수중 미로 용어집

모든 분야에는 전문 용어가 있고, 수중 미로에도 많습니다. 여기 쉬운 말로 풀어 두었습니다. 필요한 용어가 없다면 알려 주세요.

A B C D E F G H I L M O P Q R S T V W

A

습득: 습득은 개체가 플랫폼을 찾는 법을 배우는 훈련 단계입니다. 도피 잠복기와 경로 길이는 보통 날이 갈수록 줄어들며, 전략 지표는 그 감소가 지도에 의한 것인지 절차적 지름길에 의한 것인지 보여 줍니다. 프로브 시행과 역전 학습도 보세요.
능동적 탐색: 능동적 탐색은 떠 있기, 벽 붙기, 맴돌기가 아니라 수조를 고루 누비는 목적 있는 수영입니다. 비활동(떠 있기)의 반대 개념이며, 동기와 기억을 구별하는 데 도움이 됩니다.
타자 중심적 길 찾기와 자기 중심적 길 찾기: 타자 중심적 길 찾기는 방 벽의 큰 단서 같은 원거리 단서를 이용해 장소를 찾습니다.
타자 중심적 전략: 타자 중심적 전략은 방의 원거리 단서 배치를 이용해 수조 안의 장소를 찾습니다. 수중 미로가 검사하도록 설계된 지도와 같은 해법입니다. 자기 중심적 전략과 대비됩니다. 원거리 단서도 보세요.
분석 격자(오픈 필드 구역): 분석 격자는 경기장을 칸으로 나누어 칸마다 시간, 경로, 진입, 잠복기를 얻게 해 줍니다. 물체마다 자기 칸에 들어가는 크기를 고르세요.
각도 범위: 각도 범위는 개체가 벽 붙기 행동 띠나 체이닝 고리 구역 같은 구역 안에 있는 동안 수조 둘레의 몇 도를 지나는지입니다. 연속 범위 기준은 진짜 벽 붙기나 체이닝을 구역을 잠깐 가로지르기만 한 경로와 구별하는 데 도움이 됩니다.
고리 통과 횟수: 고리 통과 횟수는 프로브에서 개체가 학습한 플랫폼 위치 둘레의 고리에 몇 번 들어가는지를 셉니다. 동물이 정확히 그 지점이 아니라 근처를 탐색할 때, 정확한 플랫폼 교차보다 조금 더 너그럽습니다.
고리(플랫폼 고리): 많은 논문에서 "고리(annulus)"는 프로브에서 쓰는, 이전 플랫폼 위치 둘레의 고리를 뜻합니다. 이는 수조 전체를 따라 벽에서 플랫폼까지의 거리에 놓인 고리인 체이닝 고리 구역과 다릅니다. 플랫폼 교차와 구역과 고리를 보세요.
갈래 진입(다중 갈래 미로): 갈래 진입은 고른 Detection Area를 써서 개체가 각 갈래에 몇 번 들어갔는지를 셉니다. 갈래는 왼쪽 갈래부터 시계 방향으로 나열됩니다.
아틀란티스(상승) 플랫폼: 아틀란티스 플랫폼은 수면 아래에 있다가 개체가 목표에 닿으면 자동으로 올라옵니다. Run 화면 버튼을 "USB on End"로 설정하고 Auto-end 옵션을 고르세요.
Auto-end: ‘Auto-end on platform’은 개체가 플랫폼에 닿았을 때 시행을 끝낼지 정합니다. ‘Yes’는 도착하면, ‘Delay in Secs’는 정해진 시간 머문 뒤 끝내며, ‘No’는 ‘END’로 직접 끝낸다는 뜻입니다.
평균 속도와 활동 속도: 평균 속도는 경로 / 시행 시간이며 멈춰 있는 시간을 포함합니다. 활동 속도는 느리게 떠 있는 구간을 뺍니다.
평균 근접도: 평균 근접도는 시행 동안 개체와 목표 사이의 평균 거리입니다(Gallagher global이라고도 함). 낮을수록 더 촘촘한 탐색입니다. 갤러거 근접도 지표 가운데 하나이며, 특히 프로브에서 유용합니다. 갤러거 근접도를 보세요.

