시뮬레이션된 시청 거리는 중간 거리가 아닌 긴 거리에 대한 신뢰도-정확도 관계를 손상시킵니다: 특징 모호성의 역할을 통합하는 모델 지원 3부

일반 토론

두 개의 고유한 모집단과 네 번의 실험에서 우리는 중간 및 원거리 시뮬레이션 거리(근거리 시뮬레이션 거리에 상대적)가 전체적으로 얼굴 인식을 손상시키는 반면, 먼 거리만이 신뢰도-정확도 관계를 손상시킨다는 생각을 뒷받침하는 증거를 발견했습니다(결합 분석은 보충 자료 참조). 모든 실험의 경우).

모든 사람은 독특합니다. 성격, 관심사, 경험부터 생각하는 방식, 신체적 특성까지 우리 각자는 우리를 독특하게 만드는 고유한 무언가를 가지고 있습니다. 이러한 독특한 그룹은 우리의 기억과도 밀접한 관련이 있습니다.

우리의 기억은 주로 우리의 삶의 경험과 개인적 특성에 의해 결정됩니다. 예를 들어, 어떤 사람들은 시각적 정보를 더 잘 기억하는 반면, 다른 사람들은 청각 정보를 더 잘 기억합니다. 어떤 사람들은 뛰어난 기억력을 갖고 태어나는 반면, 어떤 사람들은 기억력을 향상시키기 위해 의도적인 연습이 필요합니다.

그러나 우리의 고유한 그룹과 특성이 무엇이든, 우리 모두는 이를 사용하여 기억력을 향상시킬 수 있습니다. 시각적 학습자라면 색상, 그림, 다이어그램을 사용하여 정보를 기억하는 데 도움을 받을 수 있습니다. 청각 학습자라면 기억에 도움이 되는 강의, 녹음, 음악을 들을 수 있습니다. 운동선수라면 운동을 통해 기억력을 향상시킬 수 있습니다.

또한 연구에 따르면 독특한 특성이나 정체성을 가진 사람들의 경우 자신의 고유한 강점을 사용하여 정보를 처리하면 정보를 더 효과적으로 기억하는 데 도움이 될 수 있습니다. 예를 들어, 모국어가 아닌 언어를 배우는 사람의 경우 문화적 배경과 언어를 사용하여 새로운 어휘를 배우면 기억력이 향상될 수 있습니다.

요약하면, 우리 각자는 독특하지만 이러한 독특함은 정보를 더 잘 기억하는 데 도움이 될 수 있습니다. 당신의 고유한 그룹과 특성이 무엇이든, 이를 활용하면 기억력을 향상시킬 수 있습니다. 우리의 독특함을 소중히 여기고 이를 활용하여 더 큰 배움과 성장을 이루도록 합시다. 기억력을 향상시켜야 함을 알 수 있습니다. Cistanche Deserticola는 많은 독특한 효과를 지닌 전통 중국 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. 그 중 하나는 기억력을 향상시키는 것입니다. 다진 고기의 효능은 산, 다당류, 플라보노이드 등 포함된 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.

improve cognitive function

기억력 향상을 위한 보충제 알아보기

이는 특히 참가자들이 시뮬레이션된 매체보다 시뮬레이션된 원거리에서 인코딩된 얼굴의 정확도에 대해 지속적으로 더 높은 자신감을 보였던 가장 높은 신뢰도(90-100%)에 해당되었습니다(즉, 정확도가 신뢰도 판단보다 수치적으로 낮았습니다). 거리.

이 후자의 발견은 이론적 가치뿐만 아니라 중요한 적용 가치를 가지고 있습니다. 자신의 선택에 대해 가장 높은 수준의 확신을 갖고 있는 목격자는 재판을 진행할 가능성이 가장 높으며, 따라서 무고한 용의자의 유죄 판결로 이어질 가능성이 있습니다(Garret, 2011). 과거 연구에서는 이 관계가 거리가 멀어지면 손상될 수 있다고 제안한 반면(예: Lockamyier et al., 2020; Nymanet al., 2019), 여기에 보고된 연구는 피험자 내 얼굴 인식 설계에서 처음으로 수행되었으며 최고 수준의 신뢰도에서 신뢰도-정확도 관계에 대한 안정적인 추정치를 제공합니다(이 주장을 뒷받침하는 4가지 실험 모두의 데이터를 종합적으로 분석하려면 보충 자료 참조).

