Het bepalen van de drempelwaarde met behulp van een psychometrische kromme

Het bepalen van de drempelwaarde met behulp van een

psychometrische kromme

Citation for published version (APA):

Gachette, E., & van Delft, O. (1988). Het bepalen van de drempelwaarde met behulp van een psychometrische kromme. (IPO-Rapport; Vol. 666). Instituut voor Perceptie Onderzoek (IPO).

Document status and date: Gepubliceerd: 01/07/1988

Document Version:

Uitgevers PDF, ook bekend als Version of Record

Please check the document version of this publication:

• A submitted manuscript is the version of the article upon submission and before peer-review. There can be important differences between the submitted version and the official published version of record. People interested in the research are advised to contact the author for the final version of the publication, or visit the DOI to the publisher's website.

• The final author version and the galley proof are versions of the publication after peer review.

• The final published version features the final layout of the paper including the volume, issue and page numbers.

Link to publication

General rights

Copyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright owners and it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights. • Users may download and print one copy of any publication from the public portal for the purpose of private study or research. • You may not further distribute the material or use it for any profit-making activity or commercial gain

• You may freely distribute the URL identifying the publication in the public portal.

If the publication is distributed under the terms of Article 25fa of the Dutch Copyright Act, indicated by the “Taverne” license above, please follow below link for the End User Agreement:

www.tue.nl/taverne

Take down policy

If you believe that this document breaches copyright please contact us at: openaccess@tue.nl

Instituut voor Perceptie Onderzoek Postbus 513, 5600 MB EINDHOVEN

Rapport no. 666

Het bepalen van de drempelwaarde met behulp van een

psychometrische kromme

Het bepalen van de

drempelwaarde met behulp van

een psychometrische kromme

Errol Gachette & Otger v. Delft Instituut voor Perceptie Onderzoek

Eindhoven I juli 1988

Verslag van een bedrijfsstage, uigevoerd in de periode mei '88-juni '88. Stagementor: Betty Majoor

Stagecoordinator: Jos Verhoosel

Opleiding: Pedagogisch Technische Hogeschool Eindhoven Afdeling: Wiskunde-Natuurkunde

Voorwoord

In het zesde semester in de opleiding voor leraren aan de PTHN te Eindhoven, is men verplicht een bedrijfstage te lopen gedurende 8 weken. Voor ons is dit een "onderzoeks stage" geworden op het IPO, het Instituut voor Perceptie Onderzoek, te Eindhoven. Wij hebben onderzoek gedaan voor de visuele groep.

Wij werden begeleid door mevr. ing. G.M.M. Majoor, die wij dan ook voor deze begeleiding willen bedanken, alsmede alle niet met name genoemde personeelsleden van het IPO.

Otger van Delft

Errol Gachette

Samenvatting

Bij het vergelijken van bewerkte en originele beelden is het vaak een tijdrovende zaak, om het punt te vinden, waarbij een proef

-persoon geen verschil meer ziet tussen een bewerkt beeld en ori-gineel beeld. Er is een computer programma dat beelden aan-roept, antwoorden opslaat en alle gegevens verwerkt, en met een zo groot mogelijke efficiëntie (d.w.z. zo snel en precies mogelijk) het "punt van twijfel" weet te bepalen. Onze opdracht was een subroutine te schrijven voor dit programma, die deze efficiëntie wist te vergroten door gebruik te maken van de psychometrische kromme (Best PEST).

Inhoudsopgave

Hoofdstuk

1.

Inleiding

Hoofdstuk 2.

Best PEST

2.1 De globale werking

2.2 De initialisatie

2 .3 Het hoof

cl

programma

2.4 De subroutine threshold

1

4

4

5

6

6

Hoofdstuk 3.

Subroutine Threshold

10

3.1 Vooraf

10

3.2 De globale werking

10

3 .3 De initialisatie

11

3.4 Bepaling PROB/MAX

12

3.4.1 Bepaling PROB/MAX na een goed antwoord 12

3.4.2 Bepaling PROB/MAX na een fout antwoord

12

3.5 Het stopcriterium

12

Hoofdstuk 4.

Discussie en conclusie

13

4.1 Subroutine thresh met de 50% drempel

13

4.2 Subroutine thresh met de 79% drempel

14

4.3 Tot slot

14

Hoofdstuk 5.

Referentie

15

Hoofdstuk

6. Bijlage

16

6.1 Programma Best PEST

16

6.2 Progr~mma sim2exp

18

6.3 Subroutine thersh

19

Hoofdstuk 1

Inleiding

Tegenwoordig spelen de verwerking en verzending van beelden een belangrijke rol in de telecommunicatie. Dit is het geval met televisiebeelden die per sateliet worden uitgezonden of met beeldtelefoon. Bij deze beeldverzendingen is de hoeveelheid infor-matie die verstuurd moet worden in een bepaalde tijdsduur erg groot. De verzending van deze digitale informatie kost dan ook zeer veel geld. Het is daarom van groot belang de hoeveelheid data zoveel mogelijk te beperken.

