Məlumat

İnsan vizual sistemində təsirli nümunə götürmə dərəcəsi

İnsan vizual sistemində təsirli nümunə götürmə dərəcəsi

[Stroboskopik təsir] [1] tez -tez nümunə götürmə problemlərindən biri kimi izah olunur. Nümunə sürəti çox aşağı olarsa, siqnal tezliyinin aşağı və ya əksinə olduğu təəssüratına sahib ola bilərsiniz. İnternetdə prosesi izah edən bir çox animasiya var, amma statik sinus funksiyası qrafikini daha anlaşıqlı görürəm:

Film effektini avtomobil təkərlərindən və ya təyyarə pervanəsindən mütləq bilirsiniz. Çünki film müəyyən miqdarda kadrlar çəkir. Hadisə çəkmə sürətindən əhəmiyyətli dərəcədə qısadırsa, çıxışın artıq heç bir mənası yoxdur.

Sualım budur ki, stroboscopic effekti tam işıqda öz gözlərimlə necə müşahidə edə bilərəm? Düşündüm ki, insan görmə qabiliyyəti üçün sabit bir çərçivə dərəcəsi yoxdur. Düşündüm ki, bu rəqəmsal deyil (vaxtlı nümunə götürmə) bənzər bir prosesdir (davamlı axın).

  • S: Parlaq olmayan (günəş kimi) işıqda insan görmə qabiliyyəti necə stroboskopik təsirə məruz qala bilər? Zərər harada baş verir?

Bəli, davamlı işıqlandırma altında stroboskopik effekti yaşaya bilərsiniz. Bu Vikipediya məqaləsi, uyğun tapıntıları ümumiləşdirmək üçün gözəl bir iş görür.

Məqalədə qeyd edildiyi kimi, stroboscopic effektinin insan görmə sistemində davamlı işıqlandırma altında necə meydana gəldiyinə dair iki rəqabətli nəzəriyyə mövcuddur. Birinci nəzəriyyə, insanın vizual işlənməsinin bir film kamerasına bənzəməsi və təxminən ayrı -ayrı çərçivələrdə işləməsidir. İkinci nəzəriyyə budur sinir adaptasiyası məsuliyyət daşıyır: beyin əks nümunənin qəbul edildiyi görmə sonrası təsirlərə səbəb ola biləcək çox nizamlı hərəkət modellərinə uyğunlaşır. Həqiqi hərəkəti vizual effektlə örtmək, qəbul edilən hərəkəti 'ləğv edəcək'.

Kline və Eaglemen (2008) ayrı -ayrı nümunə götürmə hipotezinə və uyğunlaşma hipotezini dəstəkləyən sübutlar təqdim edir. Macdonald və başqaları. (2014) diskret nümunə hesabına dair sübutlar təqdim edir.


Məkan Vizyonu

Buynuz qişa və daha az dəyişkən dərəcədə gözün arxasındakı reseptorlar səviyyəsində görmə dünyasının iki ölçülü bir görüntüsünü meydana gətirir. Reseptorlar, görüntünü məkan görməsində ilk addım olaraq nümunə götürürlər. İnsan gözünün optik keyfiyyəti o qədər də yaxşı deyil - ən ucuz kamera linzalarından xeyli aşağıdır. Ən görkəmli qüsurlardan ikisi sferik və xromatik aberrasiyalardır. Birincisi, korneanın qüsursuz formasından və ikincisi, kornea və lensin fərqli dalğa uzunluğundakı işığı fərqli şəkildə qırması səbəbindən meydana gəlir. Bu qaralmaların hər ikisi də, göz bəbəyinin diametri artdıqca, zəif işıq şəraitində daha çox işıq tutmaq üçün olduğu kimi pisləşir. Qüsursuz bir görüntü, iki ölçülü bir səthdə üç ölçülü bir dünyanın görüntülənməsindən də qaynaqlanır, çünki fərqli məsafələrdəki obyektlərin hamısı eyni anda fokuslanmır. Nəhayət, göz mexaniki olaraq qeyri -sabitdir. Yalnız nisbətən kütləvi altı göz əzələsindəki gərginliklə sabit tutulan orbitdə yağ içində üzür. Bu əzələlər gözü müxtəlif istiqamətlərdə çox sürətlə çevirə bilər, ancaq ayrı -ayrı əzələ liflərinin təsadüfi atəş etməsi səbəbindən gözlərini çox tuta bilmirlər. Beləliklə, göz təsadüfi bir şəkildə sürətlə yellənir və bir qədər də uzaqlaşır. Yaranan bulanıqlıq həm gözü kosmosda çevirərək (həm də görüntünü bulandıran) müşahidəçi hərəkəti ilə daha da pisləşir.

Vizual stimullar ekvivalent olaraq kosmosda (yəni kosmosdakı hər bir yerdə nə qədər işığın olması ilə) və ya məkan tezliyi sahəsində (kosmosdakı işıq intensivliyindəki sinusoidal dəyişikliklərin tezliyi, amplitudası və fazası ilə) təsvir edilə bilər. Məkan -domen təsvirləri daha tanış olsa da, bəzən məkan tezliyi sahəsindəki vizual problemləri araşdırmağın evristik üstünlükləri var. Daha əvvəl qeyd olunan gözün müxtəlif optik qüsurları, hamısı retinadakı görüntünü bulandırır və bulanıqlıq yüksək məkan tezliklərini seçici şəkildə zəiflədir. Fərqli məkan tezliklərinin sinusoidal ızgaralarını aşkar etmək qabiliyyətimiz fəza kontrast həssaslıq funksiyası (CSF) ilə təsvir olunur (Şəkil 1). Optimal şəraitdə fotopik (gündüz işığı) görmə qabiliyyətində, CSF funksiyası hər dərəcə təxminən 4 dövrə çatır və əla itiliyi olan bir insan fiksasiya nöqtəsində təxminən 60 c/deg görmə bucağı qədər yüksək olan ızgaraları həll edə bilir. "Normal" kəskinlik (Amerika qeydində 20/20) 30 c/deg yüksək məkan tezliyi kəsilməsinə bərabərdir. Ancaq bir çox baxış şəraitində, məsələn, işıqlandırma səviyyəsi azaldıqda (bax. Şəkil 1), artan retina eksantrikliyi ilə, ya da hərəkət edərək retinanın görüntüsünü bulandırdığımız zaman normal bir müşahidəçinin qətnaməsi 10-20 -dən çox deyil. c/dərəcə Bu şəraitdə yüksək dəqiqlik tələb edən oxumaq kimi vəzifələr qeyri -mümkün olur, amma yenə də vizual dünyanı fərqli obyektlərə bölmək və bu obyektləri və onların məkan əlaqələrini tanımaq üçün əla qabiliyyətimiz var.

Şəkil 1. Beş müşahidəçinin fotoşəkil (yuxarı əyrisi) dən skotopik (alt əyri) səviyyələrinə qədər bir log vahidində beş fərqli parlaqlıq səviyyəsinin hər birində fərqli məkan tezliklərinin ızgaraları üçün ortalama məkan kontrast həssaslığı (De Valois -in icazəsi ilə təkrarlanır) və s., Vizyon Res. 14, 75–81, 1974).

CSF həm yüksək, həm də aşağı məkan tezliyinin azalmasını göstərir. CSF -nin yüksək məkan tezliklərində həssaslığının azalması, əvvəllər müzakirə edilən müxtəlif növ optik bulanıklığın nəticəsidir, eyni zamanda reseptorlar və sonrakı sinir komponentləri ilə nümunə götürmə ilə əlaqədardır. Çox aşağı məkan tezliklərində həssaslığın azalmasının başqa neyronal izahı var (daha sonra müzakirə olunacaq).

Təbii mənzərələrin məkan xüsusiyyətlərinin tədqiqi göstərdi ki, vacib vizual məlumatların çoxu incə detallarda deyil, daha iri miqyasdadır. Əksər təbii səhnələrin amplitud spektri, məkan tezliyinin təxminən 1/f artması ilə azalır. Beləliklə, məlumatların çoxu orta və aşağı məkan tezliklərindədir və görüntünün aşağı məkan tezliyi məzmunu haqqında məlumat əldə etmək, şübhəsiz ki, əksər hallarda ən yüksək məkan tezliklərini aşkar etməkdən daha vacibdir. Bu şanslıdır, çünki optik sinir darboğazı heç bir halda bütün yüksək məkan tezliyi məlumatlarını ötürmək üçün lazım olan çox sayda lifə icazə vermir.

Müəyyən bir tezlikdəki bir sinus dalğasının hər bir dövrü üçün yalnız iki nümunədən artıq və bütün aşağı tezlikləri həll etmək üçün kifayətdir. Beləliklə, gözün optikası 60 c/dərəcəyə qədər keçərsə, 120 reseptor/dərəcə ilə nümunə götürmə retinal görüntüdəki bütün məlumatları tutmalıdır. Bu, əslində, konusların çox incə və bir -birinə sıx bağlandığı insan foveasının mərkəzində olan foveolanın konusların aralığından ibarətdir. Bundan əlavə, neyron nümunələrinin optiklərin ötürdüyü ən yüksək tezliklərlə müqayisə oluna bilməsinin üstünlükləri var. Beləliklə, gözlərimizin optikası foveadakı konusların sıxlığına təxminən uyğun şəkildə uyğun gəlir.

Foveolanın mərkəzi 20-30 ′ xaricində, konuslar getdikcə böyüyür və geniş yayılır. Foveanın kənarına yaxın çubuqlar konuslar arasında bir -birinə qarışmış görünməyə başlayır və mərkəzdən 2 ° məsafədə çubuqlar hər bir konini əhatə edir və onları daha da ayırır. Eksantriklik artdıqca, konusların daha sonrakı sinir elementlərinə yaxınlaşması və daha ətraflı görmə itkisi var. Sistemin fotopik olaraq həll edə biləcəyi ən yüksək məkan tezlikləri (yalnız konuslar işlək olduqda) retinanın eksantrikliyi artdıqca azalmalı və azalmalıdır, lakin aşağı məkan tezliyi məlumatları hətta uzaq periferiyaya qədər tutulur. Yalnız görüntünün çox məhdud bir bölgəsində yüksək məkan tezliyi məlumatı əldə edən bu sistem işləyir, çünki gözlərimizi hərəkət etdirə və vizual dünyanın istənilən hissəsini daha ətraflı araşdıra bilərik. Daha az hərəkət edən gözləri olan heyvanların fərqli bir quruluşu var.

Çubuqlar, foveal konuslar qədər kiçikdir və konuslar arasında sıx şəkildə doludur, buna görə də şəkli yüksək qətnamə ilə nümunə götürə bilərlər. Bununla birlikdə, skotopik şəraitdə (yalnız çubuqlar işləyərkən zəif işıq səviyyələri) çox zəifdir, əksinə həssaslıq 10 c/dərəcədən aşağı kəsilir. Bu vəziyyətdə (və daha az dərəcədə uzaq ətrafdakı konuslar üçün), təsirli nümunə götürmə vahidinin reseptorlar deyil, sonrakı sinir elementləri olduğu aydındır. Anatomik müşahidələr, çubuqların çubuq bipolyarlarına və çubuq bipolyarlarının ganglion hüceyrələrinə xeyli yaxınlaşdığını göstərən bunu dəstəkləyir. Görünüşün iki bitişik skotopik "nümunəsi", o zaman hər biri bir deyil, onlarla yüzlərlə çubuq olan bir sahəni əhatə edəcək və onlarla və ya yüzlərlə çubuqun diametri ilə ayrılacaqdı.


Aydın bir araşdırma məqsədi

Bir anket tərtib edərkən ilk və ən vacib addım, aradığınız şey haqqında dəqiq bir təsəvvürə sahib olmaqdır. Mümkün olduğunca çox məlumat əldə etmək ümidi ilə yorğun bir yanaşma və mümkün qədər çox sual vermək həmişə cazibədar olacaq. Bu cür yanaşma işə yaramır, çünki çoxlu alakasız və ya tutarlı olmayan suallar cavab dərəcəsini 2 azaldır və buna görə də tədqiqatın gücünü azaldır. Həkimləri sorğu -sual edərkən bu xüsusilə vacibdir, çünki əksər hallarda əhalinin qalan hissəsindən daha aşağı reaksiya dərəcəsinə malikdir. 3 Bunun əvəzinə, istifadə edəcəyiniz vacib məlumatları diqqətlə nəzərdən keçirməli və ‘ modelini bilmək çox xoş olacaq ’ üzərində çalışmalısınız. 4

Cavab verməyə çalışdığınız sualı düşündükdən sonra kimə soruşacağınıza qərar vermək növbəti addımdır. Kiçik populyasiyalarla hamısını araşdırmağa çalışmaq idarə oluna bilər, ancaq əhaliniz artdıqca bir nümunə götürülməlidir. Bu nümunənin ölçüsü gözlədiyinizdən daha vacibdir. İtirilmiş anketlər, cavab verməyənlər və düzgün olmayan cavablar nəzərə alındıqdan sonra, bu nümunə hələ də bütün əhalini təmsil edəcək qədər böyük olmalıdır. Kifayət qədər böyük deyilsə, statistika gücünüz düşəcək və heç bir mənalı cavab ala bilməyəcəksiniz. Elə bu səbəbdəndir ki, bir statistik mütəxəssisi öyrənməyinizə erkən cəlb etmək çox vacibdir. Onlarla nə edəcəyinizi bilməyincə məlumatlar toplanmamalıdır.


Müzakirə

Xülasə olaraq, bu, funksional şəbəkə spesifikliyinin yeniyetməlik dövründə dəyişdiyini göstərən ilk uzunlamasına fMRI tədqiqatıdır. Məlumat göstərir ki, WM dövrəsi yaşla getdikcə ixtisaslaşır. Erkən yeniyetməlik dövründə iştirakçılar WM tapşırığı zamanı həm lateral PFC, həm də hipokampa cəlb edirdilər, lakin eyni vəzifəni yerinə yetirərkən 3 il sonra hipokampa cəlb etmirdilər. Bundan əlavə, PFC və hipokampal aktivlik erkən yeniyetməlik dövründə WM yükündən və davranışından asılı olmayaraq korrelyasiya edildikdə, bu birliklər yalnız 3 il sonra yüksək mnemonik yüklər zamanı müşahidə olunur.

Məlumatlarımız, yeniyetməlik dövründə WM inkişafı ilə bağlı ədəbiyyatda uyğunsuzluğun anlaşılmasına kömək edir. Davranış baxımından, WM -in təmiri prosesləri bu müddət ərzində minimal dəyişikliklər göstərir (Luciana və Nelson, 1998 Gathercole, 1999 Cowan və digərləri, 2003 Luna və digərləri, 2004 Davidson və digərləri, 2006), lakin çoxlu sübutlar göstərir ki WM üçün əsas sinir substratı - PFC - eyni zamanda böyük struktur və funksional dəyişikliklərə məruz qalır (Sowell və digərləri, 2004 Lenroot və Giedd, 2006 Thomason və digərləri, 2009). Funksional işə qəbulu və şəbəkə bağlantısını araşdıraraq, gənc yeniyetmələrin WM funksiyası zamanı əlavə bir bölgə - hipokampa cəlb etdiyini göstərdik. Bu işə qəbul WM funksiyasını dəstəkləyə bilər ki, heç bir davranış fərqi müşahidə olunmasın. Daha əvvəl hipokampal işə qəbulun kompensasiya xarakteri daşımasını və ya kortikal olgunlaşma trayektoriyasındakı normal inkişaf fərqləri səbəbindən olub olmadığını müəyyən etmək üçün əlavə tədqiqatlar lazım olacaq.