B

Barnes 상자: Barnes 상자는 화면이 어느 미로를 실행하고 있는지 보여 줍니다. 직접 체크할 필요는 없습니다. 반스 미로를 열면 체크되고 수중 미로를 열면 해제됩니다.
반스 오류와 1차 경로: 반스 미로에서 오류는 잘못된 구멍에 코를 들이민 것입니다. 1차 경로 길이는 탈출 구멍에 처음 접근할 때까지의 거리입니다.
반스 미로: 반스 미로는 가장자리에 구멍이 있는 마른 원형 플랫폼으로, 그중 하나가 탈출 상자로 이어집니다. 수중 미로보다 스트레스가 덜한 친척으로 자주 쓰입니다. 전략에는 구멍에 대한 직접, 순차, 무작위 탐색이 있습니다. 반스 오류와 1차 경로도 보세요.
행동 식별: 행동 식별은 직접 경로, 체이닝, 벽 붙기 행동, 목표 스캐닝 같은 전략의 객관적 기준을 만족하는 시행 구간에 이름을 붙입니다. 개체가 수영 도중 방식을 바꾸면 한 시행에 둘 이상의 이름이 붙을 수 있습니다. 탐색 전략을 보세요.
.BOND 파일: 모든 VR 시행은 JSON .BOND 파일과 .hvs 파일로 자동 저장됩니다. .BOND 파일에는 타임스탬프가 붙은 위치와 모든 설정이 담깁니다.
넓은 공간 범위: 넓은 공간 범위는 벽 근처에 머물거나 한 반지름에서 맴도는 대신 수조의 많은 부분에 퍼지는 탐색을 말합니다. 경로 그림에서는 분주해 보여도 목표를 겨냥하지 않을 수 있습니다. 스캐닝, 무작위 탐색과 관련됩니다.

C

보정된 위치: 보정된 위치는 설정 때 좌표를 저장해 둔 수조 안의 장소들입니다(플랫폼과 표시해 둔 다른 지점). 그러면 역전 학습의 이전 위치와 새 위치를 포함해, 각 위치마다 근접 조우 구역, 갤러거 지표, 정확한 교차를 계산할 수 있습니다. 플랫폼 주변 구역을 보세요.
보정: 보정은 소프트웨어에 수조나 경기장의 크기와 각 목표의 위치를 알려 줍니다. 모든 거리는 보정된 수조 지름을 씁니다.
체이닝: 체이닝은 벽에서 일정한 거리, 대략 플랫폼까지의 거리에서 맴도는 것입니다. 비공간적이고 절차적인 전략으로, 좋은 잠복기와 함께 나타날 수 있습니다.
체이닝 고리 구역: 체이닝 고리 구역은 벽에서 플랫폼까지의 거리에 놓인 고리 모양 구역으로, 체이닝을 찾아내는 데 씁니다. 그 고리 안에서 맴도는 동물은 플랫폼이 어디 있는지 모르면서도 잠복기를 줄일 수 있습니다. 체이닝 고리 구역을 보세요.
원형 구역: 원형 구역은 수조를 고리들로 나눕니다. 분석 화면의 설명 도표 버튼을 클릭하면 사용 중인 버전에서 어느 글자가 A, B, C인지 볼 수 있습니다.
근접 조우(카운터): 근접 조우는 목표 위치 둘레의 원(카운터)에 들어가는 것으로, 정확한 교차보다 덜 엄격합니다.
인지 유연성: 수중 미로에서 인지 유연성은 역전 학습이나 이중 전략 시행처럼 규칙이 바뀌었을 때 이전에 학습한 장소나 단서를 버리는 능력입니다. 이전 해법에 대한 고집은 그 반대입니다.
원뿔 검사: 원뿔 검사는 개체의 경로가 출발점에서 목표를 향한 원뿔 안에 머물렀는지를 묻습니다. 통로 검사처럼 어떤 출발점과 목표 조합에도 쓸 수 있는 방향 정확도 확인입니다. 진행 방향 각도, 경로 효율 비율과 관련됩니다.
보정 통합 경로 길이(CIPL): 보정 통합 경로 길이는 출발점이 목표에서 얼마나 멀었는지에 맞춰 경로 길이를 조정하므로, 가까운 출발과 먼 출발의 시행을 공정하게 비교할 수 있습니다. 노화 연구와 전략 연구에서 원래의 경로 길이와 함께 자주 쓰입니다.
통로 검사: 통로 검사는 개체가 출발점에서 목표까지의 이상적인 선을 따라 정해진 폭의 통로 안에서 헤엄쳤는지를 묻습니다. 출발 거리 차이를 정규화하며 방향 정확도를 깔끔하게 보여 줍니다. 진행 방향 오차와 원뿔 검사도 보세요.
CST(사용자 지정 결과) 파일: CST 파일은 직접 고른 결과 모음으로, 시행마다 한 줄, 변수마다 한 열이며 바로 Excel에서 열 수 있습니다.
단서 플랫폼: 단서(보이는) 플랫폼 시행은 플랫폼에 근위 단서를 표시해, 동물이 방의 지도가 아니라 시각으로 길을 찾게 합니다. 숨겨진 플랫폼 훈련 전후에 시력, 수영, 동기를 확인합니다. 숨겨진 플랫폼과 대비됩니다.
누적 탐색 오차: 누적 탐색 오차(Gallagher cumulative)는 연속된 1초 구간마다 목표까지의 평균 거리를 더한 값입니다. 높을수록 탐색 오차가 크며, 훈련 전반에 걸쳐 자주 쓰입니다. 평균 근접도의 훈련용 짝입니다. 갤러거 근접도를 보세요.

