多身份追踪的认知加工特征及其神经机制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    31400886
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C0910.应用心理学及其他
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Multiple-Identity Tracking (MIT) concerns object recognition problem of multiple object continuous representation, improving the ecological validity of multiple-object tracking study in applications. And it’s a new method to study the mechanism of object continuous representation. Multiple-Object Tracking is a classic paradigm used to study the attentional tracking of multiple moving objects, which has been widely used to study how people select, distribute and sustain their attention among several objects in a dynamic environment. Earlier studies focused on spatial location information, while ignoring the features and identity information. In previous studies, researchers paid much attention to the moving objects within the same category. However, more studies are still required for cross-category objects. This project will discuss cross-categories, features, and unreliability of the objects’ identity information affect MIT based on behavior, eye movement and ERP data. In addition, we will preliminary explore eye movement strategy, neural mechanisms and application in real traffic environment. Studying object’s identity features affect on tracking can help understand identity recognition and cognitive processing under ecological environment. Relevant research results can be used in selection and training of drivers, pilots, air traffic controllers and other applications in the future.
多身份追踪(MIT)关注多个物体连续性表征中的物体识别问题,提高了多目标追踪研究在应用领域的生态效度,是深入研究追踪中物体连续性表征机制的新途径。传统的多目标追踪主要关注动态环境下人们对多个目标的注意选择、分配和保持。早期的研究只关注空间位置信息,而忽略了物体本身的特征和身份信息。前人对MIT的研究通常关注的为单一类别的目标,他们在身份信息和表面特征上同属一类,尚没有研究人员对于跨类别不同身份和特征的物体进行系统的研究。本项目运用行为实验、眼动及脑电技术,系统地探讨跨类别不同身份和特征的物体对追踪成绩的影响,以及身份不连续性对身份追踪的影响。初探MIT的眼动模式和脑机制,并探索MIT在实际交通场景中的应用。研究物体身份特征对追踪所带来的影响,将有助于我们认识生态学情境下身份识别和认知加工的规律,相关的研究成果可用于驾驶员、飞行员、空中交通管制员的选拔与培训等应用领域。

结项摘要

多身份追踪(MIT)是涉及物体在动态时空中如何维持连续性表征的重要认知活动。本项目将基于MIT范式,运用行为实验及脑电技术,系统地研究物体身份特征对追踪所带来的影响,并应用于驾驶领域。研究一考察了观察者对跨类别不同复杂性物体追踪的成绩差异。结果发现,物体复杂性会影响观察者的追踪成绩,且这种影响的产生主要是基于目标而非干扰的复杂性,目标复杂性主要影响了观察者对目标身份的区分能力。针对同类物体的不同特征,研究二探讨了物体语义特征和表面特征间的冲突对追踪成绩的影响。结果发现,尽管运动物体均为独特的,多特征之间的冲突仍会显著影响观察者的追踪成绩,且其主要影响了观察者的身份追踪成绩,而对位置追踪成绩并没有显著影响。研究三考察身份信息不连续对MIT 的影响。实验结果表明在总错误率方面,遮挡的主效应显著,即遮挡时的MIT 成绩较差。研究四进行了MIT的脑机制研究。结果表明,快乐情绪增加了驾驶员在跟车阶段的认知负荷。情绪性唤起降低了驾驶员在追踪前车刹车阶段的注意水平。研究五通过在驾驶模拟环境中对干扰特征进行控制,考察特征是否会影响追踪成绩。研究结果表明,MIT的正确率在目标车数量为4时最差。这些认知加工过程规律的研究成果将有助于我们认识生态学情境下身份识别和多目标注意追踪的规律,为驾驶员的选拔和培训提供心理学依据。

项目成果

期刊论文数量(18)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Psychometric adaptation of the driving anger expression inventory in a Chinese sample
中国样本中驾驶愤怒表达量表的心理测量适应
  • DOI:
    10.1016/j.trf.2015.07.008
  • 发表时间:
    2015-08-01
  • 期刊:
    TRANSPORTATION RESEARCH PART F-TRAFFIC PSYCHOLOGY AND BEHAVIOUR
  • 影响因子:
    4.1
  • 作者:
    Ge, Yan;Qu, Weina;Zhang, Kan
  • 通讯作者:
    Zhang, Kan
Effects of trait anger, driving anger, and driving experience on dangerous driving behavior: A moderated mediation analysis
特质愤怒、驾驶愤怒和驾驶体验对危险驾驶行为的影响:有调节的中介分析
  • DOI:
    10.1002/ab.21712
  • 发表时间:
    2017-11-01
  • 期刊:
    AGGRESSIVE BEHAVIOR
  • 影响因子:
    2.9
  • 作者:
    Ge, Yan;Zhang, Qian;Qu, Weina
  • 通讯作者:
    Qu, Weina
Effect of personality traits, age and sex on aggressive driving: Psychometric adaptation of the Driver Aggression Indicators Scale in China
人格特质、年龄和性别对攻击性驾驶的影响:中国驾驶员攻击性指标量表的心理测量适应性
  • DOI:
    10.1016/j.aap.2017.03.016
  • 发表时间:
    2017
  • 期刊:
    ACCIDENT ANALYSIS AND PREVENTION
  • 影响因子:
    5.9
  • 作者:
    Zhang Huihui;Qu Weina;Ge Yan;Sun Xianghong;Zhang Kan
  • 通讯作者:
    Zhang Kan
The relationship between personalities and self-report positive driving behavior in a Chinese sample.
中国样本中性格与自我报告积极驾驶行为之间的关系
  • DOI:
    10.1371/journal.pone.0190746
  • 发表时间:
    2018
  • 期刊:
    PloS one
  • 影响因子:
    3.7
  • 作者:
    Shen B;Qu W;Ge Y;Sun X;Zhang K
  • 通讯作者:
    Zhang K
The effect of stress and personality on dangerous driving behavior among Chinese drivers
压力和性格对中国驾驶员危险驾驶行为的影响
  • DOI:
    10.1016/j.aap.2014.07.024
  • 发表时间:
    2014-12-01
  • 期刊:
    ACCIDENT ANALYSIS AND PREVENTION
  • 影响因子:
    5.9
  • 作者:
    Ge, Yan;Qu, Weina;Zhang, Kan
  • 通讯作者:
    Zhang, Kan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

瞿炜娜的其他基金

基于驾驶安全的车载信息系统人因设计规范研究
  • 批准号:
    32271132
  • 批准年份:
    2022
  • 资助金额:
    54.00 万元
  • 项目类别:
    面上项目
基于驾驶安全的车载信息系统人因设计规范研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
自动驾驶系统诱发事故的人机交互问题研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
汽车驾驶员疲劳的心理生理检测及神经机制
  • 批准号:
    31771225
  • 批准年份:
    2017
  • 资助金额:
    60.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码