Maraqlıdır ki, əvvəlki tədqiqatçılar, uzunmüddətli PFC inkişafının əslində bir maneə deyil, bir fayda ola biləcəyini irəli sürmüşlər, inkişaf etmiş PFC qabiliyyətlərinin, uşaqların böyüklərdən daha yaxşı performans göstərdikləri öyrənmə formalarına, ehtimala, konvensiyaya və təqlidi öyrənməyə müdaxilə etməsi fərziyyə edilir. (Ramscar və Gitcho, 2007 Thompson-Schill et al., 2009). Burada, hipokampin yaşlı fərdlərdə hipokampa müdaxilə etməyən bir WM vəzifəsi yerinə yetirərkən gənc fərdlərlə məşğul olduğunu nümayiş etdirərək bu əvvəlki nəzəri formulaları genişləndiririk (bax: Chatham və digərləri, 2009). Yetkinlərin etmədiyi şəraitdə gənc fərdlər hipokampi işə götürdükləri üçün böyüklərdən daha çox vəziyyətdə məlumat bağlaya, möhkəmləndirə, saxlaya və əldə edə bilərlər. Beləliklə, təklif edirik ki, daha geniş WM şəbəkəsinə bu hipokampal iştirak - və yalnız gecikmiş PFC olgunlaşması - əslində uşaqların öyrənmə fərqlərinin vacib bir hissəsi ola bilər. WM kimi idrakın əsas aspektlərini əldə etmək üçün gənc fərdlərin istifadə etdiyi şəbəkələrdəki keyfiyyət fərqləri, təbiətdə müşahidə etdiyimiz yaşa bağlı öyrənmə fərqlərini anlamağımıza kömək edəcəyini vəd edir.


100% yoxlama - 85% effektivdir

100% yoxlamanın yalnız 80-85% dəqiq və ya təsirli olduğu anlayışını kim ortaya qoydu?

Boya hissələri, boyasız və yanlış rəngli boyalar kimi çeşidləyərək vizual yoxlama aparıramsa, hamısının 100 və ya 1000 hissədə vizual yoxlama yolu ilə tutulmasının gözlənilən faizi nədir?

Mathmatecal cavabından daha çox hara baxacağımı axtarıram, amma kimsə varsa alaram.

Jim Wynne

100% yoxlamanın yalnız 80-85% dəqiq və ya təsirli olduğu anlayışını kim ortaya qoydu?

Boya hissələri, boyasız və yanlış rəngli boyalar kimi çeşidləyərək vizual yoxlama aparıramsa, hamısının 100 və ya 1000 hissədə vizual yoxlama yolu ilə tutulmasının gözlənilən faizi nədir?

Mathmatecal cavabından daha çox hara baxacağımı axtarıram, amma kimsə varsa alaram.

Sözügedən bromidin heç bir empirik əsası yoxdur, buna görə də baxılacaq heç nə yoxdur. Vəziyyətdən asılı olaraq 100% yoxlama 100% təsirli və ya 10% təsirli ola bilər.

Hər hansı bir yoxlama prosesinin effektivliyi aşağıdakılardan asılıdır.

  • Obyektiv meyarlar
  • Yaxşı təhsilli və ixtisaslı müfəttişlər
  • Yoxlanacaq şeylərin sayı
  • Söz mövzusu atributların sayı

Svith7858

İllər əvvəl 100% yoxlamanın 100% təsirli olmadığını göstərmək üçün bir sınaq keçirdiyimiz bir stat/ehtimal kursu aldım. Hamımız bir paraqraf oxuduq və qüsurları seçmək məcburiyyətində qaldıq (üç fərqli hərf qüsur sayılırdı). Stressi təkrarlamaq üçün vaxtımız var idi və təlimimiz təcrübədən əvvəl qısa bir şəkildə & quot;

Keyfiyyət Müfəttişləri, Nəzarətçilər və Menecerlərlə dolu bir sinifdə 89%idarə etdik.

Somerqc

Mən də belə dərslərdə iştirak etmişəm. Eyni diapazonda idik (95% -ə qədər və 85% -ə qədər aşağı siniflərdə olmuşam).

Üst rəhbərliyin 100% yoxlama istədiyi yerdə də çalışmışam. Daim yoxlamadan keçən hissələrlə məşğul olurduq.

100% ilə bağlı başqa bir problem, bir məhsulda & quot; tədricən & quot; dəyişikliyiniz varsa, dəyişikliyin harada baş verdiyini dəqiq müəyyən etmək çox çətindir (yəni dəyişikliklər müfəttiş üçün kifayət qədər əhəmiyyətli olana qədər bir qədər rədd edilir. qeyd etmək.). Bu, insan təbiətindən irəli gəlir - təlim və ya bacarıq çatışmazlığı deyil.

Əlavə etmək üçün demək olar ki, eyni nəticələrə malik təsirli bir nümunə götürmə planı ilə müqayisədə 100% xərc həddindən artıq yüksəkdir.

Sadəcə mənim - amma 100% yoxlamanın nə qədər təsirsiz olduğunu söyləyən bir statistik araşdırma tapa bilməyəcəksiniz (yaxşı, hələ də hələ tapmamışam).

Andygr

Bu şəhər mifinin keyfiyyətli versiyasıdır.
Yoxlamanın effektivliyi, fərqləndirməyə çalışdığınız fərqlərə əsaslanır. Həqiqətən kimin və nəyin yoxlanılmasından asılıdır.
Filləri siçanlardan ayırmaq, işdən çıxma vaxtına yaxın cümə günortası istisna olmaqla, 100% təsirlidir.

Jim Wynne

İllər əvvəl 100% yoxlamanın 100% təsirli olmadığını göstərmək üçün bir sınaq keçirdiyimiz bir stat/ehtimal kursu aldım. Hamımız bir paraqraf oxuduq və qüsurları seçmək məcburiyyətində qaldıq (üç fərqli hərf qüsur sayılırdı). Stressin təkrarlanması üçün vaxt təyin edilmişdik və təlimimiz təcrübədən əvvəl qısa & quot;

Keyfiyyət Müfəttişləri, Nəzarətçilər və Menecerlərlə dolu bir sinifdə 89%idarə etdik.

Bobdoering

X-bar/R Madness-i dayandırın !!

Ümumiyyətlə, təsirli bir nümunə götürmə planı məhsulu yoxlayır və müəyyən bir uğursuzluq səviyyəsində reaksiya planı olaraq 100% yoxlama tələb olunur. Bir uğursuzluq tezliyi nə qədər aşağı olarsa, təsirli nümunə götürmə planı 100% yoxlamaya bir o qədər yaxın olar.

Əsl məsələ Gage R & ampR ilə daha yaxından əlaqəlidir. Eksik komponentlərin 100% vizual yoxlanışında gözeneklilik, pas, cızıqlar və s. Nicks üçün bir mövzu ətrafında 100% yoxlama, düz bir paneldə boyada balıq gözü axtarmaqdan fərqlidir. Bunun üzərinə, bir polad hissədə itmiş nikel örtüklə müqayisədə itkin iplər kimi vəziyyətin açıq olması, çox fərqli vizual yoxlama uğursuzluq dərəcələri təklif edir.

Məsələ 85% -nin statistik bir fakt olub -olmaması deyil, 100% yoxlamanın 100% təsirli olmaması üçün əhəmiyyətli bir risk təklif etməsidir. Əslində, 200% yoxlama, 100% təsir etməmək riskini də təklif edir - baxmayaraq ki, 100% yoxlama sizi aşağı salanda tez -tez istifadə olunan ikinci seçimdir.


İnteqrasiya edilmiş məlumatlar xəstələri daha təhlükəsiz edə bilər

Xoşbəxtlikdən, məlumatlara əsaslanan xəstə təhlükəsizliyinin yeni dövründə sağlamlıq təşkilatlarının daha yaxşı nəticələr əldə etmək üçün kəsici vasitələri olacaq (Şəkil 3). Analitik vasitələr, xəstənin təhlükəsizliyində təşkilati zəifliyi aradan qaldırmaq və yaxşılaşdırmağa imkan vermək üçün inteqrasiya olunmuş klinik, xərc və əməliyyat məlumatları və proqnozlaşdırıcı analitiklər, maşın öyrənmə və daha çox şeydən istifadə edəcək.

Xəstə Təhlükəsizliyində Maşın Öyrənmənin Üç Əsas Qabiliyyəti

Maşın öyrənmə, reaktiv, proaktiv və tam inteqrasiya olunmuş qabiliyyətlərlə xəstə təhlükəsizliyinin yaxşılaşdırılmasını dəstəkləyir.

  1. Reaktiv qabiliyyətlər: Avtomatik tetikleyicilerle, təhlükəsizlik vasitəsi, riski təyin edərək və cəbhə baxıcılarına xəbər verərək potensial zərərə reaksiya verir. Bu, vasitəyə tənqidi düşüncə qatını əlavə edir-cəbhə bölgəsi istifadəçisi bir xəstə adını tıklayır, fərdi riskini görür və uyğun müdaxilələrlə təqib edə bilər.
  2. Proaktiv qabiliyyətlər: Təhlükəsizlik vasitəsi bir xəstə qrupu içərisində riski təyin etdikdən sonra, proqnozlaşdırıcı analitik zərərin azaldılması və ya qarşısını almaq üçün müdaxilələri müəyyən edir.Bu proaktiv qabiliyyət, istifadəçi barmaqlarının ucuna başqa cür tapılması çətin olan prosedurları və protokolları qoyaraq, risk tetikleyicilərindən alınan məlumatları müdaxilə təklif edərək əlçatan edir. Məsələn, tətbiq bir xəstənin təzyiq ülserləri riski altında olduğunu göstərə bilər və baxıcıya onları müntəzəm olaraq fırlatmasını və riski azaltmaq üçün təhlükəsiz dəriyə qulluq qaydalarına riayət etməsini xatırlata bilər.

Şəkil 3: Sağlamlıq Katalizatoru Xəstə Təhlükəsizliyi Monitoru Suite

  1. Tam inteqrasiya qabiliyyəti: Təhlükəsizlik vasitəsi iş axını vasitələrinə və sağlamlıq sisteminə inteqrasiya olunduğundan, qayğı müddətini yaxşılaşdırmağa imkan verir. Bu, təkmilləşdirmə səylərinin şöbələr daxilində təcrid olunmamasına və parçalanmamasına imkan verir - potensial olaraq yalnız bir neçə xəstəyə təsir edir - lakin bir çoxlarına təsir etmək üçün bir təşkilat daxilində tətbiq olunur. Xəstə təhlükəsizliyi üçün uzunmüddətli vizyonda, xəstələr öz mobil cihazlarında təhlükəsizlik tətbiqlərindən istifadə edə biləcəklər və bu da onları qulluqlarında əsl tərəfdaş halına gətirəcək.

2. Binokulyar Rəqabətin Ehtimalçı Modeli

Başlanğıc nöqtəmiz, beynin hiss girişlərinin necə yaradıldığı ilə bağlı fərziyyələrini əks etdirən retinal görüntülərin ehtimal olunan generativ modelidir (bax Şəkil 1). Formal olaraq, bu model, kompüter görmə qabiliyyətində istifadə edilən ehtimal qrafik modelinin ən standart formalarından biri olan Markov Random Field (MRF) variantıdır (Geman & amp Geman, 1984). Əlavədə bu modeli riyazi olaraq təsvir edirik, amma burada bu modelin arxasındakı əsas intuisiyalara diqqət yetiririk. Model iki gizli dəyişən dəsti qoyur: gizli bir səhnə və müəyyən bir retina yamasının gizli səhnəni müşahidə edib-etməməsini tənzimləyən gözə xas bir xarici proses. Vizual sistemin məqsədi, müşahidə olunan retina girdisini nəzərə alaraq əsas görüntünü çıxarmaqdır.

Gizli səhnəni və iki retina görüntüsünü parlaqlıq dəyərləri (məsələn, 32 × 32 gri tonlu piksel görüntüsü) kimi təqdim edirik, kənar proseslər eyni ölçülü ikili seriallar kimi təmsil olunur. Hər gözdəki piksellərin parlaqlıq dəyərləri səhnənin müvafiq piksellərinin səs-küylü parlaqlığıdır. Ancaq bir gözdən çıxan bir piksel kənarda sayılırsa, o pikselin parlaqlığı mənasızdır və səhnə ilə bağlı heç bir məlumat yoxdur. Aşağıda müzakirə etdiyimiz kimi, bu səhnə təqdimatı, şübhəsiz ki, çox sadələşdirilmişdir, lakin məqsədimiz səhnə qavrayışından daha çox dəyişkən algılamada nəticə çıxarmaq dinamikasını öyrənmək üçün kifayətdir.

Bu kənar proses bəzən retinal siqnalın səhnəyə ümumiyyətlə uyğun gəlməməsinə imkan verir - məsələn, bir oklüzyon bir gözün görmə sahəsinin bir hissəsini bloklayırsa (Shimojo & amp Nakayama, 1990) və ya buynuz qişanın bir hissəsi bir gözün retinası zədələnmişdir. Beləliklə, kənar proses, bu səbəblərdən biri ilə, retina görüntüsünün bir hissəsinin səhnəyə uyğun gəlmədiyi təqdirdə, sadəcə göz ardı edilməli (bastırılmalıdır) anlayışını ələ keçirir. Modelimizin bu tərəfi, iki retina obrazının təxmin edilən səhnədə təmsil olunmaq üçün rəqabət aparmasına imkan verir: əgər iki göz ziddiyyətli görüntülər görürsə, onlardan heç olmasa biri dünyada mövcud olan səhnəni əks etdirməməlidir.

Xarici prosesin psixoloji və sinir inandırıcılığı, binokulyar rəqabət zamanı basdırmanın görmə həssaslığının ümumi itkisi ilə müşayiət olunduğuna dair sübutlarla əsaslandırılır (Blake, 2001). Məsələn, basılan gözə təqdim edilən zond stimulları ilə müqayisədə hədəf aşkarlama performansı daha aşağıdır (Uels və amp Fox, 1970 Fukuda, 1981) və reaksiya müddəti daha uzundur (Fox & amp Check, 1968 O'Shea, 1987). dominant göz. Üstəlik, tək vahid qeydlər (Leopold & amp Logothetis, 1996) və funksional maqnit rezonans görüntüləmə (fMRI) tədqiqatları (Polonsky, Blake, Braun və amp Heeger, 2000), bastırma dövrlərində birincil vizual korteksdə reaksiyaların inhibe olduğunu göstərdi. Bu tapıntılar göstərir ki, görmə sistemi nəinki duyğu girişlərinin gizli səbəblərini, həm də ölçü cihazlarının etibarlılığını ortaya çıxarmaqla məşğuldur.