D

Detection Area: Detection Area는 갈래의 몇 %를 진입으로 칠지 정합니다. 100%이면 어떤 진입이든 세고, 25%이면 가장 먼 4분의 1에 들어간 것만 셉니다.
Direct Path Measures: Direct Path Measures는 시행이 정확한 접근으로 시작했는지를 분류합니다. 세 가지씩 두 묶음으로 모두 여섯 가지 분류가 있습니다: 목표까지(to Target)와 근접 조우까지(to Close Encounter).
근접 조우까지의 직접 경로: 근접 조우까지의 직접 경로는 첫 정확한 접근이 정확한 지점이 아니라 목표 둘레의 근접 조우 구역에 닿는 Direct Path 분류입니다. Direct Path Measures와 근접 조우(카운터)를 보세요.
목표까지의 직접 경로: 목표까지의 직접 경로는 개체가 플랫폼 자체에 닿는 정확한 접근으로 출발하는 Direct Path 분류입니다. 처음부터 어디로 갈지 안다는 강력한 증거입니다. Direct Path Measures와 직접 수영을 보세요.
직접 수영: 직접 수영은 출발점에서 플랫폼(또는 학습한 장소)까지 거의 곧은 경로입니다. 고전적인 공간적 해법이며 벽 붙기 행동, 체이닝, 무작위 탐색의 반대입니다. 탐색 전략을 보세요.
방향성 탐색: 방향성 탐색은 목표 영역 쪽으로 향하지만 아직 완벽한 직접 수영은 아닌 수영입니다. 경로가 휘거나 지나칠 수 있어도 학습한 장소 쪽으로 치우침은 분명합니다. 초점 탐색, 초기 공간 의도와 관련됩니다.
원위 단서: 원거리 단서는 수조에서 멀리 떨어진 방 벽이나 고정 구조물에 놓인 크고 입체적인 단서로, 동물에게 보입니다.
이중 전략 시행: 이중 전략 시행은 근위 단서와 기억한 장소를 맞붙입니다(예를 들어 플랫폼은 그대로 두고 근위 표지를 옮기거나 그 반대). 각 보정된 위치의 근접 조우 지표는 개체가 단서를 따랐는지 장소를 따랐는지 보여 줍니다. 보정된 위치를 보세요.

