사분면 시간과 사분면 진입

프로브 시행에서 플랫폼이 사분면 중앙에 있을 때 목표 사분면에 대한 유의한 선호는 시작점과 관계없이 공간 기억을 보여 줍니다. 플랫폼이 사분면 중앙에 있을 때만 유용하며, 그렇지 않으면 근접 조우와 갤러거 근접도를 쓰세요.

공간 기억이 강한 피험체는 플랫폼이 없다는 것을 빨리 깨닫고 다른 곳을 탐색할 수 있습니다. 그래서 시간 구간은 전체 시행 값에 가려진 초기 선호를 드러낼 수 있습니다(Blokland et al., 2004는 사분면 지표가 공간 능력을 과대평가할 수 있음을 발견했습니다). Maei et al. (2009)은 집단 차이를 찾아내는 데 평균 근접도가 사분면 점유보다 낫다는 것을 발견했습니다.

진입 횟수는 사분면 시간으로는 알 수 없는, 피험체가 얼마나 폭넓게 탐색했는지를 보여 줍니다. 길게 한 번 머문 것과 짧게 여러 번 들른 것은 누적 시간으로는 똑같아 보입니다. 사분면을 차례로 도는 방문은 체이닝을, 반복적인 전환은 고집 행동을, 이른 직접 진입은 초기 기억을, 무작위 순서는 전략 없음을 시사합니다.

순서대로 된 진입(되돌아가기 포함)은 순서 분석을 위해 .qad 텍스트 파일로 저장할 수 있으며, 경직성, 고집 행동, 절차적 전략 사용 모델에 유용합니다.

‘Advanced’에서 구간 시작과 길이를 설정하면 그 구간에 대해 그림과 지표를 다시 실행할 수 있으며, 일괄 처리에서도 됩니다. 풀어 준 뒤 처음 10~20초가 동물이 플랫폼이 있으리라 기대하는 곳을 가장 잘 보여 줍니다.

Blokland et al. (2004)은 2분 프로브를 30초 구간 네 개로 나누어 분석했습니다. 목표 사분면 선호는 모든 구간에 있었지만 고리 영역 시간은 구간마다 달라졌고, 60초 프로브는 공간 능력을 과소평가할 수 있다고 결론지었습니다. 구간에서는 진행 각도나 근접 조우 지표가 나오지 않으며, Direct Path 분류도 만들어지지 않습니다.

사분면은 NE에서 시작해 시계 방향으로 갑니다(화면 배치는 4 1 / 3 2). 결과에는 사용한 플랫폼 번호가 포함됩니다. 전체 시행의 사분면 시간은 오해를 부를 수 있으니, 평균 속도를 대조로 쓰고 시간 구간을 활용하세요.

사분면 시간은 학습 중 전략이 발달하는 것을 보거나, 역전 학습에서 이전 사분면에 대한 고집 행동을 찾아내는 데도 유용합니다. 소프트웨어의 사분면은 고정되어 있으므로, N/S/E/W 중심의 사분면에는 맞춤 모듈이나 설치 변경이 필요합니다.

사분면을 차례로 도는 방문은 체이닝을, 반복적인 전환은 고집 행동을, 이른 직접 진입은 초기 기억을, 무작위 순서는 전략 없음을 시사합니다.

quads-list 상자에 체크하면 순서대로 된 진입(되돌아가기 포함)이 .qad 텍스트 파일로 저장됩니다. 사분면은 NE, SE, SW, NW이며 이미지 위쪽이 North입니다.

구간 잠복기는 그 구간 안에서 플랫폼에 도달하기까지의 시간이며, 그 안에 도달하지 못하면 구간 길이가 됩니다. 결과 파일마다 구간 이름을 붙이세요. 프로브 분석에는 흔히 처음 10~20초를 씁니다.

구간에서는 진행 각도나 근접 조우 지표가 나오지 않습니다. 잠복기와 경로는 더 짧고 목표 사분면 %는 더 클 수 있습니다. 구간 그림에는 시작, 진행 방향, 끝 표시가 빠집니다.