Zo is het mogelijk door een bepaalde bewerking (b.v. de scale-space codering, Martens en Majoor, 1986, pag. 63-71) de hoe-veelheid informatie die een beeldje bevat flink te reduceren. Dit gebeurt dan op een manier, waarbij het oog de weggelaten infor-matie zo min mogelijk als hinderlijk ervaart. Hier komen psycho-fysische aspecten bij kijken. Ieder mens denkt en kijkt anders en zal daardoor coderingseffecten anders detecteren. Wanneer een gecodeerd plaatje naast een origineel plaatje wordt aangeboden en een proefpersoon verplicht is een keuze te maken two alterna-tive forced-choise task), zal deze proefpersoon bij het niet kun-nen detecteren van coderings effecten, moeten gokken, w;rnrbij d<" kans op een goed antwoord 50% is. Bij een zeer sterk gecodeerd plaatje is deze kans 100%. Zo zal er bij elke coderingsgraad een bepaalde kans op een goed antwoord horen. Dit is een psychome-trische functie, die voor elke persoon de zelfde basisvorm heeft. Figuur 1.1 toont voorbeelden van psychometrische functies, waar-bij de getrokken lijn de psychometrische kromme voor da kans op het detecteren van een enkele stimulus weergeeft en de

,gestip--

~

-

Cl 0:::: 0 ₁₀₀ 0

s

,,,,

,,,

f-< /

z.

75 ,,,, "'(

,,

Cl

,,.

,.

~

----

-0 50 c., Q., 0 25 cr.i

z.

~ 0

::.=

STIMULUSNJVEA U -+

Figuur 1.1: Een psychometrische kromme.

pelde lijn overeenkomt met de psychometrische functie van een "two alternative forced-choise {2 AFC)" task.

Men is meestal slechts in één punt van de kromme geinterre-seerd. Om zo'n punt te bepalen moeten er vele plaatjes worden aangeboden. Zoals hierboven is beschreven, wordt gedurende een 2 AFC experiment de 60% drempel bepaald indien er geen ver-schil is te detecteren tussen het gecodeerde plaatje en het niet gecodeerde plaatje. Dit drempelpunt is niet interessant, daar niet eenduidig kan worden bepaald welk stimulusnivo hierbij hoort. Een ander punt van de grafiek (nl. het 79% punt) kan men op de volgende manier bepalen (Levitt, 1970):

Een minder sterk gecodeerd plaatje wordt aangeboden na drie successieve goede antwoorden bij een pla;\tje mPt ePn hep;:rn]rl

contstant nivo van codering. Verder neemt de sterkte van de

codering toe zodra een fout antwoord wordt gegeven. Zie figuur 1.2. Stel de kans op drie goede antwoorden is 50%. Dan volgt hieruit:

P(x)3

₌

0.5

Waaruit volgt:

î 10 :::> ~ ~ 8

>

-

~ v.i ₆ :::> ~ :::>

~

..

~ v.i ₂ 0

+

+

+

+

+

+

₊

-

- _f._ -

--=----+-+

-1-

- ---=r -

+

--= -

±___

i-

.

Drempel

5 10 15 20 25 AANTAL

AANBIEDINGEN-Figuur 1.2: Een experiment ter bepaling van een drempel.

Tot dusver zijn de experimenten voor de bepaling van een drempelpunt, m.b.v. het programma "sim2exp" op het beeld-bewerkingssysteem uitgevoerd. Hierbij wordt de 79% drem-pel bepaald, gebruik makende van de "transformed up-down method" (Levitt,1970), met enkele aanpassingen.

Een andere manier om een drempel m.b.v. 2 AFC te bepalen, is een methode genaamd "Best PEST" (parameter estimation by sequential testing (Lieberman en Pentland, 1982)). Het veschil met de transformed up-down methode is dat de stapgrootte (verschil in codering tussen twee opeenvolgende aanbiedingen), niet constant is maar afhangt van alle voorafgaande antwoor-den en van een psychometrische kromme, welke een van te voren vast gestelde steilheid heeft. Een meer gedetailleerde beschrij-ving staat in hoofdstuk 2 (Best PEST). In hoofdstuk 3 staat beschreven op welke manier dit programma is verwerkt tot een subroutine van het bestaande programma "sim2tst".

Hoofdstuk 2

Best PEST

2.1

De globale werking

Zoals al reeds is beschreven in de inleiding, wordt met behulp van de Best PEST- strategie de stapgrootte berekend met een psychometrische kromme. Daarbij is de stapgrootte afhankelijk van de gegeven antwoorden (Lieberman en Pentland, 1982).

Dit gaat als volgt: Twee arrays zijn gevuld met PLGIT ( =probability of a positive response) en MLGIT ( =probability of a negative response) Een derde array, PROB genaamd, houdt de discrete functie bij, van een te onderzoeken plaatje. Bij deze functie wordt na elk antwoord PLGIT, dan wel MLGIT, opgeteld. Hierna berekent hij, wat b.v. de 50% drempel is voor dit plaatje, van een bepaalde proefpersoon.

Het programma is in BASIC geschreven en bestaat uit drie onderdelen:

1. De initialisatie

2. Het hoofdprogramma

3. Een subroutine, waarin:

• PROB wordt berekend.

• Het maximum van PROB wordt berekend. • De drempel wordt berekend.

Dit programma is geschreven voor é~én plaatje en· staat beschreven in hoofdstuk 8, bijlage 6.1, bladzijde 16.

