lernen & gedächtnis · mxxxxx=maskiert vs nxxxx=nicht maskiert xaxxx = angry vs xhxxx=happy...
TRANSCRIPT
Beispielbild
Lernen & Gedächtnis
Empirisches Praktikum
SoSe 2008
Auswertung der Experimente
2Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Experiment 1: Fragestellung
1. Können wir den Effekt der unterschwelligen Verarbeitung von Gesichtern replizieren?
2. Hängen die Effekte von der Polarität der gezeigten Emotion ab?
3. Hängen die Effekte von dem Geschlecht der dargestellten Person ab?
3Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Experiment 1: Hypothesen
1. Unterschwellige Identifikation?
2. Unterschiede zwischen den Emotionen: Freude vs. Angst?
3. Modifikation der Effekte durch Geschlecht der dargestellten Person?
4Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Versuchsplan
2 x 2 x 2 faktorieller Versuchsplan mit Messwiederholung
Überschwellig Unterschwellig
Positiv
Negativ
Weibl.
männl
Weibl.
Männl.
30
30
30
30 30
30
30
30
5Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Deskriptive Statistik
Stichprobe:
N = 28Alter = 26.9 (SD=7.4) 18 – 47
Geschlecht = 17 w, 11 m
RT-Kontrolle:
MIN=150msMAX=1.500ms
6Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Deskriptive Statistik
Descriptive Statistics
28 87,4500 12,41515
28 88,3214 12,09571
28 88,0357 12,64229
28 84,0036 14,11465
28 92,3321 9,75785
28 96,6214 5,09658
28 96,7393 4,97991
28 93,7000 6,03539
28
maf_n
mam_n
mhf_n
mhm_n
naf_n
nam_n
nhf_n
nhm_n
Valid N (listwise)
N Mean Std. Deviation
Trefferquote
Mxxxxx=maskiert vs nXXXX=nicht maskiert
xAxxx = ANGRY vs xHxxx=HAPPY
xxFxx= female vs xxMxx = male
7Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik Trefferquote
8Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik Trefferquote
9Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik Trefferquote
Haupteffekt Maske Interaktion: Emotion x Geschlecht
CODE
Maske 1 = maskiert
Maske 2 = nicht maskiert
Emotion 1 = Angry
Emotion 2 = Happy
Geschl 1= female
Geschl 2 = male
10Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik Trefferquote
Paired Samples Statistics
89,8911 28 9,58006 1,81046
92,4714 28 6,96425 1,31612
92,3875 28 8,01663 1,51500
88,8518 28 8,62692 1,63034
af_n
am_n
Pair1
hf_n
hm_n
Pair2
Mean N Std. DeviationStd. Error
Mean
Interaktion: Emotion x Geschlecht
Paired Samples Test
-2,58036 5,80339 1,09674 -4,83068 -,33004 -2,353 27 ,026
3,53571 5,96083 1,12649 1,22435 5,84708 3,139 27 ,004
af_n - am_nPair 1
hf_n - hm_nPair 2
Mean Std. DeviationStd. Error
Mean Lower Upper
95% ConfidenceInterval of the
Difference
Paired Differences
t df Sig. (2-tailed)
11Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Deskriptive Statistik
Reaktionszeit
Descriptive Statistics
28 722,4286 140,24355
28 701,9643 132,04698
28 674,7500 116,71860
28 690,6071 114,94164
28 680,5000 123,79149
28 666,4643 141,13258
28 610,1429 97,04284
28 645,2857 96,49174
28
maf_rt
mam_rt
mhf_rt
mhm_rt
naf_rt
nam_rt
nhf_rt
nhm_rt
Valid N (listwise)
N Mean Std. Deviation
Mxxxxx=maskiert vs nXXXX=nicht maskiert
xAxxx = ANGRY vs xHxxx=HAPPY
xxFxx= female vs xxMxx = male
12Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Reaktionszeit
13Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