Əsas odur ki, bu kənar proses məkan baxımından hamardır, buna görə iki bitişik pikselin eyni xarici statusa sahib olma ehtimalı daha yüksəkdir. Bu, retinanın müəyyən bir hissəsinin səhnəyə uyğun bir siqnal almadığı təqdirdə, qonşularının da oklüziya, makula dejenerasyonu, retinit piqmentozası, katarakt və ya başqa bir şeyin sahəni pozduğundan səhnəni təmsil etmə ehtimalı olmadığı fikrinə uyğundur. məkan baxımından hamar bir şəkildə baxılır.

İndiyə qədər, iki ölçülü gizli bir səhnənin hər bir pikselinin parlaqlıq dəyərini müstəqil olaraq çıxarmaq üçün hazırlanmış ehtimal olunan bir qrafik modeli təsvir etdik. Ancaq vizual sistemin daha iddialı bir məqsədi var: tam, semantik baxımdan tutarlı, üç ölçülü gizli bir səhnə çıxarmaq. Vizual sistemin düşündüyü səhnələrin tam generativ modeli, bir çox mürəkkəb məhdudiyyətləri və belə bir modelin inkişaf etdirilməmiş başa düşülməmiş fərziyyələrini əhatə edərdi, insanın görmə qabiliyyəti və vizual idrakını tam şəkildə izah etmədən etmək çətin olardı. Bunun əvəzinə, belə zəngin bir modelin nümayəndəsi olaraq, stimulu ehtiva edən real görüntülərin parlaqlıq dəyərlərinin bəzi birləşməsinə uyğun olan və piksellərin bir stimula uyğun dərəcəsinə uyğun gələn parlaqlıq dəyərləri ilə şəkil bənzər bir səhnə təqdimatını qəbul edirik. ya da başqası məkan baxımından hamardır. Əvvəlki bu hamar "gizli görüntü", çıxarılan gizli səhnədə məkan baxımından təşkil edilmiş semantik uyğunluq fikrini kodlaşdırmağın sadə bir yoludur.

Xüsusilə, hər bir gizli səhnə pikselinin olduğunu nəzərə alaraq, təbii görüntülər üzərində tam bir paylama təyin etmədən gizli görüntülərin zəngin bir hipotez məkanına yaxınlaşırıq. sn uyğun real görüntü piksellərinin xətti birləşməsidir (x L nx R n) stimulda: sn = wnx L n + (1 − wn)x R n, harada wn nəzəri olaraq bütün həqiqi xətti əhatə edə bilər və məkan baxımından hamar olduğu qəbul edilir. Bu, yalnız müşahidə olunan şəkillərin xətti birləşmələrindən istifadə edərək təbii görüntülər üzərində paylanmanın "empirik" yaxınlaşması kimi başa düşülə bilər. Praktikada, bu evristik təxminən eyni şəkildə işləyəcək, çünki posterior paylama iki retinal görüntü ətrafında güclü şəkildə cəmlənəcəkdir.


Materiallar və metodlar

İştirakçılar.

Kurs krediti və ya 20 dollar təzminat üçün 20 bakalavr könüllüsü iştirak etdi. Bütün könüllülər, yerli insan mövzuları araşdırma şurası tərəfindən təsdiqlənmiş araşdırmanın təsvirini oxuduqdan sonra iştirak etməyə razılıq verdilər. Siemens 3 T Allegra MR skanerinin çuxuruna girməzdən əvvəl iştirakçılara qulaq tıxacları taxılmış və xəstəyə həyəcan siqnalı topu verilmişdir. Başın hərəkətini məhdudlaşdırmaq üçün vakuum yastığı, yastıq və açıq şifahi təlimat istifadə edilmişdir. Həddindən artıq baş hərəkəti səbəbiylə iki iştirakçının məlumatı xaric edildi və skanerin işləməməsi nəticəsində biri itirildi. Son nümunəyə 10 kişi və 7 qadın (orta yaş, 18.8 yaş aralığı, 18-21 yaş) daxil edilmişdir.

Stimul və prosedur.

İştirakçılardan, başın arxasına birbaşa quraşdırılmış 7 düymlük maye kristal ekranın ortasındakı bir nöqtədə fiksasiya saxlamaları istəndi. Dama taxtası stimullarının təqdim edildiyi üç uyğunlaşma sınağından sonra, hadisə ilə əlaqəli bir dizaynda bir sıra 24 şəkil stimulu (25 ° vizual açı) təqdim edildi. Şəkil stimulları Beynəlxalq Affektiv Şəkil Sistemindən (IAPS) (Lang et al., 2008) (http://csea.phhp.ufl.edu/Media.html) və hər biri yüksək səkkiz nümunə daxil olmaqla təsvir olunan bütün insanlardan seçilmişdir. erotik cütlüklər oyandırmaq (xoş: 4611, 4658, 4659, 4669, 4676, 4680, 4690 və 4694), orta dərəcədə həyəcanlı neytral insanlar (neytral: 2037, 2102, 2305, 2383, 2393, 2396, 2513 və 2595) və çox həyəcan verici şikəstliklər (xoşagəlməz: 3000, 3030, 3060, 3068, 3069, 3100, 3102 və 3225). Xoş və xoşagəlməz şəkillər emosional oyanmanın normativ reytinqlərində ekvivalent olaraq seçilmişdir (Cədvəl 1). Adobe Photoshop 7 (Adobe Systems) istifadə edərək bütün şəkil stimulları boz rəngə çevrildi və parlaqlıq və 90% keyfiyyətli JPEG fayl ölçüsü ilə uyğunlaşdırıldı. Hər bir şəkil 3 saniyə, sonra 9 saniyəlik fiksasiya dövrü təqdim edildi. Şəkil sırası, bir stimul kateqoriyasının ən çox iki ardıcıl təqdimatına imkan verən yalançı təsadüfi üsulla hazırlanmışdır. Şəkil seriyası unique23 dəqiqədən artıq 96 sınaq üçün üç əlavə blokda təkrarlandı (unikal sifarişlərlə).

Mövcud tədqiqatda istifadə olunan IAPS şəkil stimullarının normativ reytinqləri

Tarama parametrləri.

İştirakçılar delik içərisində rahat olduqdan sonra, 8 dəqiqəlik T1 ağırlığında üç ölçülü bir struktur həcmi toplandı. Reseptdə 256 mm baxış sahəsində 1 mm izotropik voksellər olan 160 sagittal dilim göstərilmişdir. Əlavə olaraq, aşağıda təsvir edilən tək funksional dilim əldə edildiyi yerdə T1 ağırlıqlı bir dilim alındı. Struktur satınalmalardan sonra 5 mm dilim resepti (gradient echo echoplanar 64 × 64 180 mm baxış sahəsi 25 ° çevirmə bucağı 30 ms echo time 100 ms təkrarlama vaxtı) amigdala, inferotemporal korteksdən nümunə götürüləcək bir eksenel müstəviyə yönəldilmişdir. və orta oksipital girus əldə edilə bilər. Yerləşdirmə, hər bir iştirakçıya uyğun olaraq, amigdalanın əhatə dairəsindən qaynaqlanır və maraq dairəsinin vizual sahələrinin optimal əhatə dairəsi üçün əyilmiş və mümkünsə, həssaslıq artefaktını məhdudlaşdırmaq üçün sinus boşluğunun əhatə dairəsini istisna etmək üçün hazırlanmışdır. Bu, kalsarin yarığından əhəmiyyətli nümunələrin götürülməsinə səbəb oldu. Tək dilimli resept, 40 ml voksellərin 100 ms müvəqqəti qətnamədə təkrar-təkrar nümunə götürməsinə imkan verir.

Məlumatın azaldılması.

Hər bir iştirakçının 96 sınaq funksional vaxt seriyası xətti olaraq ayrıldı, 1 s Gauss filtri ilə müvəqqəti olaraq hamarlandı və BrainVoyager QX 1.8 (Beyin Yeniliyi) istifadə edərək 2 voksel (yarı maksimumda 5.625 mm tam genişlik) üzrə məkanla hamarlandı. Zaman seriyasında mövcud olan fizioloji səs -küyün təsirini 10 Hz nümunə sürətində azaltmaq üçün müvəqqəti hamarlaşdırma lazım idi. Qalan baş hərəkəti olan sınaqlar, dilimdəki voksellərin əksəriyyətində (yarımdan çox olan düzbucaqlı bir bölgə) orta vaxt seriyası intensivliyi araşdırılaraq yerləşdirilən böyük (fon dəyişikliyindən dörd qat daha çox) və qısa sıçrayışlar müəyyən edilərək əl ilə çıxarılmışdır. beyindəki voksellər). Bu prosedur, ümumi sınaqların & lt2% -nin və hər hansı bir mövzudan ən çox dörd sınağın çıxarılması ilə nəticələndi. Görüntü məlumatlarından hesablanan orta siqnal-səs-küy [(siqnal-səs-küy)/SD səs-küy] nisbətləri kalsarin çatında 80.5, orta oksipital girusda 81.0, inferotemporal korteksdə 97.8 və amigdalada 79.4 idi.

İşlənmiş görüntü seriyası, standart iki gamma hemodinamik cavab funksiyasından istifadə edərək üç şəkil məzmununun (erotika, neytral insanlar və sınıqlar) yaratdığı BOLD siqnal dəyişikliyini müəyyən edən tək mövzu ANOVA-ya daxil edildi (Boynton və digərləri, 1996). Yanlış kəşf dərəcəsi (Genovese və digərləri, 2002) səh & lt 0.01 hər bir iştirakçının məlumatlarını eşik etmək üçün istifadə edilmişdir. Bu funksional xəritələrdən, ikitərəfli amigdala, inferotemporal korteks, orta oksipital girus və orta xətt kalsarin fissürü daxil olmaqla dörd bölgə seçildi. Hər bir bölgə, eksenel nöroanatomik atlaslardan (Talairach və Tournoux, 1988 Haines, 1995) istifadə edərək 9 voksel (356 ml) arasında nümunə götürülmüşdür (Şəkil 1). Bütün ROI -lər üçün mövzular arasında yerləşdirmə dəyişkənliyi, mövzu daxilində əhəmiyyətli qrupların mərkəzi mövqeyinə həssaslığı olan mövzular arasında uyğunluq ehtiyacını tarazlaşdıraraq mümkün qədər minimuma endirildi.

Tək bir mövzu üçün BOLD siqnalının statistik örtüşməsinə nümunə. Maraq bölgələri (mavi qutular) ikitərəfli amigdala (am), İT, orta oksipital girus (mOG) və kalsarin fissüründə (calc) şəkil təqdimatı nəticəsində yaranan əhəmiyyətli fəaliyyətdən əldə edilmişdir.


Giriş

Son davranış və elektrofizyoloji sübutlar, qüsursuz vizual təcrübəmizə baxmayaraq, vizual sistemin təhlili üçün daxil olan vizual məlumatların vaxtaşırı təkmilləşdirildiyini göstərir (VanRullen, 2016a VanRullen, 2016b Zoefel və VanRullen, 2017). Bu dövri nümunə götürmə mexanizmi, vizual diqqətin ayrılmasından irəli gəlir (Busch və VanRullen, 2010 Dugué və s., 2016 Dugué və VanRullen, 2017a VanRullen və s., 2007 Zoefel və VanRullen, 2017). və aşağı diqqətli mənbələr, bir video kamera içərisində film çəkən ardıcıl kadrlara bənzər olaraq gələn vizual məlumatları toplamaq üçün fəaliyyət göstərir (Chakravarthi və Vanrullen, 2012 Vanrullen və Dubois, 2011). Uyarıcıların uyğun mərhələdə (Busch et al., 2009 Mathewson et al., 2009 VanRullen et al., 2007) və ya yerin (Dugué et al., 2015 Dugué et al., 2016 Dugué və Vanrullen, 2014 Dugué və. VanRullen, 2017a Dugué et al., 2017b Huang et al., 2015 Landau və Fries, 2012 Song et al., 2014) bu nümunə mexanizminin təcrübəmizin əksinə olaraq vizual stimulun dəqiq aşkarlanmasını modulyasiya etdiyi göstərilmişdir. fasiləsiz bir vizual mühit.

Bu günə qədər vizual işlənmənin ritmik qapıları üçün əsas sinir dəlilləri, hədəf algılamanın təxminən 7-8 Hz-də sinir salınımlarının hədəf əvvəli mərhələsindən asılılığından qaynaqlanır (Busch və digərləri, 2009 Busch və VanRullen, 2010). Bu spontan dalğalanmalar vizual diqqətin bir yerə yönəldilməsindən qaynaqlana bilər (Busch və VanRullen, 2010 Dugué et al., 2015 Spaak et al., 2014 VanRullen, 2016b Zoefel və VanRullen, 2017) və bu fərziyyəni dəstəkləyir. sinir həyəcan vermə dövrü, sonrakı emal üçün daxil olan məlumatları qapıdan keçirir (Schroeder və Lakatos, 2009 VanRullen, 2013 Zoefel və VanRullen, 2017).

Vizual qavrayışın bu dövri qapısı, aşkarlıq dəqiqliyi zamanı davranış baxımından da önəmlidir. Yüksək müvəqqəti qətiyyətli davranış tədbirlərinə tətbiq olunan spektral analizlər, diqqətin iki və ya daha çox yerə bölündüyü zaman mütənasib olaraq yavaşlayan diqqəti yenidən yönəltmək istədikdən sonra (Fiebelkorn və digərləri, 2013) 7-8 Hz modulyasiyalarını ortaya qoyur (məsələn, Chen və s., 2017 Holcombe və Chen, 2013 Huang et al., 2015 Landau və Fries, 2012 Landau və başqaları, 2015 VanRullen, 2013). Məsələn, Landau və Fries, 2012, sol və ya sağ görmə yarımkürəsinə diqqəti yenidən yönəltmək üçün bir işarədən sonra, hədəflərin təyin olunan yerə uyğun olub -olmamasından asılı olaraq, 4 Hz bir əks faza ritmində salındığını müşahidə etdi. Tənqidi olaraq, vizual məlumatların bu əks mərhələli nümunəsi davam etdi

Diqqət tək bir obyekt üzərində iki yerə yönəldildikdə 4 Hz (Fiebelkorn və digərləri, 2013) və diqqətin yenidən yönləndirilməsi üçün işarələr hədəf yeri ilə uyğun gəlmədikdə - diqqətin ikinci yerə köçürülməsində sonrakı dəyişiklik tələb olunur (Huang et al. al., 2015). Hədəf aşkarlama və yerlər arasında əks faza nümunələrinin ardıcıl olaraq dəyişməsi daxili bir fikir irəli sürməyə səbəb oldu.

Burada, binokulyar rəqabət zamanı ritmik diqqətli nümunələrin alınmasının olub olmadığını sınadıq. Dürbün rəqabəti zamanı hər gözə uyğun olmayan görüntülər təqdim olunur ki, bu da stokastik algılama dəyişikliyi ilə nəticələnir, bir anda bir görüntü görünür, digəri isə bastırılır (Alais, 2012 Alais və Blake, 2005 Maier et al., 2012). Eşitmə və toxunma işarələri istifadə edərək bu keçidləri induksiya etmək və ya gecikdirmək üçün hazırlanmış bir təcrübədə, diqqətin yenidən istiqamətləndirilməsindən sonra şüurda dəyişikliklərin ritmik olaraq baş verdiyini gördük. Bu dalğalanmalar, crossmodal işarənin diqqəti ya dominant, ya da basdırılmış vizual görüntüyə yönəltməsindən asılı olaraq meydana gəldi.