E

자기 중심적 전략: 자기 중심적 전략은 방의 지도 대신 "왼쪽으로 헤엄치기"나 "벽에서 일정한 거리 유지하기" 같은 몸 중심의 규칙을 씁니다. 체이닝과 일부 벽 붙기 행동은 자기 중심적입니다. 타자 중심적 전략과 대비됩니다.
고가식 십자 미로: 고가식 십자 미로는 불안 관련 행동을 검사하는 데 널리 쓰입니다. 개체를 네 갈래가 만나는 지점에 열린 갈래를 향하도록 놓습니다.
엔트로피(전략 엔트로피): 전략 엔트로피는 시행에 걸쳐 개체의 전략 이름이 얼마나 섞여 있거나 예측하기 어려운지를 요약합니다. 엔트로피가 높으면 개체가 방식을 계속 바꾼다는 뜻이고, 낮으면 한 전략이 지배적이라는 뜻입니다. 유연한 탐색과 정형화된 탐색을 비교하는 노화 연구에 유용합니다.
같은 면적의 원형 구역: 같은 면적의 원형 구역은 수조를 폭이 아니라 면적이 같은 고리들로 나눕니다. 바깥 고리는 얇고 안쪽 고리는 두껍습니다. 각 구역의 우연 점유 확률을 같게 하고 싶을 때 같은 간격의 고리 대신 쓸 수 있습니다. 원형 구역을 보세요.
도피 잠복기: 잠복기는 목표에 닿기까지의 시간입니다. 전략을 보여 주지 않고 속도와 출발 거리의 영향을 받으므로 다른 지표와 함께 읽으세요.

F

첫 방위: 첫 방위는 목표까지의 이상적인 선에 대한 개체의 가장 이른 움직임의 방향입니다. 진행 방향 각도와 밀접하게 관련되며, 보통 시행의 처음 1~2초에서 잽니다.
초점 탐색: 초점 탐색(목표 집중 탐색이라고도 함)은 학습한 플랫폼 위치 둘레를 촘촘하게 탐색하는 것입니다. 프로브에서는 강한 공간 기억의 특징이며, 정확한 플랫폼 교차가 적을 때도 지표로서 성공할 수 있습니다. 탐색 전략을 보세요.
강제 수영 지표: 강제 수영 결과는 오르기, 잠수, 수영, 떠 있기의 시간 %와 함께 총 경로, 지속 시간, 평균 속도, 움직인 시간 %를 줍니다.
강제 수영 추적 띠: 강제 수영에서 추적 영역은 수면선 둘레의 띠로, 동물이 헤엄치거나 떠 있을 때 가장 높은 지점이 가운데 3분의 1에 오도록 크기를 정합니다.
얼어붙기: 얼어붙기는 정해진 시간 동안 가만히 있는 것입니다. 얼어붙기로 세려면 개체가 몇 초 동안, 어느 거리 안에서 가만히 있어야 하는지 직접 정합니다.
'From Poolside'(Direct Path 분류): "From Poolside"는 연속적인 벽 따라가기가 아니라 직접 접근이 어디서(벽 근처에서) 시작했는지를 나타냅니다. 지속적인 벽 따라가기는 Thigmotaxis로 따로 보고됩니다.

G

구간별 갤러거: 구간별 갤러거는 시행의 연속된 부분(예를 들어 연속된 시간 구간)에 갤러거 근접도 지표를 적용합니다. 시행이 진행되면서 탐색이 좁혀졌는지 흩어졌는지를 보여 줍니다. 시간 구간과 갤러거 근접도를 보세요.
Gallagher cumulative: Gallagher cumulative는 누적 탐색 오차의 다른 이름으로, 목표까지의 1초 평균 거리의 합입니다. 값이 높을수록 오차가 크며, 보통 훈련일에 걸쳐 씁니다.
Gallagher global: Gallagher global은 평균 근접도의 다른 이름으로, 시행 동안 목표까지의 평균 거리입니다. 낮을수록 좋으며 특히 프로브 시행에서 많은 것을 알려 줍니다.
갤러거 근접도: 갤러거 근접도는 개체가 목표에 얼마나 가까이 머물렀는지를 잽니다. Global은 평균 거리(낮을수록 가까움, 프로브에 사용)이고, Cumulative는 1초 평균 거리의 합(높을수록 탐색 오차가 큼, 훈련에 사용)입니다.

