat pisteet. Yksityiskohdat esitetään tukitiedoissa (liite S1), mutta tulos on yhteenveto kuvassa 2. Lopulta tämä on sama tulos kuin yllä oleva regressio ja perustuu samaan hierarkkiseen lineaariseen malliin, mutta esitetään sulavammassa muodossa.

Yksinkertaisten ja monimutkaisten vastausten (vääriä hälytyksiä) vastausprosentit Satunnaisten pisteiden tehtävä (RDT) ja Merkityksen käsitys tehtävä (POM), näytetään erikseen henkilöille, jotka tekevät pisteitä mediaanin alapuolella ja yläpuolella UnEx ala -asteikko O-LIFE (N = 102, virhepalkit edustavat ± 95%: n luottamusvälejä).

Paikallisen taajuuskaistan vaikutus visuaalisiin vääriin hälytyksiin

Lopullinen analyysi koski positiivisen psykoottisen skitsotyypin vaikutuksen tutkimista monimutkaisiin vääriin hälytysasteisiin POM eri alueellisilla taajuusalueilla. A 2 (jakauman mediaani UnEx) × 6 (spatiaaliset taajuusalueet) ANOVA tehtiin tämän kysymyksen ratkaisemiseksi, ja tulokset on esitetty kuvassa 3. Mauchlyn testi osoitti pallomaisuuden oletuksen rikkomisen, χ 2 (14) = 91,9, joten Greenhouse-Geisserin säädöt (ε = 0,688) tehtiin vapausasteisiin. Paikallisen taajuuden merkittävä päävaikutus havaittiin, F(5, 500) = 70.3, s & lt .001, ηs 2 = .413, mikä kuvastaa sitä tosiasiaa, että monimutkaiset väärät hälytykset olivat yleisempiä alemmilla tilataajuuksilla. Välinen vuorovaikutus UnEx ja tilataajuus oli myös merkittävä, F(5, 500) = 4.3, s & lt 005, ηs 2 = .041. Post-hoc-vertailut paljastivat erot matalan ja korkean välillä UnEx ryhmät ovat merkittäviä 0,5 c/deg ja 1 c/deg (s & lt .001) ja myös 2 c/deg ja 16 c/deg (s & lt .05). U-muotoisen käyrän läsnäoloa vahvisti tilastollisesti merkitsevä neliöllinen kehityssuunta monimutkaisten väärien hälytysten esiintymistiheyden kasvaessa. F(1, 100) = 37.2, s & lt .001, ηs 2 = .271.

Vastausprosentit monimutkaisille väärille hälytyksille Merkityksen käsitys tehtävä (POM) kuuden spatiaalisen taajuuskaistan kautta, näytetään erikseen yksilöille, jotka pisteytyvät mediaanin alapuolella ja yläpuolella UnEx ala -asteikko O-LIFE (N = 102, virhepalkit edustavat ± 95%: n luottamusvälejä).

Alemmat taajuuskaistat antoivat enemmän vääriä hälytyksiä kuin korkeammat, mikä oli liioiteltua korkealla UnEx. On joitakin todisteita siitä, että matalia tilataajuuksia käsitellään nopeammin kuin korkeampia [87], vaikka tämä todennäköisesti riippuu tarkasta tehtävästä. Lisäksi joidenkin teorioiden (esim. [58]) mukaan hallusinaattoreilla kuluu vähemmän aikaa käsitysten tekemiseen, samanlainen vaikutus on havaittu ei-kliinisissä populaatioissa, joissa usko paranormaaliin liittyi vastaamiseen aiemmin (kun vähemmän tietoa oli saatavilla ) ja kuvasarjojen virheellisten tunnistusten tekeminen, jotka vähenevät peräkkäin niiden huononemistasolla [27]. Arvaamme, että tämä aikaisempi vastaus saattaisi siksi olla liioiteltu alhaisen paikkataajuustiedon kanssa.

Kaiken kaikkiaan kokeen 1 tulokset osoittivat, että kohinaan perustuvat (POM) ärsykkeet vahvistivat piste (RDT) -ärsykkeille alun perin havaittua vaikutusta [45], jolloin korkea UnEx O-LIFE-pisteet korreloivat todennäköisyyden kanssa nähdä mielekäs kuva, kun mitään ei ollut läsnä. Tämä vahvistaa väitteemme, että ekologisesti pätevämpi ärsyke lisää yksilöllisiä eroja merkityksen asettamisessa. Toinen koe laajentaa tätä tulosta tutkimaan samaa vaikutusta signaalin havaitsemiskehyksessä. Vaihdamme myös kuvan tilakohtaista taajuussisältöä (kuten kokeessa 1) ja tarkkailijan odotusta, että läsnä on mielekäs kuva [16].


Mikä on kognitiivinen kuilu ihmisten ja muiden eläinten välillä?

Harvardin yliopiston tiedemies on tuonut uutta valoa ihmisten ja eläinten suureen kognitiiviseen kuiluun, ja hän on syntetisoinut neljä keskeistä eroa ihmisten ja eläinten kognitiossa hypoteesiksi siitä, mikä tarkalleen erottaa ihmisen ja eläimen ajattelun.

Uudessa teoksessa, joka esiteltiin ensimmäistä kertaa American Association for the Advancement of Science -kokouksessa, Marc Hauser, psykologian, biologisen antropologian sekä organismi- ja evoluutiobiologian professori Harvardin taiteiden tiedekunnassa, esittelee teoriansa " inhimillisyys ", tekijät, jotka tekevät ihmisen kognition erityiseksi. Hän esittelee neljä kehittynyttä ihmisen ajattelumekanismia, jotka antavat meille pääsyn monenlaiseen tietoon ja kyvyn löytää luovia ratkaisuja uusiin ongelmiin näiden tietojen saatavuuden perusteella.

"Eläimet jakavat monia rakennusaineita, jotka sisältävät ihmisen ajattelua, mutta paradoksaalisesti ihmisten ja eläinten välillä on suuri kognitiivinen kuilu", Hauser sanoo. "Tarkastelemalla kognitiivisten kykyjen keskeisiä eroja löydämme ihmisen kognition elementtejä, jotka ovat ainutlaatuisia ihmisiä. Haasteena on tunnistaa, mitkä järjestelmät eläimet ja ihmiset jakavat, mitkä ovat ainutlaatuisia ja miten nämä järjestelmät ovat vuorovaikutuksessa ja vuorovaikutuksessa toistensa kanssa."

Äskettäin tiedemiehet ovat havainneet, että jotkut eläimet ajattelevat tavalla, jota aiemmin pidettiin ainutlaatuisena ihmiselle: Esimerkiksi joillakin eläimillä on episodinen muisti tai ei-kielellinen matemaattinen kyky tai kyky navigoida maamerkkejä käyttäen. Näistä ilmeisistä samankaltaisuuksista huolimatta ihmisten ja eläinten välillä on kuitenkin kognitiivinen kuilu.

Hauser esittelee neljä inhimillisen kognition erottavaa ainesosaa ja osoittaa, kuinka nämä kyvyt tekevät ihmisen ajattelusta ainutlaatuisen. Nämä neljä uutta ajattelun osaa ovat kyky yhdistää ja yhdistää uudelleen erityyppistä tietoa ja tietämystä saadakseen uutta ymmärrystä soveltaa samaa "sääntöä" tai ratkaisua yhteen ongelmaan eri ja uudessa tilanteessa symbolisen luomiseksi ja ymmärtämiseksi. esityksiä laskennasta ja aistinvaraisesta panoksesta ja irrottaa ajattelutavat raa'asta aistinvaraisesta ja havainnollisesta panoksesta.

