過去の研究会情報

過去の研究会・ワークショップなどの情報や活動記録などを掲載しています。

研究法研究部会 第2回研究会

画像を探って心がわかるかーー心理学研究における統計的画像処理技術の応用ーー

研究会概要

近年,統計的画像処理技術を活用した研究が活発になり,心理学および関連分野に新たな視座を与えるものとなっています。画像処理技術は,実験刺激として使用する画像の加工や作成にとどまらず,感覚・感性評価に影響する要因の分析,それらをもとにした認知モデルの提案にまで関わります。解析された画像情報を統計的な観点を通してみることは,それ自体が人間の認知モデルについての示唆を与えるとともに,認知メカニズムの解明のための新たなツールともなりえます。本研究会では,2名の先生方に話題提供をお願いし,(1)画像処理技術が広く心理学研究にもたらす可能性と(2)データ駆動型研究という画像処理技術に基づく新たなアプローチについてお話しいただきました。

日程:2021年 3月8日(月)〜4月7日(水) 4月14日(水) (動画の公開と質疑の掲示期間を延長しました!)

会場:オンライン開催

参加費:無料 (下記申込フォームより登録が必要です)

発表概要:(動画の公開は終了致しました

心理学研究法としての画像処理技術

発表者:津田裕之(慶應義塾大学 グローバルリサーチインスティテュート)

画像処理は心理学分野の研究者には必ずしも馴染みのあるものではないかもしれませんが、画像刺激の生成や分析、知覚や認知のモデリング、印象の定量化など、心理学研究を支える技術基盤としての活用が多岐にわたり進んでいます。本講演では統計的画像解析手法を用いた心理学研究を概観し、心理学研究法としての画像処理技術の可能性について議論したいと思います。

データ駆動型研究のすゝめ ―顔の認知心理学研究における実践と課題―

発表者:中村航洋(ウィーン大学心理学部 [Faculty of Psychology, University of Vienna]・日本学術振興会海外特別研究員)

認知心理学の研究においては,事前に優れた研究仮説を設定し,統制された刺激を用いてそれを検証する仮説駆動型研究が王道のスタイルとなっています。しかしながら,発表者の専門とする顔の認知研究では,顔の印象や表情などの社会的情報とその手がかりとなる顔の物理特徴の関係について,事前に仮説を立てることが難しいケースも少なくありません。本発表では,顔研究を切り口として,事前の仮説に依存しないデータ駆動型研究の実践例を紹介し,仮説駆動型研究のオルタナティブとしての利用可能性と課題について議論します。

研究法研究部会 特別企画

パンデミック下における心理学研究法

研究会概要

新型コロナウイルス感染症の拡大に伴い,人を対象とする研究を対面で行うことが難しい状況となりました。このような状況下においても,あるいは,このような状況下においてこそ,人の心に関する研究は重要な意義を持つことでしょう。非対面状況でのコミュニケーション,遠隔での教授・学習と動機づけの維持,制限された状況下でのストレスと不安など,いずれも心理学に深く関わる問題です。また,卒業論文や修士論文など,一定の期間内に何らかの研究成果を強く求められる立場もあります。パンデミック下において,心理学的研究のためにどのような研究の方法がありえるのかを探ることが急務といえます。本研究会は,多くの実験参加者から対面でデータを集めることが難しい状況で,どのような形で研究を進めることができるのかを考えることを目的とします。具体的には,オンラインでの実験実施に利用できる実験プログラムの作成,オンラインでの実験実施におけるさまざまな工夫,過去に蓄積されたデータの再分析について紹介します。

日程:2020年 8月1日〜31日

会場:オンライン開催

発表概要:動画の公開期間は終了致しましたが,以下のリンクより一部の発表資料をご覧いただけます

発表① ブラウザ完結型でGUIベースの心理学実験環境の提案

発表者:大杉 尚之 先生(山形大学)

発表者:小林 正法 先生(山形大学)

発表者:国里 愛彦 先生(専修大学)

研究法研究部会 第1回企画ワークショップ

シグナルかノイズか,それが問題だ――信号検出理論の深化とモデリング――

日本認知心理学会第17回大会の自主企画ワークショップとして,研究法研究部会の第1回企画ワークショップが行われます。大会にご参加の方はどなたでもお越しいただけます。

日程:2019年 5月26日(日) 14:30〜16:00

会場:京都テルサ 第2会議室 (西館3階)

発表概要大会ページをご参照ください。また,発表内容が日本認知心理学会テクニカルレポートに掲載されています。

〈当日の発表スライドと資料〉

井上先生_sdt_intro.pdf

信号検出理論の概要と教示法

発表者:井上 和哉 (首都大学東京)

山根先生_bayesSDT.pdf

ベイズ推定による信号検出モデルの拡張

発表者:山根 嵩史 (川崎医療福祉大学)

回帰モデルとして見る信号検出理論

ー情動体験シグナルを見抜けるかー

発表者:難波 修史 (広島大学)








発表内容はこちらのプレプリントを

ご参照ください。









規範モデルからの脱却

―確信度のefficient coding―

発表者:三好 清文 (香港大学・名古屋大学)

〈ワークショップに寄せられたご質問と発表者からの回答〉

  • N分布とSN分布は非等分散でなくともモデル化可能ですが、確率分布は正規分布でなくてはなりませんか? それともt分布のように裾の重い分布でも適用可能ですか?(山根発表への質問)