H

진행 방향 각도: 진행 방향 각도는 개체가 목표를 향해 얼마나 곧장 출발했는지 보여 줍니다. 0에 가까운 각도는 곧장 목표로 향했다는 뜻입니다.
방향 오차: 진행 방향 오차는 개체의 처음 방향과 목표까지의 이상적인 선 사이의 각도 차이입니다. 0에 가까운 각도는 올바른 방향으로 출발했다는 뜻입니다. 진행 방향 각도와 같은 계열의 지표입니다. 진행 방향 각도를 보세요.
숨겨진 플랫폼: 숨겨진 플랫폼은 불투명한 물 바로 아래에 있어 보이지 않습니다. 찾으려면 원거리 단서와 장소 학습에 의존해야 합니다. 단서 플랫폼과 대비됩니다.
HVS 6D VR: HVS 6D VR은 Quest 3 헤드셋에서 VR 수중 미로 같은 가상 실험을 실행합니다. 참가자는 트레드밀 위를 걷거나 화살표 키 같은 다른 방법으로 이동할 수 있습니다.
.hvs 파일: .hvs 파일은 시행마다 저장되는 원본 데이터 파일입니다. 모두 보관하세요. SUM과 CST 결과는 이 파일들로 다시 만들 수 있습니다.

I

비활동(떠 있기): 비활동은 설치류의 떠 있기나 VR에서 가만히 서 있기처럼, 속도 기준 아래에서 보낸 시행 시간의 비율입니다.
초기 공간 의도: 초기 공간 의도는 나머지 수영이 엉망이더라도 이미 학습한 장소 쪽으로 치우친 시행 초반 구간에 붙는 이름입니다. 처음부터 어디로 갈지 아는 것을 포착합니다. 목표까지의 직접 경로, 진행 방향 각도와 관련됩니다.
시행 간 간격: 시행 간 간격은 같은 개체의 연속된 시행 사이 대기 시간입니다. 피로, 스트레스, 이전 수영에서 기억하는 정도에 영향을 줍니다. 프로토콜 페이지에서 랫드와 마우스에 흔히 쓰는 값을 다룹니다.

L

근접 조우까지의 잠복기: 근접 조우까지의 잠복기는 개체가 보정된 위치 둘레의 근접 조우 구역에 얼마나 빨리 처음 들어가는지입니다. 정확한 플랫폼 교차라면 무시할 아슬아슬한 빗나감도 인정합니다. 근접 조우(카운터)를 보세요.

M

모리스 수중 미로: 모리스 수중 미로에서 개체는 방 둘레의 단서를 이용해 불투명한 물에서 숨겨진 플랫폼으로 탈출하는 법을 배웁니다.

O

Omnidrive 트레드밀과 트레드플레이트: Omnidrive 트레드밀이나 트레드플레이트로 참가자가 VR에서 걸을 수 있습니다. 먼저 최종 위치에 조립한 다음, 그 둘레에 헤드셋을 설정하세요.
불투명한 물: 불투명한 물(무독성 물질로 탁하게 만든 물)은 플랫폼을 가려, 개체가 목표를 보는 대신 방의 단서를 써야 하게 합니다. 맑은 물은 단서 플랫폼 확인에 씁니다. 깊이와 온도도 불투명도만큼 중요합니다.
오픈 필드: 오픈 필드에서 개체는 경기장을 탐색하고 추적기는 그 이동을 기록합니다. HVS Image는 격자 칸별 시간 %, 경로 %, 진입, 잠복기와 함께 속도와 얼어붙기를 제공합니다.

