Variables de Marco de Datos

Una variable de marco de datos contiene datos tabulares en una estructura similar a una hoja de cálculo: las filas son entradas y las columnas son variables, cada una de las cuales puede contener valores de cadena, numéricos, booleanos o de archivo. Los marcos de datos no se llenan a través de las respuestas de los participantes. Subes un .csv archivo para cargar datos en ellos, y el experimento lee de ellos en tiempo de ejecución utilizando el sistema de eventos.

Los marcos de datos son la herramienta estándar en Labvanced para gestionar entradas estructuradas: listas de estímulos, horarios de contrabalanceo, asignaciones de archivo a imagen, y cualquier otro escenario en el que necesites alimentar filas de datos preparados en tu experimento una prueba a la vez.

Cuándo usar un marco de datos

Usa un marco de datos cada vez que tu experimento necesite cargar datos estructurados pre-preparados en lugar de recoger valores de los participantes.

• Tienes una lista de palabras, oraciones, imágenes o archivos de audio de estímulo que deberían aparecer prueba por prueba
• Necesitas contrabalancear condiciones entre participantes
• Quieres mezclar el orden de las pruebas al inicio de un experimento y luego leer las entradas secuencialmente
• Estás cargando mensajes de OpenAI, mensajes personalizados, u otros datos de cadena de un archivo preparado

Configurando un marco de datos

Crear un marco de datos requiere tres pasos: preparar tu CSV, crear la variable e importar el archivo.

Formateando tu CSV

Cada columna en tu CSV se convierte en una variable (columna) en el marco de datos. Cada fila es una entrada. Si tu primera fila contiene nombres de columna, habilita Use first row as header en la importación.

Para estímulos basados en archivos (imágenes, audio), coloca los nombres de archivo en la columna correspondiente. Luego puedes usar Map strings to files en la importación para vincular esos nombres a los archivos subidos en tu estudio.

Creando la variable de marco de datos

1. Abre tu estudio y ve a la pestaña Variables en el panel izquierdo, o abre la pestaña del panel Variables en el editor de tareas.
2. Haz clic en + New Variable y establece el Data Type en Data Frame.
3. Haz clic en Save. Se abre el Diálogo del Marco de Datos.

Cargando tu CSV

En el Diálogo del Marco de Datos, haz clic en Upload 2D CSV Data. Se abre un selector de archivos. Después de seleccionar tu archivo, aparece el diálogo de Opciones de Importación.

Haz clic en Ok para importar. El marco de datos se completa con el contenido de tu CSV.

Editando un marco de datos

Una vez que se crea un marco de datos, puedes extenderlo con nuevas columnas, editar los valores de celdas individuales directamente o reemplazar todo el contenido con una nueva carga de CSV.

Agregando columnas

Para agregar una nueva columna después de la importación inicial, haz clic en Add variable / Column en la parte superior del Diálogo del Marco de Datos. Esto agrega una columna vacía que puedes nombrar y configurar. Si la nueva columna contiene nombres de archivos, haz clic en Map all strings to files en el diálogo después para vincularlos a los archivos subidos en tu estudio.

Editando valores de celdas

Para editar valores de celdas individuales directamente, habilita la casilla de verificación Edit Values en el Diálogo del Marco de Datos. Las celdas se vuelven editables in situ. Desactiva la casilla de verificación para volver a la vista de solo lectura.

Usando marcos de datos en el sistema de eventos

Los marcos de datos se leen y escriben a través del sistema de eventos. Dos acciones en la categoría Operaciones de Marco de Datos gestionan esto.

Leer de / Escribir a Acción de Marco de Datos

Usa esta acción para leer una fila o columna del marco de datos en una variable de matriz, o para escribir valores nuevamente.

Parámetros clave:

El patrón más común es: mantener una variable numérica de contador que se incrementa en cada prueba, usarla como variable de índice y leer la fila correspondiente en una matriz. Cada elemento de la matriz se mapea a una columna de esa fila.

Acción Aleatorizar Entradas de Marco de Datos

Usa esta acción para aleatorizar el orden de las filas o columnas en el marco de datos. Ejecútala una vez al inicio del experimento (activado por un evento de inicio de sesión) antes de que comiencen las pruebas.

Parámetros:

Un flujo de trabajo común: lista de estímulos por prueba

Una configuración típica para leer una fila de estímulos por prueba:

1. Sube un CSV con una fila por prueba y columnas para cada atributo de estímulo (p. ej., word, condition, correct_response).
2. Crea una variable numérica trial_index con un valor inicial de 0 y Reset at Trial Start deshabilitado.
3. Al inicio del experimento, agrega una acción Shuffle Data Frame Entries en tu marco de datos (por filas).
4. Al inicio de cada prueba, agrega una acción Read from / Write to Data Frame: lee por fila, variable de índice = trial_index, variable de salida = una variable de matriz (p. ej., current_trial_data).
5. Después de leer, incrementa trial_index por 1 usando una acción aritmética Set / Record Variable.
6. Usa los elementos de la variable de matriz para establecer propiedades de objeto o impulsar la lógica de eventos para esa prueba.

Lectura adicional

Operaciones de Marco de Datos

Las acciones del sistema de eventos para leer, escribir y aleatorizar marcos de datos en tiempo de ejecución.

Tipos de Variables

Una referencia para los seis tipos de variables y cuándo usar cada uno.

Propiedades de Variables

Una referencia completa para cada configuración de variable: tipo de dato, escala, formato, valor inicial, comportamiento de reinicio y opciones de grabación.

Patrones de Marco de Datos

Cómo aplicar marcos de datos a diseños de investigación comunes: presentación secuencial de estímulos, contrabalanceo y estímulos basados en archivos.

Aleatorización y Contrabalanceo

Cómo usar marcos de datos, el sistema de pruebas y eventos para contrabalancear y aleatorizar tu estudio.

Trabajando con Variables

La página central de la sección trabajar con variables: tipos, propiedades, opciones de grabación y marcos de datos.