信号検出モデルにおいて,正規性の仮定が満たされないことはほとんどない(Gescheider, 2003)とされていますが,正規分布以外にも,t分布を用いた拡張や(e.g., Jones, P. R. (2016). A tutorial on cue combination and Signal Detection Theory: Using changes in sensitivity to evaluate how observers integrate sensory information. Journal of Mathematical Psychology, 73, 117-139.),混合分布を用いた拡張(e.g., DeCarlo, L. T. (2002). Signal detection theory with finite mixture distributions: theoretical developments with applications to recognition memory. Psychological review, 109(4), 710.)も提案されているようです。数学的にかなり高度になりますが,興味があればこれらの論文もご参照ください。(回答者:山根先生)

  • 判断基準(k)と反応バイアス(c)を区別していますがどう違うのですか?(難波発表への質問)

判断基準はzCRで算出できる一方で、ここでいう反応バイアス (c) はk-(d'/2)によって定義されます。HRの影響もうける反応バイアスの指標がここでいうcと理解してもらえればいいです。(回答者:難波先生)

  • 実験条件(X)を0,1でコーディングした場合でないと、紹介していただいた式変形にならないような気がしますが、コーディング方法は他の方法(-0.5や0.5)ではいけないのでしょうか(難波発表への質問)

切片を判断基準と対応する指標として出したい場合は、ご指摘いただいたように0,1でコーディングする必要があると思います。SDTとは異なる文脈であれば、別のコーディング方法でも構わないかと思います。その場合にSDTのパラメータとどう一致するかは少なくとも私は存じません。また、交互作用を見る場合にはそうしたコーディングをすることもあるかと思います。Additionalな変数を(-0.5,0.5)とすることで、全体的な反応バイアスおよび信号検出力と、操作によって変動する影響力が推定できると理解しています。(回答者:難波先生)

  • 複数の説明変数がある場合や交互作用がある場合、各回帰係数は「偏」回帰係数になると思いますが、単回帰のときと比べてd'の解釈は変わらないのでしょうか。また、交互作用項も、係数はd'と解釈していいのでしょうか(難波発表への質問)

SDTモデルでの交互作用項の解釈はやっかいで今回のケース(X1もX2も0,1でコーディング)でいえば、d’の解釈はX1の主効果がX2が0の場合の信号検出力、X3の交互作用項とX1の主効果を足したものがX2が1の場合の信号検出力、という風に解釈できるはずです。場合分けした場合のd’ともいえるでしょう。その場合は、交互作用項を場合分けしたものとほとんど似たもの、と解釈していいはずですが、あんまり説明変数が増えすぎるとわけがわからなくなるかもしれません。(回答者:難波先生)

  • hit,faのうち1つしかない場合(記憶実験で全問正解や全問不正解)のSDTに利用は可能でしょうか?(全体への質問)

何らかの工夫で可能かもしれませんがお勧めいたしません。SDTを用いる強い理由がないのであれば、理論フリーの指標(AUCなど)をお勧めいたします。(回答者:三好先生)

  • 判断基準が時間の関数として捉える分析はあるのでしょうか?(予測符号化のように,試行が進むにしたがって,動的に変化する)(全体への質問)

このような分析に自分は明るくないのですが、以下が参考になりそうです。https://www.ncbi.nlm.nih.gov/pubmed/21895383 (回答者:三好先生)

研究法研究部会 第1回研究会

MDS,使ってる?――心理学研究における応用可能性――

日程:2019年 3月3日(日) 13:00〜17:00

会場:日本大学文理学部3号館5F 3501教室 (アクセス)

参加費:無料

発表概要:当日の発表スライドは以下をご参照ください。また,発表内容が日本認知心理学会テクニカルレポートに掲載されています。

多次元尺度構成法,その基礎と広がり

発表者:小杉 考司 (専修大学)

多次元尺度構成法 (Multi dimensional scaling, 以下MDS) は一言で言えば「距離行列から地図を作る」技術である。このように仮定の少ないモデルだからこそ,様々な応用が可能である。今回の発表では,多次元尺度構成法の基本的考え方から,その応用として

  1. 個人差を表現する方法 (INDSCAL)

  2. 地図に情報を描き加える方法 (PREFMAP, Abelson Mappingなど)

  3. 非対称関係に拡張する方法 (HFM, Asymmetric von Mises Scalingなど)

などを紹介したい。

20190303研究法研究部会_公開用.pdf

自由分類課題によって得られた類似度データの分析:MDSとDISTATIS

発表者:井関 龍太 (大正大学)

自由分類課題は,知覚・感覚判断や感性評価に広く適用でき,多数の類似度データを簡便に集めることができる方法である。その一方で,この課題を通して得られたデータから体系的な結論を導くことは必ずしも簡単でないと思われる。本発表では,MDSとその拡張版とみなせるDISTATISによる分析方法を紹介する。このことを通して自由分類課題による研究および感性評価の有用性と妥当性について議論することが目的である。

なお,以下の文献が中心となる参考文献であり,RのDistatisRパッケージによる分析の実行法についても紹介する予定である。

Chollet, S., Valentin, D., & Abdi, H. (2014). Free sorting task. In P. V. Tomasco & G. Ares (Eds.), Novel techniques in sensory characterization and consumer profiling. Boca Raton: Taylor and Francis. pp. 207-227.

(論文PDF)