Eye-Tracking, Verständnis und okulomotorischen-basierten Regressive Augenbewegungen beim Lesen zu unterscheiden

Die Methode wurde entwickelt, um die Rolle der Hemmung der Rückkehr (IOR) in regressive Augenbewegungen beim Lesen zu untersuchen. Der Schwerpunkt liegt auf der Unterscheidung zwischen Regressionen ausgelöst durch Verständnis Schwierigkeiten im Vergleich zu denen von okulomotorischen Fehler, einschließlich der Rolle des IOR auf zwei Arten von Regressionen ausgelöst.

Regressive Augenbewegungen sind Augenbewegungen, die durch den Text rückwärts und umfassen etwa 10-25 % der Augenbewegungen beim Lesen. Als solche spielt verstehen, die Ursachen und Mechanismen der Regressionen eine wichtige Rolle im Auge Bewegungsverhalten zu verstehen. Hemmung der Rückkehr (IOR) ist ein okulomotorischen Effekt, der führt zu erhöhte Latenz auf einer zuvor besuchten Ziel gegen ein Ziel zurück, die zuvor nicht besucht wurde. Somit kann die IOR Regressionen auswirken. Dieses Papier beschreibt, wie Sie Materialien zu unterscheiden, Regressionen, verursacht durch Prozesse im Zusammenhang mit Verständnis und okulomotorischen design; letztere unterliegt IOR. Die Methode ermöglicht Forschern IOR zu identifizieren und die Ursachen der Regressionen zu kontrollieren. Während die Methode streng kontrollierten Materialien und eine große Zahl von Teilnehmern und Materialien erfordert, ermöglicht es Forschern, zu unterscheiden und die Arten von Regressionen, die beim Lesen lernen auftreten zu kontrollieren.

In diesem Artikel beschriebene Methode wurde entwickelt, um untersuchen die Rolle der Hemmung der Rückkehr (IOR) in regressive Augenbewegungen beim Lesen, mit Schwerpunkt auf Regressionen ausgelöst durch Verständnis Schwierigkeiten im Vergleich zu denen dadurch ausgelöst der okulomotorischen Fehler. Speziell, untersuchten wir, ob Regressionen durch Verständnis Schwierigkeiten ins Leben gerufen und startete als Folge der okulomotorischen Fehler IOR Auswirkungen ausgesetzt sind.

Regressive Augenbewegungen oder Regressionen sind Augenbewegungen, die durch den Text rückwärts zu bewegen. Je nach Leser und Texteigenschaften rückwärts 10-25 % der Augenbewegungen¹. Dies führte Forscher zu untersuchen, ob IOR Effekte regressive Augenbewegungen während der natürlichen Lesung beeinflussen. IOR ist ein okulomotorischen Effekt, die Ergebnisse in Latenz erhöhte um zurückzukehren, dass Aufmerksamkeit auf ein Ziel, das zuvor besuchten im Vergleich zu einem Ziel, die nicht zuvor waren²besucht. Während ein Großteil der Arbeit um IOR Effekte herzustellen-Lesung visuelle Aufmerksamkeit Aufgaben³beteiligt hat, wurde die Wirkung auf das Lesen von^4,5erweitert.

Die Arbeit untersucht Regressionen und IOR in Lesung konzentrierte sich auf ob eine okulomotorischen Wirkung wie IOR Bewegung augensteuerung in Lesung beeinflussen kann. Eine Studie⁵ Beweise für IOR in eine Leseaufgabe gefunden. Sie fanden heraus, dass Leser für die Fixierung einer Regression vor ca. 30 ms mehr ausgegeben. Dies wurde als das IOR "Kosten" - die Verzögerung vor der Rückkehr zu einer zuvor fixierten Position ausgelegt. Dies war in regelmäßigen Lektüre unterstützt und geistlose Bedingungen⁶lesen.