Aiemmat tutkijat pitivät työkalujen käyttömahdollisuutta ihmisen ainutlaatuisena kyvynä, mutta sittemmin on osoitettu, että monet eläimet, kuten simpanssit, käyttävät myös yksinkertaisia ​​työkaluja. Eroja on kuitenkin siinä, miten ihmiset käyttävät työkaluja muihin eläimiin verrattuna. Vaikka eläinten työkaluilla on yksi tehtävä, mikään muu eläin ei yhdistä materiaaleja luodakseen työkalun, jolla on useita toimintoja. Itse asiassa, Hauser sanoo, tämä kyky yhdistää materiaaleja ja ajatteluprosesseja on yksi tärkeimmistä laskelmista, jotka erottavat ihmisen ajatuksen.

Hauserin mukaan eläimillä on "lasersäde" -äly, jossa tiettyä ratkaisua käytetään tietyn ongelman ratkaisemiseen. Näitä ratkaisuja ei kuitenkaan voida soveltaa uusiin tilanteisiin tai erilaisten ongelmien ratkaisemiseen. Sitä vastoin ihmisillä on "valonheitin" -kognitio, jonka avulla voimme käyttää ajatusprosesseja uusilla tavoilla ja soveltaa yhden ongelman ratkaisua toiseen tilanteeseen. Vaikka eläimet voivat siirtyä eri järjestelmien välillä, tämä tehdään vain rajoitetulla tavalla.

"Ihmisille nämä keskeiset kognitiiviset kyvyt ovat saattaneet avata muita evoluutioteitä, joita muut eläimet eivät ole hyödyntäneet, ja tämä aivojen kehitys on perusta, jolle kulttuurinen kehitys on rakennettu", Hauser sanoo.

Tarinan lähde:

Materiaalit toimittanut Harvardin yliopisto. Huomautus: Sisältöä voidaan muokata tyylin ja pituuden mukaan.


Gibson vs. Gregory – havainto

Gibson uskoo alhaalta ylöspäin suuntautuvaan havaintoteoriaan, jossa työskentelemme ylöspäin analysoidessamme visuaalista maailmaa emmekä vaadi korkeampaa kognitiivista panosta päätelläksemme sen, mitä näemme edessämme. jo. Hänen suora havaintoteoriansa on monimutkainen ja perustuu pääasiassa kolmeen keskeiseen elementtiin, optiseen taulukkoon, liikkeeseen (Ambient optic array) ja invarianttiin tietoon, mutta elementtejä on enemmän. Optinen ryhmä keskittyy valon rooliin havainnossa, valo yksin ei riitä, mutta tapa, jolla se heijastuu ja rakenteutuu reunojen, esineiden, tekstuurien ja pintojen perusteella, tekee siitä niin tärkeän. Tätä laajennettaessa Gibson piti ympäristön optiikkaa (liikettä) erittäin tärkeänä ja korosti, kuinka paljon rikasta tietoa voimme ottaa vastaan ​​ilman monia havaintovirheitä. Vaikka Gibson uskoo, että havaintokykymme ovat hyvin kehittyneet ja jatkavat hyvin pienillä virheillä, voimme silti huijata visuaalisia illuusioita, kuten Muller-Lyer-illuusio, joka on ristiriidassa suoran havaintoteorian kanssa. Kuitenkin Gibson selittää edelleen näiden illuusioiden väärän luonteen, mikä huijaa meitä ja että ne eivät koskaan ilmesty todellisessa jokapäiväisessä elämässä, mutta Kuvio 1 esittää Muller-Lyer-illuusion 3D-todellisessa maailmassa ja vaikka tiedämme, että seinät ovat yhtä korkeita, hyppäämme ensin siihen johtopäätökseen, että lähiseinä on paljon korkeampi.

Optinen virtauskuvio on yksi muista teorian elementeistä, johon Gibson korostaa paljon. Mikä tahansa virtaus optisessa ryhmässä tarkoittaa, että havaitsija liikkuu, piste, jossa he liikkuvat kohti/keskittyvät, pysyy liikkumattomana, mutta ympäröivä visuaalinen ympäristö liikkuu ulospäin. Voit esimerkiksi kuvitella istuvasi etumatkustajan istuimella ajaessasi moottoritiellä ja katsoen suoraan eteenpäin, oheislaitteessasi näet auton menevän päinvastaista tietä kuin sinä, he näyttävät liikkuvan tasaisesti, mutta heti kun ne alkavat liikkua optisesta ryhmästäsi ne näyttävät nopeuttavan ja liikkuvan ulospäin. Näin ei tapahdu, auto ei kiihdy ja kaareudu näkemästäsi, tämä on juuri sitä, mitä me havaitsemme. Toinen osa alhaalta ylöspäin suuntautuvaa teoriaa on niin sanottu "edullisuus", tämä on yksi hänen kiistanalaisimmista käsitteistään. Gibson uskoo, että muut asiat vaikuttavat siihen, miten me havaitsemme asioita, kuten fyysinen ympäristö, psykologinen tila ja fysiologinen tila. Jotta voimme tunnistaa esineitä ja tietää, mitä ne ovat, meidän on yhdistettävä nämä elementit optiseen taulukkoomme. Kuitenkin monet arvostelut ovat saaneet tästä väitteen, että se koskee paljon alempia eläinmuotoja, joiden ei tarvitse käsitellä ympäristöään. Sitä ei myöskään voida soveltaa kaikkiin kulttuureihin, koska esineiden eri käyttötarkoitukset on saatettu oppia eikä "tarjota". Gibsonin mukaan käsitys perustuu myös muuttumattomiin ja yksiselitteisiin tietoihin. Tekstuurigradientti on tapa, jolla katsomme tekstuureja eri kulmista ja etäisyyksiltä. Mitä lähempänä rakenne on, sitä yksityiskohtaisempi ja karkeampi rakenne näyttää, sitä lähempänä se on, jos rakenne näyttää sileältä ja vähemmän yksityiskohtaiselta, se on kauempana. Horisontti -suhde selittää, kuinka kun lähestymme näkökentän asioita, sen ja sen ympäristön mittasuhteet pysyvät samoina, minkä vuoksi tiedämme, että niiden koko ei kasva, mutta itse asiassa lähestymme. Myös kauempana olevat kohteet näkyvät korkeammalla näkökentässämme. Tämän rinnalla Gregory väittää, että tämä johtuu hänen teoriasta koon pysyvyydestä. Gregory ehdottaa, että jos havainto perustuisi pelkästään verkkokalvon kuviin, esineet näyttäisivät kasvavan, muuttavan muotoaan ja värejään liikkuessamme, mutta tietämyksemme ja aiempien kokemustemme vuoksi näemme esineiden pysyvän suunnilleen samankokoisina etäisyydestä riippumatta. Tämä on osa epäsuoraa havaintoteoriaa.