2.2

De initialisatie

Bij aanvang wordt gevraagd met hoeveel gecodeerde plaatjes het experiment kan worden begonnen(= "RANGE", zie regel 10 van het programma). Daarna wordt het stopcriterium, ofwel 1:iet aan-tal aanbiedingen, gevraagd (="NTRIALS", zie regel 20). In regel 30 worden de drie arrays gedimensioneerd met de grootte van (RANGE*2). Men zou voor array PROB ook kunnen volstaan met de grootte van (RANGE). De variabele "STD" is een schat-ting van de helling van de psychometrische kromme en is gelijk aan 1/5 van de RANGE.

Van regel 50 tot en met regel 90 worden de arrays PLGIT en MLGIT "gevuld" met de logaritme van de psychometrische kromme (LGIT). Er wordt gerekend met de logaritmen van de psychometrische kromme om underflows of overflows te voorkomen. Daar de helling van de psychometrische kromme positief is, kan hieruit worden geconcludeerd, dat dit de kans voorstelt op een positieve respons. LGIT is getekend in figuur 2.1 (met RANGE is gelijk aan 5). MLGIT en PLGIT zijn getekend in figuur 2.2. Aan het einde van deze initialisatie wordt de array PROB "gevuld" met PLGIT waarbij MLGIT wordt opgeteld, dit met behulp van de subroutine threshold.

2.3

Het hoofdprogramma

In het hoofdprogramma wordt een stimulus ( = M, in ons geval een gecodeerd plaatje met een origineel plaatje) aangeboden, waarna het antwoord moet worden gegeven (= R, Ris gelijk aan 1 of-1). Daarna wordt de nieuwe stimulus berekend met behulp van de subroutine threshold, en dit alles NTRIALS maal.

2.4

De subroutine threshold

Om meer duidelijkheid te scheppen hebben we in figuur 2.3 de discrete waarden van PROB getekend (met de zelfde RANGE van 5, gebruikt in de twee vorige figuren). Curve 1 en curve 2 zijn de PROB-waarden berekend in het initialisatie gedeelte.

In het eerste gedeelte van de subroutine wordt bij de oude waarde van PROB, afhankelijk van het gegeven antwoord een gedeelte van PLGIT of MLGIT (respectievelijk een goed of fout antwoord) opgeteld. Welk gedeelte van PLGIT of MLGIT wordt opgeteld (PLGIT en MLGIT zijn twee maal groter dan ·PROB) is afhankelijk van de laatst aangeboden stimulus.

In het tweede gedeelte van de subroutine wordt de maximale waarde van PROB berekend (

=

MAX), deze waarde komt overeen

met de opnieuw aangeboden stimulus, die ook weer gelijk is aan de drempel. De stimulus wordt berekend met de hulpvariabelen pl en p2, die de waarden behorende bij MAX opslaan en waaruit M later berekend kan worden.

1.0 1

c:::

~ 0 0.8 0

s

E-;.-:, ~ ,...._ ~ 0.6 0 :;,; ~ C ✓- _0.4 2:.

""

:.:::: 0.2 0 2 4 6 10 ]-,

î h

-

c., ~ ~

---

E--

e,; ~ ~ 0 2

...

, -0.2 -0.4 -0.6 -0.8 I I I • 1 -1.0 I 1 I I I -1.2 1 I I I • -1.4 , I 1 1

-16

1

I I , , 1

.

, -1.8 1 1

!

1 1 1 -2.0 • 1 1

~/

-2.2 1 4 ' ----I I ~ ' 1 1 1 1

1-6 , ...

,

,

'

8 \ /'\.,_ PLGIT ~ I \ ,' \/ MLGIT 1 1 • 1 1 1 1 1 1 1

•

1 1 1 1 1 1 1 '

•

1 1 1 1 1 1 1 1 1 1 1

T

---

:c

0 c:::: c... 0 1 2 -0.2 -0.4 -0.6 -0.8 -1.0 -1.2. - 1 .4 -1.6 -1.8

:

: ~

. ...

I

1

1

-2.4 1 1 I -+ 3 ' 4 • 1 ' 1 ' 1 1 1 " 1

,

,

.

\1

·

.,

_,, ,, _,, ' 1 • , 1 1 1 \\ • 1 1 1 1' 1\ \\ 1\ _,, ,, 5 ',1 ,

_..

·,

.

,

.

,

'_,, , ,, ., ., " ,' 1\ _,, ,, ,\ ,, " " Il -

.

~- 5

..

,_,', _, ,. ,, ., 8 - ~~+-- 7

Hoofdstuk 3

Subroutine thresh

3.1

Vooraf

De subroutine threshold (thresh) is geschreven voor het bestaande programma sim2exp ( a transformed up-down expe-riment) en heeft als referentie Best PEST (zie hoofdstuk 2). De subroutine wordt aangeroepen in het gedeelte BKTUD uit de BOOKKEEPING (zie program sim2exp, bijlage 6.2, blz 18). Om met het bestaande programma te kunnen experimenteren en om enige wijzigingen aan te kunnen brengen is het programma gecopieerd en heeft de naam sim2tst gekregen. De veranderingen die zijn aangebracht betreft hier alleen het gedeelte BKTUD, en dan in het bijzonder het gedeelte wat betrekking heeft op NEXT CASE.

