[论文解读] PERCEVAL: a Computer-Driven System for Experimentation on Auditory and Visual Perception

Carine André, Alain Ghio+2 more|ArXiv.org|May 30, 2007

Neural Networks and Applications参考文献 6被引用 34

一句话总结

PERCEVAL 是一种由计算机驱动的实验系统，专为听觉与视觉感知研究而设计，通过脚本控制的刺激和程序实现高时间精度与灵活性。它能够自动、精确地执行多种感知任务（如音素监测、词汇决策和语音质量评估），借助类似解析器的软件架构解释用户自定义脚本，显著减少人工操作，提升心理物理学实验的可重复性。

ABSTRACT

Since perception tests are highly time-consuming, there is a need to automate as many operations as possible, such as stimulus generation, procedure control, perception testing, and data analysis. The computer-driven system we are presenting here meets these objectives. To achieve large flexibility, the tests are controlled by scripts. The system's core software resembles that of a lexical-syntactic analyzer, which reads and interprets script files sent to it. The execution sequence (trial) is modified in accordance with the commands and data received. This type of operation provides a great deal of flexibility and supports a wide variety of tests such as auditory-lexical decision making, phoneme monitoring, gating, phonetic categorization, word identification, voice quality, etc. To achieve good performance, we were careful about timing accuracy, which is the greatest problem in computerized perception tests.

研究动机与目标

• 自动化涉及听觉与视觉刺激的感知实验，减少人工干预与人为错误。
• 提高计算机化感知测试中的时间精度，这是心理物理学研究中的关键挑战。
• 通过基于脚本的配置，提供一个支持广泛感知任务的灵活框架。
• 简化整个实验流程，包括刺激生成、程序控制、数据收集与分析。
• 使研究人员能够以极少的编程开销实现复杂的感知实验。

提出的方法

• 系统采用基于脚本的接口，实验程序以文本文件形式定义，类似于词法-句法解析。
• 核心软件模块解析这些脚本，动态控制试验序列与刺激呈现。
• 刺激以高时间精度生成并呈现，这对涉及快速听觉或视觉事件的感知实验至关重要。
• 该架构支持多种实验范式，包括音素监测、门控实验与语音分类。
• 系统将实验逻辑与底层时间控制及输入/输出操作解耦，提升了可移植性与可维护性。
• 它将数据记录与分析工作流直接集成到实验执行流程中。

实验结果

研究问题

• RQ1 如何实现感知实验的自动化，以减少人为错误并提高可重复性？
• RQ2 在计算机驱动的感知实验中，可实现的时间精度达到何种水平？
• RQ3 单一系统是否能通过极少重新配置支持广泛的听觉与视觉感知任务？
• RQ4 基于脚本的控制如何提升灵活性并减少实验设计的开发时间？
• RQ5 哪些架构选择使得心理物理学测试中能够实现高精度的刺激呈现？

主要发现

• 该系统实现了高时间精度，这对于可靠的感知测试至关重要，尤其是在涉及快速听觉或视觉刺激的任务中。
• 基于脚本的控制使多种感知任务（如音素监测、词汇决策与语音质量评估）得以一致且精确地执行。
• 类似解析器的架构支持根据实时输入动态修改试验序列，适用于自适应实验设计。
• 该系统显著减少了每项实验所需的定制编程工作，大幅降低了研究人员的入门门槛。
• 该框架支持从刺激生成、程序控制、数据收集到分析的端到端自动化，提升了实验吞吐量。
• 该系统已成功应用于国际语音学大会（ICPhS 2003），验证了其在真实研究环境中的实用性。