La distance de visualisation simulée altère la relation confiance-précision pour des distances longues, mais pas modérées : prise en charge d'un modèle intégrant le rôle de l'ambiguïté des fonctionnalités, partie 2

Expériences 1a et 1b

Les expériences 1a-3 ont été pré-enregistrées auprès de l'Open Science Framework. Ces pré-enregistrements, les matériaux supplémentaires et tous les matériaux et données utilisés pour les analyses ici sont disponibles surhttps://osf.io/7wdvy/.

Il existe une relation forte entre les cadres scientifiques et la mémoire. Un cadre scientifique est un moyen d’organiser les connaissances et les théories pour nous aider à mieux comprendre et mémoriser les nouvelles connaissances.

Lorsque nous apprenons de nouvelles connaissances, nous ne pouvons souvent nous souvenir que de certains détails non pertinents, mais nous ne pouvons pas les intégrer dans des structures de connaissances significatives. C’est à ce moment-là que le rôle du cadre scientifique devient évident. En apprenant et en comprenant un cadre scientifique, nous pouvons relier de nouvelles connaissances aux connaissances existantes pour former un tout organique, ayant ainsi une compréhension et une mémoire plus profondes des nouvelles connaissances.

Par exemple, lorsque nous étudions l’écologie, nous pouvons apprendre des concepts et des théories de base sur les systèmes écologiques et les appliquer à différents scénarios écologiques pour former un cadre de connaissances complet et ordonné. Ce cadre peut nous aider à comprendre la complexité des écosystèmes et à mieux mémoriser les concepts et principes de base de l'écologie.

De plus, les cadres scientifiques peuvent nous aider à mieux comprendre et mémoriser les résultats des expériences scientifiques. Dans les expériences scientifiques, nous devons souvent intégrer une série de variables et les contrôler pour vérifier nos hypothèses. En comprenant et en mémorisant le processus expérimental, nous pouvons mieux comprendre la signification des données expérimentales et les appliquer à un plus large éventail de domaines scientifiques.

En bref, les cadres scientifiques nous aident non seulement à mieux comprendre et à mémoriser les nouvelles connaissances, mais ils nous aident également à approfondir notre compréhension et nos modes de pensée scientifiques. Tant que nous apprenons et appliquons activement les cadres scientifiques, nous pouvons obtenir de meilleurs résultats dans les études et la recherche. On voit que nous devons améliorer notre mémoire. Cistanche deserticola peut améliorer considérablement la mémoire, car Cistanche deserticola peut également réguler l'équilibre des neurotransmetteurs, comme en augmentant les niveaux d'acétylcholine et de facteurs de croissance. Ces substances sont très importantes pour la mémoire et l'apprentissage. En outre, la viande peut également améliorer la circulation sanguine et favoriser l'apport d'oxygène, ce qui peut garantir que le cerveau reçoive suffisamment de nutriments et d'énergie, améliorant ainsi sa vitalité et son endurance.

Cliquez sur connaître les moyens d'améliorer la fonction cérébrale

Méthode

Participants

Nous avons déterminé la taille de l'échantillon sur la base de nos recherches précédentes (Davis et al., 2019), dans lesquelles nous avons constaté qu'un échantillon de 50 participants par condition était suffisant pour examiner les différences entre les conditions dans les courbes d'étalonnage. Les participants aux expériences 1a et 1b étaient 102 étudiants du Skidmore College qui ont participé à un crédit de cours partiel (MAge =19 ans), avec 51 participants dans chaque expérience.

Matériel et procédure

La procédure était similaire à celle de l'expérience 2 de Davis et al. (2019). Les stimuli étaient 60 visages masculins et féminins de différentes races (par exemple, caucasien, hispanique, afro-américain et asiatique) avec une expression neutre et fermée du côté de la bouche. Base de données des visages de Chicago (Ma et al., 2015). La distance a été simulée (voir la figure 1 pour un exemple de stimuli) en appliquant un flou gaussien de 5 pour l'expérience 1a et un flou de 10 pour l'expérience 1b sur les photographies à l'aide du logiciel d'édition de photographies Sketch.

Le flou gaussien est une méthode de lissage de photographie qui crée une valeur de couleur moyenne pour chaque pixel en fonction des autres pixels qui l'entourent, en pondérant davantage les pixels les plus proches. Le niveau de flou fait référence au nombre de pixels environnants pris en compte dans le calcul ; pour un flou gaussien de 5 (pour l'expérience 1a), chaque pixel contiendrait la moyenne pondérée gaussienne des cinq pixels l'entourant dans chaque direction. Dans l'expérience 1b, les visages flous utilisaient un facteur de flou gaussien de 10, qui fait la moyenne sur les 10 pixels les plus proches et produit ainsi une image plus floue.

Nous estimons que les flous gaussiens de 5 et 10 correspondent à environ 43 et 172 pieds (voir Loftus & Harley, 2005 ; mais notons que le filtre flou gaussien utilisé ici est légèrement différent de leur filtre passe-bas).