Müvafiq olaraq 3,5 Hz salınımlar. Kritik olaraq, bu ritmlər həm davranışda, həm də elektroansefalogramda (EEG) müşahidə edildi və işarə ilə əlaqəli olmadıqda yox idi. Bu təxmini tezliyin yarıya endirilməsi, vizual olmayan girişin davam edən vizual qavrayışla ziddiyyət təşkil etdiyində, diqqətli nümunələrin şüurlu şəkildə qəbul edilən bir görüntüdən çevik şəkildə uzaqlaşa biləcəyini, münaqişənin həlli üçün alternativ hiss məlumatlarını "axtardığını" göstərir.


Nümunə götürmə növləri: Nümunələrlə nümunə götürmə üsulları

Nümunə götürmə, onlardan statistik nəticələr çıxarmaq və bütün populyasiyanın xüsusiyyətlərini qiymətləndirmək üçün ayrı -ayrı üzvlərin və ya bir qrupun seçilməsi üsuludur. Fərqli nümunə götürmə üsulları, tədqiqatçılar tərəfindən bazar araşdırmasında geniş istifadə olunur, belə ki, təsirli fikirlər toplamaq üçün bütün əhalini araşdırmağa ehtiyac yoxdur.

Həm də vaxt üçün əlverişli və qənaətcil bir üsuldur və buna görə də hər hansı bir tədqiqat dizaynının əsasını təşkil edir. Nümunə götürmə üsulları, ən yaxşı törəmə üçün bir araşdırma sorğusu proqramında istifadə edilə bilər.

Misal üçün, bir dərman istehsalçısı bir dərmanın ölkə əhalisinə mənfi təsirlərini araşdırmaq istəyirsə, hər kəsi əhatə edən bir araşdırma aparmaq demək olar ki, mümkün deyil. Bu vəziyyətdə, tədqiqatçı hər bir demoqrafik insandan bir nümunə seçir və sonra dərman və davranışları ilə əlaqədar ona rəy verərək onları araşdırır.

Nümunə götürmə növləri: nümunə götürmə üsulları

Bazar araşdırmasında nümunə götürmə iki növdür və#8211 ehtimal nümunəsi və qeyri-ehtimal nümunəsi. Bu iki nümunə götürmə üsuluna daha yaxından nəzər salaq.

  1. Ehtimal nümunəsi:Ehtimal nümunəsi, tədqiqatçının bir neçə meyar seçimini təyin etdiyi və təsadüfi bir populyasiyanın üzvlərini seçdiyi nümunə götürmə üsuludur. Bütün üzvlər bu seçim parametri ilə nümunənin bir hissəsi olmaq üçün bərabər şansa malikdirlər.
  2. Ehtimal olmayan nümunə götürmə: Ehtimal edilməyən nümunə götürmədə tədqiqatçı təsadüfi olaraq tədqiqat üçün üzvlər seçir. Bu seçmə üsulu sabit və ya əvvəlcədən təyin edilmiş bir seçim prosesi deyil. Bu, əhalinin bütün elementlərinin nümunəyə daxil edilmək üçün bərabər imkanlara malik olmasını çətinləşdirir.

Bu blogda, hər hansı bir bazar araşdırması araşdırmasında tətbiq edə biləcəyiniz müxtəlif ehtimal və ehtimal olmayan nümunə götürmə üsullarını müzakirə edirik.

Nümunələrlə nümunə götürmə ehtimal növləri:

Ehtimal nümunəsi, tədqiqatçıların ehtimal nəzəriyyəsinə əsaslanan bir metoddan istifadə edərək daha böyük bir populyasiyadan nümunələr seçdiyi bir nümunə götürmə üsuludur. Bu nümunə götürmə metodu əhalinin hər bir üzvünü nəzərə alır və sabit bir proses əsasında nümunələr hazırlayır.

Misal üçün, 1000 üzv əhalidə, hər bir üzvün 1/1000 nümunənin bir hissəsi olmaq üçün seçilmə şansı olacaq. Ehtimal nümunəsi, populyasiyadakı qərəzləri aradan qaldırır və bütün üzvlərə nümunəyə daxil olmaq üçün ədalətli bir şans verir.

Dörd növ ehtimal nümunə götürmə texnikası var:

  • Sadə təsadüfi seçmə: Vaxt və resurslara qənaət etməyə kömək edən ən yaxşı ehtimal nümunə götürmə üsullarından biri Sadə Təsadüfi Seçmə üsuludur. Əhalinin hər bir üzvünün təsadüfi olaraq təsadüfən seçildiyi məlumat əldə etmək üçün etibarlı bir üsuldur.Hər bir fərdin nümunənin bir hissəsi olmaq üçün seçilmə ehtimalı eynidir.
    Məsələn, 500 işçidən ibarət bir təşkilatda, İK komandası komanda qurma fəaliyyətləri keçirməyə qərar verərsə, çox güman ki, bir qabdan çit yığmağa üstünlük verirlər. Bu halda, 500 işçinin hər birinin seçilmək üçün bərabər imkanı var.
  • Kümelenmə nümunəsi:Kümelenme nümunəsi, tədqiqatçıların bütün əhalini bir populyasiyanı təmsil edən hissələrə və ya qruplara böldüyü bir üsuldur. Çoxluqlar müəyyən edilir və yaş, cins, yer və s. Kimi demoqrafik parametrlərə əsaslanaraq nümunəyə daxil edilir. Bu, sorğu yaradanın rəydən effektiv nəticə çıxarmasını çox asanlaşdırır.
    Məsələn, Amerika Birləşmiş Ştatları hökuməti ABŞ -da yaşayan mühacirlərin sayını qiymətləndirmək istəsə, Kaliforniya, Texas, Florida, Massaçusets, Kolorado, Havay və s. Nəticələr əyalətlərə bölünərək immiqrasiya məlumatları veriləcəyi üçün bir sorğu daha təsirli olacaq.
  • Sistematik nümunə götürmə: Tədqiqatçılar sistematik nümunə götürmə metodundan istifadə edərək müəyyən vaxtlarda bir populyasiyanın seçmə üzvlərini seçirlər. Müntəzəm olaraq təkrarlana bilən nümunə və nümunə ölçüsü üçün bir başlanğıc nöqtəsinin seçilməsini tələb edir. Bu növ nümunə götürmə üsulu əvvəlcədən müəyyən edilmiş bir diapazona malikdir və buna görə də bu nümunə götürmə texnikası ən az vaxt aparan metoddur.
    Məsələn, bir tədqiqatçı 5000 əhalisi olan 500 nəfərdən sistematik bir nümunə toplamaq niyyətindədir. O, əhalinin hər bir elementini 1-5000 arasında sayır və nümunənin bir hissəsi olmaq üçün hər 10 fərddən birini seçəcəkdir (Ümumi əhali/ Nümunə Ölçüsü = 5000/500 = 10).
  • Stratifikasiyalı təsadüfi seçmə:Stratifikasiyalı təsadüfi seçmə, tədqiqatçının əhalini üst -üstə düşməyən, lakin bütün populyasiyanı təmsil edən kiçik qruplara ayırdığı bir üsuldur. Nümunə götürərkən bu qruplar təşkil oluna bilər və sonra hər bir qrupdan ayrıca nümunə götürülə bilər.
    Məsələn, fərqli illik gəlir bölgülərinə aid olan insanların xüsusiyyətlərini təhlil etmək istəyən bir tədqiqatçı, illik ailə gəlirinə görə təbəqələr (qruplar) yaradacaq. Məsələn - $ 20,000 -dan az, $ 21,000 - $ 30,000, $ 31,000 -dan $ 40,000 -a qədər, $ 41,000 -dan $ 50,000 -a qədər və s. Bununla tədqiqatçı fərqli gəlir qruplarına aid olan insanların xüsusiyyətlərini yekunlaşdırır. Marketoloqlar məhsuldar nəticələr verəcək bir yol xəritəsi yaratmaq üçün hansı gəlir qruplarını hədəfə götürmək və hansını ləğv etmək lazım olduğunu təhlil edə bilərlər.

Ehtimal nümunələrinin seçilməsi

Ehtimal nümunələrinin bir çox istifadəsi var:

  • Nümunə Yanlışlığını Azaltın: Ehtimal nümunə götürmə metodundan istifadə edərək, populyasiyadan götürülmüş nümunədəki qərəz əhəmiyyətsizdir və ya yoxdur. Nümunənin seçilməsi əsasən tədqiqatçının anlayışını və nəticəsini əks etdirir. Nümunə populyasiyanı uyğun şəkildə təmsil etdiyi üçün ehtimalların seçilməsi daha keyfiyyətli məlumat toplanmasına gətirib çıxarır.
  • Fərqli Əhali: Əhali geniş və müxtəlif olduqda, məlumatların bir demoqrafiyaya doğru əyilməməsi üçün adekvat təmsilçiliyin olması vacibdir. Məsələn, Meydan satış nöqtələrini qura biləcək insanları anlamaq istəyirsə, ABŞ-ın müxtəlif sahələrindən və sosial-iqtisadi mənşəli insanlardan ibarət bir sorğu kömək edir.
  • Düzgün bir nümunə yaradın: Ehtimal nümunəsi tədqiqatçılara dəqiq bir nümunə planlaşdırmağa və yaratmağa kömək edir. Bu, dəqiq müəyyən edilmiş məlumatları əldə etməyə kömək edir.

Nümunələrlə qeyri-ehtimal nümunə götürmə növləri

Qeyri-ehtimal metodu, sabit bir seçim prosesinə deyil, tədqiqatçıya və ya statistikaya nümunə seçmə qabiliyyətinə əsaslanan rəy toplusunu əhatə edən bir nümunə götürmə üsuludur. Əksər hallarda, ehtimal olunmayan bir nümunə ilə aparılan bir sorğunun nəticəsi, arzuolunan populyasiyanı əks etdirə bilməyən nəticələrə gətirib çıxarır. Lakin, ehtimal olunmayan seçmənin digər növdən daha faydalı olacağı tədqiqatın ilkin mərhələləri və ya tədqiqat aparmaq üçün xərc məhdudiyyəti kimi hallar var.

Ehtimal edilməyən dörd növ seçmə bu nümunə götürmə metodunun məqsədini daha yaxşı izah edir:

  • Rahatlıq nümunəsi: Bu üsul, alış-veriş mərkəzində müştərilərin sorğusu və ya sıx bir küçədə yoldan keçənlər kimi mövzulara giriş asanlığından asılıdır. Tədqiqatçının bunu həyata keçirməsinin və mövzularla təmasda olmasının asanlığı səbəbindən ümumiyyətlə rahatlıq nümunəsi olaraq adlandırılır. Tədqiqatçıların nümunə elementləri seçmək üçün demək olar ki, heç bir səlahiyyəti yoxdur və bu, yalnız yaxınlığa əsaslanaraq deyil, təmsilçiliyin əsasında aparılır. Bu ehtimal olmayan nümunə götürmə metodu, rəy toplamaqda vaxt və xərc məhdudiyyəti olduqda istifadə olunur. Tədqiqatın ilkin mərhələləri kimi resurs məhdudiyyətlərinin olduğu vəziyyətlərdə rahatlıq nümunəsi götürülür.
    Məsələn, startaplar və QHT -lər adətən qarşıdan gələn hadisələr və ya bir səbəbin təbliğat vərəqələrini yaymaq üçün bir ticarət mərkəzində rahatlıq nümunələri götürürlər - bunu ticarət mərkəzinin girişində dayanıb təsadüfi broşürlər verməklə edirlər.
  • Məhkəmə və ya məqsədli nümunə götürmə:Mühakimə və ya məqsədyönlü nümunələr tədqiqatçının istəyi ilə formalaşır. Tədqiqatçılar, hədəf auditoriyanı başa düşməklə yanaşı, tədqiqatın məqsədini də nəzərə alırlar. Məsələn, tədqiqatçılar magistr təhsili almaq istəyənlərin düşüncə prosesini başa düşmək istədikdə. Seçim meyarları belə olacaq: “Ağaclarınızı etməkdə maraqlısınızmı…? ” və “Yox ” ilə cavab verənlər nümunədən xaric edilir.
  • Qartopu nümunəsi:Qartopu nümunəsi tədqiqatçıların mövzuları izləmək çətin olduqda tətbiq etdikləri bir nümunə üsuludur. Məsələn, sığınacaqsız insanları və ya qeyri -qanuni mühacirləri araşdırmaq son dərəcə çətin olacaq. Belə hallarda, qartopu nəzəriyyəsindən istifadə edərək, tədqiqatçılar müsahibə aparmaq və nəticələr əldə etmək üçün bir neçə kateqoriyanı izləyə bilərlər. Tədqiqatçılar, bu nümunə metodunu mövzunun çox həssas olduğu və açıq şəkildə müzakirə edilmədiyi vəziyyətlərdə tətbiq edirlər - məsələn, HİV QİÇS haqqında məlumat toplamaq üçün sorğular. Bir çox qurban suallara dərhal cavab verməyəcək. Yenə də tədqiqatçılar qurbanları ilə əlaqə qurmaq və məlumat toplamaq üçün tanıdıqları insanlarla və ya səbəblə əlaqəli könüllülərlə əlaqə saxlaya bilərlər.
  • Kvota nümunəsi: Kvota nümunələrində bu nümunə götürmə texnikasında üzvlərin seçilməsi əvvəlcədən qurulmuş bir standart əsasında həyata keçirilir. Bu halda, xüsusi atributlara əsaslanaraq nümunə formalaşdırıldıqda, yaradılmış nümunə ümumi populyasiyada tapılan keyfiyyətlərə malik olacaqdır. Nümunə toplamaq üçün sürətli bir üsuldur.

Ehtimal olmayan nümunə götürmənin istifadəsi

Ehtimal olmayan nümunə götürmə aşağıdakılar üçün istifadə olunur:

  • Hipotez yaradın: Tədqiqatçılar, əvvəlcədən heç bir məlumat olmadıqda bir ehtimal yaratmaq üçün qeyri-ehtimal nümunə götürmə metodundan istifadə edirlər. Bu üsul məlumatların dərhal geri qaytarılmasına kömək edir və əlavə araşdırmalar üçün bir zəmin yaradır.
  • Kəşfiyyat tədqiqatları: Tədqiqatçılar keyfiyyətli tədqiqat, pilot tədqiqatlar və ya kəşfiyyat tədqiqatları apararkən bu nümunə götürmə texnikasından geniş istifadə edirlər.
  • Büdcə və vaxt məhdudiyyətləri: Büdcə və vaxt məhdudiyyətləri olduqda və bəzi ilkin məlumatlar toplananda qeyri-ehtimal üsulu. Anketin dizaynı sərt olmadığından, respondentləri təsadüfi seçib sorğu və ya anketə cəlb etmək daha asandır.

İstifadə ediləcək nümunə növünə necə qərar verirsiniz?