Trotz des Beweises, die IOR in regelmäßigen Lektüre Situationen zu finden, ist es klar, dass regressive Augenbewegungen nicht alle die gleiche Ursache haben. Regressionen durch Verständnis Schwierigkeiten wurden gut dokumentierte^7,8,9,10. Trotz der Beweise, dass die Augenbewegungen beim Lesen in der Regel durch kognitive und sprachliche Faktoren¹geleitet werden auch davon aus, dass manchmal Regressionen in Reaktion auf Low-Level-okulomotorischen Faktoren auftreten, wie z. B. Ziel hinausschießen¹. Es wird angenommen, dass auf einige Studien Leser ein Saccade und Land hinter ihr eigentliches Zielwort (ein Überschwingen) MIS-Programm. In diesem Fall kann eine kurze, korrigierende regressive Saccade auftreten, damit unbeabsichtigt übersprungene Wort fixiert werden kann. Angesichts der Tatsache, dass zwei zugrunde liegenden Mechanismen - sprachliche und okulomotorischen - für regressive Augenbewegungen postuliert wurde, ist es nicht klar, ob IOR für beide auftritt. Die aktuelle Methode ermöglicht für die Messung der IOR-Effekte, wenn regressive Augenbewegungen infolge Verständnis Schwierigkeiten auch infolge der okulomotorischen Überschwingen eingeleitet wurden. Die Methode ermöglicht die Forscher, die zugrunde liegenden Mechanismen der regressive Augenbewegungen, so dass für die Bewertung der IOR-Effekte zu unterscheiden.

Die aktuelle Methode nutzt die beiden identifizierten Mechanismen regressive Augenbewegungen auslösen. Durch die Gestaltung der Materialien, so dass Re-Lektüre von Verständnis Schwierigkeiten oder Überschwingen ausgelöst werden dürfte, sind Forscher in der Lage, die Umstände zu untersuchen, unter denen IOR in Lesung auftreten kann. Um Re-Lektüre als Folge der okulomotorischen Fehler zu fördern, haben wir kurze Ziel Worte, die hohe Überspringen von etwa 50 Wachstumsraten % (adaptiert von früheren Forschungen¹¹) eingebettet. Übersprungene Worte folgen oft eine korrigierende regressive Saccade wenn das Überspringen ein Ergebnis der okulomotorischen Fehler^{11 ist}. Die andere Gruppe von Materialien bestand aus Sätzen, die semantisch mehrdeutige homographic Homophone enthalten (z. B., Klasse: Schule/Steigung). Die Sätze wurden von einer Mehrdeutigkeit Studie¹² angepasst und enthalten Informationen über die beabsichtigte Bedeutung von gleichnamiger, die das Wort gefolgt. So würde dies die Chancen erhöhen, die Leser zum Verständnis wieder lesen würde. Der Kontext war konsistent mit der weniger wahrscheinlich Bedeutung der gleichnamiger, macht es wahrscheinlich, dass Leser müsste erneut zu lesen, nachdem er zunächst die häufigere, dominante Bedeutung auf ihre erste Begegnung mit dem Zielwort ausgewählt. Die Kombination der Augenbewegung Überwachung und Materialien entwickelt, um Regressionen zu erhöhen macht diese Methode einzigartig darin, dass für die Prüfung der regressive Augenbewegungen mit unterschiedlichen Ursachen.

Verständnis der Mechanismen, die regressive Sakkaden und die Rolle der okulomotorischen Faktoren wie IOR in ihnen ist wichtig, Modelle der augensteuerung Bewegung als auch für das Verständnis der Beziehung zwischen okulomotorischen und kognitive Kontrolle des Auges Bewegungen. Beispielsweise beschäftigt eine aktuelle Version des Modells E-Z-Leser der Bewegung augensteuerung für alle regressiven Auge Bewegungen¹³Kosten 30 ms. Jedoch unsere Methodik gezeigt, dass solche Kosten nur für Regressionen infolge okulomotorischen Fehler gilt.

Auge Bewegung Maßnahmen erlauben Forschern, die Moment-zu-Moment kognitive Verarbeitung beim Lesen¹zu verfolgen. Neuerdings haben Modelle der Bewegung augensteuerung versuchen zu erklären, die Mechanismen, die regressive Augenbewegungen. Da Regressionen oft in Bezug auf Verständnis Schwierigkeiten gestartet werden, sollte jeder Forscher interessiert das Verständnis Prozesse beim Lesen zu verstehen versuchen, Regressionen infolge okulomotorischen Fehler im Vergleich zu differenzieren Verständnis Prozesse. Diese Methode zeigt, dass Kosten für Regressionen nur okulomotorischen Fehler, dient als Ausgangspunkt für die Unterscheidung zwischen Arten von Regressionen führt. Die Kombination von Auge Bewegung Maßnahmen (Regressionen, Fixierung Male zuvor Regressionen) und streng kontrollierten Materialien ermöglicht diese Differenzierung.

