
精确计时
背景与上下文
在心理研究中,反应时间用于量化认知过程和行为。反应时间的明确界定与出现的刺激和响应之间经过的时间有关。
准确测量反应时间有两个组成部分,即刺激出现的时间和参与者响应发生的时间:


准确测量反应时间的两个主要组成部分及影响其量化的因素。
为了准确测量反应时间,必须知道刺激开始的确切时间(点 A),以及参与者响应(点 B)发生的时间,因为反应时间是这两个点之间的差异。从这两点出发,确定参与者的响应发生的时间是容易的,但确切知道刺激开始的时间(点 A)是具有挑战性的。
为什么确定点 A 发生的时间是具有挑战性的?影响刺激出现时间的主要原因有三:
屏幕刷新率: 大多数显示器以每秒刷新 60 次(60Hz),一些显示器刷新速度更快。如果计划发生某项操作,则仅在显示器刷新时才能出现。在 60Hz 的情况下,刷新大约需要 16.7 毫秒。虽然这在毫秒级别上,但它是一个重要的量化因素(我们稍后讨论如何通过请求动画帧测量),因为它直接影响实验序列。
编程的性质: 所有实验都是基于编码的,要执行代码,则必须进行处理,因为没有什么是瞬时的,这通常需要 1-2 个刷新周期。
设备能力: 虽然这并不常见,但如果参与者设备的能力真的很慢,刺激展示可能会延迟,因为所有系统延迟(如计算机冻结)。我们稍后讨论如何检查这个问题(JavaScript 事件循环)。
总之,反应时间受到许多因素的影响,这些因素构成了技术流程,以便准确确定刺激开始与参与者响应之间的时间。
同行评审出版物在 行为研究方法 中
查看这篇于 2022 年 5 月发表在 Springer Nature 的 行为研究方法 的同行评审论文。作者得出结论,Labvanced 的反应时间测量比其他基于网络的工具更为准确。

我们的过程:Labvanced 精确计时的管道
为了提供精确的计时和反应时间,我们的软件遵循以下步骤:
预加载(缓存): 确保所有实验刺激在实验开始之前预先加载并在本地可用,以便在实验进行时不发生加载。如果参与者想参与研究,所有刺激(图像、音频和视频)已经从我们的服务器提取并在他们的计算机上本地加载。
预渲染: 当实验开始时,内容会递归创建,以便下一个帧和试验在后台加载,并准备好在参与者准备好继续时立即使用。这是通过预渲染机制驱动的。
参与者特定的测量: 由于在线研究在浏览器中开始,每个参与者的计算机资源(GPU、CPU)是有限的,必须考虑到这些因素,因为它们会影响性能。我们捕捉任何潜在的延迟,并将其作为修正变量提供给研究人员,这也可以作为排除标准。


Labvanced 中精确计时和捕获准确反应时间的一般流程。
保存参与者的响应
所有实验均在参与者的计算机上本地进行。因此,从技术角度来看,运行实验并不需要互联网。互联网仅在开始时用于在本地预加载实验,然后在结束时用于将数据和响应上传回服务器。
但是,如果条件允许,我们的软件设置为每个试验后自动保存数据记录和响应。这一点很重要,因为:
- 本地浏览器无法保存或缓存无限量的内存。通过频繁备份,内存获得释放,系统不会面临延迟的风险。
- 如果参与者停止或退出,至少会保存他们在终止参与之前完成的试验及提供响应的一些数据。
关于时间戳
当实验处于活动状态时,Labvanced 应用程序无法访问计算机上的所有其他进程或部分。然而,在记录反应时间时,需要一个时间戳,应用程序可以访问计算机时钟的系统时间,以确定点 A(刺激开始)和点 B(参与者响应)发生的时间。由于计算机具有一般系统时钟,因此无论您在进行什么操作或使用什么设备这一点都是相同的。
关于系统架构和反应时间数据流
虽然上述管道捕获了反应时间过程的基本步骤,下面是关于 Labvanced 内部在使反应时间测量准确和精确方面正在进行的所有活动的更详细解释。
预加载(缓存)
预加载或缓存发生在实验开始之前。Labvanced 被设置为在研究开始之前下载所有实验刺激。这包括图像和视频等所有元素。它们都从 Labvanced 服务器获取并下载到参与者的设备上,这样实验过程中就不需要下载。


Labvanced 中预加载/缓存机制的主要步骤。
预渲染机制
Labvanced 的 预渲染机制 是为了提前构建实验任务、试验和帧的结构。例如,如果您在任务的试验 #1 中,我们会预渲染当前和即将进行的试验中的所有帧,以便在实验过程中不发生加载,包括指令、文本、音频对象、注视点等。通过提前构建试验和帧,避免了浏览器的减慢或被淹没