3. 2

De globale werking

Het programma is gebaseerd op het programma Best PEST en heeft dientengevolge de zelfde globale werking. E{>n paar aan-tekeningen moeten hierbij gemaakt worden.

Ten eerste, het programma Best PEST is geschreven voor standaard detectie en niet specifiek voor de zogenaamde "two-alternative forced-choise tasks". Een tweede verschil met Best PEST is dat in de subroutine thresh gezocht wordt naar de 79% drempel in plaats van de 50% drempel.

hoofdstuk aan de orde.

Het programma is geschreven in FORTRAN en bestaat uit drie onderdelen:

1. De initialisatie

2. Bepaling PROB/MAX • na een goed antwoord • na een fout antwoord 3. Het stopcriterium

Verder eindigt het programma met een niet essentieel onderdeel, die meer inzicht moet verschaffen in de werking van het pro-gramma.

Deze subroutine staat in de bijlage 6.3, blz 19.

3.3

De initialisatie

Het programma werkt met locale variabelen die aan het begin van de initialisatie gedefinieerd zijn.

Na de initialisatie van de locale variabelen wordt met behulp van een "if /then- statement", éénmaal een aantal arrays gevuld, dit gebeurt wanneer l is gelijk aan 1 (l is een teller die het aan-tal presentaties bijhoudt). Zoals in het programma Best PEST worden ook hier de arrays PLGIT en MLGIT "gevuld" met de logaritme van de psychometrische kromme, met een verschil dat de psyscometrische kromme anders is gedefinieerd. In het pro-gramma Best PEST is de kromme gelijk aan:

LG IT

=

---=-}..,..À

N,..,.,..,..,; E=---....,..1

}

+

e .-<TD

Doordat er gewerkt wordt met de "two-alternative forced-choise task", is het bovenstaande veranderd in:

0.5

LGIT

=

TIAN•;E-1

0.5 + e •TD

Waarbij LGIT staat voor de psychometrische kromme en STD voor de helling, welke gelijk is aan RANGE/5.

Een ander verschil is dat de drempel (=M(Il,I2)) in deze sub-routine een array is, dit is omdat hier gewerkt wordt met meer dan een aanbieding per experiment. Om dezelfde rede is PROB ook twee dimensies groter geworden. Verder is PROB op dezelfde manier "gevuld" met PLGIT en MLGIT.

3.4 Bepaling PROB/MAX

3.4.1

Bepaling PROB/MAX na een goed antwoord

Omdat in dit experiment gezocht wordt naar de 79% drempel (zie hoofdstuk 1 en niet zoals in Best PEST de 60% drempel, moet men eerst drie goede antwoorden geven voordat de volgende aanbieding opnieuw berekend kan worden. Het aantal goede ant-woorden wordt bijgehouden in een teller ( a, dit is ook een ar-ray vanwege de zojuist in hoofdstuk 3.3 beschreven rede). Is a

gelijk aan drie, dan wordt PROB en MAX opnieuw berekend, op dezelfde manier als in Best PEST, waarna a weer nul wordt gemaakt. Is a ongelijk aan drie dan wordt a opgehoogd met éen.

3.4.2

Bepaling PROB /MAX na een fout antwoord

Wanneer een fout antwoord is gegeven wordt de teller a direct op nul gezet en wordt PROB en MAX opnieuw berekend zoals in het programma Best PEST.

3.5

Het stopcriterium

Het programma stopt na 20 aanbiedingen, dit wordt gerealiseerd met een teller (=tel(pl,at)) en een hulp variabele (y). Indien een plaatje 20 keer is aangeboden wordt

J

l ( =flag) g<'lijk ;i;i11

0 en stopt het programma. Over een ander mogelijk stopcri-terium wordt in het laatste hoofdstuk "discussie en conclusies" geschreven.

Hoofdstuk

4

Discussie en conclusie

4.1

Subroutine thresh met de 50% drempel

In hoofdstuk 3 staat de laatste versie van de subroutine thresh, dit nadat de subroutine vele malen is verbeterd, aangepast en-zovoorts. Een van de laatste aanpassingen betreft het gedeelte: "Bepaling van PROB/MAX na een goed antwoord." (hoofd-stuk 3.4.1). Er moeten eerst drie successieve goede antwoor-den gegeven worantwoor-den, voordat een nieuwe PROB berekend wordt, waardoor het 79% punt kan worden bepaald. Vóór deze aanpas-sing werd door de subroutine het 50% punt bepaald (d.w.z. na één goed antwoord PROB berekenen), zoals ook het geval is in het programma Best PEST. De subroutine werkte redelijk doch niet optimaal, dit werd duidelijk door eigen experimenten en door een experiment gedaan door een proefpersoon. De gegevens van het experiment (van de proefpersoon) vindt u in bijlage 6.4, bladzijde

20.

Wanneer men de gegevens analyseert valt het op dat de drem-pel voor de meeste scenes erg laag ligt, tewijl ervaring leert dat de drempel bij een eerste sessie vrij hoog ligt. Dit komt, <loord;it met deze methode de drempel al vrij snel vast ligt op een bepaald punt. Men zou kunnen zeggen dat de grafiek van PROB al snel "gevormd" is, zie figuur 2.3 bladzijde 9. Lijkt de drempel een-maal bepaald te zijn, dan blijft deze drempel vrij gemakkelijk op dat niveau zitten en is het zelfs moeilijk om dit niveau lager of hoger te krijgen.