P

플랫폼 가까이 지나감: 플랫폼 가까이 지나감은 목표(또는 다른 보정된 위치) 둘레의 작은 구역에 들어간 횟수를 셉니다. 정확한 교차보다 덜 엄격하며, 가까이 머문 시간 비율, 갤러거 근접도와 잘 어울립니다.
경로 효율: 경로 효율은 경로 효율 비율의 다른 이름으로, 실제 경로를 가장 짧은 직선 경로로 나눈 값입니다. 1이면 완벽하며 높을수록 더 많이 돌아간 것입니다. (일부 저자는 비율을 뒤집으니 어떤 형태를 썼는지 보고하세요.)
경로 효율 비율: 경로 비율은 실제 경로 / 가장 짧은 직선 경로입니다. 비율 1은 완벽하게 곧은 것이며 낮을수록 좋습니다.
경로 길이: 경로 길이는 이동한 거리이며 단위는 미터입니다. 출발 거리에 따라 달라집니다.
가까이 머문 시간 비율: 가까이 머문 시간 비율은 목표 둘레의 근접 조우 구역 안에서 보낸 시행 시간의 몫입니다. 올바른 장소 근처에 머무는 것을 보상하며, 교차가 드문 프로브에서 민감합니다.
고집: 고집은 규칙이 바뀐 뒤에도 이전 해법을 반복하는 것으로, 예를 들어 역전 뒤 예전 플랫폼 사분면을 탐색하는 것입니다. 인지적 비유연성의 유용한 지표이며 사분면 시간, 이전 장소의 근접 조우, 전략 이름에 드러납니다.
장소 학습: 장소 학습은 원거리 단서의 지도를 이용해 환경 속 어디에 무엇이 있는지 배우는 것입니다. 고전적인 숨겨진 플랫폼 수중 미로는 장소 학습 과제입니다. 단서 플랫폼에서의 단서 학습과 대비됩니다.
플랫폼 교차: 교차는 정확한 플랫폼 위치 위를 지나가는 것입니다. 시행 전체의 교차 횟수는 확인하고 넘어가는 유연한 개체보다 계속 되돌아오는 개체를 유리하게 합니다.
Platform Number (Hole Number): ‘Platform Number’는 각 시행에서 어느 보정된 위치가 목표인지 알려 줍니다. Barnes 화면에서는 ‘Hole Number’입니다.
수조 맴돌기: 수조 맴돌기는 수조 중심을 감싸는 완전한 바퀴 수를 셉니다. 되돌아가는 것은 횟수에 영향을 주지 않습니다.
탐색 시행: 프로브 시행에는 찾을 플랫폼이 없습니다. 개체가 플랫폼이 어디 있었는지 기억하는지 보여 줍니다. 학습한 위치를 입력하고 Probe에 체크한 뒤 Auto-end를 끄세요.
절차적 전략: 절차적 전략은 체이닝이나 끈질긴 수조 맴돌기 같은 습관 같은 해법입니다. 해마의 장소 학습 없이도 잠복기를 개선할 수 있습니다. 절차적 해법과 공간적 해법을 구분하는 것이 탐색 전략을 분류하는 주된 이유입니다.
근위 단서: 근위 단서는 수조나 그 가까이에 있는 표지(플랫폼 위의 표시, 수조 벽의 무늬)입니다. 방의 지도보다는 단서를 따라가는 길 찾기를 돕습니다. 원거리 단서는 방 벽처럼 더 멀리 있습니다. 원거리 단서와 이중 전략 시행을 보세요.

Q

사분면 진입 순서: 사분면 진입 순서는 개체가 사분면을 방문한 순서로, 그 전략을 드러내는 데 도움이 됩니다.
사분면과 목표 사분면 시간: 수조는 NE에서 시작해 시계 방향으로 네 사분면으로 나뉩니다. 플랫폼이 사분면 중심에 있을 때 프로브의 목표 사분면 시간은 공간 기억을 보여 줍니다.

R

무작위 탐색: 무작위 탐색은 목표, 벽, 일정한 반지름 어느 쪽으로도 뚜렷한 치우침 없이 헤엄치는 것입니다. 경로는 짜임새 없어 보입니다. 훈련 초기에는 흔하지만, 훈련 후반에 나타나면 개체가 공간적 해법이나 절차적 해법에 정착하지 못했음을 뜻합니다.
참조 기억: 수중 미로에서 참조 기억은 시행이 바뀌어도 변하지 않는 지식으로, 예를 들어 여러 날 동안 고정된 플랫폼의 위치입니다. 장소가 자주 바뀌는 작업 기억 설계와 대비됩니다.
역전 학습: 역전 학습에서는 습득 후 플랫폼이 새 장소로 옮겨집니다. 개체는 이전 위치를 탐색하는 것을 멈추고 새 위치를 배워야 합니다. 두 보정된 위치 모두에서의 근접 조우와 갤러거 지표가 고집인지 갱신인지 보여 줍니다. 플랫폼 구역을 보세요.

