vault backup: 2025-04-01 13:12:36

פסיכולוגיה/רגש/index.md.md

@@ -90,8 +90,58 @@ Kron et al. מדגים את הקשר בין הסולמות: ככל שערך מד
 
 ##### Linear Ballistic Accumulator model
 
-מודל מ*מודלי צבירת עדויות*[^2] - למעשה, [גילוי אותות](/פסיכולוגיה/מבוא/חישה#תיאוריית-גילוי-אותות) (מבוסס *קריטריון* ו*רגישות*) עם מימד של *זמן תגובה*. המודל מאפשר לנו (באמצעות סטטיסטיקה נבזית) להסיק *משתנים לטנטיים* - משתנים שאינם נצפים בואפן ישיר בנתונים (כמו זמני תגובה), אלא "חבויים" בנתונים (כמו הקריטריון והרגישות).
+מודל מ*מודלי צבירת עדויות*[^2] - למעשה, [גילוי אותות](/פסיכולוגיה/מבוא/חישה#תיאוריית-גילוי-אותות) (מבוסס *קריטריון* ו*רגישות*) עם מימד של *זמן תגובה* (לצד דיוק). המודל מאפשר לנו (באמצעות סטטיסטיקה נבזית[^3]) להסיק *משתנים לטנטיים* - משתנים שאינם נצפים באופן ישיר בנתונים (כמו זמני תגובה), אלא "חבויים" בנתונים (כמו הקריטריון והרגישות).
+
+השימוש הנפוץ במודלים האלה הוא בהחלטות תפיסתיות בסיסיות למדי - הנבדק מתבקש להגיב *נעים* או *לא נעים*, ולא מילולית.
+
+קריטריון ורגישות הם משתנים חבויים (לטנטיים) - אי אפשר *למדוד* את הקריטריון ואת הרגישות, אלא רק להסיק אותם מתוך הנתונים.
+
+#### רכיבי המודל
+
+- נקודת התחלה (Starting Point\A)
+
+	המודלים מכילים **Starting Point** - SP - המחושבת *אחרי* כל הניסוי, ומייצגת את ההטייה של הנבדק. למשל, אם אומרים לנבדק שהוא עומד לצפות בתמונות לא נעימות, הוא ייטה יותר לסווג את התמונות כ*לא נעימות* - ואז בדיעבד, ייראו שהתשובות שלו מוטות לעבר *לא נעים*. 
+	
+	הSP היא התפלגות מלבנית שנדגמת באופן שווה, שמכילה את טווח ערכי ההטייה לכל אורך הניסוי (בשלב הראשון, למשל, לא אמרנו כלום על תמונות לא נעימות, וההטייה היא 0; בשלב האחרון, אמרנו שהתמונות לא נעימות, והנבדק נוטה לסמן אותן ככאלו - וההטייה היא, נגיד, 2. הטווח *כולו* יהיה 0-2).
+
+- סף (Threshold\B)
+
+	אנשים אופטימיים, למשל, יצטרכו גירוי *יותר לא נעים* כדי שיסווגו דברים כלא-נעימים. ה*סף* (Threshold) שלו לסיווג גירוי כלא-נעים יהיה יותר גבוה.
+	
+	הסף משחק על ה*Speed-Accuracy tradeoff* - התופעה לפיה דיוק טוב יותר מאט את זמן התגובה, ולהיפך. סף גבוה מעיד על כך שאני צריך *יותר* עדויות לסיווג גירוי (קרי, אני יותר מדויק אבל יותר איטי), ולהיפך: סף נמוך מעיד על כך שאני צריך *פחות* עדויות לסיווג גירוי, ואהיה מהיר יותר אבל מדויק פחות. בעולמות הרגש, רגשות שדורשים זמן תגובה מהיר יותר (למשל, פחד) ייטו לסף נמוך יותר.
+
+- קצב צבירת עדויות (Drift Rate - DR\v)
+	
