在词识别过程中视觉注意力很重要:贝叶斯模型方法

科学领域:

• 认知心理学 认知心理学
• 计算神经科学是一种神经科学.
• 计算语言学 计算语言学

背景情况:

• 视觉注意力对于阅读至关重要,但在孤立的文字识别模型中经常被忽视.
• 现有的模型通常专注于感官,感知和正写因素,忽视动态的注意力过程.

研究的目的:

• 介绍BRAID (贝叶斯词识别模型与注意力,干扰和动力学),这是一个用于词识别的新型计算模型.
• 调查视觉注意力,敏度梯度和横向干扰在字符串中的字母识别中的作用.
• 评估BRAID能够考虑文字识别中的确定的效果及其通过注意力调制的能力.

主要方法:

• 开发了BRAID,这是一个贝叶斯模型,整合了知识层 (感官,感知,拼写) 和词汇子模型.
• 嵌入了敏度梯度,横向干扰和视觉注意力的内置机制,以调节字母识别.
• 用行为数据对模型的时间尺度进行校准,并测试其对独立效应的概括性.

主要成果:

• BRAID成功地考虑了单词长度效应,最佳观看位置效应和拥挤频率相互作用.
• 视觉注意力分布在模型中显著调节这些效应.
• 在BRAID中,视觉注意力的狭窄分布模仿了在阅读障碍者中观察到的表现模式.

结论:

• BRAID为理解词识别提供了一个统一的框架,整合了注意力动态.
• 该模型强调了视觉注意力对各种词识别现象的重大影响.
• BRAID 作为开发更全面的阅读和视觉处理模型的基础,特别是对于阅读障碍者.