Ristiriitainen teoria on ylhäältä alas -teoria, jossa Gregory uskoo, että käytämme tietämystämme ja aiempia kokemuksiamme "rakentaaksemme" lopullisen käsityksemme. Tämän teorian tärkein osa on hypoteesitestaus, joka ehdottaa, että havainnon on oltava aktiivinen prosessi ja etsittävä paras mahdollinen tulkinta siitä, mitä näemme. Gregory ei ehdota, että tämä olisi tietoinen valinta, jonka olemme valinneet näkemään, vaan se on automaattinen prosessi. Allport tukee tätä teoriaa sanomalla, että aiemmat kokemukset johtavat meidät havaitsemaan jotain tietyllä tavalla, mikä vähentää valintoja ja nopeuttaa tunnistamisprosessia. Kuitenkin, jos tämä teoria olisi täysin oikea, tekisimme paljon enemmän havaintovirheitä kuin teemme. Silti Gregory tarjoaa selityksen Muller-Lyer-illuusioille, mikä viittaa siihen, että länsimaisista kulttuureista ostetut nuoresta iästä lähtien oppivat tulkitsemaan 2D: n ikään kuin se olisi 3D, koska elämme puusepäntyneessä ympäristössä. Pederson ja Wheeler (1983) tukevat tätä tekemällä kokeen 2 ryhmän kanssa. Yksi niistä oli puusepäntyneestä ympäristöstä ostettuja, toinen heimoyhteisö. Heimoyhteisön edustajat eivät olleet alttiita Muller-Lyer-illuusioille, toisin kuin länsimaiset yhteiskunnat, joten teoria ei ole yleisesti hyväksytty. On kuitenkin olemassa myös muita visuaalisia harhakuvitelmia, joita Gregory ei voi selittää, miksi visuaaliset illuusiot huijaavat meitä edelleen, vaikka tiedämme, että olemme väärässä, ja teoria toteaa, että opimme aiemmista kokemuksista lopullisen havaintomme rakentamiseksi. Toisaalta Gregory viittaa siihen, että on olemassa jotain käsitystä, joka seuraa käsitystä, mutta hänellä on tästä erittäin heikko näyttö. Lisäksi Gregory sanoi, että et tarvitse aistitietoa saadaksesi siitä merkityksen. Johannson (1976) kiinnitti valot näyttelijään kaikissa tärkeimmissä yhteyksissä ja kuvasi hänen kävelevän pimeässä. Kun tämä elokuva näytettiin osallistujille, he eivät voineet piirtää elokuvalle merkitystä, kun näyttelijä seisoi paikallaan, mutta kun valot liikkuivat, he pystyivät tunnistamaan tämän ja tunnistamaan sen kävelyliikkeeksi. Tuloksista huolimatta on edelleen suurta kritiikkiä, missä näemme tämän todellisessa maailmassa? Missä tarvitsisimme tätä?

Gregoryn teoria voi olla oikeassa joissakin näkökohdissa, mutta suuri osa hänen teoriasta perustuu erittäin keinotekoisiin ärsykkeisiin, jotka esitetään usein lyhyesti ja osittain. Myös Gregoryn teoriat ovat usein staattisia, kun olemme jatkuvasti liikkeellä ja vaikka emme liikkuisi, silmämme eivät koskaan ole jatkuvasti kiinni yhdessä kohdassa. Alhaalta ylöspäin suuntautuvaa teoriaa ei välttämättä tueta papereilla, mutta on vakuuttavia ja suoraan ilmeisiä todisteita siitä, että voimme nähdä, kuten visuaalisen lumen ja optisen virtauskuvion.


Aistin ja havainnon väliset erot

Onko nämä kaksi pääprosessia järkevämpiä sinulle nyt? Katso alla olevasta taulukosta kaikki tärkeimmät erot havainnon ja tunteen välillä.

Tunne

Käsitys

  • Tunne on monimutkaisen prosessin ensimmäinen vaihe, jonka avulla voimme ymmärtää maailmaa ja olla vuorovaikutuksessa sen kanssa.
  • Käsitys on mainitun prosessin toinen vaihe.
  • Tunne on fyysisempi. Se sisältää yksinkertaisen tietoisuuden eri ärsykkeistä.
  • Käsitys antaa merkityksen sille, mitä aistimme, ja voidaan sanoa, että se on sekoitus tunteita, joissa on ideoita, aiempia kokemuksia ja yhteyksiä esineisiin tai käsitteisiin.
  • Tunne ei sisällä mitään organisaatioita, yhdistelmiä tai ärsykkeiden valintaa.
  • Käsitys sisältää organisaation, yhdistelmän ja valinnan ärsykkeiden muodostamiseksi kuvioksi.

Onnistuiko aistimuksemme ja havaintomme eroa käsittelevä artikkelimme selvittämään asiat sinulle? Tilaa uutiskirjeemme, niin lähetämme sinulle vastauksia moniin kysymyksiin, joita et ehkä edes tiennyt, sekä muihin mielenkiintoisiin aiheisiin ja uusimpaan.


Aivojen kehityksessä koolla on merkitystä - suurimman osan ajasta

Kumpi oli ensin, yleensä isommat aivot tai suuret aivojen alueet, jotka hallitsevat erikoistunutta käyttäytymistä? Neurotieteilijät ovat keskustelleet tästä kysymyksestä vuosikymmeniä, mutta uusi Cornellin tutkimus ratkaisee pisteet.

Tutkimuksessa todetaan, että vaikka selkärankaisten aivot eroavat koosta, koostumuksesta ja kyvyistä, aivojen yleisen koon kehitys muodostaa suurimman osan näistä eroista, ja suuret aivot johtavat parempiin kykyihin.

58 laululajilajista tehdyssä tutkimuksessa havaittiin myös, että kun laji kehitti suuremmat aivot, aivojen alueet, jotka hallitsevat nokkaa ja suuta, ja laulu -alue, kehittivät muita monimutkaisia ​​hermoverkkoja.

Lehti, jonka on kirjoittanut Jordan Moore Ph.D. ’10, joka on tällä hetkellä tutkijatohtori Columbian yliopistossa, ja Timothy DeVoogd, Cornellin psykologian professori taideteollisessa korkeakoulussa, julkaistiin 10. toukokuuta Proceedings of the Royal Society B -lehdessä.

Tulokset viittaavat siihen, että tämä periaate voi myös auttaa selittämään ihmisen evoluutiota, sillä meillä saattaa olla ensin kehittyneet suurempia aivoja, mikä mahdollisti sopeutumisen, joka paransi aivojen alueita, jotka hallitsevat tiettyjä kykyjä, kuten kieltä.

"Useimmat neurotieteilijät uskovat, että aivojemme kehityksessä ei ole mitään erityistä, että meidän on vain ymmärrettävä periaatteet, jotka ovat yleisesti aivojen evoluution taustalla", DeVoogd sanoi. "Tapa, jolla rakennat isompia aivoja, ei vain tee kaikesta isompaa, vaan pikemminkin hidastaa tai pidentää myöhäistä kehitystä."

Tällä tavalla suuremmilla aivoilla on kehittyneempi aivokuori (jolla on keskeinen rooli muistissa, huomiossa, havainnossa, tietoisuudessa, ajatuksissa, kielessä ja tietoisuudessa), joka on viimeinen alue, joka kehittyy eläimissä ja ihmisissä.

Tutkimus on ensimmäinen, joka vertaa ja ratkaisee kahta kilpailevaa aivojen evoluutioteoriaa. Erään teorian mukaan luonnollinen valinta ajoi progressiivisia muutoksia tietyillä aivojen alueilla, mikä johti sitten suurempiin aivoihin lajeissa, jotka tarvitsivat niitä selviytyäkseen. Toinen teoria väittää, että jotkut lajit hankkivat yleensä suurempia aivoja ja että sen suurempia perusosia voitaisiin sitten värvätä tiettyihin monimutkaisiin käyttäytymismalleihin.

Testaakseen näitä teorioita Moore ja DeVoogd mittaivat aivojen kokonaiskokoa ja 30 erillistä aluetta, jotka hallitsevat käyttäytymistä 58 laululintujen yli 20 perheessä.

”Yksi lintujen aivoihin katsomisen eduista on se, että näytteitä on suhteellisen helppo saada monilta eri lajeilta, ja eri lajien toiminnasta on paljon tietoa. Ja tiettyjä näille toiminnoille omistettuja alueita voidaan helposti nähdä aivoissa ”, DeVoogd sanoi.