Hər hansı bir araşdırma üçün, tədqiqat məqsədlərinizə çatmaq üçün nümunə götürmə metodunu düzgün seçmək vacibdir. Seçiminizin effektivliyi müxtəlif amillərdən asılıdır. Ən yaxşı nümunə götürmə üsulunu seçmək üçün mütəxəssis tədqiqatçıların izlədiyi bəzi addımlar.

  • Araşdırma məqsədlərini qeyd edin. Ümumiyyətlə, xərc, dəqiqlik və ya dəqiqliyin birləşməsi olmalıdır.
  • Tədqiqat məqsədlərinə çatmaq üçün təsirli nümunə götürmə üsullarını müəyyənləşdirin.
  • Bu metodların hər birini sınayın və məqsədinizə çatmaqda kömək edib -etmədiyini araşdırın.
  • Tədqiqat üçün ən uyğun metodu seçin.

Ehtimal nümunə götürmə ilə qeyri-ehtimal nümunə götürmə üsulları arasındakı fərq

Yuxarıda müxtəlif növ nümunə götürmə üsullarına və onların alt növlərinə baxdıq. Bütün müzakirəni əhatə etmək üçün ehtimal nümunə götürmə üsulları ilə qeyri-ehtimal nümunə götürmə üsulları arasındakı əhəmiyyətli fərqlər aşağıdakı kimidir:


İnteqrasiya edilmiş məlumatlar xəstələri daha təhlükəsiz edə bilər

Xoşbəxtlikdən, məlumatlara əsaslanan xəstə təhlükəsizliyinin yeni dövründə sağlamlıq təşkilatlarının daha yaxşı nəticələr əldə etmək üçün kəsici vasitələri olacaq (Şəkil 3). Analitik vasitələr, xəstənin təhlükəsizliyində təşkilati zəifliyi aradan qaldırmaq və yaxşılaşdırmağa imkan vermək üçün inteqrasiya olunmuş klinik, xərc və əməliyyat məlumatları və proqnozlaşdırıcı analitiklər, maşın öyrənmə və daha çox şeydən istifadə edəcək.

Xəstə Təhlükəsizliyində Maşın Öyrənmənin Üç Əsas Qabiliyyəti

Maşın öyrənmə, reaktiv, proaktiv və tam inteqrasiya olunmuş qabiliyyətlərlə xəstə təhlükəsizliyinin yaxşılaşdırılmasını dəstəkləyir.

  1. Reaktiv qabiliyyətlər: Avtomatik tetikleyicilerle, təhlükəsizlik vasitəsi, riski təyin edərək və cəbhə baxıcılarına xəbər verərək potensial zərərə reaksiya verir. Bu, vasitəyə tənqidi düşüncə qatını əlavə edir-cəbhə bölgəsi istifadəçisi bir xəstə adını tıklayır, fərdi riskini görür və uyğun müdaxilələrlə təqib edə bilər.
  2. Proaktiv qabiliyyətlər: Təhlükəsizlik vasitəsi bir xəstə qrupu içərisində riski təyin etdikdən sonra, proqnozlaşdırıcı analitik zərərin azaldılması və ya qarşısını almaq üçün müdaxilələri müəyyən edir. Bu proaktiv qabiliyyət, istifadəçi barmaqlarının ucuna başqa cür tapılması çətin olan prosedurları və protokolları qoyaraq, risk tetikleyicilərindən alınan məlumatları müdaxilə təklif edərək əlçatan edir. Məsələn, tətbiq bir xəstənin təzyiq ülserləri riski altında olduğunu göstərə bilər və baxıcıya onları müntəzəm olaraq fırlatmasını və riski azaltmaq üçün təhlükəsiz dəriyə qulluq qaydalarına riayət etməsini xatırlata bilər.

Şəkil 3: Sağlamlıq Katalizatoru Xəstə Təhlükəsizliyi Monitoru Suite

  1. Tam inteqrasiya qabiliyyəti: Təhlükəsizlik vasitəsi iş axını vasitələrinə və sağlamlıq sisteminə inteqrasiya olunduğundan, qayğı müddətini yaxşılaşdırmağa imkan verir. Bu, təkmilləşdirmə səylərinin şöbələr daxilində təcrid olunmamasına və parçalanmamasına imkan verir - potensial olaraq yalnız bir neçə xəstəyə təsir edir - lakin bir çoxlarına təsir etmək üçün bir təşkilat daxilində tətbiq olunur. Xəstə təhlükəsizliyi üçün uzunmüddətli vizyonda, xəstələr öz mobil cihazlarında təhlükəsizlik tətbiqlərindən istifadə edə biləcəklər və bu da onları qulluqlarında əsl tərəfdaş halına gətirəcək.

100% yoxlama - 85% effektivdir

100% yoxlamanın yalnız 80-85% dəqiq və ya təsirli olduğu anlayışını kim ortaya qoydu?

Boya hissələri, boyasız və yanlış rəngli boyalar kimi çeşidləyərək vizual yoxlama aparıramsa, hamısının 100 və ya 1000 hissədə vizual yoxlama yolu ilə tutulmasının gözlənilən faizi nədir?

Mathmatecal cavabından daha çox hara baxacağımı axtarıram, amma kimsə varsa alaram.

Jim Wynne

100% yoxlamanın yalnız 80-85% dəqiq və ya təsirli olduğu anlayışını kim ortaya qoydu?

Boya hissələri, boyasız və yanlış rəngli boyalar kimi çeşidləyərək vizual yoxlama aparıramsa, hamısının 100 və ya 1000 hissədə vizual yoxlama yolu ilə tutulmasının gözlənilən faizi nədir?

Mathmatecal cavabından daha çox hara baxacağımı axtarıram, amma kimsə varsa alaram.

Sözügedən bromidin heç bir empirik əsası yoxdur, buna görə də baxılacaq heç nə yoxdur. Vəziyyətdən asılı olaraq 100% yoxlama 100% təsirli və ya 10% təsirli ola bilər.

Hər hansı bir yoxlama prosesinin effektivliyi aşağıdakılardan asılıdır.

  • Obyektiv meyarlar
  • Yaxşı təhsilli və ixtisaslı müfəttişlər
  • Yoxlanacaq şeylərin sayı
  • Söz mövzusu atributların sayı

Svith7858

İllər əvvəl 100% yoxlamanın 100% təsirli olmadığını göstərmək üçün bir sınaq keçirdiyimiz bir stat/ehtimal kursu aldım. Hamımız bir paraqraf oxuduq və qüsurları seçmək məcburiyyətində qaldıq (üç fərqli hərf qüsur sayılırdı). Stressin təkrarlanması üçün vaxt təyin edilmişdik və təlimimiz təcrübədən əvvəl qısa & quot;

Keyfiyyət Müfəttişləri, Nəzarətçilər və Menecerlərlə dolu bir sinifdə 89%idarə etdik.

Somerqc

Mən də belə dərslərdə iştirak etmişəm. Eyni diapazonda idik (95% -ə qədər və 85% -ə qədər aşağı siniflərdə olmuşam).

Üst rəhbərliyin 100% yoxlama istədiyi yerdə də çalışmışam. Daim yoxlamadan keçən hissələrlə məşğul olurduq.

100% ilə bağlı başqa bir problem, bir məhsulda & quot; tədricən & quot; dəyişikliyiniz varsa, dəyişikliyin harada baş verdiyini dəqiq müəyyən etmək çox çətindir (yəni dəyişikliklər müfəttiş üçün kifayət qədər əhəmiyyətli olana qədər bir qədər rədd edilir. qeyd etmək.). Bu, insan təbiətindən irəli gəlir - təlim və ya bacarıq çatışmazlığı deyil.

Əlavə etmək üçün demək olar ki, eyni nəticələrə malik təsirli bir nümunə götürmə planı ilə müqayisədə 100% xərc həddindən artıq yüksəkdir.

Sadəcə mənim - amma 100% yoxlamanın nə qədər təsirsiz olduğunu söyləyən bir statistik araşdırma tapa bilməyəcəksiniz (yaxşı, hələ də hələ tapmamışam).

Andygr

Bu şəhər mifinin keyfiyyətli versiyasıdır.
Yoxlamanın effektivliyi, fərqləndirməyə çalışdığınız fərqlərə əsaslanır. Həqiqətən kimin və nəyin yoxlanılmasından asılıdır.
Filləri siçanlardan ayırmaq, işdən çıxma vaxtına yaxın cümə günortası istisna olmaqla, 100% təsirlidir.

Jim Wynne

İllər əvvəl 100% yoxlamanın 100% təsirli olmadığını göstərmək üçün bir sınaq keçirdiyimiz bir stat/ehtimal kursu aldım. Hamımız bir paraqraf oxuduq və qüsurları seçmək məcburiyyətində qaldıq (üç fərqli hərf qüsur sayılırdı). Stressin təkrarlanması üçün vaxt təyin edilmişdik və təlimimiz təcrübədən əvvəl qısa & quot;

Keyfiyyət Müfəttişləri, Nəzarətçilər və Menecerlərlə dolu bir sinifdə 89%idarə etdik.

Bobdoering

X-bar/R Madness-i dayandırın !!

Ümumiyyətlə, təsirli bir nümunə götürmə planı məhsulu yoxlayır və müəyyən bir uğursuzluq səviyyəsində reaksiya planı olaraq 100% yoxlama tələb olunur. Bir uğursuzluq tezliyi nə qədər aşağı olarsa, təsirli nümunə götürmə planı 100% yoxlamaya bir o qədər yaxın olar.

Əsl məsələ Gage R & ampR ilə daha yaxından əlaqəlidir. Eksik komponentlərin 100% vizual yoxlanışında gözeneklilik, pas, cızıqlar və s. Nicks üçün bir mövzu ətrafında 100% yoxlama, düz bir paneldə boyada balıq gözü axtarmaqdan fərqlidir. Bunun üzərinə, bir polad hissədə itmiş nikel örtüklə müqayisədə itkin iplər kimi vəziyyətin açıq olması, çox fərqli vizual yoxlama uğursuzluq dərəcələri təklif edir.

Məsələ 85% -nin statistik bir fakt olub -olmaması deyil, 100% yoxlamanın 100% təsirli olmaması üçün əhəmiyyətli bir risk təklif etməsidir. Əslində, 200% yoxlama, 100% təsir etməmək riskini də təklif edir - baxmayaraq ki, 100% yoxlama sizi aşağı salanda tez -tez istifadə olunan ikinci seçimdir.


Materiallar və metodlar

İştirakçılar.

Kurs krediti və ya 20 dollar təzminat üçün 20 bakalavr könüllüsü iştirak etdi. Bütün könüllülər, yerli insan mövzuları araşdırma şurası tərəfindən təsdiqlənmiş araşdırmanın təsvirini oxuduqdan sonra iştirak etməyə razılıq verdilər. Siemens 3 T Allegra MR skanerinin çuxuruna girməzdən əvvəl iştirakçılara qulaq tıxacları taxılmış və xəstəyə həyəcan siqnalı topu verilmişdir. Başın hərəkətini məhdudlaşdırmaq üçün vakuum yastığı, yastıq və açıq şifahi təlimat istifadə edilmişdir. Həddindən artıq baş hərəkəti səbəbiylə iki iştirakçının məlumatı xaric edildi və skanerin işləməməsi nəticəsində biri itirildi. Son nümunəyə 10 kişi və 7 qadın (orta yaş, 18.8 yaş aralığı, 18-21 yaş) daxil edilmişdir.

Stimul və prosedur.

İştirakçılardan, başın arxasına birbaşa quraşdırılmış 7 düymlük maye kristal ekranın ortasındakı bir nöqtədə fiksasiya saxlamaları istəndi. Dama taxtası stimullarının təqdim edildiyi üç uyğunlaşma sınağından sonra, hadisə ilə əlaqəli bir dizaynda bir sıra 24 şəkil stimulu (25 ° vizual açı) təqdim edildi. Şəkil stimulları Beynəlxalq Affektiv Şəkil Sistemindən (IAPS) (Lang et al., 2008) (http://csea.phhp.ufl.edu/Media.html) və hər biri yüksək səkkiz nümunə daxil olmaqla təsvir olunan bütün insanlardan seçilmişdir. erotik cütlüklər oyandırmaq (xoş: 4611, 4658, 4659, 4669, 4676, 4680, 4690 və 4694), orta dərəcədə həyəcanlı neytral insanlar (neytral: 2037, 2102, 2305, 2383, 2393, 2396, 2513 və 2595) və çox həyəcan verici şikəstliklər (xoşagəlməz: 3000, 3030, 3060, 3068, 3069, 3100, 3102 və 3225). Xoş və xoşagəlməz şəkillər emosional oyanmanın normativ reytinqlərində ekvivalent olaraq seçilmişdir (Cədvəl 1). Adobe Photoshop 7 (Adobe Systems) istifadə edərək bütün şəkil stimulları boz rəngə çevrildi və parlaqlıq və 90% keyfiyyətli JPEG fayl ölçüsü ilə uyğunlaşdırıldı. Hər bir şəkil 3 saniyə, sonra 9 saniyəlik fiksasiya dövrü təqdim edildi. Şəkil sırası, bir stimul kateqoriyasının ən çox iki ardıcıl təqdimatına imkan verən yalançı təsadüfi üsulla hazırlanmışdır. Şəkil seriyası unique23 dəqiqədən artıq 96 sınaq üçün üç əlavə blokda təkrarlandı (unikal sifarişlərlə).

Mövcud tədqiqatda istifadə olunan IAPS şəkil stimullarının normativ reytinqləri

Tarama parametrləri.

İştirakçılar delik içərisində rahat olduqdan sonra, 8 dəqiqəlik T1 ağırlığında üç ölçülü bir struktur həcmi toplandı. Reseptdə 256 mm baxış sahəsində 1 mm izotropik voksellər olan 160 sagittal dilim göstərilmişdir. Əlavə olaraq, aşağıda təsvir edilən tək funksional dilim əldə edildiyi yerdə T1 ağırlıqlı bir dilim alındı. Struktur satınalmalardan sonra 5 mm dilim resepti (gradient echo echoplanar 64 × 64 180 mm baxış sahəsi 25 ° çevirmə bucağı 30 ms echo time 100 ms təkrarlama vaxtı) amigdala, inferotemporal korteksdən nümunə götürüləcək bir eksenel müstəviyə yönəldilmişdir. və orta oksipital girus əldə edilə bilər. Yerləşdirmə, hər bir iştirakçıya uyğun olaraq, amigdalanın əhatə dairəsindən qaynaqlanır və maraq dairəsinin vizual sahələrinin optimal əhatə dairəsi üçün əyilmiş və mümkünsə, həssaslıq artefaktını məhdudlaşdırmaq üçün sinus boşluğunun əhatə dairəsini istisna etmək üçün hazırlanmışdır. Bu, kalsarin yarığından əhəmiyyətli nümunələrin götürülməsinə səbəb oldu. Tək dilimli resept, 40 ml voksellərin 100 ms müvəqqəti qətnamədə təkrar-təkrar nümunə götürməsinə imkan verir.

Məlumatın azaldılması.