S

스캐닝: 스캐닝(전체 영역 스캐닝)은 수조 전역을 넓게 탐색하는 것으로, 흔히 여러 영역을 덮는 고리 모양 경로를 그립니다. 목표 스캐닝은 목표 근처에 집중한 더 좁은 변형입니다. 스캐닝은 활발해 보여도 비공간적일 수 있습니다. 초점 탐색과 탐색 전략을 보세요.
탐색 오차: 탐색 오차는 개체의 경로가 목표에서 얼마나 떨어져 있었는지를 시간에 걸쳐 요약한 것입니다. 누적 탐색 오차와 평균 근접도가 흔한 형태입니다. 오차가 낮을수록 탐색이 정확합니다.
순차 탐색: 순차 탐색은 정해진 순서로 위치를 확인하는 것입니다(예를 들어 반스 구멍을 시계 방향으로 차례로). 공간 지도 없이도 미로를 빨리 풀 수 있습니다. 수조에서는 사분면을 차례로 도는 방문이 비슷한 역할을 할 수 있습니다. 사분면 진입 순서를 보세요.
공간 학습: 공간 학습은 장소와 그 사이의 관계를 배우는 것입니다. 수중 미로에서는 보통 원거리 단서로 지도를 만들어 새로운 출발점에서도 플랫폼을 찾을 수 있게 되는 것을 뜻합니다. 장소 학습과 타자 중심적 전략을 보세요.
출발 위치: 출발 위치는 개체를 놓아주는 곳입니다. 출발점을 바꾸면(예를 들어 N, S, E, W) 고정된 회전 반응이 아니라 방의 지도를 쓰게 됩니다. 출발 거리는 원래의 잠복기와 경로 길이에도 영향을 주므로 보정된 지표가 있습니다.
전략 분류: 전략 분류는 경로를 바탕으로 시행(또는 그 일부)에 직접 수영, 체이닝, 벽 붙기 행동, 스캐닝 같은 이름을 붙입니다. 타임스탬프가 붙은 위치와 각도 범위에 근거한 기준은 구역을 잠깐 가로지르기만 한 경로로 인한 오탐을 줄입니다. 행동 식별을 보세요.
Subject Size: Subject Size는 추적 대상이 얼마나 커야 하는지 정합니다. 수중 미로에서는 슬라이더를 왼쪽 끝에 두고, 건식 미로에서는 추적 상자가 배설물보다는 크고 동물보다는 작도록 설정하세요.
SUM(요약) 파일: SUM 파일에는 여러 시행의 분석이 담깁니다. 시행들을 선택하고 ‘Name your Summary (SUM) file’에 이름을 입력한 뒤 ‘Analyze Batch or Series’를 클릭하세요.
수영 속도: 수영 속도는 개체가 물속에서 얼마나 빨리 움직이는지입니다. 평균 속도는 멈춤을 포함하고, 활동 속도는 느리게 떠 있는 것을 뺍니다. 속도는 도피 잠복기를 읽을 때 운동과 동기 차이를 통제하는 지표입니다. 평균 속도와 활동 속도와 수영 속도를 보세요.