Suurin osa aivojen alueiden vaihtelusta johtui aivojen kokonaiskoon eroista. Mutta kahdessa erityisessä järjestelmässä vaihtelua oli paljon enemmän kuin mitä voisi selittää aivojen koolla. Lauluja hallitsevat alueet olivat paljon suurempia lajeilla, jotka tuottavat monipuolisempia ja monimutkaisempia kappaleita. Myös aivot, jotka hallitsivat kasvoja ja suuta, olivat erityisen suuria lajeilla, joilla oli lyhyt, lihava nokka, jotka syövät siemeniä, ja ne olivat pieniä lajeilla, joilla oli pitkät, ohuet nokat, jotka syövät hyönteisiä.

"Jos olet koskaan nähnyt linnun käsittelevän auringonkukansiementä, se työntää siemenen kielellään ympäri ja tarttuu siihen nokan eri kohdilla. Ja sitten se pystyy rikkomaan sen ja avaamaan sen sisältä ”, DeVoogd selitti.

Ihmisten suhteen "on aina ollut kiistanalaista, miten saimme olla sellaisia ​​kuin olemme", DeVoogd sanoi. Koska suurten aivojen tukeminen vaatii suuria energia- ja happivaatimuksia, jotkut tutkijat spekuloivat, että muutokset varhaisten ihmisten ruokavaliossa, mukaan lukien kyky löytää ja valmistaa korkealaatuista ruokaa, auttoivat helpottamaan ihmisen aivojen kasvua toimittamalla tarvittavat kalorit ja proteiinit . Toiset spekuloivat, että eläminen suojeli sosiaalisesti varhaisia ​​ihmisiä ja loi evoluutiopaineita kielen kehittämiseen, DeVoogd sanoi.


Aika kulkee hitaammin kärpäsille, tutkimus havaitsee

Kärpäset välttävät lyömistä samalla tavalla kuin Keanu Reeves väistää lentäviä luoteja Matriisi -elokuvassa - katsomalla ajan kulumista hitaasti.

Hyönteiselle se salamannopeasti liikkuva sanomalehti voi yhtä hyvin tunkeutua paksun aihion läpi.

Kuten Reeves seisoo taaksepäin ja sivuttain askelevat slo-mo-luodit, kärpäsellä on runsaasti aikaa paeta. Eikä se ole ainoa kykynsä havaita aika eri tavalla kuin me. Tutkimukset viittaavat siihen, että monilla lajeilla ajan havaitseminen liittyy suoraan kokoon.

Yleensä mitä pienempi eläin on ja mitä nopeampi sen aineenvaihdunta on, sitä hitaampi aika kuluu.

Todisteet ovat peräisin tutkimuksista, jotka koskevat eläinten kykyä havaita erilliset nopeasti välkkyvän valon välähdykset.

"Kriittinen välkkymisen fuusiointitaajuus" - kohta, jossa välähdykset näyttävät sulautuvan yhteen niin, että valonlähde näyttää vakioilta - osoittaa ajan havaitsemisen. Eri eläimillä tehtyjen tutkimusten vertailu paljasti yhteyden koon kanssa.

"Monet tutkijat ovat tarkastelleet tätä eri eläimillä mittaamalla heidän käsityksensä vilkkuvasta valosta", sanoi tohtori Andrew Jackson, Irlannin Trinity College Dublinista. "Jotkut voivat havaita melko nopean välkkymisen ja toiset paljon hitaammin, joten välkkyvä valo näyttää sumealta.

"Mielenkiintoista on, että suurten ja pienten lajien välillä on suuri ero. Meitä pienemmät eläimet näkevät maailman slo-mo: ssa. Se näyttää olevan lähes tosiasia. Keskityimme selkärankaisiin, mutta jos katsot kärpäsiä, ne voivat havaita valon välkkymistä jopa neljä kertaa nopeammin kuin voimme. Voit kuvitella kärpäsen kirjaimellisesti näkevän kaiken hidastettuna. "

Vaikutus voi johtua myös siitä, miten aika näyttää nopeutuvan ikääntyessämme, sanoi tutkimusta johtanut Jackson. Hän sai innoituksensa tutkimuksen tekemiseen havaittuaan, miten pienet lapset näyttävät aina olevan niin kiireisiä.

"On houkuttelevaa ajatella, että lasten aika kulkee hitaammin kuin aikuisilla, ja on olemassa joitakin todisteita siitä, että se voisi", hän sanoi.

"Ihmiset ovat osoittaneet ihmisillä, että välkkymisen fuusiointitaajuus liittyy henkilön subjektiiviseen ajattelutapaan, ja se muuttuu iän myötä. Se on varmasti nopeampaa lapsilla."

TV-, tietokone- ja elokuvanäytöt välkkyvät, mutta tarjoavat illuusion jatkuvista kuvista niiden korkeiden taajuuksien vuoksi.

Mutta koiranomistajat voivat olla yllättyneitä siitä, että heidän lemmikkinsä voivat nähdä television välkkymistä, Jackson sanoi. Heidän visuaalisen järjestelmänsa virkistystaajuus on korkeampi kuin televisioruudun.

Tutkitut eläimet kattoivat yli 30 lajia, mukaan lukien jyrsijät, ankeriaat, liskoja, kanoja, kyyhkysiä, koiria, kissoja ja nahkakilpikonnia.

Jälkimmäiset ovat suuria olentoja, joilla on hidas aineenvaihdunta ja joiden aika kuluu suhteellisen nopeasti.

Pienemmillä, ketterämmillä olennoilla oli hienoin kyky havaita tietoja ajan yksikössä, kertoivat Animal Behavior -lehdessä kirjoittavat tutkijat. Toisin sanoen he pystyivät näkemään enemmän valon välkkymistä sekunnissa.

Ajan havaitseminen on vain toinen osa evoluutiota ja selviytymistä, tutkijat uskovat.

"Tuloksemme tukevat ajan havaitsemisen tärkeyttä eläimillä, joissa kyky havaita aika hyvin pienissä mittakaavoissa voi olla ero nopean liikkuvuuden organismien elämän ja kuoleman välillä", kertoi tohtori Kevin Healy. luonnontieteiden korkeakoulu Trinity Collegessa, Dublinissa.

Professori Graeme Ruxton Skotlannin St Andrewsin yliopistosta, joka myös osallistui tutkimukseen, sanoi: "Silmillä, jotka lähettävät päivityksiä aivoihin paljon korkeammalla taajuudella kuin silmämme, ei ole mitään arvoa, jos aivot eivät pysty käsittelemään sitä Näin ollen tämä työ korostaa jopa pienimpien eläinten aivojen vaikuttavia ominaisuuksia.

"Kärpäset eivät ehkä ole syvällisiä ajattelijoita, mutta he voivat tehdä hyviä päätöksiä hyvin nopeasti."

Jotkut eläimet voivat hyödyntää aikakäsityksen eroja hyväkseen, kertoo tohtori Luke McNally, toinen tiimin jäsen Edinburghin yliopistosta.

"Esimerkiksi monet lajit käyttävät vilkkuvia valoja signaaleina, kuten tulikärpäset ja monet syvänmeren eläimet", hän sanoi. "Suuremmat ja hitaammat saalistajalajit eivät ehkä pysty purkamaan näitä signaaleja, jos niiden visuaalinen järjestelmä ei ole riittävän nopea, mikä antaa signaloijille salaisen viestintäkanavan."


Luku 1 - Eläinten käsitys, mukaan lukien erot ihmisten kanssa

Eläinten ja ihmisten havaitsemassa ympäristössä on yhtäläisyyksiä ja huomattavia eroja. Eläimet ja ihmiset havaitsevat äänen, valon, kemikaalit (maku ja haju), kosketuksen ja maan magneettikentän. Ihmisten ja eläinten vertailussa on eroja seuraavissa asioissa: •

Kuulon havainto: Jotkut eläimet, kuten kissat, lepakot, rotat ja hiiret, havaitsevat ultraäänen (korkeat äänitaajuudet), mutta eivät ihmiset. Lisäksi ihmisellä on äänilähteen alueellinen sijainti, mutta se on paljon kehittyneempi joillakin eläimillä, joiden huiput (ulkoiset korvat) pystyvät osittain pyörimään.