Hər bir iştirakçının 96 sınaq funksional vaxt seriyası xətti olaraq ayrıldı, 1 s Gauss filtri ilə müvəqqəti olaraq hamarlandı və BrainVoyager QX 1.8 (Beyin Yeniliyi) istifadə edərək 2 voksel (yarı maksimumda 5.625 mm tam genişlik) üzrə məkanla hamarlandı. Zaman seriyasında mövcud olan fizioloji səs -küyün təsirini 10 Hz nümunə sürətində azaltmaq üçün müvəqqəti hamarlaşdırma lazım idi. Qalan baş hərəkəti olan sınaqlar, dilimdəki voksellərin əksəriyyətində (yarımdan çox olan düzbucaqlı bir bölgə) orta vaxt seriyası intensivliyi araşdırılaraq yerləşdirilən böyük (fon dəyişikliyindən dörd qat daha çox) və qısa sıçrayışlar müəyyən edilərək əl ilə çıxarılmışdır. beyindəki voksellər).Bu prosedur, ümumi sınaqların & lt2% -nin və hər hansı bir mövzudan ən çox dörd sınağın çıxarılması ilə nəticələndi. Görüntü məlumatlarından hesablanan orta siqnal-səs-küy [(siqnal-səs-küy)/SD səs-küy] nisbətləri kalsarin çatında 80.5, orta oksipital girusda 81.0, inferotemporal korteksdə 97.8 və amigdalada 79.4 idi.

İşlənmiş görüntü seriyası, standart iki gamma hemodinamik cavab funksiyasından istifadə edərək üç şəkil məzmununun (erotika, neytral insanlar və sınıqlar) yaratdığı BOLD siqnal dəyişikliyini müəyyən edən tək mövzu ANOVA-ya daxil edildi (Boynton və digərləri, 1996). Yanlış kəşf dərəcəsi (Genovese və digərləri, 2002) səh & lt 0.01 hər bir iştirakçının məlumatlarını eşik etmək üçün istifadə edilmişdir. Bu funksional xəritələrdən, ikitərəfli amigdala, inferotemporal korteks, orta oksipital girus və orta xətt kalsarin fissürü daxil olmaqla dörd bölgə seçildi. Hər bir bölgə, eksenel nöroanatomik atlaslardan (Talairach və Tournoux, 1988 Haines, 1995) istifadə edərək 9 voksel (356 ml) arasında nümunə götürülmüşdür (Şəkil 1). Bütün ROI -lər üçün mövzular arasında yerləşdirmə dəyişkənliyi, mövzu daxilində əhəmiyyətli qrupların mərkəzi mövqeyinə həssaslığı olan mövzular arasında uyğunluq ehtiyacını tarazlaşdıraraq mümkün qədər minimuma endirildi.

Tək bir mövzu üçün BOLD siqnalının statistik örtüşməsinə nümunə. Maraq bölgələri (mavi qutular) ikitərəfli amigdala (am), İT, orta oksipital girus (mOG) və kalsarin fissüründə (calc) şəkil təqdimatı nəticəsində yaranan əhəmiyyətli fəaliyyətdən əldə edilmişdir.


Aydın bir araşdırma məqsədi

Bir anket tərtib edərkən ilk və ən vacib addım, aradığınız şey haqqında dəqiq bir təsəvvürə sahib olmaqdır. Mümkün olduğunca çox məlumat əldə etmək ümidi ilə yorğun bir yanaşma və mümkün qədər çox sual vermək həmişə cazibədar olacaq. Bu cür yanaşma işə yaramır, çünki çoxlu alakasız və ya tutarlı olmayan suallar cavab dərəcəsini 2 azaldır və buna görə də tədqiqatın gücünü azaldır. Həkimləri sorğu -sual edərkən bu xüsusilə vacibdir, çünki əksər hallarda əhalinin qalan hissəsindən daha aşağı reaksiya dərəcəsinə malikdir. 3 Bunun əvəzinə, istifadə edəcəyiniz vacib məlumatları diqqətlə nəzərdən keçirməli və ‘ modelini bilmək çox xoş olacaq ’ üzərində çalışmalısınız. 4

Cavab verməyə çalışdığınız sualı düşündükdən sonra kimə soruşacağınıza qərar vermək növbəti addımdır. Kiçik populyasiyalarla hamısını araşdırmağa çalışmaq idarə oluna bilər, ancaq əhaliniz artdıqca bir nümunə götürülməlidir. Bu nümunənin ölçüsü gözlədiyinizdən daha vacibdir. İtirilmiş anketlər, cavab verməyənlər və düzgün olmayan cavablar nəzərə alındıqdan sonra, bu nümunə hələ də bütün əhalini təmsil edəcək qədər böyük olmalıdır. Kifayət qədər böyük deyilsə, statistika gücünüz düşəcək və heç bir mənalı cavab ala bilməyəcəksiniz. Elə bu səbəbdəndir ki, bir statistik mütəxəssisi öyrənməyinizə erkən cəlb etmək çox vacibdir. Onlarla nə edəcəyinizi bilməyincə məlumatlar toplanmamalıdır.


Məkan Vizyonu

Buynuz qişa və daha az dəyişkən dərəcədə gözün arxasındakı reseptorlar səviyyəsində görmə dünyasının iki ölçülü bir görüntüsünü meydana gətirir. Reseptorlar, görüntünü məkan görməsində ilk addım olaraq nümunə götürürlər. İnsan gözünün optik keyfiyyəti o qədər də yaxşı deyil - ən ucuz kamera linzalarından xeyli aşağıdır. Ən görkəmli qüsurlardan ikisi sferik və xromatik aberrasiyalardır. Birincisi, korneanın qüsursuz formasından və ikincisi, kornea və lensin fərqli dalğa uzunluğundakı işığı fərqli şəkildə qırması səbəbindən meydana gəlir. Bu qaralmaların hər ikisi də, göz bəbəyinin diametri artdıqca, zəif işıq şəraitində daha çox işıq tutmaq üçün olduğu kimi pisləşir. Qüsursuz bir görüntü, iki ölçülü bir səthdə üç ölçülü bir dünyanın görüntülənməsindən də qaynaqlanır, çünki fərqli məsafələrdəki obyektlərin hamısı eyni anda fokuslanmır. Nəhayət, göz mexaniki olaraq qeyri -sabitdir. Yalnız nisbətən kütləvi altı göz əzələsindəki gərginliklə sabit tutulan orbitdə yağ içində üzür. Bu əzələlər gözü müxtəlif istiqamətlərdə çox sürətlə çevirə bilər, ancaq ayrı -ayrı əzələ liflərinin təsadüfi atəş etməsi səbəbindən gözlərini çox tuta bilmirlər. Beləliklə, göz təsadüfi bir şəkildə sürətlə yellənir və bir qədər də uzaqlaşır. Yaranan bulanıqlıq həm gözü kosmosda çevirərək (həm də görüntünü bulandıran) müşahidəçi hərəkəti ilə daha da pisləşir.

Vizual stimullar ekvivalent olaraq kosmosda (yəni kosmosdakı hər bir yerdə nə qədər işığın olması ilə) və ya məkan tezliyi sahəsində (kosmosdakı işıq intensivliyindəki sinusoidal dəyişikliklərin tezliyi, amplitudası və fazası ilə) təsvir edilə bilər. Məkan -domen təsvirləri daha tanış olsa da, bəzən məkan tezliyi sahəsindəki vizual problemləri araşdırmağın evristik üstünlükləri var. Daha əvvəl qeyd olunan gözün müxtəlif optik qüsurları, hamısı retinadakı görüntünü bulandırır və bulanıqlıq yüksək məkan tezliklərini seçici şəkildə zəiflədir. Fərqli məkan tezliklərinin sinusoidal ızgaralarını aşkar etmək qabiliyyətimiz fəza kontrast həssaslıq funksiyası (CSF) ilə təsvir olunur (Şəkil 1). Optimal şəraitdə fotopik (gündüz işığı) görmə qabiliyyətində, CSF funksiyası hər dərəcə təxminən 4 dövrə çatır və əla itiliyi olan bir insan fiksasiya nöqtəsində təxminən 60 c/deg görmə bucağı qədər yüksək olan ızgaraları həll edə bilir. "Normal" kəskinlik (Amerika qeydində 20/20) 30 c/deg yüksək məkan tezliyi kəsilməsinə bərabərdir. Ancaq bir çox baxış şəraitində, məsələn, işıqlandırma səviyyəsi azaldıqda (bax. Şəkil 1), artan retina eksantrikliyi ilə, ya da hərəkət edərək retinanın görüntüsünü bulandırdığımız zaman normal bir müşahidəçinin qətnaməsi 10-20 -dən çox deyil. c/dərəcə Bu şəraitdə yüksək dəqiqlik tələb edən oxumaq kimi vəzifələr qeyri -mümkün olur, amma yenə də vizual dünyanı fərqli obyektlərə bölmək və bu obyektləri və onların məkan əlaqələrini tanımaq üçün əla qabiliyyətimiz var.

Şəkil 1. Beş müşahidəçinin fotoşəkil (yuxarı əyrisi) dən skotopik (alt əyri) səviyyələrinə qədər bir log vahidində beş fərqli parlaqlıq səviyyəsinin hər birində fərqli məkan tezliklərinin ızgaraları üçün ortalama məkan kontrast həssaslığı (De Valois -in icazəsi ilə təkrarlanır) və s., Vizyon Res. 14, 75–81, 1974).

CSF həm yüksək, həm də aşağı məkan tezliyinin azalmasını göstərir. CSF -nin yüksək məkan tezliklərində həssaslığının azalması, əvvəllər müzakirə edilən müxtəlif növ optik bulanıklığın nəticəsidir, eyni zamanda reseptorlar və sonrakı sinir komponentləri ilə nümunə götürmə ilə əlaqədardır. Çox aşağı məkan tezliklərində həssaslığın azalmasının başqa neyronal izahı var (daha sonra müzakirə olunacaq).

Təbii mənzərələrin məkan xüsusiyyətlərinin tədqiqi göstərdi ki, vacib vizual məlumatların çoxu incə detallarda deyil, daha iri miqyasdadır. Əksər təbii səhnələrin amplitud spektri, məkan tezliyinin təxminən 1/f artması ilə azalır. Beləliklə, məlumatların çoxu orta və aşağı məkan tezliklərindədir və görüntünün aşağı məkan tezliyi məzmunu haqqında məlumat əldə etmək, şübhəsiz ki, əksər hallarda ən yüksək məkan tezliklərini aşkar etməkdən daha vacibdir. Bu şanslıdır, çünki optik sinir darboğazı heç bir halda bütün yüksək məkan tezliyi məlumatlarını ötürmək üçün lazım olan çox sayda lifə icazə vermir.

Müəyyən bir tezlikdəki bir sinus dalğasının hər bir dövrü üçün yalnız iki nümunədən artıq və bütün aşağı tezlikləri həll etmək üçün kifayətdir. Beləliklə, gözün optikası 60 c/dərəcəyə qədər keçərsə, 120 reseptor/dərəcə ilə nümunə götürmə retinal görüntüdəki bütün məlumatları tutmalıdır. Bu, əslində, konusların çox incə və bir -birinə sıx bağlandığı insan foveasının mərkəzində olan foveolanın konusların aralığından ibarətdir. Bundan əlavə, neyron nümunələrinin optiklərin ötürdüyü ən yüksək tezliklərlə müqayisə oluna bilməsinin üstünlükləri var. Beləliklə, gözlərimizin optikası foveadakı konusların sıxlığına təxminən uyğun şəkildə uyğun gəlir.

Foveolanın mərkəzi 20-30 ′ xaricində, konuslar getdikcə böyüyür və geniş yayılır. Foveanın kənarına yaxın çubuqlar konuslar arasında bir -birinə qarışmış görünməyə başlayır və mərkəzdən 2 ° məsafədə çubuqlar hər bir konini əhatə edir və onları daha da ayırır. Eksantriklik artdıqca, konusların daha sonrakı sinir elementlərinə yaxınlaşması və daha ətraflı görmə itkisi var. Sistemin fotopik olaraq həll edə biləcəyi ən yüksək məkan tezlikləri (yalnız konuslar işlək olduqda) retinanın eksantrikliyi artdıqca azalmalı və azalmalıdır, lakin aşağı məkan tezliyi məlumatları hətta uzaq periferiyaya qədər tutulur. Yalnız görüntünün çox məhdud bir bölgəsində yüksək məkan tezliyi məlumatı əldə edən bu sistem işləyir, çünki gözlərimizi hərəkət etdirə və vizual dünyanın istənilən hissəsini daha ətraflı araşdıra bilərik. Daha az hərəkət edən gözləri olan heyvanların fərqli bir quruluşu var.

Çubuqlar, foveal konuslar qədər kiçikdir və konuslar arasında sıx şəkildə doludur, buna görə də şəkli yüksək qətnamə ilə nümunə götürə bilərlər. Bununla birlikdə, skotopik şəraitdə (yalnız çubuqlar işləyərkən zəif işıq səviyyələri) çox zəifdir, əksinə həssaslıq 10 c/dərəcədən aşağı kəsilir. Bu vəziyyətdə (və daha az dərəcədə uzaq ətrafdakı konuslar üçün), təsirli nümunə götürmə vahidinin reseptorlar deyil, sonrakı sinir elementləri olduğu aydındır. Anatomik müşahidələr, çubuqların çubuq bipolyarlarına və çubuq bipolyarlarının ganglion hüceyrələrinə xeyli yaxınlaşdığını göstərən bunu dəstəkləyir. Görünüşün iki bitişik skotopik "nümunəsi", o zaman hər biri bir deyil, onlarla yüzlərlə çubuq olan bir sahəni əhatə edəcək və onlarla və ya yüzlərlə çubuqun diametri ilə ayrılacaqdı.


Giriş

Son davranış və elektrofizyoloji sübutlar, qüsursuz vizual təcrübəmizə baxmayaraq, vizual sistemin təhlili üçün daxil olan vizual məlumatların vaxtaşırı təkmilləşdirildiyini göstərir (VanRullen, 2016a VanRullen, 2016b Zoefel və VanRullen, 2017). Bu dövri nümunə götürmə mexanizmi, vizual diqqətin ayrılmasından irəli gəlir (Busch və VanRullen, 2010 Dugué və s., 2016 Dugué və VanRullen, 2017a VanRullen və s., 2007 Zoefel və VanRullen, 2017). və aşağı diqqətli mənbələr, bir video kamera içərisində film çəkən ardıcıl kadrlara bənzər olaraq gələn vizual məlumatları toplamaq üçün fəaliyyət göstərir (Chakravarthi və Vanrullen, 2012 Vanrullen və Dubois, 2011). Uyarıcıların uyğun mərhələdə (Busch et al., 2009 Mathewson et al., 2009 VanRullen et al., 2007) və ya yerin (Dugué et al., 2015 Dugué et al., 2016 Dugué və Vanrullen, 2014 Dugué və. VanRullen, 2017a Dugué et al., 2017b Huang et al., 2015 Landau və Fries, 2012 Song et al., 2014) bu nümunə mexanizminin təcrübəmizin əksinə olaraq vizual stimulun dəqiq aşkarlanmasını modulyasiya etdiyi göstərilmişdir. fasiləsiz bir vizual mühit.