T

목표 집중 탐색: 목표 집중 탐색은 초점 탐색의 다른 이름으로, 수조 전체가 아니라 학습한 장소 둘레에 집중된 탐색입니다.
TARGET_RADIUS와 TARGET_POSITION: VR 수중 미로에서는 참가자가 TARGET_RADIUS(미터)와 TARGET_POSITION으로 정의된 목표 가장자리에 닿으면 시행이 끝납니다.
목표 스캐닝: 목표 스캐닝은 학습한 플랫폼 위치의 바로 주변을 탐색하는 것으로, 보통 그 지점 가까이에서 작은 고리나 통과를 그립니다. 초점 탐색과 밀접하게 관련된 공간적 프로브의 특징입니다.
벽 붙기 행동: 벽 붙기 행동은 동물이 경기장 벽 가까이 머무르려는 경향으로, 흔히 벽 껴안기라고 부릅니다. 초기의 벽 붙기는 적응인 경우가 많지만, 계속되면 스트레스나 불안을 반영할 수 있습니다.
벽 붙기 행동 띠: 벽 붙기 행동 띠는 벽에 붙은 바깥 고리로, 벽 붙기를 측정하는 데 씁니다. 띠 안에서의 시간과 경로 비율, 그리고 벽 따라가기 구간의 각도 범위가 벽 붙기 행동을 정량화합니다. 벽 붙기 행동을 보세요.
탐험을 동반한 벽 붙기 행동: 탐험을 동반한 벽 붙기 행동은 벽 따라가기에 탁 트인 물로 나가는 더 넓은 외출이 섞인 것입니다. 흔히 벽을 떠나기 시작한 개체를 나타냅니다. 벽 붙기 행동을 보세요.
침입을 동반한 벽 붙기 행동: 침입을 동반한 벽 붙기 행동은 수조 안으로 짧게 들어갔다가 가장자리로 돌아오는 것으로 끊기는 벽 따라가기입니다. 순수한 벽 붙기와 더 자유로운 탐색 사이에 있습니다. 벽 붙기 행동을 보세요.
시간 구간(오픈 필드와 NOR): 시간 구간은 오픈 필드나 NOR 시행을 여러 기간으로 나누어, 시행 동안 행동이 어떻게 변하는지 볼 수 있게 합니다.
시간 구간: 시간 구간은 시행의 일부만 분석합니다. Slice start 0과 Slice time 30이면 처음 30초, start 30과 time 30이면 다음 30초입니다.
TRACKING_DIAMETER와 PLAYER_SCALE: TRACKING_DIAMETER는 vrScript에서 추적 영역의 크기를 정합니다. VR 수중 미로에서는 설치류 미로와 결과를 비교할 수 있도록 지름 200(cm)을 권장합니다.
추적 임계값: 임계값은 추적기가 개체를 배경과 어떻게 구분할지 정합니다. 100에서 시작해 십자 표시가 개체를 따라가는지 확인하세요.
TRIAL_START_POINT(VR 위치): VR 위치는 동쪽, 높이, 북쪽, 그리고 세 각도의 여섯 숫자를 씁니다. 수중 미로에서 동쪽과 북쪽은 수조 반지름에 대한 비율입니다.
TXP(Master Experiment) 파일: TXP 파일은 Excel로 쉽게 만들 수 있는 간단한 시행 목록입니다. 출발점, 플랫폼 번호, 개체, 설명을 실행 순서대로 시행마다 한 줄씩 적습니다.

V

보이는 플랫폼: 보이는 플랫폼은 단서 플랫폼 시행의 다른 이름입니다. 목표가 보이므로 성공 여부는 장소 기억이 아니라 감각운동 능력을 확인합니다.
vrScript 파일: 각 VR 실험은 일반 텍스트 .vrScript 파일이며, ‘Run HVS 6D VR’ 뒤에 해당 기능 키를 눌러 실행합니다. 스크립트 작성은 텍스트 편집이지 프로그래밍이 아닙니다.

W

휘쇼 지수: 휘쇼 지수(휘쇼의 방향성 지수 또는 오차 지수)는 이상적인 선에서 경로가 벗어난 정도를 바탕으로, 시행 초반에 개체가 목표를 향해 얼마나 곧장 나아갔는지 점수를 매깁니다. 방향 정확도 지표로서 진행 방향 오차, 경로 효율, 통로 검사와 원뿔 검사와 한 무리에 속합니다.
작업 기억(수중 미로): 작업 기억 수중 미로 설계는 플랫폼 장소를 자주(예를 들어 매일) 바꾸므로, 개체는 장기적으로 고정된 장소가 아니라 세션 안의 현재 위치를 기억해야 합니다. 참조 기억과 대비됩니다.

이 용어들 가운데 상당수는 hvsimage.com에 별도의 해설이 있으며, 모리스 수중 미로란 무엇인가부터 시작합니다.

실수를 발견하셨거나 더 나은 출처를 알고 계신가요? 알려 주세요. 바로잡고 정정 페이지에 그 사실을 밝히겠습니다.