InferenzstatistikReaktionszeit
14Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Haupteffekt Maske Haupteffekt Emotion
Estimates
Measure: MEASURE_1
697,438 22,111 652,069 742,806
650,598 20,259 609,029 692,167
mask1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
Pairwise Comparisons
Measure: MEASURE_1
46,839* 7,706 ,000 31,029 62,650
-46,839* 7,706 ,000 -62,650 -31,029
(J) mask2
1
(I) mask1
2
MeanDifference
(I-J) Std. Error Sig.a Lower Bound Upper Bound
95% Confidence Interval forDifferencea
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
Estimates
Measure: MEASURE_1
692,839 24,246 643,091 742,587
655,196 19,173 615,857 694,536
emotion1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
Pairwise Comparisons
Measure: MEASURE_1
37,643* 13,099 ,008 10,766 64,520
-37,643* 13,099 ,008 -64,520 -10,766
(J) emotion2
1
(I) emotion1
2
MeanDifference
(I-J) Std. Error Sig.a Lower Bound Upper Bound
95% Confidence Interval forDifferencea
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
Reaktionszeit
15Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatisik Reaktionszeit
Interaktion: Emotion x Geschlecht
Paired Samples Statistics
701,4643 28 129,68708 24,50855
684,2143 28 131,63990 24,87760
642,4464 28 102,69555 19,40764
667,9464 28 103,42589 19,54566
af_rt
am_rt
Pair1
hf_rt
hm_rt
Pair2
Mean N Std. DeviationStd. Error
Mean
Paired Samples Test
17,25000 49,56449 9,36681 -1,96910 36,46910 1,842 27 ,077
-25,50000 36,26140 6,85276 -39,56070 -11,43930 -3,721 27 ,001
af_rt - am_rtPair 1
hf_rt - hm_rtPair 2
Mean Std. DeviationStd. Error
Mean Lower Upper
95% ConfidenceInterval of the
Difference
Paired Differences
t df Sig. (2-tailed)
16Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Diskussion
1. Haben wir effektiv maskiert?
2. Können wir dennoch etwas über emotions-spezifische Unterschiede sagen?
3. Wie interpretieren wir den geschlechtsspezifischen Effekt des Senders?
17Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Experiment 2
Illusorische Wörter und Valenz
18Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Fragestellung
McKay-ExperimentBELL SHELL IT
CATCH BITCH LL
WORT 1(Neutral)
WORT 2(Neutral vs. Tabu)
FRAGMENT
SHIT
BILL
ILLUSIONÄRES WORT(Neutral vs. Tabu)
Fragestellung
Was passiert, wenn Wörter mit gemässigtenValenzen miteinander konkurrieren?
19Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Hypothesen
Hypothese also: Stärkerer Effekt für negativ valente Stimuli!
Prognose: Mehr IWsals W2s berichtet!
Prognose: Mehr W2s als IWs berichtet!
…W2=positiv & IW=negativ? …W2=negativ & IW=positiv?
Frage: Welcher Effekt auf den IW-Bericht ist zu erwarten, wenn…
20Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Design
Drei Valenz-Bedingungen:Ø W2=Neutral vs. IW=Neutral.Ø W2=Positiv vs. IW=Negativ.Ø W2=Negativ vs. IW=Positiv.
3x2-faktorielles Design(mit sechs Item-Typen)
21Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Deskriptive Statistik
Stichprobe:
N = 17Alter = 26.6 (SD=7.1) 18 – 40
Geschlecht = 10 w, 7 m
Kontrolle:
Alle Trials eliminiert, in denen W1 nicht genannt wurde, bzw. eine Halluzination.
Wenn n<80 (mehr als 50% der Trials Verlust), dann wurde der Datensatz nicht hat berücksichtigt.
22Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Report: Illusorisches Wort | Reales Wort
Descriptive Statistics
17 56,3235 5,55783 22,91551
17 48,8824 6,63889 27,37282
17 56,6882 6,87203 28,33412
17 32,4882 5,78792 23,86420
17 42,3471 4,91519 20,26583
17 38,6647 4,40570 18,16518
17
posra_01
posia_01
neua_01
posrb_01
posib_01
neub_01
Valid N (listwise)
Statistic Statistic Std. Error Statistic
N Mean Std.Deviation
Posra=positiv W2, RB auf Wortanfang
Posia=positiv IW, RB auf Wortanfang
Neua=neutrale Wörter, RB auf Wortanfang
Posrb, posib, neub= wie oben, aber RB auf Wortende
23Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Report: Illusorisches Wort | Reales Wort
Tests of Within-Subjects Effects
Measure: MEASURE_1
6635,640 1 6635,640 15,231 ,001 ,488
6635,640 1,000 6635,640 15,231 ,001 ,488
6635,640 1,000 6635,640 15,231 ,001 ,488
6635,640 1,000 6635,640 15,231 ,001 ,488
6970,655 16 435,666
6970,655 16,000 435,666
6970,655 16,000 435,666
6970,655 16,000 435,666
185,967 2 92,984 ,475 ,626 ,029
185,967 1,670 111,377 ,475 ,593 ,029
185,967 1,841 101,003 ,475 ,611 ,029
185,967 1,000 185,967 ,475 ,500 ,029
6258,006 32 195,563
6258,006 26,715 234,247
6258,006 29,459 212,428
6258,006 16,000 391,125
1317,631 2 658,815 5,750 ,007 ,264
1317,631 1,631 807,787 5,750 ,012 ,264
1317,631 1,791 735,835 5,750 ,010 ,264
1317,631 1,000 1317,631 5,750 ,029 ,264
3666,489 32 114,578
3666,489 26,099 140,486
3666,489 28,651 127,973
3666,489 16,000 229,156
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sourcerb_pos
Error(rb_pos)
emot
Error(emot)
rb_pos * emot
Error(rb_pos*emot)
Type III Sumof Squares df Mean Square F Sig.
Partial EtaSquared
24Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Haupteffekt: PositionInteraktion
Report: Illusorisches Wort | Reales Wort
Estimates
Measure: MEASURE_1
53,965 6,126 40,977 66,952
37,833 4,090 29,164 46,503
rb_pos1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
Pairwise Comparisons
Measure: MEASURE_1
16,131* 4,133 ,001 7,369 24,894
-16,131* 4,133 ,001 -24,894 -7,369
(J) rb_pos2
1
(I) rb_pos1
2
MeanDifference
(I-J) Std. Error Sig.a
Lower Bound Upper Bound
95% Confidence Interval forDifference
a
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
4. rb_pos * emot
Measure: MEASURE_1
56,324 5,558 44,541 68,106
48,882 6,639 34,809 62,956
56,688 6,872 42,120 71,256
32,488 5,788 20,218 44,758
42,347 4,915 31,927 52,767
38,665 4,406 29,325 48,004
emot1
2
3
1
2
3
rb_pos1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
25Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Tests of Within-Subjects Effects
Measure: MEASURE_1
659,804 2 329,902 4,046 ,027 ,202
659,804 1,990 331,537 4,046 ,027 ,202
659,804 2,000 329,902 4,046 ,027 ,202
659,804 1,000 659,804 4,046 ,061 ,202
2609,350 32 81,542
2609,350 31,842 81,946
2609,350 32,000 81,542
2609,350 16,000 163,084
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sourceemot
Error(emot)
Type III Sumof Squares df Mean Square F Sig.
Partial EtaSquared
Pairwise Comparisons
Measure: MEASURE_1
7,441* 3,116 ,030 ,836 14,047
-,365 3,180 ,910 -7,106 6,376
-7,441* 3,116 ,030 -14,047 -,836
-7,806* 2,993 ,019 -14,151 -1,461
,365 3,180 ,910 -6,376 7,106
7,806* 2,993 ,019 1,461 14,151
(J) emot2
3
1
3
1
2
(I) emot1
2
3
MeanDifference
(I-J) Std. Error Sig.a
Lower Bound Upper Bound
95% Confidence Interval forDifference
a
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
Tests of Within-Subjects Effects
Measure: MEASURE_1
843,795 2 421,897 1,846 ,174 ,103
843,795 1,501 562,334 1,846 ,185 ,103
843,795 1,621 520,424 1,846 ,183 ,103
843,795 1,000 843,795 1,846 ,193 ,103
7315,145 32 228,598
7315,145 24,008 304,692
7315,145 25,942 281,983
7315,145 16,000 457,197
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sourceemot
Error(emot)
Type III Sumof Squares df Mean Square F Sig.
Partial EtaSquared
26Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Was kann man bislang folgern?
Was bestimmt die Häufigkeit der Illusion?
Wird die Häufigkeit durch affektive Wörter beeinflusst?
In welche Richtung geht der Effekt?
