Mukautuvan koeasetelman soveltaminen kategorisen havaitsemisen tutkimiseen neuropsykologiassa
Tässä tutkielmassa tutkitaan kognitiiviseen neuropsykologiaan kuuluvaa ilmiötä, nimeltään äänteiden kategorinen havaitseminen, käyttämällä mukautuvaa koeasetelmaa. Tarkoituksena on ollut kehittää ohjelma, jonka avulla pystyttäisiin mahdollisimman nopeasti ja tehokkaasti (optimaalisesti) määrittämään jokaiselle koehenkilölle yksilöllinen malli, jota havainnot noudattavat.
Äänteiden kategorinen havaitseminen tarkoittaa, että ihminen pyrkii luokittelemaan äänteet kategorioihin niiden akustisten ominaisuuksien perusteella ilman, että hän erottaisi kahden eri äänteen välimuotoja. Esimerkiksi kuullessaan äänteen, joka on puoliksi /ba/ ja puoliksi /pa/, ihminen ei erota kuultua äännettä välimuodoksi vaan tulkitsee sen joko äänteeksi /ba/ tai /pa/.
Tässä tutkielmassa tarkoituksena on mallintaa, miten koehenkilöt kuulevat äänteet /ba/ ja /pa/ sekä näiden välimuodot ja mitata aivosähkökäyrässä (EEG) tapahtuvia muutoksia koe- ja kontrollitilanteessa. Koetilanne suoritetaan toistamalla koehenkilöille useita kertoja 9 erilaista ääntä ja mittaamalla, kumpi äänne oli koehenkilön mielestä kyseessä. Vasteen (koehenkilön vastausten) oletetaan noudattavan logistista regressiomallia. Kontrollitilanteessa puolestaan koehenkilö pelkästään passiivisesti kuuntelee ääniä.
Koetta varten on tehty MATLAB-ohjelma, joka pyrkii valitsemaan kolme niin sanottua ”kiinnostavaa ääntä”, joiden kohdalla koehenkilö on epävarmin, kummasta äänteestä on kyse. Näiden kiinnostavien äänten määrää painotetaan toistamalla yksittäistä kiinnostavaa ääntä kaksinkertainen määrä verrattuna yksittäiseen ”ei-kiinnostavaan ääneen”, jolloin kolmea kiinnostavaa ääntä toistetaan yhteensä saman verran kuin kuutta ei-kiinnostavaa ääntä. Apuna kiinnostavien äänten valitsemisessa on binäärinen etsintäalgoritmi, joka pyrkii puolitushaulla löytämään kaksi kiinnostavaa ääntä. Kun kaksi ääntä on löydetty, algoritmi jatkaa mallin estimoimista suurimman uskottavuuden menetelmällä kaikesta kerätystä aineistosta.
Tätä tutkielmaa varten on suoritettu mittauksia koehenkilöillä, joiden perusteella ohjelman toimintaa ja kehittämiskohtia on analysoitu. Samalla on kerätty EEG-dataa psykologian laitoksen analysoitavaksi. Suoritettujen mittausten perusteella ohjelma näyttäisi toimivan melko hyvin ja on hyvä pohja koetilanteen kehittämiseksi vielä optimaalisemmaksi.
...
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29740]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Logistista regressioanalyysiä ajokokeen tuloksiin vaikuttavista tekijöistä
Vauhkonen, Ville (2009) -
Polttoaineiden kuluttajahintojen tilastollinen mallintaminen päivä- ja asematasolla
Isoketo, Joonas (2014)Tässä työssä tutkitaan, miten liikennepolttoaineiden, 95E, 98E ja diesel, vähittäishinnat ovat muuttuneet sekä alueellisesti että ajallisesti. Alueellisessa hinnoittelussa tutkitaan erityisesti, mitkä tekijät ovat yhteydessä ... -
Multinomiaalisen logistisen regression sovellus vuoden 2014 EVAn kansalliseen asennetutkimukseen
Paajanen, Teemu (2017)Kun vastemuuttuja on luokiteltu ja siinä on enemmän kuin kaksi luokkaa, niin mallinnusta voidaan tehdä multinomiaalisen logistisen regression avulla. Tämän alaluokka on nominaalinen logistinen regressio ja sitä käytetään, ... -
Logistisen regressiomallin selitysasteesta
Puntila, Eero (1991) -
Moni-imputoinnin ja sekamallien sovellus Liikkuva koulu -aineistoon : kyselylomakkeella ja mittarilla mitatun liikunnan ero
Pesonen, Pinja (2018)Tämän pro gradu -tutkielman tarkoituksena oli etsiä mahdollisia taustatekijöitä, jotka vaikuttavat lasten ja nuorten itsearvioidun liikunnan määrän ali- tai yliarvioimiseen. Aineistona käytettiin maanlaajuisen Liikkuva ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.