Valo/visuaalinen havainto (näky): Tämä käsittää trikromaattisen näkemyksen ihmisillä ja vanhan maailman apinoilla ja suurilla apinoilla, mutta ei ei -kädellisillä nisäkkäillä, joilla on dikromaattinen näkö. Lisäksi linnuilla ja joillakin nisäkkäillä, kuten koirilla, on kyky havaita ultraviolettivalo. Sitä vastoin ihmiset eivät. Myös yö- ja päiväeläinten silmissä ja niiden sijainnissa on eroja. Nisäkkäillä näyttää siltä, ​​että ekstreretinaalinen valo ei ole vastaanotettu toisin kuin linnuilla.

Kemoreceptio: Ihmisillä on täysi valikoima makureseptoreita, kun taas joillakin eläimillä ei ole kaikkia tai kaikkia makureseptoreita. Useimmilla nisäkkäillä on hyvin kehittynyt vomeronasaalinen kemoreceptio ja ihmisillä vain vähän tai ei lainkaan. Ihmisillä on heikentynyt hajujen kemoreceptio jopa muihin kädellisiin verrattuna. Joillakin nisäkkäillä on erittäin kehittynyt haju. Kotikyyhkyt käyttävät hajujen tunnistusta.

Taktilinen havainto (kosketus): Monilla nisäkkäillä on värähtelyjä (tuntokarvoja), mutta niitä ei ole ihmisissä.

Muut aistit: Linnuissa on magnetoreceptio, joka havaitsee puolalaisten suunnan muuttoliikkeen helpottamiseksi. Näin ei näytä tapahtuvan nisäkkäillä.


Tilastollinen analyysi

All statistical analyses were performed using SPSS (version 25), R Studio (version 1.1.463) and Microsoft Excel (version 16.22). For the time reproduction task, data was inspected for outliers following Ratcliff (1993). Cut-offs were set for very short (<300 ms, most likely caused by premature responding) and very long responses (>25,000 ms, most likely due to lapses of concentration), similar for the three intervals. As a next step, at the subject level, responses outside a range of 2SD from the mean were eliminated. These two steps removed 4.5% of responses. As a final step, group review (supported by box plot) identified 4 participants with significant mean outliers that were also excluded for further analysis (1 subject had completed the task incorrectly with majority of responses <300 ms cut-off on all intervals 1 subject completed the first interval incorrectly and reported this to the experimenter 2 participants had means outside a range of 2.5SD from group mean for multiple intervals.

The time estimation variables calculated in this study and the objective of each are summarized in Table 1.

Mean estimate and Coefficient of Variation were calculated and in addition, a recently proposed measure which is robust to drift (scaled Root Mean Squared Residuals RMSR Maaß and van Rijn 2018). Serial dependence was measured by calculating the individual parameters of an Autoregressive Integrated Moving Average model (ARIMA) and Autocorrelation Function (ACF) at subject/interval level. Autocorrelation estimates the relationships within a single variable (i.e. time estimation in the present study) that is measured in a regular series of events the value can vary between −1.00 and 1.00 with a value of 0.00 indicating no dependency (Velicer and Fava 2003). The variables were analyzed with a GLM for repeated measures to test for the presence of a potential trial sequence effect (Bausenhart et al. 2014), which could significantly influence the analysis results. Further details are provided in Supplementary Information.

The delay discounting task was generally completed in a coherent manner by participants. Overall consistency of choices was high (M = 97.9%, SD = 2.7%) as measured by the excel tool (Kaplan et al. 2014). However, further analysis of the data (box plot) identified 3 participants with abnormally low discount rates compared to the group (virtually all responses on the delayed reward). As these are likely due to a misunderstanding of the task these participants were removed from the analysis.

Finally, the Shapiro-Wilk test of normality was used to investigate the effect of log transformation of the discount rate. The discount rate was found not to be normally distributed (W = .967, s = .030) in the sample. This was unexpected. To address this problem for parametric statistical analyses, three groups reflecting the relative degree of delay discounting were defined post hoc (high, medium, low) using SPSS binning procedure, with cut-offs based on approximate equal weighting of percentiles (Table 2). Theoretically, this approach aligns with (low, medium, high) levels of the impulsive decision system (Bickel et al. 2011) that is proposed to be associated with risk of addiction. In experiments, similar segmentations of degrees of delay discounting have been followed (e.g. Yi et al. 2016 Cherniawsky and Holroyd 2013).


Gibson Vs. Gregory – Perception

Gibson believes in the bottom-up theory of perception, in which we work upwards in our analysis of the visual world and require no higher cognitive input to conclude what we see before us, it’s about the data of what we see, not what we know already. His direct theory of perception is complex and based essentially on 3 central elements the optic array, movement (Ambient optic array) and invariant information however there are more elements. The optic array focuses on the role of light in perception, light alone is insufficient, but the way it is reflected and structured by edges, objects, textures and surfaces is what makes it so important. Expanding on this Gibson considered the ambient optic array (movement) to be very important and emphasised how much rich information we can take in without many perceptual errors. Although Gibson believes our perception abilities are very advanced and go on with very little errors we can still be fooled by visual illusions such as the Muller-Lyer illusion contradicting the direct theory of perception. However Gibson goes on to explain the false nature of these illusions are what fools us and that they would never appear in real everyday life, yet figure 1 shows the Muller-Lyer illusion in 3D real world terms and although we know the walls are the same height we would first jump to the conclusion that the closer wall is much taller.

The optic flow pattern is one of the other elements of the theory that Gibson puts much emphasis on. Any flow in the optic array means that the perceiver is moving, the point in which they are moving towards/focusing on remains motionless but the surrounding visual environment moves outwards. For example imagine sitting in the front passenger seat while driving on the motorway looking straight ahead, in your peripheral you can see the car going the opposite way to you, they seem to be moving at a steady pace but as soon as they start to move out of your optic array they appear to speed up and move outwards. This isn’t what happens, the car doesn’t speed up and curve out of your vision this is just what we perceive. Another aspect of the bottom-up theory is something called ‘affordances’, this is one of his more controversial concepts. Gibson believes other things play a role in how we perceive things including: physical surroundings, psychological state and physiological state. For us to be able to recognise objects and know what they are for we must combine these elements with our optic array. However many criticisms have come off this suggesting it is for much lower animals forms who do not need to conceptualise their environment. Also it cannot be applied to all cultures as different uses for objects may have been learned and not ‘afforded’. Gibson states perception is also based off invariant and unambiguous information. Texture gradient is how we view textures from different angles and distances. The closer the texture the more detailed and rough a texture looks the closer it is, if a texture looks smooth and less detailed then it is further away. Horizon ratio explains how as we move closer to things in our visual field the proportions of it and its surroundings will stay the same which is why we know they are not increasing in size but we are in fact getting closer. Also objects further away appear higher in our visual field. Juxtaposed to this, Gregory argues this is due to his theory of size constancy. Gregory proposes that if perception was purely based on retinal image objects would appear to grow, change shape and colour as we moved around but due to our knowledge and previous experiences we see objects staying more or less the same size regardless of distance. This is part of the indirect theory of perception.

