簡単なタイトル: プロジェクト 4 例: 混合ハイブリッド チェックリスト

この実験は、助成金申請プロセスの一部として登録された BESH 実験の「バンドル」の 1 つです。 単一の CT.gov ファイルに実験のバンドルを登録することは不可能または意味がないため、「混合ハイブリッド チェックリスト」がこのバンドルの例として登録されています。

これは、もともとオープン サイエンス フレームワークに掲載されていた混合ハイブリッド チェックリストの事前登録のテキストです: https://osf.io/j6h4s

注: 代名詞のコメントは助言であるため、これは後ほど残しておきます。 実際、この Web サイトは OSF ページとして機能しています。

========

この研究で尋ねられている主な質問、または検証されている仮説は何ですか?

実際の検索 (特に放射線学) では、検索の主な対象ではない関心のある項目に「目を光らせる」ことが重要です。 放射線医学では、これらは「偶発的所見」として知られており、臨床医は異なる質問に答えている場合でも、臨床的に重要な項目を検出することが期待されているため、重大な問題です。 タスクが肺がんのスクリーニングである場合でも、肺炎を検出する必要があります)。 私たちは、偶発的な発見エラーの背後にある基本的な認知プロセスを調査するために使用できる「混合ハイブリッド検索」タスクの形式で「モデル システム」を開発しました。 この混合ハイブリッド検索タスクでは、観察者は複数の特定のターゲット (例: このウサギ、このトラック、このスプーン) および複数のカテゴリ別ターゲット (例: ウサギ) のいずれかを検索します。 マスク、家具、植物など）。 これまでに実施されたすべての「混合ハイブリッド検索」実験では、カテゴリ別ターゲットは特定のターゲットよりもはるかに高い確率で見逃されます。 したがって、カテゴリ目標は偶発的エラーの類似物となり、私たちの目標は、これが現実世界のタスクでのエラーを減らす方法に関する指針となることを期待して、モデル システムでそれらのエラーを減らすことです。

私たちは、カテゴリターゲットの見逃し数を減らすことを目的とした 2 つの戦略をテストしました。 実験 5 では、カテゴリカル ターゲットが明確にマークされた非検索トライアルを通じて、観察者にカテゴリカル ターゲットについて思い出させました。 実験 6 では、観察者に各試行で 2 回回答するよう強制しました。1 回目は特定のターゲットの有無を確認し、もう 1 回目はカテゴリ別ターゲットの有無を確認しました。 これらの介入は両方とも失敗しました。

この「ハイブリッド チェックリスト」実験は、これらのカテゴリエラーを減らすのに役立つ戦略を開発するためのもう 1 つの試みです。 前の実験と同様に、観察者は 3 つの特定のターゲットと 3 つのカテゴリ別ターゲットを記憶することから始めます。 ターゲットを表示した後、観察者は検索フェーズに進むために、新旧認識テストに 100% 正解で合格する必要があります。 各メモリ テストは 2×N 個の項目で構成されます。N はメモリ セット サイズで、項目の 50% が古い (ターゲット) で、50% が新しいです。 記憶テストに合格すると、観察者は 4、8、または 12 個の項目が表示された画面でターゲットを検索します。 オブザーバーは、マウスをクリックして、メモリ セット内の各ターゲットが現在の表示に存在するか存在しないかを示す必要があります。 6 つのターゲット (3 つは特定、3 つはカテゴリ) があるため、観察者は各試行で 6 つの応答を行います。 エラーと反応時間は、クリックごと、試行ごとに記録されます。

仮説 (H1):

- このチェックリスト手順により精度が向上し、ミスエラーが減少するという仮説を立てています。 ただし、各試験で 6 件の回答があることを考えると、1 回の試験あたりの時間 (放射線科医の場合は 1 件あたりの時間) が大幅に増加する可能性があります。

主要な従属変数を説明し、その測定方法を指定します。

ミスエラーと反応時間は重要な従属変数です。 これらは、同じ条件 (特定のターゲット、カテゴリ別ターゲット、および不在トライアル) およびビジュアル セット サイズ (4、8、12) のトライアル全体で平均化されます。 これらの測定値は、観察者内での計画ではなく、以前の実験の結果と比較されることに注意してください。

参加者は何名、どの条件に割り当てられますか?

この実験では、参加者は単一の「チェックリスト」条件に割り当てられます。 すべての観察者は、3 つの特定のターゲットと 3 つのカテゴリ別のターゲットのセットを記憶します。 次に、視覚検索タスクの 20 回の練習試行と 300 回の実験試行に進む前に、記憶力テストに合格する必要があります。 これら 300 件のトライアルのうち:

70% はターゲットが存在するトライアルです ターゲットが存在するトライアルの 45% は 1 つのターゲットを持ちます

• 単一ターゲット試験の 80% には 1 つの特定のターゲットがあります
• 1 ターゲット試験の 20% には 1 つのカテゴリ別ターゲットが含まれます ターゲット存在試験の 25% には 2 つのターゲットが含まれます
• 2 ターゲット試験の 65% には 2 つの特定のターゲットがあります
• 2 ターゲット試験の 5% には 2 つのカテゴリターゲットがあります
• 2 ターゲット試験の 30% には、特定のターゲットとカテゴリ別のターゲットが 1 つあります。残りの 30% のトライアルにはターゲットがありません。

主な質問/仮説を検証するためにどの分析を実行するかを正確に指定します。

反応時間とエラー率は、以前の混合ハイブリッド検索実験 (被験者間デザイン) のものと比較されます (Wolfe、Soce、および Schill、2017)。 分析は反応時間とミスエラー率の両方で実行されます。 反応時間については、条件 (特定のターゲット、カテゴリターゲット、不在) とビジュアル セット サイズの 2 つの要素を使用して反復測定 ANOVA が実行されます。 ミスエラー率については、逆正弦変換されたエラー率に基づいてエラーの統計分析が実行されます (Hogg & Craig、1995)。

二次分析はありますか?

他の関心のあるパターンのデータを調査します。

- 順序効果: トライアル N のカテゴリカル ターゲットは、N+1 でそのようなターゲットを検出する確率に影響しますか。

収集される観測値の数はどれくらいですか? サンプル サイズは何によって決まりますか? 決定を正当化する必要はありませんが、数値がどのように決定されるかを正確に理解してください。

以前の「混合ハイブリッド検索」実験と一貫性を保つために、12 人の観察者からデータを収集します。 18 歳から 55 歳まででない場合、視力が 20/25 より悪い場合、または石原色彩検定に合格していない場合は、参加者は除外されます。

他に事前登録しておきたいことはありますか？ (例: データの除外、探索目的で収集された変数、計画された異常な分析?)

該当なし