Der institutionelle Review Boards der Kent State University und der Stetson University haben alle hier beschriebene Verfahren genehmigt.

1. teilnahmeberechtigt

Hinweis: Das Ziel dieser Forschung ist Lesung Prozesse in qualifizierte Erwachsene Leser zu verstehen. So müssen bestimmte Voraussetzungen erfüllt sein. Solche Kontrollen sicherstellen, dass die Ergebnisse auf einer Bevölkerung von erfahrenen Erwachsenen Leser mit typischen kognitiven Prozessen direkt anwendbar sind.

1. Rekrutieren Sie Teilnehmer, die die folgenden Voraussetzungen erfüllen: mindestens 18 Jahre alt sein, keine Lesung Behinderungen (Legasthenie, Alexia, Dysgraphie, etc.), normal oder korrigierte Vision (Brille oder Kontaktlinsen sind zulässig) und sprechen müssen Englisch als ihre Muttersprache.

(2) experimentellen Stimuli

N OTE :  Reize Bau umfasst die Auswahl der einzelnen Ziel Worte sowie die Schaffung von Satz Kontexte, in denen diese Ziel Worte eingebettet sind.

1. Okulomotorischen korrigierende Regressionen Reize vorbereiten.
   1. Wählen Sie einen Satz von mindestens 30 Ziel Worte in Sätze eingebettet werden. Das Zielwort (Wort_n) ist das Wort auf welches Wort überspringen und regressive Augenbewegungen gemessen werden. Markieren Sie Wörter aus einer englischsprachigen Corpus, wie CELEX¹⁴, welche Worthäufigkeiten bietet. Wählen Sie Worte, die Niederfrequenz mit Frequenzen niedriger als 30 Zählungen pro million. Wählen Sie ein drei-Buchstaben Inhalte Wort um Wort überspringen zu erleichtern.
   2. Wählen Sie die Pre-Ziel Wörter (Wort_n-1), so dass der Leser dürfte, bevor Sie überspringen oder fixieren Wort_nfixieren. Wählen Sie erneut mit einer englischsprachigen Korpus, Wörter, die Hochfrequenz, mit mindestens 30 Punkten pro million. Wählen Sie ein Content Wort mit fünf bis sieben Buchstaben, die Wahrscheinlichkeit zu erhöhen, dass es fixiert und nicht übersprungen werden.
   3. Wählen Sie das Post-Zielwort (Wort_{n + 1}), so dass der Leser es dürfte nach überspringen oder fixieren Wort_nfixieren. Unter Verwendung des gleichen englischsprachige Korpus aus den vorherigen beiden Schritte, wählen Sie eine Hochfrequenz-Präposition, die mindestens vier Zeichen lang ist.
   4. Erstellen Sie mit den Worten, die in den vorherigen drei Schritten ausgewählt, Satz Kontexte, in denen diese drei Worte eingebettet werden. Setzen Sie Wörter_n-1, Wort_nund Wort_{n + 1} in der Mitte des Satzes. Siehe Schritt 2.2.6 für einige Beispiel-Reize.
      N OTE : Sätze sollten im Kontext ohne jede emotional aufgeladenen Sprache neutral sein. Die Satz-Frames müssen geschrieben werden, so dass, die der gesamte Satz ist grammatisch und die Worte_n-1, Wort_nund Wort_{n + 1} problemlos in den Satz Rahmen passen. Das Ziel Wort_n sollte nicht aus dem Kontext vorhersagbar sein, das ihm vorausgeht (siehe Punkt 2.2.5 Informationen zur Normierung um sicherzustellen, dass Ziel Worte nicht vorhersehbar sind).
   5. Nach Satz werden Rahmen erstellt, Norm, die die Reize, die unter Verwendung einer Lückentext-Aufgabe sicherzustellen, dass das Zielwort_n nicht aus dem Kontext des Satzes vorhersehbar ist.
      1. In dieser Aufgabe eine separate Gruppe von Teilnehmern zu rekrutieren.
      2. Haben Sie diese Teilnehmer sehen Sie jeden Satz Kontext bis das Zielwort, ohne auch das Ziel, und ein Wort, dass sie am besten passt der Satz denken zu produzieren.
      3. Lassen Sie die Teilnehmer diese Aufgabe mit Stift und Papier oder geben Sie Wörter auf einem Computer mit einem Programm oder eine andere Software-Paket für Verhaltensforschung.