4.2

Subroutine thresh met 79% drempel

Hetzelfde probleem met de bepaling van het 50% punt bestaat ook met de bepaling van het 79% punt al is dit voor een deel gere-duceerd doordat men eerst drie goede antwoorden moet geven. Het grootste nadeel van deze methode (ten opzichte van de 50% methode) is, dat het veel meer aanbiedingen kost om de drempel te bepalen.

Een punt van discussie is of de 79% drempel op deze manier wel wordt bepaald, want er wordt niet gewerkt met de simple up-down methode maar met een ietwat complexere manier van drempel bepaling.

4.3

Aanbevelingen

Wij hebben onze vraagtekens bij de efficiëntie van de subrou-tine, en zien het gebruik hiervan alleen als nuttig, verwerkt in het bestaande programma sim2exp. Dit zou kunnen door bij-voorbeeld te starten met deze methode en dan na een aantal aanbiedingen door te gaan op de oude manier. De drempel is dan snel bepaald en de nadelen van de methode zijn omzeild.

Referenties

Blankers, P.F .C. (1988) Het effect van de contrast-paramete gamma op

detectie-drempels in echografische beelden, Rapport nr. 651, In-stituut voor Perceptie onderzoek, Eindhoven.

Levitt, H. (1970) Transformed up-down methods in psychoacous-tics, The Journal of the Acoustical Society of America, 49, 467-477.

Lieberman, H.R. en Pentland, A.P. (1982) Microcomputer-based es-timation of psychophysical thresholds: The Best PEST, Behavior Research Methods & Instrumentation, Vol. 14(1), 21-25.

Martens en Majoor, (1986) A.P.R. rapport nr. 21, Instituut voor Perceptie Onderzoek, Eindhoven.

Natuurkunde studenten, (1987) Verslag van het visueel project voor

natuurkunde studenten, verslag Technische Universiteit, Eind-hoven, 18-28.

Hoofdstuk 6

Bijlage

6.1

Programma Best PEST

INITIALIZATION

10; INPUT "STIMULUS RANGE";RANGE 20; INPUT "NO. OF TRIALS";NTRIALS

30; DIMPROB(RANGE*2),PLGIT(RANGE*2),MLGIT(RANGE*2) 40; STD=RANGE/5

50; FOR I=l TO 2*RANGE 60; PROB(I)=0 70; LGIT=(l/(l+EXP((RANGE-I)/STD))) 80; PLGIT=LOG(LGIT) 90; MLGIT=LOG(LGIT) 100; NEXT I 110; M=RANGE:R=l 120; GOSUB 2000 130; M=l:R=-1 MAIN PROGRAM

1000; FOR TR.IAL=l to NTRIALS 1010; GOSUB 2000

1020; PRINT "STIMULUS PRESENTED=" ,M 1030; INPUT "RESP=" ;R

1040; NEXT TRIAL 1050; END

2000; MAX=-10000

2010; FOR l=l TO RANGE

2020; IF R=l THEN PROB(I)=PROB(I)+PLGIT(RANGE+M-I) 2040; IF R=-1 THEN PROB(I)=PROB(I)+MLGIT(RANGE+M-I) 2050; IF PROB(I)>MAX THEN MAX=PROB(I):Pl=I

2060; IF PROB(I)=MAX THEN P2=I 2070; NEXT I

2080; M=INT((Pl+P2)/2) 2090; RETURN

6.2 Programma sim2exp

PROGRAM SIM2EXP PARSER SIM2MENU END GENINP EXINP ATTIP RUNEXP DETIP PROCOD .GENCS .GENTUD .GENMAT .EXCS .EXTUD .EXMAT initilisation show stimuli pass parameters

select method and function generate input file

examine input file attach image processor run experiment

NEXTSTIM determine next stimuli .NXTCS

.NXTTUD

.NXTMAT

load next set of stimuli adaptation

BOOKKEEPING perform bookkeeping

.PROCCS .PROCTUD .PROCMAT .BKCS .BKTUD .BKMAT

detach image processor process output data

subroutine THRESH(scene,attrib,range,k,rw,n,flag,probwr)

c---c This subroutine estimate the threshold fora transformed up/down experiment

c and determinate the stop criterion.

c The reference for this method is the Best Pest written by H.R. Lieberman

c and A.P. Pentland [Behavior Research Methods & Instumentation, 1982,

c Vol. 14 (1), 21-25).

c---C C C C C C C C C C C C C C pre: post:

scene= scene---\ presented attribute =

attribute----;--range

=

number of cases available /\range> 0 k

=

presentation number /\ k > 0

rw - 1 {answer right} \/ rw s O {answer wrong}

scene= scene---\ presented attribute =

attribute----;--range = number of cases available /\attribute----;--range> 0 n = stimulus number

flag ~ 0 {continue} \/ flag = 1 {stop}

probwr = function value of prob /\ probwr < 0

DEClARATIONS

c---

_{integer*2 scene !scene}

integer*2 attrib !attribute

integer*2 range !number of stimulus

integer*2 k !presentation number

integer*2 rw !answer (right/wrong 0/1)

integer*2 n !stimulus number, case (also threshold)

integer*2 flag !stop condition (flag=O -> continue)

