鼠标追踪技术：研究内部信息加工过程

Hello，这里是行上行下，我是喵君姐姐~   在脑科学领域中，我们研究最多的便是个体内部的信息加工过程。在研究过程中，我们采用了很多方式，其中包括行为数据分析，如反应时、正确率，以及脑电数据，如ERP。   而在本期中，我们要介绍研究个体信息加工的一种新的技术——鼠标追踪技术（MouseTracker）。

 

PS：后台回复“鼠标追踪技术”可获得所述的教程及相关参考文献啦~

 

1. 鼠标追踪技术应用原理   鼠标追踪技术的生理原理是：手的运动可以实时地反映大脑内的信息加工过程。

 

由于知觉输入和运动反应之间的关联是动态的、连续的,面孔加工得到的信息会实时地、连续地以脉冲波的形式传递到运动皮层。

因此，它能够跟踪记录被试移动电脑鼠标进行反应时鼠标的运行轨迹, 通过对鼠标运动轨迹坐标的分析, 对心理加工的动态过程进行实时测量。该技术尤其适用于进行多重选择判断任务时鼠标移动轨迹测量^[1]。

例，有研究探讨了手指追踪对小学生几何样例的学习。

 

在实验1中，要求学生在样例学习过程中进行食指追踪，不进行食指追踪和标记样例三种学习条件，比较了学生的远、近迁移测验成绩及其对迁移测验难度的评分。

实验结果显示，追踪组被试的远、近迁移成绩均显著高于标记组和非追踪组被试的远、近迁移成绩，且追踪组被试对远迁移问题的难度评分更低。

 

在实验2中，改变实验条件，即要求学生用食指追踪样例，用鼠标追踪样例和观看别人用食指追踪样例的动画三种样例学习条件。

实验结果显示，食指追踪组和鼠标追踪组被试的远迁移成绩显著高于观看追踪组被试的远迁移成绩，且食指追踪组和鼠标追踪组被试对远迁移测题难度的评分著低于观看追踪组被试的评分。食指追踪组被试和鼠标追踪组被试在远、近迁移成绩及对迁移测题难度的评分上均无显著差异。

 

以上实验表明，手指追踪可以提高小学生的几何样例学习成绩，并且这种优势可以扩展到鼠标追踪上。侧面说明鼠标追踪是一种有效、可靠的测量方式^[1]。

2. 软件包MouseTracker的分析程序和性能

 

2.1 分析程序

 

MouseTracker 是鼠标追踪技术的最新操作软件包, 其中包含 3 个操作程序：实验设计程序、数据收集程序以及数据分析程序。

 

它可以进行可视化的实验设计，如添加标签按钮并调整其位置、大小等。另外，它还可以呈现图片、字符串和声音刺激。

 

2.2  轨迹分析的步骤和参数

 

首先，需要进行数据预处理, 其中包括重新测量距离、时间标准化以及平均三个步骤。

 

重新测量距离是把所有鼠标轨迹在标准 MouseTracker 坐标系中进行重新测量;

 

时间标准化指采用线性内插法把记录到的鼠标轨迹标准化, 使每一轨迹包含相同的坐标点数;

 

平均是通过计算某一条件下每个坐标点上所有 x 坐标值以及所有 y 坐标值的平均数, 得出每个被试在某一条件下的平均轨迹。

其次，需要计算空间吸引度。   空间吸引度是指某一实验条件下鼠标的运动轨迹在朝向正确备择标签前偏向非正确备选标签的程度, 反映空间吸引度的指标为最大偏差值(MD)和曲线下面积(AUC)。

 

MD 指实际轨迹和理想轨迹(轨迹起点和终点之间的连线)之间的最大垂直偏差；

 

AUC 指实际轨迹曲线和理想轨迹曲线之间的几何面积, 它们的值越大表明轨迹越偏向未被选择的标签。

 

另外，根据需要还可以对轨迹的复杂性、分布状态、速度及加速度进行分析。

 

2.3  轨迹间差异来源的分析

 

对鼠标追踪技术质疑较多的一点是, 不同实验条件间鼠标移动轨迹的差异是源于自变量操作还是实验误差。

 