Bu günə qədər vizual işlənmənin ritmik qapıları üçün əsas sinir dəlilləri, hədəf algılamanın təxminən 7-8 Hz-də sinir salınımlarının hədəf əvvəli mərhələsindən asılılığından qaynaqlanır (Busch və digərləri, 2009 Busch və VanRullen, 2010). Bu spontan dalğalanmalar vizual diqqətin bir yerə yönəldilməsindən qaynaqlana bilər (Busch və VanRullen, 2010 Dugué et al., 2015 Spaak et al., 2014 VanRullen, 2016b Zoefel və VanRullen, 2017) və bu fərziyyəni dəstəkləyir. sinir həyəcan vermə dövrü, sonrakı emal üçün daxil olan məlumatları qapıdan keçirir (Schroeder və Lakatos, 2009 VanRullen, 2013 Zoefel və VanRullen, 2017).

Vizual qavrayışın bu dövri qapısı, aşkarlıq dəqiqliyi zamanı davranış baxımından da önəmlidir. Yüksək müvəqqəti qətiyyətli davranış tədbirlərinə tətbiq olunan spektral analizlər, diqqətin iki və ya daha çox yerə bölündüyü zaman mütənasib olaraq yavaşlayan diqqəti yenidən yönəltmək istədikdən sonra (Fiebelkorn və digərləri, 2013) 7-8 Hz modulyasiyalarını ortaya qoyur (məsələn, Chen və s., 2017 Holcombe və Chen, 2013 Huang et al., 2015 Landau və Fries, 2012 Landau və başqaları, 2015 VanRullen, 2013). Məsələn, Landau və Fries, 2012, sol və ya sağ görmə yarımkürəsinə diqqəti yenidən yönəltmək üçün bir işarədən sonra, hədəflərin təyin olunan yerə uyğun olub -olmamasından asılı olaraq, 4 Hz bir əks faza ritmində salındığını müşahidə etdi. Tənqidi olaraq, vizual məlumatların bu əks mərhələli nümunəsi davam etdi

Diqqət tək bir obyekt üzərində iki yerə yönəldildikdə 4 Hz (Fiebelkorn və digərləri, 2013) və diqqətin yenidən yönləndirilməsi üçün işarələr hədəf yeri ilə uyğun gəlmədikdə - diqqətin ikinci yerə köçürülməsində sonrakı dəyişiklik tələb olunur (Huang et al. al., 2015). Hədəf aşkarlama və yerlər arasında əks faza nümunələrinin ardıcıl olaraq dəyişməsi daxili bir fikir irəli sürməyə səbəb oldu.

Burada, binokulyar rəqabət zamanı ritmik diqqətli nümunələrin alınmasının olub olmadığını sınadıq. Dürbün rəqabəti zamanı hər gözə uyğun olmayan görüntülər təqdim olunur ki, bu da stokastik algılama dəyişikliyi ilə nəticələnir, bir anda bir görüntü görünür, digəri isə bastırılır (Alais, 2012 Alais və Blake, 2005 Maier et al., 2012). Eşitmə və toxunma işarələri istifadə edərək bu keçidləri induksiya etmək və ya gecikdirmək üçün hazırlanmış bir təcrübədə, diqqətin yenidən istiqamətləndirilməsindən sonra şüurda dəyişikliklərin ritmik olaraq baş verdiyini gördük. Bu dalğalanmalar, crossmodal işarənin diqqəti ya dominant, ya da basdırılmış vizual görüntüyə yönəltməsindən asılı olaraq meydana gəldi.

Müvafiq olaraq 3,5 Hz salınımlar. Kritik olaraq, bu ritmlər həm davranışda, həm də elektroansefalogramda (EEG) müşahidə edildi və işarə ilə əlaqəli olmadıqda yox idi. Bu təxmini tezliyin yarıya endirilməsi, vizual olmayan girişin davam edən vizual qavrayışla ziddiyyət təşkil etdiyində, diqqətli nümunələrin şüurlu şəkildə qəbul edilən bir görüntüdən çevik şəkildə uzaqlaşa biləcəyini, münaqişənin həlli üçün alternativ hiss məlumatlarını "axtardığını" göstərir.


Müzakirə

Xülasə olaraq, bu, funksional şəbəkə spesifikliyinin yeniyetməlik dövründə dəyişdiyini göstərən ilk uzunlamasına fMRI tədqiqatıdır. Məlumat göstərir ki, WM dövrəsi yaşla getdikcə ixtisaslaşır. Erkən yeniyetməlik dövründə iştirakçılar WM tapşırığı zamanı həm lateral PFC, həm də hipokampa cəlb edirdilər, lakin eyni vəzifəni yerinə yetirərkən 3 il sonra hipokampa cəlb etmirdilər. Bundan əlavə, PFC və hipokampal aktivlik erkən yeniyetməlik dövründə WM yükündən və davranışından asılı olmayaraq korrelyasiya edildikdə, bu birliklər yalnız 3 il sonra yüksək mnemonik yüklər zamanı müşahidə olunur.

Məlumatlarımız, yeniyetməlik dövründə WM inkişafı ilə bağlı ədəbiyyatda uyğunsuzluğun anlaşılmasına kömək edir. Davranış baxımından, WM -in təmiri prosesləri bu müddət ərzində minimal dəyişikliklər göstərir (Luciana və Nelson, 1998 Gathercole, 1999 Cowan və digərləri, 2003 Luna və digərləri, 2004 Davidson və digərləri, 2006), lakin çoxlu sübutlar göstərir ki WM üçün əsas sinir substratı - PFC - eyni zamanda böyük struktur və funksional dəyişikliklərə məruz qalır (Sowell və digərləri, 2004 Lenroot və Giedd, 2006 Thomason və digərləri, 2009). Funksional işə qəbulu və şəbəkə bağlantısını araşdıraraq, gənc yeniyetmələrin WM funksiyası zamanı əlavə bir bölgə - hipokampa cəlb etdiyini göstərdik. Bu işə qəbul WM funksiyasını dəstəkləyə bilər ki, heç bir davranış fərqi müşahidə olunmasın. Daha əvvəl hipokampal işə qəbulun kompensasiya xarakteri daşımasını və ya kortikal olgunlaşma trayektoriyasındakı normal inkişaf fərqləri səbəbindən olub olmadığını müəyyən etmək üçün əlavə tədqiqatlar lazım olacaq.

Maraqlıdır ki, əvvəlki tədqiqatçılar, uzunmüddətli PFC inkişafının əslində bir maneə deyil, bir fayda ola biləcəyini irəli sürmüşlər, inkişaf etmiş PFC qabiliyyətlərinin, uşaqların böyüklərdən daha yaxşı performans göstərdikləri öyrənmə formalarına, ehtimala, konvensiyaya və təqlidi öyrənməyə müdaxilə etməsi fərziyyə edilir. (Ramscar və Gitcho, 2007 Thompson-Schill et al., 2009). Burada, hipokampin yaşlı fərdlərdə hipokampa müdaxilə etməyən bir WM vəzifəsi yerinə yetirərkən gənc fərdlərlə məşğul olduğunu nümayiş etdirərək bu əvvəlki nəzəri formulaları genişləndiririk (bax: Chatham və digərləri, 2009). Yetkinlərin etmədiyi şəraitdə gənc fərdlər hipokampi işə götürdükləri üçün böyüklərdən daha çox vəziyyətdə məlumat bağlaya, möhkəmləndirə, saxlaya və əldə edə bilərlər. Beləliklə, təklif edirik ki, daha geniş WM şəbəkəsinə bu hipokampal iştirak - və yalnız gecikmiş PFC olgunlaşması - əslində uşaqların öyrənmə fərqlərinin vacib bir hissəsi ola bilər. WM kimi idrakın əsas aspektlərini əldə etmək üçün gənc fərdlərin istifadə etdiyi şəbəkələrdəki keyfiyyət fərqləri, təbiətdə müşahidə etdiyimiz yaşa bağlı öyrənmə fərqlərini anlamağımıza kömək edəcəyini vəd edir.


Nümunə götürmə növləri: Nümunələrlə nümunə götürmə üsulları

Nümunə götürmə, onlardan statistik nəticələr çıxarmaq və bütün populyasiyanın xüsusiyyətlərini qiymətləndirmək üçün ayrı -ayrı üzvlərin və ya bir qrupun seçilməsi üsuludur. Fərqli nümunə götürmə üsulları, tədqiqatçılar tərəfindən bazar araşdırmasında geniş istifadə olunur, belə ki, təsirli fikirlər toplamaq üçün bütün əhalini araşdırmağa ehtiyac yoxdur.

Həm də vaxt üçün əlverişli və qənaətcil bir üsuldur və buna görə də hər hansı bir tədqiqat dizaynının əsasını təşkil edir. Nümunə götürmə üsulları, ən yaxşı törəmə üçün bir araşdırma sorğusu proqramında istifadə edilə bilər.

Misal üçün, bir dərman istehsalçısı bir dərmanın ölkə əhalisinə mənfi təsirlərini araşdırmaq istəyirsə, hər kəsi əhatə edən bir araşdırma aparmaq demək olar ki, mümkün deyil. Bu vəziyyətdə, tədqiqatçı hər bir demoqrafik insandan bir nümunə seçir və sonra dərman və davranışları ilə əlaqədar ona rəy verərək onları araşdırır.

Nümunə götürmə növləri: nümunə götürmə üsulları

Bazar araşdırmasında nümunə götürmə iki növdür və#8211 ehtimal nümunəsi və qeyri-ehtimal nümunəsi. Bu iki nümunə götürmə üsuluna daha yaxından nəzər salaq.

  1. Ehtimal nümunəsi:Ehtimal nümunəsi, tədqiqatçının bir neçə meyar seçimini təyin etdiyi və təsadüfi bir populyasiyanın üzvlərini seçdiyi nümunə götürmə üsuludur. Bütün üzvlər bu seçim parametri ilə nümunənin bir hissəsi olmaq üçün bərabər şansa malikdirlər.
  2. Ehtimal olmayan nümunə götürmə: Ehtimal edilməyən nümunə götürmədə tədqiqatçı təsadüfi olaraq tədqiqat üçün üzvlər seçir. Bu seçmə üsulu sabit və ya əvvəlcədən təyin edilmiş bir seçim prosesi deyil. Bu, əhalinin bütün elementlərinin nümunəyə daxil edilmək üçün bərabər imkanlara malik olmasını çətinləşdirir.

Bu blogda, hər hansı bir bazar araşdırması araşdırmasında tətbiq edə biləcəyiniz müxtəlif ehtimal və ehtimal olmayan nümunə götürmə üsullarını müzakirə edirik.

Nümunələrlə nümunə götürmə ehtimal növləri:

Ehtimal nümunəsi, tədqiqatçıların ehtimal nəzəriyyəsinə əsaslanan bir metoddan istifadə edərək daha böyük bir populyasiyadan nümunələr seçdiyi bir nümunə götürmə üsuludur. Bu nümunə götürmə metodu əhalinin hər bir üzvünü nəzərə alır və sabit bir proses əsasında nümunələr hazırlayır.

Misal üçün, 1000 üzv əhalidə, hər bir üzvün 1/1000 nümunənin bir hissəsi olmaq üçün seçilmə şansı olacaq. Ehtimal nümunəsi, populyasiyadakı qərəzləri aradan qaldırır və bütün üzvlərə nümunəyə daxil olmaq üçün ədalətli bir şans verir.

Dörd növ ehtimal nümunə götürmə texnikası var:

  • Sadə təsadüfi seçmə: Vaxt və resurslara qənaət etməyə kömək edən ən yaxşı ehtimal nümunə götürmə üsullarından biri Sadə Təsadüfi Seçmə üsuludur. Əhalinin hər bir üzvünün təsadüfi olaraq təsadüfən seçildiyi məlumat əldə etmək üçün etibarlı bir üsuldur. Hər bir fərdin nümunənin bir hissəsi olmaq üçün seçilmə ehtimalı eynidir.
    Məsələn, 500 işçidən ibarət bir təşkilatda, İK komandası komanda qurma fəaliyyətləri keçirməyə qərar verərsə, çox güman ki, bir qabdan çit yığmağa üstünlük verirlər. Bu halda, 500 işçinin hər birinin seçilmək üçün bərabər imkanı var.
  • Kümelenmə nümunəsi:Kümelenme nümunəsi, tədqiqatçıların bütün əhalini bir populyasiyanı təmsil edən hissələrə və ya qruplara böldüyü bir üsuldur. Çoxluqlar müəyyən edilir və yaş, cins, yer və s. Kimi demoqrafik parametrlərə əsaslanaraq nümunəyə daxil edilir. Bu, sorğu yaradanın rəydən effektiv nəticə çıxarmasını çox asanlaşdırır.
    Məsələn, Amerika Birləşmiş Ştatları hökuməti ABŞ -da yaşayan mühacirlərin sayını qiymətləndirmək istəsə, Kaliforniya, Texas, Florida, Massaçusets, Kolorado, Havay və s. Nəticələr əyalətlərə bölünərək immiqrasiya məlumatları veriləcəyi üçün bir sorğu daha təsirli olacaq.
  • Sistematik nümunə götürmə: Tədqiqatçılar sistematik nümunə götürmə metodundan istifadə edərək müəyyən vaxtlarda bir populyasiyanın seçmə üzvlərini seçirlər. Müntəzəm olaraq təkrarlana bilən nümunə və nümunə ölçüsü üçün bir başlanğıc nöqtəsinin seçilməsini tələb edir. Bu növ nümunə götürmə üsulu əvvəlcədən müəyyən edilmiş bir diapazona malikdir və buna görə də bu nümunə götürmə texnikası ən az vaxt aparan metoddur.
    Məsələn, bir tədqiqatçı 5000 əhalisi olan 500 nəfərdən sistematik bir nümunə toplamaq niyyətindədir. O, əhalinin hər bir elementini 1-5000 arasında sayır və nümunənin bir hissəsi olmaq üçün hər 10 fərddən birini seçəcəkdir (Ümumi əhali/ Nümunə Ölçüsü = 5000/500 = 10).
  • Stratifikasiyalı təsadüfi seçmə:Stratifikasiyalı təsadüfi seçmə, tədqiqatçının əhalini üst -üstə düşməyən, lakin bütün populyasiyanı təmsil edən kiçik qruplara ayırdığı bir üsuldur. Nümunə götürərkən bu qruplar təşkil oluna bilər və sonra hər bir qrupdan ayrıca nümunə götürülə bilər.
    Məsələn, fərqli illik gəlir bölgülərinə aid olan insanların xüsusiyyətlərini təhlil etmək istəyən bir tədqiqatçı, illik ailə gəlirinə görə təbəqələr (qruplar) yaradacaq. Məsələn - $ 20,000 -dan az, $ 21,000 - $ 30,000, $ 31,000 -dan $ 40,000 -a qədər, $ 41,000 -dan $ 50,000 -a qədər və s. Bununla tədqiqatçı fərqli gəlir qruplarına aid olan insanların xüsusiyyətlərini yekunlaşdırır. Marketoloqlar məhsuldar nəticələr verəcək bir yol xəritəsi yaratmaq üçün hansı gəlir qruplarını hədəfə götürmək və hansını ləğv etmək lazım olduğunu təhlil edə bilərlər.