A conflicting theory is that of a top-down theory where Gregory believes that we use our knowledge and past experiences to “construct” our final perception. A main aspect of this theory is Hypothesis testing which suggests perception has to be an active process and a search for the best possible interpretation of what we are seeing. Gregory doesn’t suggest this is a conscious choice what we are chosen to see but is an automatic process. Allport backs up this theory by saying past experiences lead us to perceive something in a certain way which reduces the choices and speeds up recognition process. However if this theory was fully correct we would make a lot more perceptual errors than we do. Yet Gregory offers an explanation for the Muller-Lyer illusion, suggesting that those bought up in western cultures from a young age learn to interpret 2D as if it was 3D as we live in a carpentered environment. Pederson and Wheeler (1983) support this by conducting an experiment with 2 groups. One of which was those bought up in the carpentered environment, the others a tribal community. Those from the tribal community were not susceptible to the Muller-Lyer illusion unlike those from the western society therefore the theory is not universally accepted. However there are other visual illusions which Gregory cannot explain why we still tricked by visual illusions although we know we are wrong and the theory states we learn from prior experiences to construct our final perception. Gregory on the other-hand does however suggest there is something called ‘conception’ which is follows perception but he has very weak evidence for this. Furthermore Gregory said you don’t need sensory data to draw meaning from it. Johannson (1976) attached lights to an actor at all major joins and filmed him walking round in the dark. When this film was shown to participants they could not draw meaning to the film when the actor was standing still, but when the lights moved they could recognise this and identify it as the walking movement. Despite the findings there are still major criticisms, where would we see this in the real world? Where would we need this?

Gregory’s theory may be correct in some aspects of perception however a lot of his theory is bases on highly artificial stimuli which is often presented briefly and in fragments. Also Gregory’s theories are often static when we are constantly on the move and even when not moving our eyes are never constantly fixed on one point. The bottom-up theory may not be backed up with papers but there is compelling and directly obvious evidence that we can see such as visual lume and optic flow patterns.


Results and Interim Discussion

Kuvailevia tilastoja

Scores on the questionnaire measures are summarised in Table 1, and are all comparable to reported norms for these psychometrics [69, 70, 84, 85]. Scores on the IntAnh subscale of the O-LIFE were positively skewed and so square root transformations were computed to correct for this, and the transformed scores were used in all parametric analyses.

The mean complex false alarm rates in response to the RDT (M = 11.4%, SD = 13.7) and the POM (M = 9.0%, SD = 8.5) were comparable, t(101) = .034, p > .05, and highly correlated r = .624, p < .01. The mean hit rate for the POM was 53.3% (SD = 11.0). Square root transformations were required to correct for positive skew for the complex and simple false alarm rates on both the RDT and the POM. A qualitative analysis of complex false alarm responses to the POM showed that 36% contained human faces or facial features, 25% animals or mythical creatures, 20% humanoid figures, 15% natural objects or scenes, and 4% other. It should be noted that all images in the RDT tasks were noise only, so there were no ‘hits’ or ‘misses’ sinänsä, just images in which the subjects saw something or did not.

The correlations between the personality measures and performance on the two visual tasks are presented in Table 2, which indicates that positive-psychotic schizotypy (as measured by UnEx scores) was the only measure to be consistently associated with performance. This was reflected in the Bayesian correlation (see S1 Appendix) with a moderately high Bayes factor of 20.9, supporting the correlation between the UnEx score and the complex false alarms in the Perception of Meaning task.

The effect of personality on visual false alarms

Four blockwise hierarchical linear regression analyses, predicting the complex and simple false alarm rates on the RDT ja POM, were conducted. UnEx scores were entered in the first step, and the remaining schizotypy measures, suggestibility scores, and visual imagery scores were entered blockwise in the second step. This established whether these measures contributed to predicting false alarm rates once the effects of positive-psychotic schizotypy had been accounted for. Table 3 (left shaded columns) shows that UnEx scores accounted for 5% of the variance in complex responses and 4% of the variance in simple responses on the RDT. For complex responses, the remaining personality variables made a significant contribution in the second step, accounting for a further 19% of the variance. In the final model higher UnEx ja GSIS shift scores increased, whereas higher CogDis scores decreased the rate of complex responses. None of the other personality measures made a significant contribution to predicting simple response rates on the RDT once the effects of UnEx had been accounted for. UnEx scores also made a significant contribution to predicting false alarm rates on the POM, accounting for 10% of the variance in complex false alarm rates and 5% of the variance in simple false alarm rates (see Table 3, rightmost columns). The addition of the remaining personality variables did not result in a statistically significant increase to the variance already accounted for by UnEx, either for complex or simple false alarm rates on the POM. It should be noted, however, that CogDis scores did make a significant contribution to predicting complex false alarm rates in the second step of the regression, with POM false alarm rates decreasing as CogDis scores increased. This is an unexpected result, but may possibly be related to social anxiety and neuroticism, which is reflected in an increasing CogDis score [86] if this increase in anxiety causes the subjects to moderate they complex FA responses, for fear of seeming odd. We thank one of our reviewers (O.F.) for this tentative but interesting suggestion.

Overall, our measure of positive-psychotic schizotypy, the UnEx score, had the strongest association with participants’ tendency to perceive complex meaning in the random stimuli of both the RDT ja uusi POM. Visual imagery ability, as measured by the VVIQ, was not associated with performance, so it is less likely that false alarms resulted from an effortful attempt to ‘make out’ meaningful images in the noise, and plausible that they arose spontaneously in a manner analogous to visual hallucinations, especially given that their occurrence was linked to an aspect of personality suggested to lie on a continuum with the positive symptoms of psychosis. However, we note that one potential limitation of Experiment 1 was that we did not control whether participants completed the imagery task with open or closed eyes. It is possible that those completing it with closed eyes may have obtained higher VVIQ scores, which may have contaminated the effects of any association between imagery and schizotypy scores, or scores on the POM.

Päällä RDT, however, suggestibility also played a role, with those participants who were more likely to alter their responses due to experimenter instruction (indexed by the GSIS Shift scores) also more likely to report false alarms. Suggestibility did not impact performance on the POM. This coupled with the absence of any misleading experimenter instructions, as well as the more sophisticated and naturalistic characteristics of the noise stimuli, indicate the POM to be a promising tool for measuring hallucination proneness in laboratory settings with good discriminant and construct validity.

For consistency with previous work, and clarity of presentation, a 2 × 4 ANOVA was conducted using the median split of UnEx scores across the 4 indicators of hallucination proneness (the simple and complex false alarm rates on the RDT ja POM). The high UnEx group made significantly more false alarms than the low scorers. Details are presented in the Supporting Information (S1 Appendix) but the result is summarised in Fig 2. Ultimately this is the same result as the regression above, and based on the same hierarchical linear model, but presented in a more digestible format.

Response rates for simple and complex responses (false alarms) on the Random Dots Task (RDT) and the Perception Of Meaning task (POM), shown separately for individuals scoring below and above the median on the UnEx subscale of the O-LIFE (N = 102, error bars represent ±95% confidence intervals).

The effect of spatial frequency-band on visual false alarms

The final analysis was concerned with investigating the effect of positive-psychotic schizotypy on the complex false alarm rates on the POM across the different spatial frequency bands. A 2 (median split of UnEx) × 6 (spatial frequency brackets) ANOVA was conducted to address this question and the results are presented in Fig 3. A violation of the assumption of sphericity was indicated by Mauchly’s test, χ 2 (14) = 91.9, so Greenhouse-Geisser adjustments (ε = .688) were made to the degrees of freedom. A significant main effect of spatial frequency was observed, F(5, 500) = 70.3, s < .001, ηs 2 = .413, reflecting the fact that complex false alarms were more prevalent at the lower spatial frequencies. The interaction between UnEx and spatial frequency was also significant, F(5, 500) = 4.3, s < 005, ηs 2 = .041. Post-hoc comparisons revealed the differences between the low and high UnEx groups to be significant at 0.5 c/deg and 1 c/deg (s < .001) and also at 2 c/deg and 16 c/deg (s & lt .05). The presence of the U-shaped curve was corroborated by a statistically significant quadratic trend in complex false alarm rates with increasing spatial frequency, F(1, 100) = 37.2, s < .001, ηs 2 = .271.