如下图所示，某研究在研究刻板印象时，结果显示与条件 2 中鼠标的平均轨迹(图中圆点连线)相比, 条件 1 中鼠标的平均轨迹更偏向于和正确标签相反的另一标签(图 1 中圆圈连线), 两种条件下的 MD 及 AUC之间的差异是显著的。  

但上述条件 1 和条件 2 之间的差异也可能由某种离散实验误差引发, 如在条件 1 中, 一半 trials 的鼠标轨迹直接指向正确标签(下图中圆点连线), 在另一半 trials 中, 鼠标在指向正确标签前先指向与其位置相反的另一标签(下图中三角形连线), 二者平均的结果为一条偏向于不正确备择标签的曲线(下图中圆圈连线)。

 

为了区分实验结果究竟是来源于实验操作还是实验误差，当前研究者主要通过考察所有 trials 轨迹 AUC 值(指 AUC 值的 Z 分数)分布的双峰性来解决这一问题。

 

如果条件 1 中所有trials 轨迹的 AUC 值的分布是双峰的(bimodal),即一些轨迹未偏向不正确标签, 而另外一些轨迹表现出非常强的偏向不正确标签的趋势（如上图中直方图所示），则可以做出推断：是实验误差引发了上述实验结果中的差异。  

1. 跨通道的社会类别的实时、连续动态整合

 

有研究使用鼠标追踪技术对跨通道的社会类别进行了分析。

 

在实验中，同时呈现视觉信息和听觉信息。视觉信息为性别非典型面孔照片，听觉信息为典型男性声音、典型女性声音、非典型男性声音、非典型女性声音。被试的任务是按照面孔对性别进行分类，如果需要可以参照声音信息。

 

鼠标轨迹分析显示, 当面孔刺激和性别非典型声音刺激（与性别典型声音相比）同时呈现时, 被试在点击正确的性别标签按键之前, 鼠标轨迹明显偏向于相反性别标签, 该轨迹的 MD 值和 AUC 值均大于前者的MD 值和 AUC 值, 且差异非常显著。

 

该实验表明，听觉刺激会对视觉信息产生一定的影响，从而证明听觉信息、视觉信息被逐渐地、动态地整合到一起。

2. 应用于测谎领域

 

人们在最终否定事实之前可能会先在无意识中肯定事实，继而评估是否应该将这一内容作为反应而外显。 基于对欺骗的这一认识 ，动态监测过程的鼠标追踪技术可以反应认知过程的实时动态，更好地揭示被试在说谎反应中的心理过程，且具有良好的信效度。

 

在实验中，被试根据色块进行诚实和欺骗反应，并在实验结束后，让被试填写100道问题的确认单，以核对实验结果。

 

结果表明，在反应时方面，诚实反应的反应时显著少于欺骗反应的反应时，欺骗反应在鼠标移动实际轨迹与理想轨迹之间的最大垂直偏差量（MD）显著大于诚实反应，且到达最大垂直偏差值的时间更晚，曲线下面积（AMC）也更大。欺骗反应的鼠标轨迹较诚实反应相比也更加不平滑^[3]。   总结：

本期对鼠标追踪技术进行了系统的介绍，包括它的原理以及技术手段，并用实例帮助大家理解与分析，希望能对大家有所帮助~   PS：后台回复“鼠标追踪技术”可获得所述的教程及相关参考文献啦~

排版：华华

图片来源于：pixabay

参考文献： [1]张晓斌,佐斌,薛孟杰,江汶,候飞翔.基于鼠标追踪技术的个体建构过程实时测量[J].心理科学进展,2012,20(05):770-781. [2]杜雪娇. 手指追踪对小学生几何样例学习的促进[C]. 中国心理学会.第二十一届全国心理学学术会议摘要集.中国心理学会:中国心理学会,2018:22-23. [3]张磊,王龙,刘洪广.鼠标追踪技术应用于测谎领域的可行性探究[J].心理技术与应用,2014(03):34-36.  

Analyer脑电数据处理指导手册

eeglab脑电数据预处理指导手册

GraphsPad Prism也能做ERP图？So Easy！

Letswave教程：脑电数据预处理与叠加平均