Ehtimal nümunələrinin seçilməsi

Ehtimal nümunələrinin bir çox istifadəsi var:

  • Nümunə Yanlışlığını Azaltın: Ehtimal nümunə götürmə metodundan istifadə edərək, populyasiyadan götürülmüş nümunədəki qərəz əhəmiyyətsizdir və ya yoxdur. Nümunənin seçilməsi əsasən tədqiqatçının anlayışını və nəticəsini əks etdirir. Nümunə populyasiyanı uyğun şəkildə təmsil etdiyi üçün ehtimalların seçilməsi daha keyfiyyətli məlumat toplanmasına gətirib çıxarır.
  • Fərqli Əhali: Əhali geniş və müxtəlif olduqda, məlumatların bir demoqrafiyaya doğru əyilməməsi üçün adekvat təmsilçiliyin olması vacibdir. Məsələn, Meydan satış nöqtələrini qura biləcək insanları anlamaq istəyirsə, ABŞ-ın müxtəlif sahələrindən və sosial-iqtisadi mənşəli insanlardan ibarət bir sorğu kömək edir.
  • Düzgün bir nümunə yaradın: Ehtimal nümunəsi tədqiqatçılara dəqiq bir nümunə planlaşdırmağa və yaratmağa kömək edir. Bu, dəqiq müəyyən edilmiş məlumatları əldə etməyə kömək edir.

Nümunələrlə qeyri-ehtimal nümunə götürmə növləri

Qeyri-ehtimal metodu, sabit bir seçim prosesinə deyil, tədqiqatçıya və ya statistikaya nümunə seçmə qabiliyyətinə əsaslanan rəy toplusunu əhatə edən bir nümunə götürmə üsuludur. Əksər hallarda, ehtimal olunmayan bir nümunə ilə aparılan bir sorğunun nəticəsi, arzuolunan populyasiyanı əks etdirə bilməyən nəticələrə gətirib çıxarır. Lakin, ehtimal olunmayan seçmənin digər növdən daha faydalı olacağı tədqiqatın ilkin mərhələləri və ya tədqiqat aparmaq üçün xərc məhdudiyyəti kimi hallar var.

Ehtimal edilməyən dörd növ seçmə bu nümunə götürmə metodunun məqsədini daha yaxşı izah edir:

  • Rahatlıq nümunəsi: Bu üsul, alış-veriş mərkəzində müştərilərin sorğusu və ya sıx bir küçədə yoldan keçənlər kimi mövzulara giriş asanlığından asılıdır. Tədqiqatçının bunu həyata keçirməsinin və mövzularla təmasda olmasının asanlığı səbəbindən ümumiyyətlə rahatlıq nümunəsi olaraq adlandırılır. Tədqiqatçıların nümunə elementləri seçmək üçün demək olar ki, heç bir səlahiyyəti yoxdur və bu, yalnız yaxınlığa əsaslanaraq deyil, təmsilçiliyin əsasında aparılır. Bu ehtimal olmayan nümunə götürmə metodu, rəy toplamaqda vaxt və xərc məhdudiyyəti olduqda istifadə olunur. Tədqiqatın ilkin mərhələləri kimi resurs məhdudiyyətlərinin olduğu vəziyyətlərdə rahatlıq nümunəsi götürülür.
    Məsələn, startaplar və QHT -lər adətən qarşıdan gələn hadisələr və ya bir səbəbin təbliğat vərəqələrini yaymaq üçün bir ticarət mərkəzində rahatlıq nümunələri götürürlər - bunu ticarət mərkəzinin girişində dayanıb təsadüfi broşürlər verməklə edirlər.
  • Məhkəmə və ya məqsədli nümunə götürmə:Mühakimə və ya məqsədyönlü nümunələr tədqiqatçının istəyi ilə formalaşır. Tədqiqatçılar, hədəf auditoriyanı başa düşməklə yanaşı, tədqiqatın məqsədini də nəzərə alırlar. Məsələn, tədqiqatçılar magistr təhsili almaq istəyənlərin düşüncə prosesini başa düşmək istədikdə. Seçim meyarları belə olacaq: “Ağaclarınızı etməkdə maraqlısınızmı…? ” və “Yox ” ilə cavab verənlər nümunədən xaric edilir.
  • Qartopu nümunəsi:Qartopu nümunəsi tədqiqatçıların mövzuları izləmək çətin olduqda tətbiq etdikləri bir nümunə üsuludur. Məsələn, sığınacaqsız insanları və ya qeyri -qanuni mühacirləri araşdırmaq son dərəcə çətin olacaq. Belə hallarda, qartopu nəzəriyyəsindən istifadə edərək, tədqiqatçılar müsahibə aparmaq və nəticələr əldə etmək üçün bir neçə kateqoriyanı izləyə bilərlər. Tədqiqatçılar, bu nümunə metodunu mövzunun çox həssas olduğu və açıq şəkildə müzakirə edilmədiyi vəziyyətlərdə tətbiq edirlər - məsələn, HİV QİÇS haqqında məlumat toplamaq üçün sorğular. Bir çox qurban suallara dərhal cavab verməyəcək. Yenə də tədqiqatçılar qurbanları ilə əlaqə qurmaq və məlumat toplamaq üçün tanıdıqları insanlarla və ya səbəblə əlaqəli könüllülərlə əlaqə saxlaya bilərlər.
  • Kvota nümunəsi: Kvota nümunələrində bu nümunə götürmə texnikasında üzvlərin seçilməsi əvvəlcədən qurulmuş bir standart əsasında həyata keçirilir. Bu halda, xüsusi atributlara əsaslanaraq nümunə formalaşdırıldıqda, yaradılmış nümunə ümumi populyasiyada tapılan keyfiyyətlərə malik olacaqdır. Nümunə toplamaq üçün sürətli bir üsuldur.

Ehtimal olmayan nümunə götürmənin istifadəsi

Ehtimal olmayan nümunə götürmə aşağıdakılar üçün istifadə olunur:

  • Hipotez yaradın: Tədqiqatçılar, əvvəlcədən heç bir məlumat olmadıqda bir ehtimal yaratmaq üçün qeyri-ehtimal nümunə götürmə metodundan istifadə edirlər. Bu üsul məlumatların dərhal geri qaytarılmasına kömək edir və əlavə araşdırmalar üçün bir zəmin yaradır.
  • Kəşfiyyat tədqiqatları: Tədqiqatçılar keyfiyyətli tədqiqat, pilot tədqiqatlar və ya kəşfiyyat tədqiqatları apararkən bu nümunə götürmə texnikasından geniş istifadə edirlər.
  • Büdcə və vaxt məhdudiyyətləri: Büdcə və vaxt məhdudiyyətləri olduqda və bəzi ilkin məlumatlar toplananda qeyri-ehtimal üsulu. Anketin dizaynı sərt olmadığından, respondentləri təsadüfi seçib sorğu və ya anketə cəlb etmək daha asandır.

İstifadə ediləcək nümunə növünə necə qərar verirsiniz?

Hər hansı bir araşdırma üçün, tədqiqat məqsədlərinizə çatmaq üçün nümunə götürmə metodunu düzgün seçmək vacibdir. Seçiminizin effektivliyi müxtəlif amillərdən asılıdır. Ən yaxşı nümunə götürmə üsulunu seçmək üçün mütəxəssis tədqiqatçıların izlədiyi bəzi addımlar.

  • Araşdırma məqsədlərini qeyd edin. Ümumiyyətlə, xərc, dəqiqlik və ya dəqiqliyin birləşməsi olmalıdır.
  • Tədqiqat məqsədlərinə çatmaq üçün təsirli nümunə götürmə üsullarını müəyyənləşdirin.
  • Bu metodların hər birini sınayın və məqsədinizə çatmaqda kömək edib -etmədiyini araşdırın.
  • Tədqiqat üçün ən uyğun metodu seçin.

Ehtimal nümunə götürmə ilə qeyri-ehtimal nümunə götürmə üsulları arasındakı fərq

Yuxarıda müxtəlif növ nümunə götürmə üsullarına və onların alt növlərinə baxdıq. Bütün müzakirəni əhatə etmək üçün ehtimal nümunə götürmə üsulları ilə qeyri-ehtimal nümunə götürmə üsulları arasındakı əhəmiyyətli fərqlər aşağıdakı kimidir:


2. Binokulyar Rəqabətin Ehtimalçı Modeli

Başlanğıc nöqtəmiz, beynin hiss girişlərinin necə yaradıldığı ilə bağlı fərziyyələrini əks etdirən retinal görüntülərin ehtimal olunan generativ modelidir (bax Şəkil 1). Formal olaraq, bu model, kompüter görmə qabiliyyətində istifadə edilən ehtimal qrafik modelinin ən standart formalarından biri olan Markov Random Field (MRF) variantıdır (Geman & amp Geman, 1984). Əlavədə bu modeli riyazi olaraq təsvir edirik, amma burada bu modelin arxasındakı əsas intuisiyalara diqqət yetiririk. Model iki gizli dəyişən dəsti qoyur: gizli bir səhnə və müəyyən bir retina yamasının gizli səhnəni müşahidə edib-etməməsini tənzimləyən gözə xas bir xarici proses. Vizual sistemin məqsədi, müşahidə olunan retina girdisini nəzərə alaraq əsas görüntünü çıxarmaqdır.

Gizli səhnəni və iki retina görüntüsünü parlaqlıq dəyərləri (məsələn, 32 × 32 gri tonlu piksel görüntüsü) kimi təqdim edirik, kənar proseslər eyni ölçülü ikili seriallar kimi təmsil olunur. Hər gözdəki piksellərin parlaqlıq dəyərləri səhnənin müvafiq piksellərinin səs-küylü parlaqlığıdır. Ancaq bir gözdən çıxan bir piksel kənarda sayılırsa, o pikselin parlaqlığı mənasızdır və səhnə ilə bağlı heç bir məlumat yoxdur. Aşağıda müzakirə etdiyimiz kimi, bu səhnə təqdimatı, şübhəsiz ki, çox sadələşdirilmişdir, lakin məqsədimiz səhnə qavrayışından daha çox dəyişkən algılamada nəticə çıxarmaq dinamikasını öyrənmək üçün kifayətdir.

Bu kənar proses bəzən retinal siqnalın səhnəyə ümumiyyətlə uyğun gəlməməsinə imkan verir - məsələn, bir oklüzyon bir gözün görmə sahəsinin bir hissəsini bloklayırsa (Shimojo & amp Nakayama, 1990) və ya buynuz qişanın bir hissəsi bir gözün retinası zədələnmişdir. Beləliklə, kənar proses, bu səbəblərdən biri ilə, retina görüntüsünün bir hissəsinin səhnəyə uyğun gəlmədiyi təqdirdə, sadəcə göz ardı edilməli (bastırılmalıdır) anlayışını ələ keçirir. Modelimizin bu tərəfi, iki retina obrazının təxmin edilən səhnədə təmsil olunmaq üçün rəqabət aparmasına imkan verir: əgər iki göz ziddiyyətli görüntülər görürsə, onlardan heç olmasa biri dünyada mövcud olan səhnəni əks etdirməməlidir.

Xarici prosesin psixoloji və sinir inandırıcılığı, binokulyar rəqabət zamanı basdırmanın görmə həssaslığının ümumi itkisi ilə müşayiət olunduğuna dair sübutlarla əsaslandırılır (Blake, 2001). Məsələn, basılan gözə təqdim edilən zond stimulları ilə müqayisədə hədəf aşkarlama performansı daha aşağıdır (Uels və amp Fox, 1970 Fukuda, 1981) və reaksiya müddəti daha uzundur (Fox & amp Check, 1968 O'Shea, 1987). dominant göz. Üstəlik, tək vahid qeydlər (Leopold & amp Logothetis, 1996) və funksional maqnit rezonans görüntüləmə (fMRI) tədqiqatları (Polonsky, Blake, Braun və amp Heeger, 2000), bastırma dövrlərində birincil vizual korteksdə reaksiyaların inhibe olduğunu göstərdi. Bu tapıntılar göstərir ki, görmə sistemi nəinki duyğu girişlərinin gizli səbəblərini, həm də ölçü cihazlarının etibarlılığını ortaya çıxarmaqla məşğuldur.

Əsas odur ki, bu kənar proses məkan baxımından hamardır, buna görə iki bitişik pikselin eyni xarici statusa sahib olma ehtimalı daha yüksəkdir. Bu, retinanın müəyyən bir hissəsinin səhnəyə uyğun bir siqnal almadığı təqdirdə, qonşularının da oklüziya, makula dejenerasyonu, retinit piqmentozası, katarakt və ya başqa bir şeyin sahəni pozduğundan səhnəni təmsil etmə ehtimalı olmadığı fikrinə uyğundur. məkan baxımından hamar bir şəkildə baxılır.

İndiyə qədər, iki ölçülü gizli bir səhnənin hər bir pikselinin parlaqlıq dəyərini müstəqil olaraq çıxarmaq üçün hazırlanmış ehtimal olunan bir qrafik modeli təsvir etdik. Ancaq vizual sistemin daha iddialı bir məqsədi var: tam, semantik baxımdan tutarlı, üç ölçülü gizli bir səhnə çıxarmaq. Vizual sistemin düşündüyü səhnələrin tam generativ modeli, bir çox mürəkkəb məhdudiyyətləri və belə bir modelin inkişaf etdirilməmiş başa düşülməmiş fərziyyələrini əhatə edərdi, insanın görmə qabiliyyəti və vizual idrakını tam şəkildə izah etmədən etmək çətin olardı. Bunun əvəzinə, belə zəngin bir modelin nümayəndəsi olaraq, stimulu ehtiva edən real görüntülərin parlaqlıq dəyərlərinin bəzi birləşməsinə uyğun olan və piksellərin bir stimula uyğun dərəcəsinə uyğun gələn parlaqlıq dəyərləri ilə şəkil bənzər bir səhnə təqdimatını qəbul edirik. ya da başqası məkan baxımından hamardır. Əvvəlki bu hamar "gizli görüntü", çıxarılan gizli səhnədə məkan baxımından təşkil edilmiş semantik uyğunluq fikrini kodlaşdırmağın sadə bir yoludur.

Xüsusilə, hər bir gizli səhnə pikselinin olduğunu nəzərə alaraq, təbii görüntülər üzərində tam bir paylama təyin etmədən gizli görüntülərin zəngin bir hipotez məkanına yaxınlaşırıq. sn uyğun real görüntü piksellərinin xətti birləşməsidir (x L nx R n) stimulda: sn = wnx L n + (1 − wn)x R n, harada wn nəzəri olaraq bütün həqiqi xətti əhatə edə bilər və məkan baxımından hamar olduğu qəbul edilir. Bu, yalnız müşahidə olunan şəkillərin xətti birləşmələrindən istifadə edərək təbii görüntülər üzərində paylanmanın "empirik" yaxınlaşması kimi başa düşülə bilər. Praktikada, bu evristik təxminən eyni şəkildə işləyəcək, çünki posterior paylama iki retinal görüntü ətrafında güclü şəkildə cəmlənəcəkdir.