현재 연구에서 우리는 두 가지 중요한 결과를 추가로 보고합니다. 실험 3에서는 원거리 시뮬레이션 거리와 관련된 과신을 줄이기 위해 간단한 지침 경고를 구현하려고 시도했습니다. 이러한 조작은 목격자 기억 분야에서 흔히 발생하며(메타 분석은 Blank et al., 2014 참조) 신뢰도-정확도 관계에 대한 거리 증가의 해로운 효과에 대한 간단한 수정을 제공합니다.

ways to improve your memory

불행하게도 이 교육적 경고는 효과적이지 않았습니다. 우리는 이 자금이 적용된 의미에 대해 곧 다시 언급할 것입니다. 그러나 이는 충분히 먼 거리에서 얼굴을 본 목격자가 높은 신뢰도를 가지고 신원을 확인하더라도 좋은 목격자가 될 수 없음을 시사합니다.

우리는 또한 MTurk 작업자가 Skidmore 샘플보다 얼굴 인식 정확도가 떨어지는 것을 발견했습니다. Skidmore College는 높은 입학 기준을 갖춘 선별적 교양 대학이고 좋은 성적을 거두려는 의욕이 높은 학생들을 대상으로 하기 때문에 이것은 특별히 놀라운 일이 아닙니다. 학생들은 또한 연구 조교의 감독하에 직접 테스트를 받았고 학생들은 MTurk 인구보다 어렸습니다(MTurk 샘플 사용의 장점과 단점에 대한 검토는 Follmer et al., 2017 참조).

표본 효과에 기여하는 이러한 많은 교란 변수를 풀 수 없다는 점을 고려하여 더 이상 논의하지 않겠습니다. 오히려 우리는 원격으로 얼굴 인식 작업을 완료하는 MTurk 작업자가 실험실의 대학생과 동일한 수준의 정확도를 달성하지 못할 수도 있다는 점을 인정합니다.

중요한 것은 현재 일련의 연구 결과가 추정 변수가 신뢰 정확도 관계에 어떻게 영향을 미치는지에 대한 이해에 영향을 미친다는 것입니다. 특히, 기억전체에 미치는 영향과 신뢰도-정확도 관계에 미치는 영향이 분리 가능하다는 사실은 이론적으로 의미가 있다.

거리가 식별 가능성에 정량적 영향을 미치고, 메타인지 판단이 기억 정보(아주 좋지 않아 신뢰도 판단을 하향 조정해야 함)에 덜 의존하고 기억하려는 동기와 같은 기타 내부 또는 외부 요인에 더 많이 의존하는 질적 임계값이 있을 수 있음을 제안합니다. 아이템 잘.

비판적으로, 우리는 피험자 내에서 거리가 조작될 때 이 패턴을 관찰했습니다. 기억 정보가 희박한 매우 어려운 인식 작업의 경우 참가자는 항목을 "보였다"라고 부르는 기준을 완화할 수 있으며 높은 신뢰도 판단을 내리기 위해 어떤 종류의 기억 정보가 필요한지에 대한 기준도 완화할 수 있습니다( 콕스 & 도빈스, 2011). 깨끗한 얼굴에서는 유사한 과신 패턴이 관찰되지 않았고 해당 얼굴의 상대적으로 좋은 기억력(전체 오래된 사진 세트의 절반)으로 인해 참가자가 인식에 대한 기준을 바꾸려는 동기를 부여받을 가능성이 적기 때문에 여기서는 그럴 수 없습니다. 일.