         N OTE : Wenn das Zielwort von mehr als 20 % der Teilnehmer produziert wird, gilt als aus dem Satz Kontext vorhersehbar und muss ersetzt werden mit einem weniger vorhersehbar Wort und normiert wieder. In der ursprünglichen experimentieren¹¹, 100 Teilnehmer der Lückentext Aufgabe erfüllt und keine Zielwort aus dem vorhergehenden Kontext vorausgesagt wurde.
   6. Sehen Sie unten einen Beispielsatz. In diesem Satz Juwel ist die drei-Buchstaben-Niederfrequenz-unberechenbar Wort_n grün ist Wort_n-1und umgibt Wort_{n + 1} . In diesem Experiment wurde das Zielwort zu tiefen Frequenzen gesteuert (bedeuten = 10,54 Zählungen pro million, Standardabweichung = 6,97)¹⁴.
      Die Schauspielerin trug ein grünes Juwel um den Hals bei der Preisverleihung.
      Ein weiterer Satz von 10 experimentelle Reize sind nachstehend aus dem ursprünglichen Experiment¹⁴.
      Er starrte auf die große Urne in das Zimmer.
      Sie hatte Angst vor der schwarzen Fuchs bis es seinen Schweif wedelte.
      Er versuchte, die kleinen Aal aus dem Teich zu greifen.
      Sie wollte den großen Zoo innerhalb des neuen Themenpark zu sehen.
      Sie gingen um die ganze Turnhalle nach dem Training.
      Das Kind fragte die junge Elf über arbeiten in Santas Werkstatt.
      Gab es immer eine kurze Kinderbett unter dem Bett bei ihrer Cousine zu Hause.
      Es gab wirklich dichten Nebel entlang der Küste heute Morgen.
      Seinen rechten Ski oben platzierte er seine linke ein, wenn er den Trick durchgeführt.
      Sie spielte ihr erstes Konzert seit sie einige neue Lieder schrieb.
2. Verständnis-basierte Regressionen Reize vorbereiten.
   1. Erhalten Sie Satz-Kontexte für dieses Experiment durch Anpassung von einer früheren Studie, die bereits normierten Satz Frames mit zweideutigen Homophone¹². Diesen Artikel downloaden und Anhang A, vorsieht, dass neutrale Satz das Ende mit einer zweideutigen gleichnamiger frames anzeigen.
   2. Mit diesen Satz Frames, Schreiben der zweite Hälfte des Satzes, die vereindeutigt gleichnamiger seine untergeordnete Bedeutung. Bestimmen Sie die untergeordnete Bedeutung des das Zielwort mit der University of South Florida Homografie Normen¹⁵. Beispielsweise ist die untergeordnete Bedeutung der gleichnamiger Grade "Hügel Steigung" zwar die dominierende Bedeutung "Bewertungsskala." Also für den Satz "Mike nicht wie die Note..." hinzufügen "... ...von den Hügel, die sie hinunter fuhren." Diese Endung ist es so, dass die mehrdeutige gleichnamiger "Grade" durch das Wort "Hügel." zu ihrer untergeordneten Bedeutung geklärt ist Jeder Satz sollte zwei kurze Funktionswörter zwischen den zweideutigen gleichnamiger und die Worte, die es vereindeutigt haben. Ein weiterer Satz von 10 Beispielsätze sind nachstehend¹⁴
      Barbara untersucht der Mais auf den Fuß , nachdem es schmerzhaft wurde.
      Ben endlich bemerkt die bluffen wenn der Trail plötzlich beendet.
      Betty gesucht für die Datei für ihre Nägel , da sie hin und her gerissen wurden.
      Debbie mochte die Fall, dass der Anwalt beschlossen, auf zu nehmen.
      Jeder bemerkt die Krabben wenn er jammerte , über alles.
      Fred eingehend geprüft, die Tabelle und das Diagramm im Bericht.
      Harry wusste nicht, wie der Anzug, die eingereicht wurde, gegen ihn.
      Er freute sich über die drücken, wenn die Falten wurde entfernt aus der Hose.
      Helen sah der Kardinal in der Kirche am Sonntag.
      Es war ein sehr schlecht Satz, dass der Richter dem Beklagten zugestellt.
      Jen sah leicht die Herrscher und die Königin im Palast.

