Психометрическая функция

Психометрическая функция — это математическая модель, описывающая зависимость вероятности правильного обнаружения, различения или идентификации стимула от его физической интенсивности (или другого параметра). Психометрическая функция является одним из центральных понятий психофизики — раздела психологии, изучающего количественные отношения между физическими характеристиками стимулов и субъективными ощущениями.

История

Понятие психометрической функции восходит к работам немецкого физиолога и психолога Эрнста Генриха Вебера (1795—1878) и его ученика Густава Теодора Фехнера (1801—1887). Вебер экспериментально установил, что минимальное заметное различие между двумя стимулами (например, весами грузов) пропорционально исходной величине стимула (закон Вебера). Фехнер, развивая эти идеи, сформулировал основной психофизический закон (закон Фехнера), согласно которому интенсивность ощущения пропорциональна логарифму интенсивности стимула. Для проверки этого закона Фехнер разработал методы измерения порогов чувствительности, в том числе метод границ, метод постоянных стимулов и метод средней ошибки. Именно в рамках метода постоянных стимулов впервые была использована идея построения зависимости вероятности ответа от интенсивности стимула — прообраз современной психометрической функции.

В XX веке, с развитием теории обнаружения сигналов (ТОС) в 1950-х годах, психометрическая функция получила строгое математическое обоснование. ТОС, разработанная в работах Дэвида Грина, Джона Светса и других, позволила разделить сенсорную чувствительность наблюдателя (способность различать сигнал и шум) и его критерий принятия решения (склонность к определённому типу ответа). Психометрическая функция в рамках ТОС стала рассматриваться как результат наложения этих двух компонентов.

Математическая модель

Психометрическая функция обычно представляет собой монотонно возрастающую кривую, которая асимптотически стремится к 0 при минимальных значениях стимула и к 1 (или 100%) при максимальных. В простейшем случае, когда наблюдатель должен ответить, видит ли он стимул (задача обнаружения), функция имеет вид:

\[ P(x) = \gamma + (1 - \gamma - \lambda) \cdot F(x) \]

где:

• \(P(x)\) — вероятность правильного ответа (например, «да, я вижу стимул») при интенсивности стимула \(x\);
• \(F(x)\) — кумулятивная функция распределения некоторого вероятностного распределения (чаще всего нормального или логистического);
• \(\gamma\) — нижняя асимптота (вероятность случайного угадывания, например, 0,5 в задаче вынужденного выбора из двух альтернатив);
• \(\lambda\) — верхняя асимптота (вероятность ошибки, связанной с невнимательностью или усталостью, обычно малая величина, например 0,02).

Параметры функции

Основные параметры психометрической функции:

• Порог (threshold) — значение стимула, при котором вероятность правильного ответа достигает определённого уровня (например, 50% или 75% от максимальной). Чаще всего порог определяют как точку перегиба функции, соответствующую максимальному наклону кривой.
• Наклон (slope) — крутизна функции в области порога. Чем круче наклон, тем выше чувствительность наблюдателя к изменениям стимула вблизи порога.
• Нижняя асимптота (\(\gamma\)) — вероятность правильного ответа при отсутствии стимула (уровень случайного угадывания).
• Верхняя асимптота (\(\lambda\)) — максимальная вероятность правильного ответа, которая может быть меньше 1 из-за случайных ошибок.

Виды распределений

Для описания кумулятивной функции \(F(x)\) чаще всего используют:

• Нормальное распределение (гауссиан) — классическая модель, основанная на предположении о нормальном распределении шума в сенсорной системе.
• Логистическое распределение — математически более удобная альтернатива нормальному, так как его кумулятивная функция выражается в явном виде (логистическая функция). Логистическая и нормальная кривые очень близки по форме, но логистическая имеет более тяжёлые «хвосты».
• Распределение Вейбулла — часто используется в исследованиях времени реакции и зрительного восприятия, особенно для описания порогов контрастной чувствительности.

Методы построения

Для построения психометрической функции проводят психофизический эксперимент, в котором предъявляют стимулы различной интенсивности и регистрируют ответы испытуемого. Основные методы:

• Метод постоянных стимулов — испытуемому многократно предъявляют фиксированный набор стимулов (например, 5-7 уровней интенсивности) в случайном порядке. Для каждого уровня рассчитывается доля правильных ответов, после чего к полученным точкам подбирается (фитируется) математическая функция.
• Метод границ — стимулы предъявляются в порядке возрастания или убывания интенсивности. Испытуемый сообщает, когда он начинает или перестаёт ощущать стимул. Порог определяется как среднее значение нескольких таких измерений.
• Адаптивные методы (например, метод лестницы, QUEST, PEST) — интенсивность следующего стимула зависит от предыдущего ответа испытуемого. Это позволяет быстрее и точнее оценить порог, сосредоточив измерения в области наибольшей информативности.

Применение

Психометрические функции широко используются в различных областях:

• Психофизика — для измерения абсолютных и разностных порогов чувствительности (зрительной, слуховой, тактильной, обонятельной).
• Офтальмология и аудиология — для оценки остроты зрения, контрастной чувствительности, слуховых порогов. Например, при подборе очков или слуховых аппаратов.
• Клиническая психология и нейропсихология — для диагностики нарушений восприятия при различных заболеваниях (например, при шизофрении, болезни Паркинсона, черепно-мозговых травмах).
• Эргономика и человеко-машинное взаимодействие — для оценки видимости дисплеев, читаемости текста, эффективности сигналов предупреждения.
• Психофармакология — для изучения влияния лекарственных препаратов на сенсорные функции.
• Ветеринария — для оценки слуха и зрения у животных.

Критика и ограничения

Основные ограничения использования психометрической функции связаны с предположениями, лежащими в её основе. Модель предполагает, что:

• ответы испытуемого статистически независимы;
• вероятность правильного ответа монотонно возрастает с увеличением интенсивности стимула;
• форма функции (например, нормальное распределение) априорно задана.

На практике эти предположения могут нарушаться. Например, испытуемый может утомляться или отвлекаться, что приводит к немонотонности функции. Кроме того, психометрическая функция не учитывает влияние таких факторов, как мотивация, внимание, стратегия ответа (критерий принятия решения), которые могут существенно влиять на результаты. В рамках теории обнаружения сигналов эти факторы моделируются отдельно, что делает ТОС более гибким инструментом, чем классическая психометрическая функция.

Источники

1. Гусев А. Н. Психофизика сенсорных задач. — М.: Издательство Московского университета, 2004.
2. Фехнер Г. Т. Элементы психофизики. — М.: Наука, 2011 (переиздание).
3. Green D. M., Swets J. A. Signal Detection Theory and Psychophysics. — New York: Wiley, 1966.
4. Wichmann F. A., Hill N. J. The psychometric function: I. Fitting, sampling, and goodness of fit // Perception & Psychophysics. — 2001. — Vol. 63, № 8. — P. 1293—1313.
5. Klein S. A. Measuring, estimating, and understanding the psychometric function: A commentary // Perception & Psychophysics. — 2001. — Vol. 63, № 8. — P. 1421—1455.