+	קצב צבירת העדויות היא מדד ליעילות צבירת העדויות שלנו. נניח ואנחנו צריכים לסווג גירוי מסוים - מראים לנו תמונה ואנחנו צריכים להעיד האם מדובר בגבר או באישה. אם אנחנו עייפים מאוד ולא מרוכזים, קצב צבירת העדויות שלנו יירד, ואם אנחנו מרוכזים ועירניים, הוא יעלה. מידת הבהירות של הגירוי תשפיע גם היא: כשהגירוי קל להבחנה (כמו בין גבר לאישה), קצב צבירת העדויות יעלה, ולהיפך.
+
+
+ התוצאה הסופית היא שקלול של כולם. בניסוי מסוים, ייתכן שנבדק יהיה מוטה להרגיש לא-נעים, אבל קצב צבירת העדויות שלו לנעימות גבוה יותר מזה של הלא-נעימות, והרף שלו מאוד גבוה (יותר מדויק) - ולכן החלטתו הסופית תהיה שהגירוי *נעים*. 
+
+
+- סטיית התקן של קצב צבירת העדויות (sv)
+	
+	קצב צבירת העדויות הוא ערך סופי, אבל משתנה בכל שלב. המערכת מטבעה "רועשת" - בשלב מסוים הנבדק יצבור עדויות מהר, ובאחר לאט יותר. סטיית התקן מעידה על הרעש של המערכת, ועל ההחלטיות של הנבדק.
+
+
+- זמן לא-החלטתי ( t0 - Non decision time)
+	
+	משתנה משני - זמן שעבר בלא קשר לקבלת ההחלטה (למשל, הזמן שהנבדק שולח את היד ללחוץ על עכבר המחשב). המשתנה הזה מחושב כדי "לנקות" את המודל, ולא מטריד אותנו במיוחד כלשעצמו.
+
+#### מדידה עקיפה של החוויה הרגשית
+
+בניסויים, למשל, מציגים לנבדקים תמונה ממאגר ה[NAPS](https://pmc.ncbi.nlm.nih.gov/articles/PMC4030128/pdf/13428_2013_Article_379.pdf). מבקשים מהם לדרג את ה*נעימות* (Valence) (סולם 2-8; 2 - מאוד לא נעים, 4 - קצת לא נעים, 6- קצת נעים, 8- מאוד נעים) ומודדים את קצב צבירת העדויות (DR).
+
+היחס בין הנעימות לקצב צבירת העדויות הוא עדות לחוויה הרגשית - בגירוי מאוד לא נעים, קצב צבירת העדויות גבוה מאוד (מה שמעיד על חוויה רגשית חזקה), ולהיפך.
+
+בדיווח עצמי, מבקשים מהנבדקים להגיד בעצמם את עוצמת הרגש. במדידה עקיפה, הנבדק מסווג רק נעימות, ו*אנחנו* מסיקים בעזרת המודל על החוויה הרגשית (זה ממצא מרעיש).
+
+
+המדידה מעידה גם לטובת רגשות מעורבים: קצב צבירת העדויות הוא אף פעם לא 0. כלומר, גם בגירוי נעים, אני מרגיש *קצת קצת* לא נעים, ולהיפך. 
+
+
+
 
 
 [^1]: קשור איכשהו ב[Lang, Bradley & Cuthbert, 1999](https://psycnet.apa.org/doi/10.1177/0146167298248006), [Ito, Cacioppo & Lang, 1998](https://sci-hub.st/https://psycnet.apa.org/doi/10.1177/0146167298248006) (מופיעים במצגת).
-[^2]: בשימוש נרחב בתחומים כמו [חשיבה וקבלת החלטות](/פסיכולוגיה/חשיבה).
+[^2]: בשימוש נרחב בתחומים כמו [חשיבה וקבלת החלטות](/פסיכולוגיה/חשיבה).
+[^3]: מבחינתו - קופסא שחורה. האנשים שכותבים את המודלים האלו הם ה*מודליסטים*, ואלו שמבינים את הרעיון הכללי אבל לא המתמטיקה ואת התכנות עד הסוף הם ה*משתמשים* (קרי, מי שכתב את lm() בR, ומי שמשתמש בlm() בR).