Niðurstöður

Fyrsta skoðun, líkön og myndrit

Niðurstöður

Kannandi skoðun

Umhverfið sem sést á mynd er repeated measure þ.a. við munum nota mixed factorial ANOVA með anova_ez() fallinu úr afex pakkanum. Munum skoða fjórar breytur: svartíma, fjölda villna, d’prime, og inverse efficency score. Hér fyrir neðan sést dreifing þeirra breyta milli hópa. Við sjáum að það er mikill munur milli filter hópa, en munurinn er líka þegar environment er none þ.a. þetta er líklegast úrtaksskekkja, en ekki afurð hópaskiptinganna (rétt ályktun?)

Summary plot of measures before correction. A large difference can be seen in the first trial (none)

Taflan fyrir neðan sýnir að filtlo hópurinn er verulega frábrugðinn filthi hópnum í fyrsta talnaverkefninu (áður en myndir eru sýndar).

Úrtaksskekkja í fylgibreytun (reiknað með línulegu líkani)

			95% Öryggisbil
Fylgibreyta	Frumbreyta	Munur	Neðri	Efri	p
rt	filtlo	0.022	-0.021	0.065	0.326
errors	filtlo	-3.577	-6.967	-0.187	0.044
dprime	filtlo	0.041	0.005	0.078	0.032
ies	filtlo	0.053	-0.016	0.122	0.136

Við ákváðum þess vegna að breyta gögnunum þ.a. við drægum frammistöðu í fyrstu SART frá frammistöðum í hinum tveimur sart. Þá hverfur munurinn milli þátttakenda frá fyrsta talnaverkefni og allur munur ætti að vera eingöngu vegna hópaskiptingar. Skoðum því nýjar breytur skilgreindar sem:

• \(\Delta Breyta = Breyta - Breyta_{SART1}\)

Myndritið fyrir neðan sýnir muninn milli hópa eftir leiðréttingu. Uppi sáum við þrjár mælingar eftir: Engin mynd, Náttúru mynd, Urban mynd, en fyrir neðan bara seinni tvo hópana þar sem við notuðum fyrsta hópinn til að leiðrétta fyrr úrtaksskekkju. Við sjáum mestan mun milli myndategunda í high frequency spectruminu. Fólk sem hefur horft á náttúrumyndir gerir aðeins fleiri villur og stendur sig aðeins verr. Náttúrumyndir hafa miklu erfiðara high spatial frequency component sem gerir þær að erfiðara áreiti fyrir augun, en urban myndir eru skipulagðari og auðveldari að melta. Það gæti líka verið betra að finna hluti til að einbeita sér að í urban myndum því objects eru afmarkaðari (oftast kassar/hringir/einföld form) en objects í náttúru ekki jafn afmörkuð.

Í Low Frequency sést ekki jafn mikill munur, en rannsóknir hafa sýnt að miklir categorization eiginleikar lágtíðnispectrumsins séu einmitt í litunum (sérstaklega í náttúrulegu umhverfi) (Oliva, 2004, bls 3 síðasta efnisgrein).

Summary plot of measures by groups after correction

Líkön

Líkön voru smíðuð með fjórar mismunandi fylgibreytur, filt sem millihópa, id sem … þátttakendaID og prev sem innanhópa breytu.

Fyrir neðan sjást myndir af væntum gildum eftir hópum samkvæmt líkönum með errorbars sem taka gildi plús/mínus eitt staðalfrávik. Enginn stuðull var marktækur innan 95% öryggismarka en samvirkniáhrif á dprime og errors voru marktæk innan 90% marka (fyrir allar leiðréttingar vegna fjölda marktektarprófa). Öryggisbil og myndir virðast benda á að samvirknihrif séu til staðar. Munur milli hópa er nánast enginn í lágtíðni en hann er sýnilegur í hátíðni. Svo virðist vera að það að sjá eingöngu hátíðnispectrum náttúrumynda er meira þreytandi en að sjá það sama í urban myndum.

Kannski náum við að smala nokkrum þátttakendum í viðbót til að gá hvort að við getum fengið marktæk samvirkniáhrif og tekið svo fram að þau voru marktæk fyrir leiðréttingar?

P values for Mixed ANOVA tests

	P-Value
Predictor	D’Prime	Errors	IES	RT
Filter	0.507	0.632	0.537	0.212
Filter:Prev	0.084	0.086	0.189	0.621
Prev	0.514	0.436	0.259	0.416

Predicted values for dependent variables by mixed ANOVA models

Ég smíðaði líka linear mixed effects models með lme4 pakkanum. Þar sem frumbreyturnar taka bara tvö gildi skilar það því sama og post-hoc ANOVA próf. Helsti munurinn er að þá getum við séð effects plot fyrir hvern þátttakanda.

Predicted values with random intercepts for each participatns and random slopes for each level of type

Ef þetta er eitthvað sem endurspeglar raunveruleikann gæti (ef við miðum við fyrri rannsóknir) hámarks restorative umhverfi samanstaðið af hátíðnieiginleikum urban umhverfis en lágtíðnieiginleikum náttúrulegs umhverfis (Þ.e. umhverfið hefur litapalettu og dreifingu náttúru en einfaldleika borgar). Þetta er spennandi pæling og býður upp á frekari rannsóknir.

Svarhegðun eftir hópum (líklega ekki í skýrslu, en gaman að skoða)

þetta myndrit sýnir loess nálgun á svartíma (rautt og vinstri y-ás) og hlutfalli réttra svara (blátt og hægri y-ás) sem fall af tíma, s.s. nr talnaverkefnisstaks á skalanum 1-270 3 = 1-810*.

Svarhegðun hópa sem fall af tíma (tímaeining = ýta á bilstöng einu sinni)