Response rates for complex false alarms on the Perception Of Meaning task (POM) across the 6 spatial frequency bands, shown separately for individuals scoring below and above the median on the UnEx subscale of the O-LIFE (N = 102, error bars represent ±95% confidence intervals).

Lower frequency bands elicited more false alarms than higher ones, an effect that was exaggerated for individuals high on UnEx. There is some evidence that low spatial frequencies are processed more rapidly than higher ones [87], although this will likely depend upon the precise task at hand. In addition, according to some theories (e.g. [58]), hallucinators take less time to form perceptual judgements, a similar effect having been observed in non-clinical populations where belief in the paranormal was associated with responding earlier (when less information was available) and making incorrect identifications of image-series decreasing sequentially in their level of degradation [27]. We speculate that this earlier response might therefore be exaggerated with low spatial frequency information.

Overall, the results of Experiment 1 showed that the noise-based (POM) stimuli amplified the effect originally seen for the dot (RDT) stimuli [45] whereby a high UnEx O-LIFE score was correlated to the likelihood of seeing a meaningful image when there was nothing present. This validates our contention that a more ecologically valid stimulus increases individual differences in the imposition of meaning. The second experiment extends this result to examine the same effect in a signal detection framework. We also vary the spatial frequency content of the image (as in Experiment 1) and the observer’s expectation that there will be a meaningful image present [16].


Time passes more slowly for flies, study finds

Flies avoid being swatted in just the same way Keanu Reeves dodges flying bullets in the movie The Matrix – by watching time pass slowly.

To the insect, that rolled-up newspaper moving at lightning speed might as well be inching through thick treacle.

Like Reeves standing back and side-stepping slo-mo bullets, the fly has ample time to escape. And it is not alone in its ability to perceive time differently from us. Research suggests that across a wide range of species, time perception is directly related to size.

Generally the smaller an animal is, and the faster its metabolic rate, the slower time passes.

The evidence comes from research into the ability of animals to detect separate flashes of fast-flickering light.

"Critical flicker fusion frequency" – the point at which the flashes seem to merge together, so that a light source appears constant – provides an indication of time perception. Comparing studies of the phenomenon in different animals revealed the link with size.

"A lot of researchers have looked at this in different animals by measuring their perception of flickering light," said Dr Andrew Jackson, from Trinity College Dublin in the Republic of Ireland. "Some can perceive quite a fast flicker and others much slower, so that a flickering light looks like a blur.

"Interestingly, there's a large difference between big and small species. Animals smaller than us see the world in slo-mo. It seems to be almost a fact of life. Our focus was on vertebrates, but if you look at flies, they can perceive light flickering up to four times faster than we can. You can imagine a fly literally seeing everything in slow motion."

The effect may also account for the way time seems to speed up as we get older, said Jackson, who led the research. He was inspired to conduct the study after noticing the way small children always seem to be in such a hurry.

"It's tempting to think that for children time moves more slowly than it does for grownups, and there is some evidence that it might," he said.

"People have shown in humans that flicker fusion frequency is related to a person's subjective perception of time, and it changes with age. It's certainly faster in children."

TV, computer and cinema screens all flicker but provide the illusion of constant images because of the high frequencies at which they operate.

But dog owners may be surprised to learn that their pets can see TV flickers, said Jackson. Their visual system has a refresh rate higher than that of the TV screen.

The animals studied covered more than 30 species, including rodents, eels, lizards, chickens, pigeons, dogs, cats and leatherback turtles.

The latter are big creatures with a slow metabolic rate, for whom time passes relatively rapidly.

Smaller, more agile creatures had the most refined ability to perceive information in a unit of time, said the researchers writing in the journal Animal Behaviour. In other words, they were able to see more flickers of light per second.

Time perception is just another aspect of evolution and survival, the scientists believe.

"Our results lend support to the importance of time perception in animals where the ability to perceive time on very small scales may be the difference between life and death for fast-moving organisms," said co-author Kevin Healy, a PhD student at the school of natural sciences at Trinity College, Dublin.

Prof Graeme Ruxton, from the University of St Andrews in Scotland, who also took part in the research, said: "Having eyes that send updates to the brain at much higher frequencies than our eyes do is of no value if the brain cannot process that information equally quickly. Hence, this work highlights the impressive capabilities of even the smallest animal brains.

"Flies might not be deep thinkers, but they can make good decisions very quickly."

Some animals may exploit differences in time perception to their advantage, according to Dr Luke McNally, another member of the team from the University of Edinburgh.

"For example, many species use flashing lights as signals, such as fireflies and many deep-sea animals," he said. "Larger and slower predator species may not be able to decode these signals if their visual system isn't fast enough, giving the signallers a secret channel of communication."


Tilastollinen analyysi

All statistical analyses were performed using SPSS (version 25), R Studio (version 1.1.463) and Microsoft Excel (version 16.22). For the time reproduction task, data was inspected for outliers following Ratcliff (1993). Cut-offs were set for very short (<300 ms, most likely caused by premature responding) and very long responses (>25,000 ms, most likely due to lapses of concentration), similar for the three intervals. As a next step, at the subject level, responses outside a range of 2SD from the mean were eliminated. These two steps removed 4.5% of responses. As a final step, group review (supported by box plot) identified 4 participants with significant mean outliers that were also excluded for further analysis (1 subject had completed the task incorrectly with majority of responses <300 ms cut-off on all intervals 1 subject completed the first interval incorrectly and reported this to the experimenter 2 participants had means outside a range of 2.5SD from group mean for multiple intervals.

The time estimation variables calculated in this study and the objective of each are summarized in Table 1.

Mean estimate and Coefficient of Variation were calculated and in addition, a recently proposed measure which is robust to drift (scaled Root Mean Squared Residuals RMSR Maaß and van Rijn 2018). Serial dependence was measured by calculating the individual parameters of an Autoregressive Integrated Moving Average model (ARIMA) and Autocorrelation Function (ACF) at subject/interval level. Autocorrelation estimates the relationships within a single variable (i.e. time estimation in the present study) that is measured in a regular series of events the value can vary between −1.00 and 1.00 with a value of 0.00 indicating no dependency (Velicer and Fava 2003). The variables were analyzed with a GLM for repeated measures to test for the presence of a potential trial sequence effect (Bausenhart et al. 2014), which could significantly influence the analysis results. Further details are provided in Supplementary Information.

The delay discounting task was generally completed in a coherent manner by participants. Overall consistency of choices was high (M = 97.9%, SD = 2.7%) as measured by the excel tool (Kaplan et al. 2014). However, further analysis of the data (box plot) identified 3 participants with abnormally low discount rates compared to the group (virtually all responses on the delayed reward). As these are likely due to a misunderstanding of the task these participants were removed from the analysis.

Finally, the Shapiro-Wilk test of normality was used to investigate the effect of log transformation of the discount rate. The discount rate was found not to be normally distributed (W = .967, s = .030) in the sample. This was unexpected. To address this problem for parametric statistical analyses, three groups reflecting the relative degree of delay discounting were defined post hoc (high, medium, low) using SPSS binning procedure, with cut-offs based on approximate equal weighting of percentiles (Table 2). Theoretically, this approach aligns with (low, medium, high) levels of the impulsive decision system (Bickel et al. 2011) that is proposed to be associated with risk of addiction. In experiments, similar segmentations of degrees of delay discounting have been followed (e.g. Yi et al. 2016 Cherniawsky and Holroyd 2013).


What Is The Cognitive Rift Between Humans And Other Animals?