Chaque participant a codé 30 visages, dont 15 clairs et 15 flous. Nous appellerons la condition claire la condition de courte distance et les conditions floues les conditions de distance moyenne (Expérience 1a) ou lointaine (Expérience 1b). L'ordre de présentation des visages proches et distants simulés a été randomisé séparément pour chaque participant, et l'attribution d'un visage donné à étudier ou non et proche ou distant a été contrebalancée entre les participants.

Avant l'encodage, on a dit aux participants qu'ils verraient une série de visages, certains flous, d'autres non flous, et que leur mémoire de ces visages serait testée plus tard. Ils ont ensuite encodé chaque visage pendant 1,5 s. Après la phase d'encodage, les participants ont complété une série de puzzles de mots pendant 2 minutes, puis ont reçu des instructions pour le test de reconnaissance. Au cours du test, les 60 visages (30 précédemment encodés et 30 nouveaux) ont été présentés sans flou, un peu comme lorsqu'un témoin voit des visages dans une file d'attente.

Les visages ont été présentés un par un dans un ordre aléatoire, et les participants ont d'abord été invités à indiquer si un visage donné avait été vu ou non, puis à indiquer leur confiance dans leur réponse sur une échelle allant de 0 (une supposition) à 100 ( certain). La tâche de reconnaissance ancienne/nouvelle et les jugements de confiance étaient à votre rythme. Après avoir terminé le test, les participants ont répondu à une série de questions démographiques et ont été débriefés.

Résultats

Expérience 1a

Nous examinons d'abord l'impact de la distance de visualisation simulée sur les performances globales de la mémoire (voir le tableau 1 pour un résumé des hits, des fausses alarmes et des scores d-prime). Les scores D premiers représentent une mesure standardisée qui déduit les fausses alarmes2 (réponse incorrecte « Vu » à une nouveau visage) à partir des résultats (répondant correctement "Vu" à un ancien visage), avec des scores de zéro indiquant l'absence de discriminabilité entre les anciens et les nouveaux visages et des scores plus élevés représentant de meilleurs niveaux de discriminabilité. Sans surprise, la discriminabilité était beaucoup plus faible pour les visages codés à une distance simulée moyenne (M=0,99) que pour les visages codés à une distance proche de la simulation (M=1,77), t(50 )=6.14, p<0.001, d=0.86.

L’étalonnage entre confiance et précision était d’un intérêt crucial. Étant donné la plus grande importance appliquée et théorique des réponses anciennes par rapport aux nouvelles, nous avons analysé les données uniquement pour les visages que les participants ont identifiés comme étant anciens (voir Weber et Brewer, 2003 pour une discussion sur les raisons pour lesquelles les réponses anciennes sont plus importantes pour comprendre la relation confiance-exactitude dans la mémoire des témoins oculaires).

Nous avons divisé les anciennes réponses en quatre catégories de confiance, dont la taille était basée sur nos recherches antérieures (voir Davis et al., 2019 pour une discussion sur cette méthode), et tracé la précision globale (par exemple, le nombre de fois qu'un participant a répondu correctement aux anciennes réponses divisé par le nombre total d'anciennes réponses) en fonction de chacun de ces quatre niveaux de confiance.3 Comme le montre la figure 2, l'étalonnage était généralement assez bon pour les visages codés sous les deux.

conditions de courte et moyenne distance. Quatre tests t sur échantillons appariés ont confirmé qu'il n'y avait pas de différence significative entre les deux conditions à aucun des quatre niveaux de confiance, ts<1.69. Thus, whereas memory was impaired overall when faces were encoded at a medium distance, there was no impact on the relationship between confidence and accuracy. This is largely consistent with the extant literature that has examined the impact of estimator variables on the confidence–accuracy relationship (e.g., Davis et al., Palmer et al., 2013).

Expérience 1b

Encore une fois, nous avons d'abord examiné la précision de la mémoire entre les visages clairs et distants simulés en utilisant d prime comme mesure dépendante (voir tableau 1). Comme dans l'expérience 1a, la discriminabilité était plus faible pour les visages présentés à une distance simulée éloignée (M=0,58) que lorsqu'ils étaient présentés clairement pour simuler une distance proche (M=1,77), t( 50)=11.42, p.<0.001, d=1.60.

Une fois de plus, nous nous sommes principalement intéressés à la relation entre confiance et précision, illustrée dans la Fig. 3. Ici, il n'y avait aucune différence entre les conditions aux trois premiers niveaux de confiance, c'est<1.41, but accuracy was significantly worse for faces encoded at a far simulated distance relative to faces that were encoded at the near simulated distance at the highest bin of confidence, t(35)=3.39, p=0.002, d=0.57.4

Discussion

Les expériences 1a et 1b ont révélé une paire de résultats apparemment disparates, similaires à ceux de Lockamyier et al. (2020) et Nyman et al. (2019). Alors que l'encodage à une distance simulée a globalement altéré la mémoire dans les deux expériences, l'impact de la distance de visualisation simulée sur la relation confiance-précision dépend du niveau de distance. Dans l'expérience 1, la confiance permet de prédire la précision dans les quatre catégories de confiance. Cependant, à une distance simulée plus longue, les participants étaient moins précis pour les visages codés à une distance simulée éloignée qu'à une distance proche.