Ist er emotionsspezifisch?
27Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Deskriptive Statistik
Report: Reales Wort | Illusorisches Wort
Descriptive Statistics
17 16,1353 3,77311 15,55695
17 23,0000 4,04268 16,66838
17 18,4353 4,64156 19,13766
17 40,3235 5,32566 21,95824
17 33,4529 3,70184 15,26307
17 35,6706 4,66678 19,24165
17
posra_10
posia_10
neua_10
posrb_10
posib_10
neub_10
Valid N (listwise)
Statistic Statistic Std. Error Statistic
N Mean Std.Deviation
Posra=positiv W2, RB auf Wortanfang
Posia=positiv IW, RB auf Wortanfang
Neua=neutrale Wörter, RB auf Wortanfang
Posrb, posib, neub= wie oben, aber RB auf Wortende
28Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Report: Reales Wort | Illusorisches Wort
29Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Estimates
Measure: MEASURE_1
19,190 3,860 11,008 27,372
36,482 3,872 28,273 44,692
rb_pos1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
Pairwise Comparisons
Measure: MEASURE_1
-17,292* 4,386 ,001 -26,589 -7,995
17,292* 4,386 ,001 7,995 26,589
(J) rb_pos2
1
(I) rb_pos1
2
MeanDifference
(I-J) Std. Error Sig.a Lower Bound Upper Bound
95% Confidence Interval forDifferencea
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
4. rb_pos * emotion
Measure: MEASURE_1
16,135 3,773 8,137 24,134
23,000 4,043 14,430 31,570
18,435 4,642 8,596 28,275
40,324 5,326 29,034 51,613
33,453 3,702 25,605 41,300
35,671 4,667 25,777 45,564
emotion1
2
3
1
2
3
rb_pos1
2
Mean Std. Error Lower Bound Upper Bound
95% Confidence Interval
Haupteffekt: PositionInteraktion
Report: Reales Wort | Illusorisches Wort
30Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Inferenzstatistik
Tests of Within-Subjects Effects
Measure: MEASURE_1
415,087 2 207,544 3,285 ,050 ,170
415,087 1,518 273,487 3,285 ,066 ,170
415,087 1,644 252,559 3,285 ,062 ,170
415,087 1,000 415,087 3,285 ,089 ,170
2021,499 32 63,172
2021,499 24,284 83,243
2021,499 26,296 76,874
2021,499 16,000 126,344
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sourceemotion
Error(emotion)
Type III Sumof Squares df Mean Square F Sig.
Partial EtaSquared
Pairwise Comparisons
Measure: MEASURE_1
-6,865* 1,804 ,002 -10,688 -3,041
-2,300 3,126 ,473 -8,927 4,327
6,865* 1,804 ,002 3,041 10,688
4,565 3,045 ,153 -1,890 11,019
2,300 3,126 ,473 -4,327 8,927
-4,565 3,045 ,153 -11,019 1,890
(J) emotion2
3
1
3
1
2
(I) emotion1
2
3
MeanDifference
(I-J) Std. Error Sig.a Lower Bound Upper Bound
95% Confidence Interval forDifferencea
Based on estimated marginal means
The mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Least Significant Difference (equivalent to noadjustments).
a.
Tests of Within-Subjects Effects
Measure: MEASURE_1
418,046 2 209,023 1,304 ,285 ,075
418,046 1,591 262,786 1,304 ,283 ,075
418,046 1,738 240,524 1,304 ,284 ,075
418,046 1,000 418,046 1,304 ,270 ,075
5128,981 32 160,281
5128,981 25,453 201,506
5128,981 27,809 184,436
5128,981 16,000 320,561
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sphericity Assumed
Greenhouse-Geisser
Huynh-Feldt
Lower-bound
Sourceemotion
Error(emotion)
Type III Sumof Squares df Mean Square F Sig.
Partial EtaSquared
Report: Reales Wort | Illusorisches Wort
31Grundlagen: Klassische KonditionierungFachbereich, Titel, Datum
Diskussion
1. Gibt es generell einen Effekt der Valenz der Wörter?
2. Wie beeinflusst die Valenz des Wörter den Wettbewerb zwischen den Wortformen?
3. Wie interpretieren wir den Effekt der Position des Wiederholungsblindheit?