Shedding new light on the great cognitive rift between humans and animals, a Harvard University scientist has synthesized four key differences in human and animal cognition into a hypothesis on what exactly differentiates human and animal thought.

In new work presented for the first time at the annual meeting of the American Association for the Advancement of Science, Marc Hauser, professor of psychology, biological anthropology, and organismic and evolutionary biology in Harvard's Faculty of Arts and Sciences, presents his theory of "humaniqueness," the factors that make human cognition special. He presents four evolved mechanisms of human thought that give us access to a wide range of information and the ability to find creative solutions to new problems based on access to this information.

"Animals share many of the building blocks that comprise human thought, but paradoxically, there is a great cognitive gap between humans and animals," Hauser says. "By looking at key differences in cognitive abilities, we find the elements of human cognition that are uniquely human. The challenge is to identify which systems animals and human share, which are unique, and how these systems interact and interface with one another."

Recently, scientists have found that some animals think in ways that were once considered unique to humans: For example, some animals have episodic memory, or non-linguistic mathematical ability, or the capacity to navigate using landmarks. However, despite these apparent similarities, a cognitive gulf remains between humans and animals.

Hauser presents four distinguishing ingredients of human cognition, and shows how these capacities make human thought unique. These four novel components of human thought are the ability to combine and recombine different types of information and knowledge in order to gain new understanding to apply the same "rule" or solution to one problem to a different and new situation to create and easily understand symbolic representations of computation and sensory input and to detach modes of thought from raw sensory and perceptual input.

Earlier scientists viewed the ability to use tools as a unique capacity of humans, but it has since been shown that many animals, such as chimpanzees, also use simple tools. Differences do arise, however, in how humans use tools as compared to other animals. While animal tools have one function, no other animals combine materials to create a tool with multiple functions. In fact, Hauser says, this ability to combine materials and thought processes is one of the key computations that distinguish human thought.

According to Hauser, animals have "laser beam" intelligence, in which a specific solution is used to solve a specific problem. But these solutions cannot be applied to new situations or to solve different kinds of problem. In contrast, humans have "floodlight" cognition, allowing us to use thought processes in new ways and to apply the solution of one problem to another situation. While animals can transfer across systems, this is only done in a limited way.

"For human beings, these key cognitive abilities may have opened up other avenues of evolution that other animals have not exploited, and this evolution of the brain is the foundation upon which cultural evolution has been built," says Hauser.

Tarinan lähde:

Materiaalit toimittanut Harvardin yliopisto. Huomautus: Sisältöä voidaan muokata tyylin ja pituuden mukaan.


The Differences between Sensation and Perception

Do these two major processes make more sense to you now? Have a look at the table below to see all the main differences between perception and sensation.

Tunne

Käsitys

  • The sensation is the first stage of a complex process that allows us to understand and interact with our world.
  • Perception is the second stage of said process.
  • The sensation is more physical. It entails the simple awareness of various stimuli.
  • Perception gives meaning to what we sense and can be said it is a mix of sensations with ideas, past experience, and connections with objects or concepts.
  • Sensation does not involve any organization , combination or selection of stimuli.
  • Perception entails organization, combination, and selection to form stimuli into a pattern.

Did our article on the difference between sensation and perception manage to clear things up for you? Subscribe to our newsletter and we’ll send you answers to a large variety of questions you might not even know you had, as well as other interesting topics and the latest new.


In brain evolution, size matters -- most of the time

Which came first, overall bigger brains or larger brain regions that control specialized behaviors? Neuroscientists have debated this question for decades, but a new Cornell study settles the score.

The study reports that though vertebrate brains differ in size, composition and abilities, evolution of overall brain size accounts for most of these differences, with larger brains leading to greater capabilities.

The study of 58 species of songbirds also found that once a species evolved a larger brain, brain regions that control the beak and mouth, and the area for song, developed additional complex neural networks.

The paper, co-authored by Jordan Moore Ph.D. ’10, currently a postdoctoral fellow at Columbia University, and Timothy DeVoogd, a Cornell professor of psychology in the College of Arts and Sciences, was published May 10 in the Proceedings of the Royal Society B.

The findings suggest that this principle may also help explain human evolution we may have first evolved larger brains, which then allowed for adaptations that enhanced brain regions that control specific abilities, such as language.

“Most neuroscientists believe there is nothing special about the way that our brains have evolved, that what we need to do is understand the principles that underlie brain evolution in general, which is what this study involves,” said DeVoogd. “The way you build a bigger brain is not just making everything bigger but rather slowing down or lengthening late pieces of development.”

In this way, bigger brains have a more developed cortex (which plays key roles in memory, attention, perception, awareness, thought, language and consciousness) that is the last region to develop in animals and humans.

The study is the first to compare – and resolve – two competing theories of brain evolution. One theory holds that natural selection drove progressive changes in particular areas of the brain, which then led to larger overall brains in species that needed them to survive. The other theory contends that some species acquired a bigger brain in general, and its larger basic parts could then be recruited for specific complex behaviors.

To test these theories, Moore and DeVoogd measured the sizes of overall brains and 30 discrete areas that control behaviors in 58 songbirds spanning 20 families.

“One of the advantages of looking in the brains of birds is that it’s relatively easy to get samples from lots of different species, and there’s a lot of data on what the different species do. And specific areas devoted to these functions can be easily seen in the brain,” DeVoogd said.

Most of the variation in brain regions was accounted for by differences in the brain’s overall size. But in two specific systems there was a significant amount of variation beyond what could be explained by brain size. Areas that controlled song were much larger in species that produce more varied and complex songs. Also, brain areas controlling the face and mouth were especially large in species with short, fat beaks that eat seeds, and they were small in species with long, thin beaks that eat insects.

“If you’ve ever watched a bird deal with a sunflower seed, it pushes the seed around with its tongue and grasps it with different points in its beak. And then it is able to break it open and get the inside out,” DeVoogd explained.

When it comes to humans, “it’s always been controversial how we got to be who we are,” DeVoogd said. Since supporting a big brain requires great demands on energy and oxygen, some researchers speculate that changes in the diets of early humans, including the ability to find and cook high-quality food, helped facilitate overall human brain growth by supplying the needed calories and protein. Others speculate that living socially protected early humans and created evolutionary pressures for developing language, DeVoogd said.


Chapter 1 - Animal Perception Including Differences With Humans

There are similarities and marked differences between how animals and humans perceive their environment. Animals and humans perceive sound, light, chemicals (taste and smell), touch, and the earth’s magnetic field. In comparing humans with animals, there are differences in the following: •

Auditory perception: Ultrasonic sound (high frequencies of sound) is detected by some animals, such as cats, bats, rats, and mice, but not by humans. Moreover, there is spatial location of the source of sound in humans, but it is much more highly developed in some animals with the pinnae (external ears) capable of partial rotation.

Light/visual perception (sight): This encompasses trichromatic vision in humans and Old World monkeys and great apes, but not in nonprimate mammals these having dichromatic vision. In addition, birds and some mammals, such as dogs, have the ability to detect ultraviolet light. In contrast, humans do not. There are differences also in the eyes of nocturnal versus diurnal animals and their location. In mammals there seems to be an absence of extraretinal light reception unlike in birds.

Chemoreception: Humans have a full repertoire of taste receptors while some animals lack some or all taste receptors. Most mammals have a well-developed vomeronasal chemoreception with humans having little or none. Humans have reduced olfactory chemoreception even compared to other primates. Some mammals have highly developed olfaction. Homing pigeons use odor detection.

Tactile perception (touch): Many mammals have vibrissae (tactile hairs) but these are not present in humans.

Other senses: In birds, there is magnetoreception detecting the direction of the Poles to aid migration. This does not appear to be the case in mammals.