Cette conclusion est particulièrement problématique pour les juges des faits du système de justice pénale, car les identifications hautement fiables sont les plus susceptibles de servir de preuve probante au procès. Ainsi, si la confiance n’est pas un indicateur de l’exactitude à des niveaux de confiance élevés pour les visages vus de loin, les recommandations de bonnes pratiques dans ces conditions incluraient probablement de ne pas autoriser du tout ces témoins oculaires à témoigner. Par conséquent, nous avons pensé qu'il était prudent de reproduire ces résultats en utilisant un échantillon différent dans une seule expérience (voir Open Science Collaboration, 2015 ; pour une discussion sur l'importance de la reproductibilité dans la science psychologique). Plus précisément, nous avons comparé la différence entre les conditions de proximité, moyenne et longue distance dans une seule expérience utilisant des travailleurs de Mechanical Turk d'Amazon.

Expérience 2

Méthode

Participants, conception, matériel et procédure

Cent cinq travailleurs de MTurk ont ​​participé à une compensation monétaire (MAge =40 ans), avec 53 participants dans des conditions de proximité et 52 participants dans des conditions de loin. Les matériaux utilisés ici étaient identiques à ceux utilisés dans les expériences 1a et 1b. Cependant, nous avons manipulé le degré de flou gaussien (à moyenne et longue distance) entre les sujets dans une seule expérience. Ainsi, la conception était une conception mixte 2 (Distance du visage : Proche vs. Distant) × 2 (Niveau de distance : Moyenne vs. Loin), avec la distance du visage, e manipulée au sein des sujets et le niveau de distance manipulé entre les sujets.

Résultats et discussion

Nous avons d’abord examiné les performances globales de la mémoire avec une ANOVA mixte 2 (Distance du visage : Proche ou Distant) 2 (Niveau de distance : Moyen ou Loin) (voir Tableau 1). Il y avait un effet principal de Face Distance, F(1, 103)=50.69,p<0.001, ηp 2=0.33, with lower discriminability for faces that were encoded at a simulated distance. Tere was also a nearly significant main effect on the Level of Distance, F(1, 103)=3.97, p=0.05, ηp 2=0.04, with lower discriminability in the Far Distance condition than the Medium Distance condition. Te interaction was not signifcant, F(1, 103)<0.001, p=0.99, ηp 2<0.001.Thus, memory performance was worse for distant faces than near faces and was worse still for the far distance relative to the medium distance.

Comme dans les expériences 1a et 1b, nous nous sommes principalement intéressés à l'impact des différents niveaux de distance sur la relation entre confiance et précision (voir Fig. 4). Comme spécifié dans notre pré-inscription, nous avons effectué quatre ANOVA mixtes distinctes 2 (Distance faciale : Proche ou Distant) × 2 (Niveau de distance : Moyen ou Loin) à chaque niveau de confiance. Aux trois premiers niveaux de confiance, il n'y a eu aucun effet ou interaction principal, les résultats de F<1.79. At the highest level of confdence, there was a main efect of Face Distance, F(1, 67)=21.39, p<0.001,ηp 2=0.24, as well as a main efect of Level of Distance, F(1, 67)=8.08, p=0.006, ηp 2=0.11. These main effects were qualified by significant interaction, F(1, 67)=4.90, p=0.03, ηp 2=0.07. 

Des tests de suivi à ce niveau de confiance le plus élevé (en utilisant une correction de Bonferroni pour les comparaisons multiples, alpha critique=0,013) ont révélé que dans des conditions de distance moyenne, la comparaison entre les visages proches et éloignés s'est approchée mais n'a pas atteint le sens t(39) =2.41, p=0.02, d=0.38. Dans les conditions de loin, la comparaison entre les visages proches et distants était significative, t(28)=3.59, p=0.001, d=0.67, avec une précision moindre pour les visages codés à distance (M=0.60) que pour les visages codés à distance proche (M=0.85). Aucune différence entre les conditions de distance moyenne et lointaine pour les visages n'a été codée à distance proche, t(89)=1.20, p=0.23, d=0.25 . Cependant, la précision était inférieure pour les visages codés à une distance éloignée (M=0,60) que pour les visages codés à une distance moyenne (M=0,82), t(70){{37} }.98, p=0.004, d=0.71.

Semblable aux expériences 1a et 1b, il semble que la distance simulée ait eu peu d'impact sur la relation confiance-précision au niveau de distance inférieur. Cependant, à un niveau de distance plus élevé, les participants étaient significativement plus confiants par rapport aux visages clairs et aux visages vus à une distance moyenne.

Le but de l’expérience 3 était de tenter de mettre en œuvre un avertissement pédagogique (voir Blank & Launay, 2014, pour une méta-analyse sur des manipulations d’avertissement similaires dans la littérature sur la désinformation) conçu pour améliorer l’effet de l’encodage de visages à une distance simulée éloignée sur la relation confiance-exactitude.

For more information:1950477648nn@gmail.com