3. Verständnis Check

1. Stellen Sie sicher, dass alle Teilnehmer zum Verständnis während des Experiments lesen. So, nach dem Zufallsprinzip präsentieren Sie eine Reihe von Fragen zum Textverständnis in das Experiment. Verwenden Sie einfache Anweisungen, die befolgt werden, durch ein Ja oder Nein Frage um sicherzustellen, dass der Teilnehmer war jedes Satzes zu begreifen. Stellen Sie Verständnisfragen separat aus dem Satz. Auge Bewegungsmuster können unterschiedlich sein, wenn ein Teilnehmer nicht auf den Text aufmerksam ist. Entfernen Sie Daten von jedem Teilnehmer, der Punkte weniger als 80 % Genauigkeit auf die Fragen zum Textverständnis aus der Datenanalyse. Sollte es Fragen zum Textverständnis auf mindestens 10 % der Studien. Verständnisfragen sollten Füller Sätze, nicht experimentell Sätze folgen. Ein Beispiel für vier Verständnisfragen sind nachstehend:
   Satz: Christina ging nach Kalifornien mit ihren Eltern letztes Jahr.
   Frage: Sind Christina nach Vermont letztes Jahr gegangen?
   Satz: Mark von der Hochschule graduiert hatte er einen Job sofort.
   Frage: Ist Mark gescheitert, einen Job zu finden?
   Satz: Das Telefon klingelte nur als Samantha ins Bett kroch.
   Frage: Hat jemand Samantha gestern Abend angerufen?
   Satz: Die Touristen bedauert nicht könnend längeren Aufenthalt in Florida.
   Frage: Wollen die Touristen länger bleiben?

(4) Eye-Tracking-Verfahren

1. Rekrutieren Sie mindestens 50 Teilnehmer für jedes Experiment (okulomotorischen Kontrolle und Verständnis basierende Regressionen), um sicherzustellen, dass ausreichende Daten für Analysen; fallen Sie Studien ohne Regressionen. Bereiten Sie mindestens 40 experimentelle Reize für jedes experiment mit mindestens 10 Fragen zum Textverständnis und mindestens 20 Filler Sätze für jedes Experiment. Jedes Experiment sollte etwa 30 Minuten in Anspruch nehmen.
2. Verwendung einer Eye-Tracker mit einer Abtastrate von 1.000 Hz, was bedeutet, dass das Auge positioniert werden 1.000 Mal pro Sekunde gemessen. Messen Sie die Augenbewegungen aus dem rechten Auge.
   NOTE: dieses Sampling-Rate ist wichtig, da Auge Bewegungsverhalten extrem schnell ist, und eine Sample-Rate von weniger als 1.000 Hz möglicherweise nicht empfindlich genug, um alle kognitive Verarbeitung zu erfassen.
3. Haben Sie die Teilnehmer sitzen ca. 60 cm (24 Zoll) von einem Computer-Bildschirm. Verwenden Sie einen 21-Zoll-Bildschirm oder andere Bildschirme für das ursprüngliche Experiment¹⁴.
   1. Um Kopfbewegungen zu stabilisieren, haben Sie die Teilnehmer ihr Kinn auf eine kinnstütze ausruhen. Den erlauben Sie Teilnehmern, passen die Höhe der Kinnhalter und Stuhl, bis sie bequem sind.
   2. Weisen Sie die Teilnehmer zur Ruhe ihre Finger auf eine Schaltfläche "Ja" und ein "no"-Taste, die sie verwenden, um Fragen zum Textverständnis beantworten.
4. Um Auge Endpositionen zu kalibrieren, verwenden Sie eine neun-Punkt-Kalibrierung. Weisen Sie die Teilnehmer zu einem weißen Kreis in der Mitte eines schwarzen Bildschirms bestaunen. Teilnehmer werden ihre Augen auf den weißen Kreis bewegen, wie es auf acht andere Positionen auf dem Bildschirm bewegt. Haben Sie die Teilnehmer halten Sie ihre Augen auf den Kreis bis es an eine neue Position bewegt.
   1. Überprüfen Sie nach der Kalibrierung Auge Positionen. Wenn Endpositionen Auge innerhalb von einem Grad Sehwinkel behoben werden, dann bitte, dass die Teilnehmer an der Lesung Teil der Studie weiter.
5. Haben Sie jeden Satz einzeln nacheinander in zufälliger Reihenfolge in der Mitte des Bildschirms angezeigt. Verwenden Sie alle Monospaced Schriftarten wie Courier, so dass alle Zeichen die gleiche Menge an Speicherplatz auf dem Teilnehmer Netzhaut beanspruchen. Intermix Füller Sätze und Verständnis Sätze (gefolgt von Fragen) mit experimentellen Sätze.
6. Haben Sie vor jedem Satz die Teilnehmer Blick auf einem weißen Kreis auf der linken Seite des Bildschirms, die die Position des ersten Buchstabens eines Wortes entspricht. Als Teilnehmer an dieser Stelle suchen, haben Sie den Experimentator eine Taste drücken, die den Ausbruch zum Lesen steuert.
   N OTE : Dieses Experiment verwendet Selbststudium lesen, so dass der Teilnehmer die Schaltfläche "Ja" drücken wird, wenn sie fertig sind, lesen den Satz. Nach der Lektüre jeder Satz, der weiße Kreis erscheint auf dem Bildschirm erneut und wiederholen Sie den Vorgang mit dem nächsten Satz.
7. Führen Sie eine Drift vor jeder Satz um sicherzustellen, dass die Kalibrierung bleibt genau richtig. Wenn die augenposition um mehr als ein Grad Sehwinkel ausgeschaltet ist, neu kalibrieren des Teilnehmers Auge Positionen.