그러나 우리의 실험 설계를 고려할 때 메타인지 판단이 임계값 기반 패턴이 아닌 체계적인 저하 패턴을 따를 가능성을 배제할 수 없다는 경고를 포함해야 합니다. 즉, 시뮬레이션 거리가 중거리에서 원거리로 증가함에 따라 최고 신뢰도에서의 정확도도 단조롭게 떨어지는 경우가 발생할 수 있습니다.

improve brain

공정한 거리 조작에서 시뮬레이션된 거리가 신뢰도-정확도 교정에 미치는 영향을 더욱 명확히 하는 향후 연구는 이 분야의 향후 연구에 유익한 길이 될 수 있습니다.

그러므로 우리는 Nyman et al.이 제안한 임계값 모델의 수정을 옹호합니다. (2019) 및 Lockamyier et al.의 지원을 받았습니다. (2020).

Nyman 등은 임계값 모델 하에서 식별성이 매우 낮은 수준으로 감소함에 따라 목격자가 작업의 난이도를 판단할 수 없으며 그에 따라 자신감 판단을 낮출 수 없다고 주장했습니다. 라인업 작업의 데이터에 따르면 이는 합리적인 입장입니다. 그러나 여기에 있는 네 가지 연구에 제시된 데이터 패턴은 이 버전의 임계값 계정과 호환되지 않습니다. 만약 그렇다면, 거의 시뮬레이션된 거리와 중간 시뮬레이션된 거리에서 인코딩된 얼굴에 대한 식별 가능성과 과신도가 비슷하게 감소할 것으로 예상할 수 있습니다. 대신, 멀리 시뮬레이션된 거리에서 인코딩된 얼굴만 최고 수준의 신뢰도에서 정확도가 감소하는 것으로 나타났습니다.

비슷한 논리로 참가자들에게 작업의 어려움을 알리는 것은 과신 효과를 줄여야 합니다. 그러나 실험 3에서 그렇게 하는 교육적 경고는 신뢰도-정확도 관계에 대한 거리의 영향을 약화시키는 데 효과적이지 않았습니다. 따라서 우리는 기능 모호성을 통합하는 임계값 설명을 주장합니다. 특징 모호성의 이면에 있는 아이디어는 참가자가 매우 멀리 있는(그러나 적당한 거리가 아닌) 얼굴을 인코딩할 때 거리가 개별 얼굴 특징의 모호성을 증가시킨다는 것입니다.

참가자가 테스트에서 시뮬레이션된 거리에 있지 않은 얼굴을 만날 때 이러한 모호하게 인코딩된 특징은 이전에 본 얼굴과 이전에 본 적이 없는 얼굴 모두에 대한 기억 일치를 유발할 가능성이 더 높습니다. 이 매치가 틀려도 참가자는 강한 인식감을 느끼고 높은 자신감을 갖고 긍정적인 판단을 내릴 것이다. 특징은 인코딩 시 고유한 특성을 더 많이 유지하여 보이지 않는 얼굴의 기억에 대한 잘못된 일치를 줄이기 때문에 적당한 거리에서는 이런 일이 발생할 가능성이 적습니다.

이러한 실험이 적용되는 의미는 분명합니다. 중간 시뮬레이션 거리에서 얼굴을 본 참가자는 상대적으로 잘 보정된 반면, 먼 시뮬레이션 거리에서 얼굴을 본 참가자는 그렇지 않았습니다. 신분증을 만들어 달라고 하더군요. 정확하게 "너무 멀리 떨어져 있음"을 구성하는 것은 인코딩 시 존재하는 다른 조건과 기억 능력 및 메타인지의 개인차에 따라 달라질 수 있으며, 시청 거리의 추정치는 경우에 따라 주관적일 수 있습니다. 여기에 제시된 데이터를 바탕으로 아주 먼 거리에서 가해자를 본 증인이 식별한 내용은 최소한 철저하게 조사되어야 한다고 생각합니다.