! (flag=l -> stop)

real*4 probwr(0:20,0:5,0:200) !write values of prob integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 integer*2 real*4 real*4 real*4 real*4 real*4 real*4 integer*2 integer*2 pl at ra r fl Y. y xra il i2 i3 i4 a pl p2 dl d2

!lokal var (=plaatje) !lokal var (=attrib) !lokal var (mrange) !lokal var (=rw)

lokal var (=flag) assistance var assistance var

assistance var for ra counter for scene counter for attribute counter for case

.counter for probwrite !counter for wright answers

!var for calculating thresholdthreshold !var for calculating threshold

!var for calculating number of switches !var for calculating number of switches max prob(0:20,0:5,0:200) plgit(0:200) mlgit(0:200) m(0:20,0:5) tel(0:20,0:5)

!maximum value of n (=case) !cumulative probability

!probability of a positive response !probability of a negative response !lokal array (=n=case)

!number if switches

c---'-INITIALISATION

pl=scene !global -> lokal

ra=range !global -> lokal

at=attrib !global -> lokal

r=rw !global -> lokal

C if (l.eq.1) then do i3=1, (2*ra) xra=FLOAT(ra) plgit(i3)=log(0.5+0.5/(l+exp((xra-i3)/(xra/5.)))) rnlgit(i3)=log(l-(0.5+0.5/(l+exp((xra-i3)/(xra/5. )) end do do il=l, 20 do i2=1, 5 do i3=1, (2*ra) prob(il,i2,i3)-=plgit(ra-i3+1)+rnlgit(ra-i3+1) tel(il,i2)-0 rn(il,i2)s34 enddo enddo enddo n=ra a=0 return endif !calculate: -plgit ))) ! -rnlgit !each case of !prob has a !start value. !switch counter-0 !start stimulus !•range.

c 3 ANSWERS RIGHT-> CALCULATING MAX

c---C

if (r.eq.1) then !right answer

a-=a+l !number of wright answers + 1 if (a.eq.3) then !3 answers right then

calcu-do i3=1, ra ! late prob x=m(pl,at)

prob(pl,at,i3)=prob(pl,at,i3)+plgit(ra+x-i3) if (prob(pl,at,i3) .gt.rnax) then

max=prob(pl,at,i3) !calculate rnax pl=i3

endif

if (prob(pl,at,i3) .eq.max) p2=i3

rn(pl,at)-int((pl+p2)/2) !calculate stimulus nr enddo

a=0 !reset number of right answ. endif

endif

ANSWER WRONG-> CALCULATING MAX

c---

_{- if (r.eq.0) then !wrong answ.}

a=0 !reset number of right answ. do i3=1, ra !calculate prob

prob(pl,at,i3)=prob(pl,at,i3)+mlgit(ra+x-i3) if (prob(pl,at,i3) .gt.max) then

rnax=prob(pl,at,i3) !calculate rnax pl=i3

endif

if (prob(pl,at,i3) .eq.max) p2=i3

rn(pl,at)=int((pl+p2)/2) !calculate stimulus nr enddo endif C NUMBER:OF SWITCHES

c---y=tel(pl,at) y=y+l tel(pl,at)=y if (y.eq.60) fl=l

!stop when number of switches !is 20 (flag=l)

x=m(pl,at) !probwrite(l:7) -> prob(max-3,

do i4=1, 7 ! max-2, . . . ,max+3)

probwr(pl,at,i4)=prob(pl,at, (x-4+i4))-prob(pl,at,x) enddo

probwr(pl,at,8)=probwr(pl,at,3)+probwr(pl,at,5)

c REINITIALISATION

c---n=m(pl,at) !lokal var-> global var

flag=fl !lokal var-> global var

return end

6.4 Uitwerkingen experiment

proefpersoon Bas

1

J,

JUN\

iHSti

wOl har t,Q1i _~

1

rn

rn

134 134 2 110 129 129 110 3 101 133 133 101 4 104 128 128 104 5 107 130 124 101 6 109 132 121 101 7 111 129 118 103 8 113 130 115 105 9 115 131 112 102 10 117 132 109 103 11 114 130 110 101 12 112 129 111 102 13 113 127 109 103 14 114 126 107 101 15 115 127 106 101 16 113 127 104 101 17 114 128 105 101 18 112 128 105 101 19 113 127

_(!)

101 20 114 128 101 21 112 127 101 22 113 126 101 23 112 126

₁

24 111 127 25 110 126

t1~

26 109

©

-

b-JY

.27

@

(~

28 29

wOl har tow

53~

Dre~r~\

_

y}().C>sJk/4<'\.L

"J

1

m

534 534 2 534 510 510 510 C\ C

~

t

r

~~,

0

.

,.__

)i

3 510· 501 516 516

_l

_...

_>v•, 1 (l &\ t\

t

1

~

• 4 501 501 509 509 10 5 501 501 504 511

'""-ö•"·

•

to..;

:

MC<:lc

l

6 501 501 506 507 1.i....0v 7 501 502 508 504 8 501 501 505 501

J

-

_c 1...•r,.,:e "'(,· -:

....

( '''-

\.