5. Quantitative Analyse der Daten

1. Nachdem alle Daten gesammelt haben, öffnen Sie das Programm DataViewer und in allen Dateien im .edf-Format zu laden Sie, wenn EyeLink Software verwenden. Fixierung-Laufzeiten, die weniger als 100 ms oder mehr als 1.000 ms sind wie diese linguistische Verarbeitung nicht entsprechen zu löschen.
2. Als nächstes führen ein Interesse Revierbericht die gewünschte Auge Bewegung Verhalten Maßnahmen aus jedem Wort von Interesse zu sammeln: Wort_nund Wort_{n + 1}. Festlegen Sie Interesse Bereiche um diese Elemente mit einem Trennzeichen und die Standardeinstellungen für Interesse Flächengröße im Experiment-Generator. Wählen Sie mehrere Variablen, um die Art der regressive Augenbewegungen und das Vorhandensein oder Fehlen eines IOR-Effekts bestimmen:
   IA_SKIP: Diese Variable gibt an, ob Wort_n übersprungen wurde. Dies ist wichtig, festzustellen, ob die Regression in Wort_n eine Rücksendung oder Rückgabe Regression.
   IA_REGRESSION_IN: Diese Variable gibt an, ob eine Regression in Wort_ngebildet wurde. Nur analysieren, Studien, in denen dieser Wert 1 ist, sonst ist es nicht relevant für die IOR-Analysen, weil keine Rückkehr Augenbewegung zu diesem Ziel gemacht wurde.
   IA_REGRESSION_OUT: Diese Variable gibt an, ob eine Regression aus Wort_{n + 1}gemacht wurde. Analysieren Sie nur Fälle, in denen diese Variable 1, gibt an, dass eine Rückkehr Augenbewegung gemacht wurde.
   IA_FIRST_RUN_DWELL_TIME: Diese Variable ist ein Maß dafür wie lange der Leser für Wort_{n + 1} beim ersten Durchgang durch den Satz ausgegeben. Diese Dauer zeigt die Menge der Verarbeitung dauerte es, bevor eine regressive Augenbewegungen gemacht wurde. Diese Dauer wird jederzeit möglichen Hemmung vor eine regressive Augenbewegungen enthalten.
3. Nun, jede Studie kategorisiert worden, haben Sie die Forscher untersuchen jede Prüfung einzeln, um festzustellen, ob es als eine regressive Augenbewegungen okulomotorischen oder Verständnis basierende zählt. Nur Studien zu inspizieren, wo IA_REGRESSION von Wort_{n + 1} 1 und IA_REGRESSION_IN Wort_n 1 ist.
   1. Wählen Sie in DataViewer Daten des Teilnehmers, und öffnen Sie jede Prüfung. Klicken Sie sich durch jede Fixierung zu kontrollieren, ob die Regression aus Wort_{n + 1} direkt in Word_n gemacht wurde, nachdem es fixiert oder übersprungen hat. Wenn ja, markieren Sie diese Testversion in Analysen in der Datendatei enthalten sein. Enthalten Sie Studien, wo eine Regression, um einen früheren Teil des Satzes oder vorgenommen wurde wenn eine Regression aus Wort_{n + 1} gemacht wurde, nach der Verarbeitung anderer Teile des Satzes, nicht.
4. Nachdem alle Versuche markiert haben, analysieren Sie Daten, die mit linearen gemischten Effekten Modelle mit LanguageR und lme4 Pakete in R-Studio¹⁶. Geben Sie zufällige Pisten und Abschnitte für Teilnehmer und Elemente. Fixierte Effekte gehören das Zielwort und Regressionen in das Zielwort überspringen.