그러나 현재 실험의 절차에는 참가자들에게 인코딩(일부 조건에서는 흐릿하지만) 및 검색 시 동일한 이미지를 제시하고 물리적 거리를 조작하는 대신 흐리게 기능을 통해 거리를 시뮬레이션한다는 점에 유의하는 것이 중요합니다. 일반적으로 현장의 목격자에게 요청되는 작업입니다. 또한 참가자가 여러 얼굴을 보고 더 큰 풀에서 다시 인식해야 하는 얼굴 인식 패러다임은 한 명의 용의자가 범죄를 저지르는 것을 보고 나중에 라인업에서 식별하는 것과는 다른 작업입니다.

우리는 보다 정확한 통계적 추정 및 분석을 허용하는 이 패러다임의 일부 측면이 실험을 의도한 자연주의적 맥락에서 훨씬 벗어날 수 있다는 점을 인정해야 합니다(이 문제에 대한 최근 논의는 Kovera & Evelo, 2021; Hyman, 2021 참조). 그러나 우리는 다음과 같이 믿습니다. 본 연구의 결과는 이러한 실제 시나리오에 배치될 때 전체 기억 정확도가 다소 다를 수 있음에도 불구하고 목격자가 멀리서 본 얼굴에 대한 인식 판단을 어떻게 내리는지에 대한 중요한 의미를 갖습니다.

결론

두 개의 개별 미국 샘플에 대한 사전 등록된 네 번의 실험에서 우리는 적당한 시뮬레이션 거리에서 인코딩된 얼굴에 대해서는 신뢰도-정확도 관계가 유지되었지만 먼 시뮬레이션 거리에서 인코딩된 얼굴에 대해서는 손상되었음을 발견했습니다. 이 발견은 특징 모호성을 통합한 임계값 모델을 지원합니다. 이는 특징이 더 멀어질수록 새로운 얼굴에 대한 테스트에서 인지된 기억 일치 가능성이 더 높아져 신뢰도 판단이 위쪽으로 기울어진다는 것을 제안합니다.

이 발견은 또한 원격 인코딩 후 목격자 식별이 형사 사법 시스템에 의해 어떻게 해석되는지에 대한 중요한 파급 효과를 가지고 있습니다. 우리는 거리의 경우 사실 판단자는 신뢰도 판단을 정확도 예측 변수로 사용하는 데 극도로 조심스럽다고 주장합니다.

공개 관행 선언문

여기에 보고된 분석을 수행하는 데 필요한 모든 데이터와 모든 자료는 Open Science Framework(https://osf.io/7wdvy/)에서 다운로드할 수 있습니다. 여기에 보고된 모든 실험은 Open Science Framework에도 사전 등록되었으며, 사전 등록은 위 링크에서 확인할 수 있습니다.

저자 기여

SDD와 DJP는 연구를 개념화하고 설계했습니다. SDD는 연구를 프로그래밍하고 데이터를 수집하고 분석했습니다. SDD가 원고 초안을 작성했고 DJP가 원고 초안에 대한 피드백을 제공했습니다. 두 저자 모두 최종 원고를 읽고 승인했습니다.

improve memory

자금 조달

Amazon Mechanical Turk 참가자에 대한 보상은 두 번째 저자에게 수여된 James S. McDonnell 재단의 "인간 인지 이해" 보조금(승인 번호 220020429)과 첫 번째 저자에게 속한 University of Florida New Faculty Startup Package를 통해 제공되었습니다. 두 자금 출처 모두 실험 설계, 데이터 수집, 분석 또는 작성 과정에 기여하지 않았습니다.

데이터 및 자료의 가용성

현재 연구에서 분석된 데이터 세트와 보충 자료는 Open Science Framework 저장소에서 사용할 수 있습니다.https://osf.io/7wdvy/]입니다.

윤리 승인 및 참여 동의

실험 1a, 1b, 2와 실험 3의 Skidmore College 샘플은 Skidmore College의 기관 검토 위원회 승인 면제 프로토콜 #1901-787에 따라 실행되었습니다. 실험 3의 Mechanical Turk 참가자는 University of North Florida의 Institutional Review Board에서 승인한 면제 프로토콜 #1797845-1에 따라 실행되었습니다.