视觉搜索任务
视觉搜索任务通过要求参与者在视觉阵列中定位目标来测量注意选择。它被广泛应用于认知心理学和神经科学，以研究视觉注意、搜索效率和感知决策。
任务格式 | 在线与实验室的视觉搜索任务
在此版本的视觉搜索任务中，采用结合搜索范式，参与者搜索包含多个项目的显示，确定预定义的目标（红色垂直条）在干扰项中是存在还是缺失。任务难度可以根据干扰项的数量和排列进行调整。
每个实验会话开始时有实践试验，包括反馈以帮助参与者学习反应规则，随后是主实验块，其中不提供反馈。参与者被指示尽可能快速和准确地作出反应。
有两个版本的视觉搜索任务可用，每个版本都针对所使用的设备类型和输入方法进行了优化：
桌面版本
在桌面版本中，每次试验中会出现一个视觉搜索阵列，参与者决定目标是否存在。使用 A 和 L 键进行响应，存在/缺失的映射在参与者之间进行平衡。实践试验提供反馈，主任务记录响应而不提供反馈。
移动版本
在移动版本中，以优化的触摸屏设备的布局呈现相同的搜索阵列。参与者通过点击 YES（如果目标存在）或 NO（如果目标缺失）进行回应。实践试验在实验块开始前包括反馈，之后反馈被去除。
两个版本的参与者都被指示在干扰项中尽可能快速和准确地搜索目标。
视觉搜索任务指标和收集的数据
视觉搜索任务捕获一系列行为测量，揭示参与者在不同数量的干扰项中定位目标刺激的效率。记录的变量使研究人员能够评估反应时间、响应准确性、错误模式以及在不同设置大小和目标条件（存在与缺失）下的表现差异。这些测量有助于量化注意选择、视觉扫描效率和对感知负荷的敏感性。所有变量可以在任务的 变量 选项卡中查看和自定义。
以下是 Labvanced 版本的视觉搜索任务中收集变量的示例：
| 变量名称 | 描述 |
|---|---|
accuracy | 试验级别的准确性 (1 = 正确, 0 = 错误) |
accuracy_total | 所有试验中正确反应的总数的累积计数 |
choice | 参与者给出的响应 (桌面: A 或 L, 移动: YES 或 NO) |
error | 试验级别的错误 (0 = 正确, 1 = 错误) |
number_distractors | 每次试验中显示的干扰项数量 |
reaction_time | 参与者的反应时间，以毫秒为单位 |
set_size | 阵列中的项目总数（目标 + 干扰项） |
stimulus_presented | 该次试验中显示的刺激图像 |
target_type | 目标是存在还是缺失 |
avg_overall_RT | 所有试验的平均反应时间 |
avg_overall_accuracy | 所有试验的平均准确率 |
数据表显示了视觉搜索任务中个别试验级别输出的摘录，包括准确性、响应选择、反应时间、干扰者计数、设置大小、呈现的刺激和目标条件。
本研究使用结合视觉搜索范式来测量注意选择和搜索效率。参与者判断预定义的目标在干扰项中是否存在，同时记录反应时间和准确性。
驱动视觉搜索任务的在线与实验室研究技术
Labvanced 包含多项技术，使视觉搜索任务高度准确、灵活，并适用于实验室和在线研究：
高精度计时： 视觉搜索研究通常依赖于条件之间的小反应时间差异。Labvanced 以毫秒级精度记录响应，确保可靠地测量搜索效率。
灵活的阵列构建： 多个视觉对象可以自由地排列在画布上，以创建结构化或随机的搜索显示。研究人员可以控制目标位置、干扰项间距和布局。
网络摄像头眼动追踪集成： 可以添加基于网络摄像头的眼动追踪，捕获注视模式、凝视持续时间和搜索策略，而无需额外的硬件。
基于网页和桌面部署： 该任务可以在浏览器中运行，用于在线研究，或通过桌面应用程序在控制的实验室环境中运行。
支持多种输入方法： 参与者可以根据研究设计使用键盘按键、鼠标点击或触摸屏按钮进行响应。
与外部系统的集成： 该任务可以与 EEG 或其他基于 LSL 的系统同步，用于高级神经认知研究。
网络摄像头眼动追踪
捕获在心理旋转试验中的注视模式和视觉注意。
计时精度
以毫秒级精度捕获反应时间、任务性能等，适用于时间敏感的任务。
桌面应用程序
使用桌面应用程序运行实验室研究，兼容 EEG 和其他连接到 LSL 的实验室硬件。
视觉搜索任务的自定义
有多种方法可以将此视觉搜索任务模板调整以满足特定研究问题。以下是研究人员在修改此任务时通常探索的几种自定义主题。
刺激设计和目标定义
搜索阵列中的项目是可以直接在编辑器中替换的视觉对象。研究人员可以使用 图像对象、文本对象 或其他形状，并使用 对象属性 字段定义颜色、方向或类别等属性。
目标存在和阵列逻辑
目标存在和缺失的试验是通过 因子树 和 试验与条件 表定义的。事件读取这些条件值以确定哪些对象出现，以及目标的位置。
设置大小和布局变异
干扰项的数量可以通过添加或删除对象或通过事件控制可见性来修改。可以使用不同的设置大小来研究注意负荷和搜索效率。
响应和正确性规则
通过将参与者的输入与当前试验条件进行比较来评估正确响应。如果标签或对象名称发生更改，事件也应相应更新。
时机和试验流程
刺激时机、响应窗口和反馈可以通过帧持续时间或 延时动作（时间回调） 事件进行调整。研究人员可以自定义试验间隔和区块过渡。
如果您需要帮助自定义此任务，请随时与我们联系：
视觉搜索任务的推荐使用和应用
视觉搜索任务广泛应用于调查注意、感知和决策的研究领域。
选择性注意研究： 用于研究在识别目标时如何在干扰项中分配注意，涵盖不同的设置大小。
感知处理研究： 考察视觉相似性和特征重叠如何影响特征搜索与结合搜索中的检测速度。
应用注意和工作负荷研究： 帮助评估在时间压力或高信息负荷下的表现，以进行人因研究。
神经认知研究： 结合眼动追踪或生理测量，研究注意控制和视觉扫描行为。
参考文献
Treisman, A. M., & Gelade, G. (1980). A feature-integration theory of attention. Cognitive Psychology, 12(1), 97–136.
Veríssimo, I. S., Nudelman, Z., & Olivers, C. N. (2024). Does crowding predict conjunction search? An individual differences approach. Vision Research, 216, 108342.