Die Ergebnisse unserer bisherigen Arbeit mit diesem Paradigma¹⁴ führte zu einer 17 % Regression Rate in der okulomotorischen Fehlerbedingung und einer 29 % Regression Rate in dem Verständnis Schwierigkeiten Zustand¹⁴. In der okulomotorischen Fehlerbedingung 32 % der die Regressionen wurden zuvor fixierten Worte und 68 % der Regressionen mussten zuvor ausgelassenen Wörter. Das umgekehrte Muster ereignete sich in dem Verständnis Schwierigkeiten Zustand. 29 % der Regressionen mussten 61 % zuvor fixierten Worte waren 39 %, zuvor ausgelassenen Wörter (siehe Tabelle 1).

Die wichtige Variable des Interesses an diesen Experimenten ist Lesezeit auf Wort_{n + 1}, oder das Wort, aus dem die Regression ins Leben gerufen wurde. Ein IOR-Effekt würde durch Lesung länger auf dem Wort_{n + 1} vor der Regression angegeben werden, wenn das Ziel Wort_n zuvor fixiert war im Vergleich zu, wenn es übersprungen wurde. Abbildung 1 angedeutet, dass Teilnehmer deutlich mehr Zeit auf Wort_{n + 1} vor eine Regression zu Wort_n ausgegeben, wenn es zuvor fixiert wurde (bedeutet = 296 ms, Standardfehler (SE) = 17 ms) als wenn es übersprungen wurde (bedeutet= 253 ms, SE = 14 ms), im Einklang mit ein IOR-Effekt. Jedoch wurde keine IOR-Effekt in dem Verständnis Schwierigkeiten Zustand beobachtet. In diesem Zustand lesen Zeiten auf Wort_{n + 1} waren nichts anderes als eine Regression zu Wort_n gemacht wurde, wenn es zuvor fixiert war (meine = 296 ms, SE = 10 ms) als wenn es zuvor ausgelassen wurde (bedeutet = 291 ms, SE = 8 ms).

Abbildung 1 : Lesen Mal auf Wort_{n + 1} vor der Herstellung einer Regression zu Wort_n. Diese Zahl repräsentiert die Lesung-Zeiten auf Wort_{n + 1} , aus denen die Regression ins Leben gerufen wurde. Die Regression wurde entweder ein Wort, das vorher fixiert oder zuvor übersprungen wurde. Regression auf die zuvor fixierten Worte werden voraussichtlich länger sein, wenn gibt es ein IOR-Effekt, demonstrieren die Wartezeit um die Augen zu einem vorher fixierten Ziel zu wechseln. Werte sind Mittelwert ± SE (Fehlerbalken). Bitte klicken Sie hier für eine größere Version dieser Figur.

Tabelle 1: Wahrscheinlichkeit eine Regression in eine zuvor übersprungen oder fixiert Zielwort. Diese Tabelle schlüsselt die Wahrscheinlichkeit, jede Art der Regression. Die Gesamtquoten Regression für die beiden Arten sind auf die oberen Zeilen dargestellt. Unter dem Strich stellt den Prozentsatz der Fälle, in denen ein Wort zuvor fixiert oder zuvor übersprungen die Augen wieder.

