Datenrahmenmuster

Datenrahmen sind eines der vielseitigsten Werkzeuge in Labvanced zur Verwaltung der Eingabeseite eines Experiments. Diese Seite behandelt, wie man sie auf drei häufige Forschungsdesign-Szenarien anwendet. Für den technischen Referenz zur Erstellung und Konfiguration von Datenrahmen siehe Datenrahmenvariablen.

Sequenzielle Stimuluspräsentation

Die häufigste Verwendung eines Datenrahmens ist eine Stimulusliste: eine Zeile pro Versuch, Spalten für jedes Attribut (Wort, Bilddateiname, Bedingung, korrekte Antwort). Zu Beginn der Sitzung werden die Zeilen gemischt, um die Reihenfolge der Versuche zu randomisieren. Dann wird bei jedem Versuch die aktuelle Zeile in eine Array-Variable gelesen und deren Werte verwendet, um die Objekteigenschaften festzulegen: der angezeigte Text, das angezeigte Bild, die erwartete Antwort.

Die Schlüsselkomponenten:

• Ein Datenrahmen mit einer Zeile pro Versuch
• Eine numerische trial_index-Variable, die bei 0 beginnt, mit Reset at Trial Start deaktiviert
• Ein Ereignis zu Beginn der Sitzung, das Shuffle Data Frame Entries ausführt (nach Zeilen)
• Ein Ereignis zu Beginn des Versuchs, das Read from / Write to Data Frame ausführt: nach Zeile lesen, Indexvariable = trial_index, Ausgabe in eine Array-Variable
• Eine Inkrementierungsaktion nach dem Lesen: addiere 1 zu trial_index

Jedes Element des Ausgabe-Arrays entspricht einer Spalte dieser Zeile. Eine Set Object Property-Aktion weist dann jeden Wert dem relevanten Objekt auf dem Rahmen zu.

Gegenbalancierung der Versuchsreihenfolge

Da Shuffle Data Frame Entries zu Beginn der Sitzung ausgeführt wird und die Mischung jedes Mal unterschiedlich ist, sieht jeder Teilnehmer eine einzigartige Reihenfolge der Versuche, die aus demselben Satz entnommen wird. Dies ist innerhalb der Teilnehmer Randomisierung ohne Wiederholung.

Für die Gegenbalancierung zwischen den Teilnehmern, bei der sichergestellt werden soll, dass spezifische Bedingungen gleichmäßig über die Teilnehmer verteilt sind, verwenden Sie die Gruppenzuweisung von Labvanced in Kombination mit einem Datenrahmen. Erstellen Sie eine separate Gruppe für jede Gegenbalancierungsreihenfolge, wobei der Datenrahmen jeder Gruppe vorab für diese Bedingungssequenz geordnet ist. Teilnehmer werden rotierend Gruppen zugewiesen, um die Reihenfolgen über die Stichprobe auszugleichen.

Für eine vollständige Dokumentation zur gruppenbasierten Gegenbalancierung siehe Randomisierung und balanciertes Experimentdesign.

Dateibasierte Stimuli

Wenn Ihre Stimuli Bild- oder Audiodateien anstelle von Text sind, speichern Sie die Dateinamen in einer Datenrahmen-Spalte und verwenden Sie Map strings to files beim Import, um jeden Namen mit einer hochgeladenen Datei zu verknüpfen. Zur Laufzeit gibt die Read from / Write to Data Frame-Aktion den Dateinamen zurück, den eine Set Object Property-Aktion verwendet, um die angezeigte Datei durch ein Bild- oder Audioelement auszutauschen.

Dieser Ansatz trennt die Stimulusdefinition (die CSV) von der Stimuluslieferung (der Ereignislogik), was es einfach macht, Ihr Stimulus-Set zu aktualisieren, indem Sie eine neue CSV hochladen, ohne das Ereignissystem zu berühren.

Schritte:

1. Bereiten Sie eine CSV mit einer Spalte vor, die Dateinamen enthält (z. B. image_file). Laden Sie die Bilddateien separat in Ihre Studie hoch.
2. Erstellen Sie eine Datenrahmenvariable und laden Sie die CSV hoch. Aktivieren Sie Map strings to files und Use first row as header beim Import.
3. Verwenden Sie Read from / Write to Data Frame bei jedem Versuch, um den Dateinamen in eine Array-Variable zu lesen.
4. Fügen Sie eine Set Object Property-Aktion hinzu, die sich auf das Bildelement richtet: Setzen Sie seine Quelle auf das Array-Element, das den Dateinamen enthält.

Weiterführende Informationen