一个贝叶斯层次模型用于分析视觉模拟缩放任务
Eldon Sorensen1, Jacob Oleson1, Ethan Kutlu2,3
1Department of Biostatistics, University of Iowa, Iowa City, IA, USA.
Statistical methods in medical research
|April 4, 2024
概括
贝叶斯层次模型有效地分析视觉模拟缩放 (VAS) 数据用于语音感知. 这种方法捕获复杂的响应模式,揭示了斜率大小在连续线上区分听众响应.
科学领域:
- 心理物理学和心理测量学
- 听觉科学是一种听觉科学.
- 统计建模 统计建模
背景情况:
- 心理物理和心理测量涉及分析对持续刺激的反应模式.
- 听力科学中的视觉模拟缩放 (VAS) 任务使用听众评分来分类语音连续的声音.
- 标准的统计方法难以建模VAS任务产生的复杂数据.
研究的目的:
- 开发和应用贝叶斯层次模型来分析VAS数据.
- 为了适应群体层面和个人特定的非线性响应曲线.
- 调查单语和双语参与者的反应模式.
主要方法:
- 为VAS数据量身定制的贝叶斯层次模型的构建.
- 使用4参数后勤函数来建模非线性响应曲线.
- 该模型应用于VAS研究中的数据,该研究涉及单语和双语听众.
主要成果:
- 贝叶斯的层次模型显示出与研究数据的强烈匹配.
- 该模型成功地容纳了复杂的数据特征,如非线性曲线和特定主体的差异.
- 分析表明,斜率的大小是区分不同语音连续的响应模式的主要因素.
结论:
- 贝叶斯层次模型为分析复杂的心理测量数据提供了一个强大的框架,例如来自VAS任务的数据.
- 开发的模型有效地捕捉了语音感知中的个人和群体响应变化.
- 研究结果强调了斜率大小在理解听众语音分类方面的重要性.
