Breve titolo: Progetto 4 Esempio: Lista di controllo ibrida mista

Questo esperimento è un membro di un "pacchetto" di esperimenti BESH che sono stati registrati come parte del processo di domanda di sovvenzione. Non è possibile o significativo registrare un pacchetto di esperimenti in un singolo deposito CT.gov, quindi "Lista di controllo ibrida mista" viene registrata come esempio di questo pacchetto.

Questo è il testo della pre-registrazione della Mixed Hybrid Checklist originariamente inserita nell'Open Science Framework: https://osf.io/j6h4s

NOTA: poiché il commento del pronome è di consulenza, lo lasceremo per dopo. Il sito Web è, infatti, una pagina OSF funzionante.

========

Qual è la domanda principale che viene posta o l'ipotesi che viene testata in questo studio?

Nella ricerca nel mondo reale (e, in particolare, in radiologia), può essere importante "tenere d'occhio" gli elementi di interesse che non sono l'oggetto principale della ricerca. In radiologia questi sono noti come "rilievi accidentali" e rappresentano un problema significativo perché ci si aspetta che i medici rilevino elementi di importanza clinica anche se rispondono a una domanda diversa (ad es. devi rilevare la polmonite anche se il tuo compito era lo screening per il cancro ai polmoni). Abbiamo sviluppato un "sistema modello", sotto forma di un compito di "ricerca ibrida mista" che può essere utilizzato per indagare i processi cognitivi fondamentali che si celano dietro gli errori di ricerca accidentali. In questa attività di ricerca ibrida mista, gli osservatori cercano uno qualsiasi di più bersagli specifici (ad esempio, questo coniglio, questo camion e questo cucchiaio) e più bersagli categorici (ad es. eventuali maschere, mobili e piante). In tutti gli esperimenti di "ricerca ibrida mista" condotti finora, gli obiettivi categorici vengono persi a un tasso molto più elevato rispetto agli obiettivi specifici. Gli obiettivi categorici, quindi, diventano l'analogo dell'errore accidentale e il nostro obiettivo è ridurre quegli errori nel nostro sistema modello nella speranza che ciò fornisca una guida su come ridurre gli errori nelle attività del mondo reale.

Abbiamo testato due strategie intese a ridurre il numero di obiettivi categorici mancati. Nell'esperimento 5, abbiamo ricordato agli osservatori gli obiettivi categorici tramite prove non di ricerca in cui gli obiettivi categorici erano chiaramente contrassegnati. Nell'esperimento 6, abbiamo costretto gli osservatori a rispondere due volte a ciascuna prova: una volta per confermare la presenza o l'assenza di obiettivi specifici e una volta per confermare la presenza o l'assenza di obiettivi categorici. Entrambi questi interventi fallirono.

Questo esperimento "Hybrid Checklist" è un altro tentativo di sviluppare una strategia che ci aiuti a ridurre questi errori categorici. Come negli esperimenti precedenti, gli osservatori iniziano memorizzando tre obiettivi specifici e tre obiettivi categorici. Dopo aver visionato i bersagli, gli osservatori devono superare un vecchio/nuovo test di riconoscimento con risposte corrette al 100% per passare alla fase di ricerca. Ogni test della memoria è composto da 2 × N elementi dove N è la dimensione del set di memoria e il 50% degli elementi sono vecchi (obiettivi) e il 50% sono nuovi. Dopo aver superato il test della memoria, gli osservatori cercano i loro bersagli in display con 4, 8 o 12 elementi. Gli osservatori devono indicare se ciascun bersaglio nel set di memoria è presente o assente nella visualizzazione corrente facendo clic con il mouse. Ci sono 6 obiettivi (3 specifici, 3 categorici), quindi gli osservatori danno 6 risposte per ogni prova. L'errore e il tempo di reazione verranno registrati per ogni clic e per ogni prova.

Ipotesi (H1):

- Ipotizziamo che questa procedura della lista di controllo migliorerà l'accuratezza e ridurrà gli errori mancati. Tuttavia, dato che ci sono 6 risposte su ogni prova, è probabile che il tempo per prova (o tempo per caso per i radiologi) aumenti in modo significativo.

Descrivere le variabili dipendenti chiave specificando come saranno misurate.

Errori mancati e tempi di reazione sono le principali variabili dipendenti. Questi saranno mediati tra prove della stessa condizione (target specifico, target categorico e prove assenti) e dimensione del set visivo (4, 8, 12). Si noti che queste misure saranno confrontate con i risultati di esperimenti precedenti piuttosto che con un progetto all'interno dell'osservatore.

A quante e quali condizioni saranno assegnati i partecipanti?

In questo esperimento, i partecipanti vengono assegnati a un'unica condizione di "lista di controllo". Tutti gli osservatori memorizzano una serie di tre obiettivi specifici e tre categorici. Devono quindi superare un test di memoria prima di passare a eseguire 20 prove pratiche e 300 prove sperimentali dell'attività di ricerca visiva. Di queste 300 prove:

Il 70% sono prove con bersaglio presente Il 45% delle prove con bersaglio presente avrà un bersaglio

• L'80% delle prove a un obiettivo ha un obiettivo specifico
• Il 20% delle prove con un obiettivo ha un obiettivo categorico Il 25% delle prove con obiettivo presente avrà due obiettivi
• Il 65% delle prove a due obiettivi ha due obiettivi specifici
• Il 5% delle prove a due obiettivi ha due obiettivi categorici
• Il 30% degli studi a due obiettivi ha un obiettivo specifico e uno categoriale Il restante 30% degli studi non avrà obiettivi

Specifica esattamente quali analisi condurrai per esaminare la domanda/ipotesi principale.

Il tempo di reazione e il tasso di errore saranno confrontati con quelli del precedente esperimento di ricerca ibrida mista - un progetto tra soggetti (Wolfe, Soce e Schill, 2017). Le analisi saranno eseguite sia sul tempo di reazione che sul tasso di errori mancati. Per il tempo di reazione, verrà eseguita un'ANOVA a misure ripetute con due fattori: condizione (target specifico, target categorico e assente) e dimensione del set visivo. Per il tasso di errori mancati, l'analisi statistica degli errori sarà eseguita sui tassi di errore trasformati in arcoseno (Hogg & Craig, 1995).

Qualche analisi secondaria?

Esploreremo i dati per altri modelli di interesse: ad es.

- Effetti dell'ordine: un obiettivo categorico sulla prova N influenza la probabilità di rilevare tale obiettivo su N+1.

Quante osservazioni verranno raccolte o cosa determinerà la dimensione del campione? Non c'è bisogno di giustificare la decisione, ma sii preciso su come verrà determinato esattamente il numero.

Per essere coerenti con i precedenti esperimenti di "ricerca ibrida mista", raccoglieremo dati da 12 osservatori. I partecipanti sono esclusi se non hanno un'età compresa tra 18 e 55 anni, se la loro acuità visiva è inferiore a 20/25 o se non superano l'Ishihara Color Test.

C'è qualcos'altro che vorresti pre-registrare? (ad esempio, esclusioni di dati, variabili raccolte a scopo esplorativo, analisi insolite pianificate?)

N / A