Уважаемые пользователи Голос!
Сайт доступен в режиме «чтение» до сентября 2020 года. Операции с токенами Golos, Cyber можно проводить, используя альтернативные клиенты или через эксплорер Cyberway. Подробности здесь: https://golos.io/@goloscore/operacii-s-tokenami-golos-cyber-1594822432061
С уважением, команда “Голос”
GOLOS
RU
EN
UA
eduard
7 лет назад

Сосредоточиться - воспринимать окружающую информацию.

Мозг имеет ограниченные возможности обработки информации, при этом постоянно сталкиваясь с её огромным количеством. Для выборочного повышения внимания к наиболее важной информации в каждом конкретном случае и, в зависимости от сложности задач, необходимы соответствующие механизмы. Хорошо известно, что внимание усиливает нейронную реакцию на стимул, так что улучшенное восприятие усиливается и выигрывает конкуренцию в ограниченных нейронных ресурсах.

Такие выводы предполагают, что в ходе постоянных выборочных задач для внимания, в которых субъектам предлагается сосредоточиться на важном объекте, внимание будет постоянно останавливаться на соответствующей задаче.

Однако, некоторые исследователи имеют другую точку зрения, сосредоточив внимание на временных аспектах восприятия. Их эксперименты предполагают, что сосредоточенность - это, по существу, очень динамичный и гибкий процесс, который организует и структурирует сложную информацию во временном измерении.

Например, даже когда внимание стимулируется, стимул срабатывает периодически, а не непрерывно. Более того, в нескольких недавних исследованиях использовались психофизические измерения с временным разрешением для раскрытия ритмов в поведенческих характеристиках внимания.

Новые результаты исследований свидетельствуют о том, что постоянное внимание, помимо классического позитивного внимания «фокус», может содержать динамический механизм для мониторинга всех объектов вне фокуса.

В исследованиях использовали электроэнцефалографию (ЭЭГ), чтобы получить доступ к пространственно-временным характеристикам внимания. Примечательно, что ключевая задача этого метода заключалась в том, как расшифровать временные перекрывающиеся ответы мозга от нескольких источников нейронов (например, смешанные ответы).
Другими словами, нужно было определить нейронную активность, которая представляет исключительно одно пространственное местоположение или объект на визуальном дисплее из общих ответов ЭЭГ.

Также целью исследования была необходимость выяснить как может внимание индивидуума распределяться на множество визуальных объектов в течение определённого времени в ходе постоянной изменчивости ситуации и, независимо от того, гибко ли распределён пространственно-временной профиль внимания в контексте разных задач.

Результаты исследователей показывают надёжные пространственно-временные профили внимания при обработке стимулов, характеризующиеся ингибирующей активностью альфа-диапазона (приблизительно 10 Гц) между посещаемыми и автономными объектами каждые 200 мс, что указывает на то, что внимание контролирует все пространственные местоположения путем выборочного анализа их на временной диссоциации.

Более того, эта схема переключения внимания становится все более заметной, поскольку задача требует более равномерного распределения внимания по объёму, поддерживая идею гибкого урегулирования пространственно-временного распределение внимания в разных контекстных ситуациях.

Критически, эта схема переключения нейронов коррелирует с поведенческими характеристиками внимания. И, наконец, этот профиль внимания не ограничивается пространственным измерением, а поддерживается в задаче отслеживания множественных объектов (MOT), что указывает на наличие общего механизма временной организации для внимания с несколькими объектами. Таким образом, результаты говорят об общей функции последовательной выборки в механизме внимания.

Спасибо за прочтение, апвоуты, подписку, комментарии.

Материал даёт начальное представление об исследованиях (по мнению автора) с использованием перевода статьи "Последовательная выборка визуальных объектов" с  лицензией Creative Commons Attribution License

Иллюстрация: обрезанный снимок

Авторы полной версии:  Jianrong Jia, Ling Liu, Fang Fang, Huan Luo  

0
1.235 GOLOS
На Golos с November 2016
Комментарии (2)
Сортировать по:
Сначала старые