Die aktuelle Forschung stellt eine Methode für die Unterscheidung zwischen zwei Arten von regressive Augenbewegungen beim Lesen - diejenigen, die auf Verständnis Schwierigkeiten basieren und diejenigen, die auf okulomotorischen Fehler basieren. Die Daten belegen, dass ein Low-Level-Aufmerksamkeits-Prozess, IOR, von der Art der Regression abhängen kann. Es wurde festgestellt, dass IOR nur für okulomotorischen basierende Regressionen, aber nicht für Verständnis der Grundlage Regressionen^{14 tritt}. Daher ist es wichtig, zwischen verschiedenen Typen der regressive Augenbewegungen beim Schlüsse über kognitive Verarbeitung beim Lesen unterscheiden.

Während dieses Protokoll eine allgemein akzeptierte und unkomplizierte Eyetracking-Methode verwendet, sind die entscheidenden Schritte bei der Erstellung der Reize. Es ist wichtig, möglichst viele Aspekte der Stimuli wie möglich zu kontrollieren, so dass der Forscher genau zwei verschiedenen Arten der regressive Augenbewegungen unterscheiden kann. Es scheint, dass voreingenommene mehrdeutige Homophone verwenden, die den Leser, wählen die kontextuell falsche Bedeutung des Wort-Ergebnisse im Verständnis basierende regressive Augenbewegungen führen. Im Gegensatz dazu verwenden kurz, Niederfrequenz, Content Worte Ergebnisse in okulomotorischen korrigierende regressive Augenbewegungen. Eine Änderung, die zu diesem Design gemacht werden können nutzt bessere Kontrolle des Wortes, aus denen die Regression gestartet wird. Zum Beispiel konnten wir in das Verständnis basierende Regression Reize, kontrollieren die Länge oder die Häufigkeit des Wortes, aus denen die Regression in den ursprünglichen Studie¹⁴ins Leben gerufen wurde. In die Analysen einbezogen wir die Dauer und Häufigkeit des Wortes als Kovariaten; Allerdings wäre es am besten, die Worte so dicht wie möglich zu kontrollieren, so dass Variabilität auf IOR und nicht auf andere sprachliche Verarbeitung zurückgeführt werden kann.

Da das Design des Experiments, können Forscher nur eine kleine Teilmenge der Daten zu analysieren. In das ursprüngliche Experiment nur 15 % der Studien eine Regression, die das Zielwort okulomotorischen Fehler gemacht worden und nur 24 % der Studien eine Regression, die an das Zielwort Verständnis Schwierigkeiten¹⁴vorgenommen wurde. Alle anderen Studien wurden von Analysen, verworfen, da sie nicht für die Fragestellung relevant waren. Somit ist eine Einschränkung dieser Konstruktion, dass es große Stichproben der Teilnehmer und eine große Anzahl von Elementen im Experiment erfordert. Eine typische Stichprobengröße in Lesung Studien verwendet bieten möglicherweise nicht genügend Strom, um Unterschiede zu erkennen, wenn sie vorhanden sind.

Zukünftige Forschung konnte replizieren und erweitern auf diese Erkenntnisse durch die Untersuchung, ob die geringen Fähigkeiten und hoher Qualifikation Leser im Grad variieren, bei der sie verschiedene Arten von Regressionen vornehmen. Es ist bereits bekannt, dass Anfang Leser mehr regressive Augenbewegungen als erfahrenere Leser¹⁷machen und Niedrigfähigkeit Leser mehr regressive Augenbewegungen als hohes Leser¹⁸machen. Es ist jedoch noch nicht bekannt, ob es Unterschiede zwischen geringen Fähigkeiten und hoher Qualifikation Leser auf die IOR-Latenz und ob sie sich auf die Wahrscheinlichkeit, dass die zwei Arten von Regressionen unterscheiden. Es ist zu erwarten, dass geringe Fähigkeit Leser eher Verständnis basierende Regressionen zu machen wäre, als hohes Leser würden. Es kann jedoch keine Unterschiede in ihrer Wahrscheinlichkeit okulomotorischen basierende Regressionen zu machen, da diese weniger auf die linguistische Verarbeitung Fähigkeiten verlassen, die hohe Qualifikation und geringe Fähigkeit Leser unterscheiden.

Die Autoren haben nichts preisgeben.

Die Autoren haben keine Bestätigungen.