Labvanced 中预渲染机制的主要步骤。
针对参与者的具体测量
由于设备和计算机之间的固有差异,性能会受到定义的影响。通过在本地系统上运行实验,该系统在资源(即速度和内存不无限而是受到其技术规格限制)方面本质上是有限的,刺激可能不会按预期显示(例如,可能会有几毫秒的延迟)。
为了捕捉这些设备和参与者特定的波动,我们采取了以下机制:
- 请求动画帧
- JavaScript 事件循环
请求动画帧
监视器独立于您的代码在固定速率下刷新,这取决于屏幕。大多数屏幕每秒刷新 60 次(60Hz),因此一次刷新大约需要 16.7 毫秒,而更快的屏幕刷新更频繁。为了确定刺激的呈现是否存在延迟(以毫秒为单位),在所有计时刺激发生的情况下使用请求动画帧。
假设您执行代码以在 2000 毫秒时显示刺激,当您执行时没有任何反应,刺激将自动在下一个屏幕刷新时呈现,这在 60Hz 屏幕上最多会延迟约 17 毫秒,例如在 2013 毫秒时。您可以测量这一微小的延迟并事后进行调整。由于我们使用请求动画帧,您可以确切知道命令何时被执行(何时真的在监视器上发生/出现),并做出相应的调整。


Labvanced 中请求动画帧机制的演示。
JavaScript 事件循环
另一个参与者特定测量的示例与确定他们设备的速度有关。
如果您的计算机较慢,可能是因为有活动的系统进程正在使用可用的 CPU。因此,浏览器使用可用的有限资源,并导致一切变得更慢。
为了确定在参与者级别是否发生这种情况,我们使用 JavaScript 事件循环使用回调函数,该过程在后台自动(默认)运行,以测量函数调用自身所需的时间。如果它在 5 毫秒内没有返回,这意味着参与者的浏览器/计算机较慢,这可能会影响测量反应时间的实验结果的完整性。我们报告参与者的回调函数返回所需的平均毫秒值。


使用 Labvanced 确定计算机速度的 JavaScript 事件循环、回调函数的步骤。
对于在 Labvanced 上完成的数千项研究,我们发现超过 95% 的参与者报告的值低于 3 毫秒,有时甚至低于 1 毫秒。但在某些情况下,结果平均在 200-300 毫秒,这可能会提醒研究人员考虑将特定用户的数据排除在最终数据集分析之外。
Labvanced 反应时间和精确计时能力的关键能力:
我们测量参与者反应的顶级功能和能力包括:
- 刺激呈现的时间准确性
- 刺激呈现的空间准确性
- 眼动追踪准确性和采样率
- 对每个参与者的任何设备和屏幕相关延迟的量化和测量,从而实现标准化、个体之间的可比性和修正。这通过上一节中描述的事件循环精确度和请求动画帧来实现。


Labvanced 精确时序/反应时间解决方案的关键能力和特征。
Labvanced 精确计时的优势
由于这些步骤和机制,Labvanced 提供了一种准确而精确的解决方案,以测量在线实验中的反应时间。我们强调我们平台的以下优势:
- 刺激的时间控制: 研究人员知道刺激在屏幕上呈现的确切时间,从而可以进行调整和准确测量。
- 强大的计算和编程机制: 为了确保研究人员报告最准确的数据,我们使用强大的计算和编程机制,以准确量化刺激在参与者屏幕上的发生。
- 经过验证的测试: 我们与来自世界各地的研究人员合作以微调我们的平台,因此我们的功能已被数以千计的研究和学术机构使用我们的在线反应时间测量作为其研究和发表作品的基础进行过验证。
反应时间的样本数据和指标

参与者执行 Stroop 任务使用 Labvanced 的数据报告; 从右侧第三列展示记录的反应时间。
LV 库研究:
有许多研究测量反应刺激所需的时间,以下是几个核心以反应时间测量为主的任务示例:
- N-back 任务: 一项测量工作记忆容量的认知测试。呈现刺激,参与者被挑战匹配是否是 n 步前呈现的相同刺激。
- Stroop 任务: 这项经典任务展示了当参与者呈现不一致的刺激时,反应时间如何增加(一个说“黄色”的单词,但颜色是蓝色)。
- 面部识别: 面部识别在人类本性中根深蒂固,可以测量参与者识别或区分两个或更多面孔所需的反应时间。
使用 Labvanced 精确计时的热门研究领域:
- 警觉性
- 认知衰退
- 感知
- 性能测量
- 特征识别