9 501 501 506 501 10 501 501 504 501 11 502 501 502 501

_{~-e.-....-Ql~}

_,.s.

0 •-'<.,-

/4

_{{,-_j}

_.-

_,

~--12 - 503 501 503 502

'

.:,__ } 13 501 501 504 503 14 501 501 504 504 _{( vesp}

nut'

_1~"2)

15 501 501 503 505 16 501 502 504 503 17 501 502 502

©

18 501 503 503 ,) 1 ~05, _{ ~-19 501 502 504 20 502 501 504 21 _~ 501 503 22 502 504 23 501 504 24 501 503 25 501 502 26

X

502 27 501 28 501 29 502

•

1 1 2 34 w0l000 w01534 1 1 ·2 3 1 34 tow000 towl34 2 1

1

!t

JUN\

1988

3 2 1 34 har000 harl34 1 2 4 1 1 34 w01000 w01134 2 2 5 4 2 34 rop000 rop534 1 1 6 3 2 34 tow000 tow534 1 1 7 4 1 34 rop000 ropl34 1 1 8 2 2 34 har000 har534 1 1 9 4 1 10 rop000 ropll0 1 1 10 2 2 10 har000 har510 2 2 11 1 1 10 w0l000 w0lll0 2 2 12 2 2 1 har000 har501 1 1 13 4 1 1 rop000 ropl0l 2 1 14 2 2 1 har000 har501 1 2 15 4 1 4 rop000 ropl04 1 1 16 1 2 34 w01000 w01534 1 1 17 2 1 29 har000 harl29 2 1 18 4 2 10 rop000 rop510 2 1 19 3 1 29 tow000 towl29 2 1

~s

20 4 2 16 rop000 rop516 1 1 21 1 1 1 w0l000 w01101 2 1 22 3 2 10 tow000 tow510 2 1 23 2 1 33 har000 har133 1 1 24 3 2 16 tow000 tow516 1 1 25 1 1 4 w0l000 w01104 1 2 26 3 2 9 tow000 tow509 1 1 27 2 1 28 har000 har128 2 1 28 4 2 9 rop000 rop509 2 1 29 1 1 7 w01000 w01107 1 2 30 3 2 4 tow000 tow504 2 1 31 1 1 9 w0l000 w01109 2 1 32 3 2 6 tow000 tow506 2 1 33 1 1 11 w01000 w0llll 2 1 34 3 2 8 tow000 tow508 1 1 35 1 1 13 w0l000 w01113 2 1 36 3 2 5 tow000 tow505 2 1 37 1 1 15 w0l000 w01115 1 2 38 4 2 11 rop000 rop511 1 1 39 1 1 17 w0l000 w01117 1 1 40 3 2 6 tow000 tow506 1 1 41 2 1 30 har000 harl30 2 1 42 3 2 4 tow000 tow504 1 1 43 1 1 14 w01000 w01114 1 1 44 3 2 2 tow000 tow502 2 1 45 _2 1 32 har000 harl32 1 1 46 1 2 10 w01000 w01510 1 1 47 3 1 33 tow000 towl33 2 2 48 4 2 7 rop000 rop507 2 2 49 2 1 29 har000 harl29 1 2 50 4 2 4 rop000 rop504 1 1 51 1 1 12 w01000 w01112 1 2 52 2 2 1 har000 har501 1 2 53 3 1 28 tow000 towl28 1 1 54 1 2 1 w01000 w01501 2 2 55 2 1 30 har000 harl30 2 1 56 4 2 1 rop000 rop501 1 1 57 2 1 31 har000 har131 1 2 58 1 2 1 w0l000 w01501 2 1 59 4 1 1 rop000 ropl0l 1 2 60 2 2 1 har000 har501 2 1 61 1 1 13 w01000 w01113 2 1 62 2 2 2 har000 har502 1 1 63 3 1 24 tow000 towl24 1 1 64 4 2 1 rop000 rop501 2 1 65 2 1 32 har000 harl32 2 2

69. 4 1 1 ropOOO roplOl 1 2 70 2 2 1 harOOO harSOl 2 1 71 1 1 14 wOlOOO w01114 2 1

11t

_JUNl

1

_~~~

72 4 2 1 ropOOO rop501 2 1 73 3 1 18 towOOO towll8 1 1 74 1 2 1 wOlOOO w01501 1 2 75 2 1 30 harOOO harl30 2 2 76 4 2 1 ropOOO rop501 2 1 77 3 1 15 towOOO towl15 1 1 78 2 2 1 harOOO har501 2 2 79 3 1 12 towOOO tow112 l 1 80 2 2 1 harOOO har501 l 1 81 3 1 9 towOOO tow109 2 1 82 1 2 1 wOlOOO w01501 2 1 83 3 1 10 towOOO towllO 2 1 84 2 2 1 harOOO harSOl 1 2 85 1 1 15 wOlOOO w01115 2 2 86 2 2 1 harOOO har501 1 2 87 4 l 3 ropOOO ropl03 2 1 88 3 2 3 towOOO tow503 2 1 89 l 1 13 wOlOOO w01113 l 2 90 2 2 1 harOOO har501 2 l 91 4 l 5 ropOOO ropl05 l l

