Modèles de Data Frame

Les data frames sont l'un des outils les plus polyvalents dans Labvanced pour gérer le côté d'entrée d'une expérience. Cette page couvre comment les appliquer à trois scénarios courants de conception de recherche. Pour la référence technique sur la création et la configuration des data frames, voir Variables de Data Frame.

Présentation séquentielle des stimuli

L'utilisation la plus courante d'un data frame est une liste de stimuli : une ligne par essai, des colonnes pour chaque attribut (mot, nom de fichier d'image, condition, réponse correcte). Au début de la session, mélangez les lignes pour randomiser l'ordre des essais. Ensuite, à chaque essai, lisez la ligne actuelle dans une variable de tableau et utilisez ses valeurs pour définir les propriétés des objets : le texte affiché, l'image montrée, la réponse attendue.

Les composants clés :

• Un data frame avec une ligne par essai
• Une variable numérique trial_index commençant à 0, avec Reset at Trial Start désactivé
• Un événement de début de session exécutant Shuffle Data Frame Entries (par lignes)
• Un événement de début d'essai exécutant Read from / Write to Data Frame : lecture par ligne, variable d'index = trial_index, sortie vers une variable de tableau
• Une action d'augmentation après lecture : ajouter 1 à trial_index

Chaque élément du tableau de sortie correspond à une colonne de cette ligne. Une action Set Object Property attribue alors chaque valeur à l'objet pertinent sur le cadre.

Contrebalancement de l'ordre des essais

Parce que Shuffle Data Frame Entries s'exécute au début de la session et que le mélange est différent à chaque fois, chaque participant voit un ordre d'essai unique tiré du même ensemble. C'est une randomisation intra-participant sans répétition.

Pour le contrebalancement entre participants, où vous souhaitez garantir que des ordres de conditions spécifiques soient également répartis entre les participants, utilisez l'attribution de groupe de Labvanced en combinaison avec un data frame. Créez un groupe séparé pour chaque ordre de contrebalancement, chaque data frame de groupe étant pré-ordonné pour cette séquence de conditions. Les participants sont assignés aux groupes en rotation, équilibrant les ordres à travers l'échantillon.

Pour la documentation complète sur le contrebalancement basé sur les groupes, voir Randomisation et Conception Expérimentale Équilibrée.

Stimuli basés sur des fichiers

Lorsque vos stimuli sont des fichiers image ou audio plutôt que du texte, stockez les noms de fichiers dans une colonne de data frame et utilisez Map strings to files à l'importation pour lier chaque nom à un fichier téléchargé. Au moment de l'exécution, l'action Read from / Write to Data Frame renvoie le nom de fichier, qu'une action Set Object Property utilise pour échanger le fichier montré par un élément d'image ou audio.

Cette approche sépare la définition des stimuli (le CSV) de la livraison des stimuli (la logique des événements), ce qui facilite la mise à jour de votre ensemble de stimuli en téléchargeant un nouveau CSV sans toucher au système d'événements.

Étapes :

1. Préparez un CSV avec une colonne contenant des noms de fichiers (par exemple, image_file). Téléchargez les fichiers image pour votre étude séparément.
2. Créez une variable de data frame et téléchargez le CSV. Activez Map strings to files et Use first row as header à l'importation.
3. Utilisez Read from / Write to Data Frame à chaque essai pour lire le nom de fichier dans une variable de tableau.
4. Ajoutez une action Set Object Property ciblant l'élément image : définissez sa source sur l'élément de tableau contenant le nom de fichier.

Lectures supplémentaires