~a_~

92 l 2 1 wOlOOO w01501 2 l 93 4 l 2 ropOOO ropl02 2 1 94 l 2 2 wOlOOO w01502 2 l 95 2 1 29 harOOO har129 2 2 96 1 2 3 wOlOOO w01503 1 1 97 2 1 27 harOOO harl27 1 l -99 4 2 2 ropOOO rop502 2 1 99 2 1 26 harOOO harl26 1 2 100 3 2 4 towOOO tow504 2 1 101 2 l 27 harOOO harl27 2 l 102 3 2 4 towOOO tow504 1 1 103 1 1 14 wOlOOO w01114 1 1 104 2 2 1 harOOO harS0l 2 1 105 1 1 12 wOlOOO w01112 2 l 106 3 2 3 towOOO tow503 1 2 107 4 l 3 ropOOO ropl03 2 2 108 3 2 4 towOOO tow504 2 2 109 4 1 l ropOOO roplOl 2 1 110 3 2 2 towOOO tow502 2 l 111 4 l 2 ropOOO ropl02 2 1 112 2 2 l harOOO har501 2 1 113 .:4 1 3 ropOOO ropl03 2 2 114 2 2 2 harOOO har502 2 1 115 1 1 13 w01000 w01113 1 2 116 2 2 2 harOOO har502 2 1 117 3 1 11 towOOO towlll 1 1 118 2 2 3 harOOO har503 1 1 119 4 1 1 ropOOO roplOl 1 1 120 2 2 2 harOOO har502 1 1 121 3 1 9 towOOO tow109 1 1 122 2 2 1 harOOO har501 2 1 123 4 1 1 ropOOO roplOl 1 1 124 3 2 3 towOOO tow503 2 1 125 2 1 27 harOOO har127 2 1 126 3 2 4 towOOO tow504 2 1 127 2 1 28 harOOO harl28 2 1 128 1 2 1 wOlOOO w01501 2 2 129 3 1 7 towOOO tow107 1 1 130 4 2 3 ropOOO rop503 1 2 131 2 1 28 harOOO har128 1 1 132 1 2 1 wOlOOO w01501 2 2 133 3 1 6 towOOO tow106 1 1 134 2 2 1 harOOO har501 2 1

137 1 1 14 wOlOOO w01114 1 1 138 3 2 4 towOOO tow504 1 1 139 1 1 12 wOlOOO w01112 1 2

1 4

JUNI

1988

140 2 2 1 harOOO harSOl 1 1 141 4 1 1 ropOOO roplOl 1 1 142 2 2 1 harOOO harSOl 2 1 143 4 1 1 ropOOO roplOl 2 2 144 3 2 3 towOOO tow503 2 1 145 1 1 13 wOlOOO w01113 1 1 146 3 2 4 towOOO tow504 2 1 147 2 1 27 harOOO har127 2 1 148 1 2 1 wOlOOO w01501 1 2 149 3 1 4 towOOO towl04 2 1 150 1 2 1 w01000 w01501 1 2 151 4 1 1 ropOOO roplOl 1 1 152 1 2 1 wOlOOO w01501 1 2 153 2 1 28 harOOO harl28 1 1 154 4 2 4 ropOOO rop504 1 2 155 3 1 5 towOOO towl05 2 1 156 4 2 5 ropOOO rop505 2 2 157 1 1 12 w01000 w01112 2 2 158 3 2 4 towOOO tow504 1 1 159 4 1 1 ropOOO roplOl 2 1

~5

160 3 2 3 towOOO tow503 1 1 161 4 1 1 ropOOO roplOl 1 1 162 3 2 2 towOOO tow502 1 1 163 2 1 27 harOOO harl27 1 1 164 1 2 1 wOlOOO w01501 2 1 165 2 1 26 harOOO har126 2 1 166 3 2 2 towOOO tow502 1 1 167 1 1 11 wOlOOO wOllll 2 2 168 2 2 1 harOOO har501 1 1 169 3 1 5 towOOO tow105 2 1 170 1 2 1 wOlOOO w01501 1 2 171 2 1 26 harOOO harl26 2 1 172 3 2 1 towOOO tow501 2 1 173 1 1 10 wOlOOO wOlllO 2 2 174 4 2 3 ropOOO rop503 1 1 175 1 1 9 w01000 w01109 2 1 176 3 2 1 towOOO tow501 2 1 177 2 1 27 harOOO har127 1 1 178 3 2 2 towOOO tow502 2 1 179 4 1 1 ropOOO roplOl 2 2 180 1 2 2 wOlOOO w01502 1 1 181 -2 1 26 harOOO harl26 2 2

.... 1

.

-

-

.

.

··

+

·

--·

- '

.

. i ! ' 1 . . 1

·

·

··-

·

·

1

1 __ :..,__ -~ · ' ·j . - - 1 - , _ _ , _ __ --4--__ 1 1 _J_ .... . _,_ : •• 1 !

-+

' ---- · ----·----. 1 : - r 1 _{1 1}

·

:

-.

-

--t

-

-

--

~

·

-·

'

~ -

- -

-

- - - -

-

i

--

-:

--L--+-. i ·- t··· .1 1 1 --: --· ---1 . _ _J -. i - 1 · : 1

+

· :

.

,-+

---

-

·· ·

-

·- -- j . ! . 1 '

_j_

__

_ '

---

+

.

.1 .. ! 1: