معلومة

معدل أخذ العينات الفعال في النظام البصري البشري

معدل أخذ العينات الفعال في النظام البصري البشري

غالبًا ما يتم تفسير [التأثير الاصطرابي] [1] على أنه إحدى مشكلات أخذ العينات. إذا كان معدل العينة منخفضًا جدًا ، فقد يكون لديك انطباع بأن تردد الإشارة منخفض أو عكسي. هناك العديد من الرسوم المتحركة على الإنترنت التي تصف العملية ولكني أجد الرسم البياني لوظيفة الجيب الثابت أكثر قابلية للفهم:

أنت تعرف بالتأكيد هذا التأثير من عجلات السيارة أو المروحة الطائرة في الأفلام. ذلك لأن الفيلم يلتقط قدرًا معينًا من الإطارات. إذا كان الحدث أقصر بكثير من معدل الالتقاط ، فلن يكون للمخرجات أي معنى بعد الآن.

سؤالي هو ، كيف يمكنني ملاحظة تأثير اصطرابي في الضوء الكامل بأم عيني؟ اعتقدت أنه لا يوجد معدل إطارات ثابت للرؤية البشرية. اعتقدت أنها عملية مماثلة (دفق مستمر) ، وليست رقمية (أخذ العينات في الوقت المناسب).

  • س: كيف يمكن أن تكون الرؤية البشرية في ضوء غير وامض (مثل الشمس) عرضة لتأثير اصطرابي؟ أين يحدث الضرر؟

نعم ، يمكنك تجربة تأثير اصطرابي تحت الإضاءة المستمرة. تقوم مقالة ويكيبيديا هذه بعمل جيد في تلخيص النتائج ذات الصلة.

كما هو مذكور في المقالة ، هناك نوعان من النظريات المتنافسة حول كيفية حدوث تأثير اصطرابي تحت الإضاءة المستمرة في النظام البصري البشري. النظرية الأولى هي أن المعالجة البصرية للإنسان تشبه كاميرا الفيلم وتعمل على إطارات منفصلة تقريبًا. النظرية الثانية هي أن التكيف العصبي هو المسؤول: يتكيف الدماغ مع أنماط الحركة المنتظمة للغاية ، والتي يمكن أن تسبب آثارًا لاحقة بصرية حيث يُدرك النمط المعاكس. سيؤدي تراكب الحركة الفعلية مع التأثير اللاحق المرئي إلى "إلغاء" الحركة المدركة.

يقدم كلاين وإيجلمن (2008) أدلة ضد فرضية أخذ العينات المنفصلة ودعم فرضية التكيف. ماكدونالد وآخرون. (2014) تقديم دليل لحساب أخذ العينات المنفصل.


الرؤية المكانية

تشكل القرنية ، وبدرجة أقل ولكن متغيرة ، صورة ثنائية الأبعاد للعالم المرئي على مستوى المستقبلات الموجودة في مؤخرة العين. تقوم المستقبلات بأخذ عينات من الصورة كخطوة أولى في الرؤية المكانية. الجودة البصرية للعين البشرية ليست جيدة جدًا - أقل بكثير من أرخص عدسات الكاميرا. اثنان من أبرز العيوب هما الانحرافات الكروية واللونية. الأول ينتج عن شكل القرنية غير الكامل ، والأخير يحدث لأن القرنية والعدسة ينكسران الضوء بأطوال موجية مختلفة. كل من هذه الانحرافات تصبح أسوأ مع زيادة قطر بؤبؤ العين ، كما يحدث من أجل التقاط المزيد من الضوء في ظروف الإضاءة الخافتة. تنتج الصورة غير الكاملة أيضًا من تصوير عالم ثلاثي الأبعاد على سطح ثنائي الأبعاد نظرًا لأن الكائنات الموجودة على مسافات مختلفة ليست كلها في التركيز البؤري في وقت واحد. أخيرًا ، العين غير مستقرة ميكانيكيًا. يطفو في الدهون داخل المدار ، ويثبت فقط عن طريق التوتر في ست عضلات عين ضخمة نسبيًا. يمكن لهذه العضلات أن تدور العين في اتجاهات مختلفة بسرعة كبيرة ، لكنها لا تستطيع الإمساك بها بسبب الإطلاق العشوائي للألياف العضلية الفردية. وهكذا تتأرجح العين بسرعة بطريقة عشوائية وتنجرف إلى حد ما أيضًا. يزداد التشويش الناتج سوءًا من خلال حركة المراقب ، حيث تترجم العين عبر الفضاء (مما يؤدي إلى تشويش الصورة) والتشويش عليها.

يمكن وصف المنبهات المرئية بشكل متكافئ في مجال الفضاء (أي مقدار الضوء الموجود في كل موقع في الفضاء) أو مجال التردد المكاني (حسب التردد والسعة ومرحلة الاختلافات الجيبية في شدة الضوء عبر الفضاء). على الرغم من أن أوصاف المجال المكاني أكثر شيوعًا ، إلا أنه توجد في بعض الأحيان مزايا إرشادية لفحص المشكلات المرئية في مجال التردد المكاني بدلاً من ذلك. تؤدي العيوب البصرية المختلفة للعين المذكورة سابقًا إلى تشويش الصورة على شبكية العين ، ويؤدي التعتيم بشكل انتقائي إلى إضعاف الترددات المكانية العالية. يتم وصف قدرتنا على اكتشاف حواجز شبكية جيبية ذات ترددات مكانية مختلفة بواسطة وظيفة حساسية التباين المكاني (CSF) (الشكل 1). في الرؤية الضوئية (ضوء النهار) في ظل الظروف المثلى ، تصل وظيفة السائل الدماغي الشوكي إلى ذروتها عند حوالي 4 دورات لكل درجة ، ويمكن للشخص الذي يتمتع بحدة ممتازة حل حواجز شبكية تصل إلى حوالي 60 درجة مئوية / درجة زاوية بصرية عند نقطة التثبيت. حدة "طبيعية" (20/20 بالتدوين الأمريكي) تعادل قطع تردد مكاني عالي يبلغ 30 درجة مئوية / درجة. ومع ذلك ، في ظل العديد من ظروف المشاهدة ، مثل انخفاض مستوى الإضاءة (انظر الشكل 1) ، مع زيادة انحراف الشبكية ، أو عندما نتحرك وبالتالي تشوش صورة الشبكية ، فإن دقة المراقب العادي لا تتجاوز 10-20 ج / درجة. في ظل هذه الظروف ، تصبح المهام مثل القراءة التي تتطلب حدة عالية مستحيلة ، ولكن لا يزال لدينا قدرة ممتازة على تقسيم العالم المرئي إلى كائنات مختلفة والتعرف على هذه الأشياء وعلاقاتها المكانية.

شكل 1 . متوسط ​​حساسية التباين المكاني لخمسة مراقبين لحواجز شبكية ذات ترددات مكانية مختلفة في كل من مستويات الإضاءة الخمسة المختلفة ، في خطوات وحدة سجل واحدة من المستويات الضوئية (المنحنى العلوي) إلى المستويات الاسكتلندية (المنحنى السفلي) (مستنسخة بإذن من De Valois وآخرون., دقة الرؤية. 14, 75–81, 1974).

يُظهر CSF كلاً من توهين التردد المكاني المرتفع والمنخفض. يرجع الانخفاض في حساسية السائل الدماغي النخاعي عند الترددات المكانية العالية جزئيًا إلى الأنواع المختلفة من التمويه البصري التي تمت مناقشتها سابقًا ، ولكنه يرتبط أيضًا بأخذ العينات بواسطة المستقبلات والمكونات العصبية اللاحقة. الانخفاض في الحساسية عند الترددات المكانية المنخفضة للغاية له تفسير آخر عصبي بحت (نوقش لاحقًا).

أظهرت دراسات الخصائص المكانية للمشاهد الطبيعية أن معظم المعلومات المرئية المهمة لا تكمن في التفاصيل الدقيقة ولكن في المقاييس الأكثر خشونة. يتناقص طيف الاتساع لمعظم المشاهد الطبيعية مع زيادة التردد المكاني بحوالي 1 / f. وبالتالي ، فإن معظم المعلومات تكون بترددات مكانية متوسطة إلى منخفضة ، والحصول على معلومات حول محتوى التردد المكاني المنخفض للصورة هو بلا شك أكثر أهمية في معظم الظروف من اكتشاف أعلى ترددات مكانية. هذا أمر محظوظ لأن عنق الزجاجة في العصب البصري لن يسمح للعدد الهائل من الألياف المطلوبة لنقل جميع المعلومات عالية التردد المكاني في أي حال.

أكثر من عينتين فقط لكل دورة من موجة جيبية لتردد معين ضرورية وكافية لحلها وجميع الترددات المنخفضة. وبالتالي ، إذا مرت بصريات العين حتى 60 درجة مئوية / درجة ، فإن أخذ العينات بمقدار 120 مستقبلًا / درجة يجب أن يلتقط جميع المعلومات الموجودة في صورة الشبكية. هذا في الواقع هو تقريبًا تباعد الأقماع في مركز النقرة البشرية ، foveola ، حيث تكون الأقماع رفيعة جدًا ومكتظة ببعضها البعض. علاوة على ذلك ، هناك مزايا في الحصول على عينة عصبية مماثلة ، لا أفضل ولا أسوأ ، أعلى الترددات التي تمر بها البصريات. وبالتالي ، فإن بصريات أعيننا مطابقة تقريبًا على النحو الأمثل لكثافة الأقماع في النقرة.

خارج وسط 20-30 من foveola ، تصبح المخاريط أكبر بشكل متزايد ومتباعدة على نطاق واسع. بالقرب من حافة النقرة ، تبدأ القضبان في الظهور متناثرة بين المخاريط ، وتحيط بكل مخروط بمقدار 2 درجة من قضبان المركز ، مما يفصل بينها. مع زيادة الانحراف ، هناك أيضًا تقارب متزايد للمخاريط مع العناصر العصبية اللاحقة ، مع فقدان المزيد من الرؤية التفصيلية. أعلى الترددات المكانية التي يمكن للنظام حلها ضوئيًا (عندما تكون المخاريط فقط تعمل) يجب أن تنخفض مع زيادة انحراف الشبكية ، ولكن يتم التقاط معلومات التردد المكاني المنخفض حتى إلى الأطراف البعيدة. هذا النظام لاكتساب معلومات التردد المكاني العالي فقط ضمن منطقة محدودة للغاية من الصورة يعمل فقط لأننا نستطيع تحريك أعيننا وتفحص أي جزء مرغوب فيه من العالم المرئي بمزيد من التفصيل. الحيوانات ذات العيون الأقل قدرة على الحركة لديها منظمة مختلفة تمامًا.

تكون القضبان صغيرة مثل المخاريط النقية ومعبأة بكثافة بين الأقماع حتى تتمكن من أخذ عينات من الصورة بدقة عالية. ومع ذلك ، فإن حدتنا في ظل ظروف scotopic (مستويات الإضاءة الخافتة عندما تكون القضبان فقط تعمل) ضعيفة للغاية ، مع حساسية التباين التي تقطع عند أقل من 10 درجة مئوية / درجة. في هذه الحالة (وكذلك بدرجة أقل للمخاريط الموجودة في الأطراف البعيدة) ، من الواضح أن وحدة أخذ العينات الفعالة ليست المستقبلات ولكن العناصر العصبية اللاحقة. تدعم الملاحظات التشريحية هذا الأمر ، حيث تُظهر تقاربًا كبيرًا للقضبان على قضيب ثنائي الأضلاع وقضيب ثنائي الأضلاع على الخلايا العقدية. إذن ، ستغطي "عينتان" متجاورتان من الصورة مساحة تحتوي على عشرات إلى مئات من القضبان ، وليس واحدة فقط ، وسيتم فصلها بقطر عشرات أو مئات من القضبان.


هدف بحث واضح

تتمثل الخطوة الأولى والأكثر أهمية في تصميم الاستبيان في تكوين فكرة واضحة عما تبحث عنه. سيكون من المغري دائمًا اتباع نهج شامل وطرح أكبر عدد ممكن من الأسئلة على أمل الحصول على أكبر قدر ممكن من المعلومات. لا يعمل هذا النوع من النهج لأن طرح الكثير من الأسئلة غير ذات الصلة أو غير المتسقة يقلل من معدل الاستجابة 2 وبالتالي يقلل من قوة الدراسة. هذا مهم بشكل خاص عند مسح الأطباء لأن لديهم في كثير من الأحيان معدل استجابة أقل من بقية السكان. 3 بدلاً من ذلك ، يجب أن تفكر بعناية في البيانات المهمة التي ستستخدمها وتعمل على & # x02018 تحتاج إلى معرفة & # x02019 بدلاً من & # x02018 سيكون من الجيد معرفة & # x02019 النموذج. 4

بعد التفكير في السؤال الذي تحاول الإجابة عليه ، فإن الخطوة التالية هي تحديد من ستطرحه. مع وجود مجموعات سكانية صغيرة ، يمكن التحكم في محاولة مسحهم جميعًا ولكن مع زيادة عدد السكان لديك ، يجب أخذ عينة. حجم هذه العينة أكثر أهمية مما قد تتوقعه. بعد أخذ الاستبيانات المفقودة وعدم المستجيبين والإجابات غير الصحيحة في الاعتبار ، يجب أن تظل هذه العينة كبيرة بما يكفي لتمثيل السكان بالكامل. إذا لم تكن كبيرة بما يكفي ، فسوف تنخفض قوة إحصاءاتك وقد لا تحصل على أي إجابات ذات معنى على الإطلاق. ولهذا السبب فإن إشراك خبير إحصائي في دراستك مبكرًا أمر بالغ الأهمية. لا يجب جمع البيانات حتى تعرف ما الذي ستفعله بها.


مناقشة

باختصار ، هذه أول دراسة طولية للرنين المغناطيسي الوظيفي توضح أن خصوصية الشبكة الوظيفية تتغير عبر فترة المراهقة. تظهر البيانات أن دائرة WM تصبح متخصصة بشكل متزايد مع تقدم العمر. في وقت سابق في مرحلة المراهقة ، قام المشاركون بتجنيد كل من PFC الوحشي والحصين أثناء مهمة WM ، لكنهم لم يقوموا بتجنيد الحُصين بعد 3 سنوات أثناء أداء نفس المهمة. علاوة على ذلك ، في حين أن نشاط PFC ونشاط الحصين مرتبطان بغض النظر عن حمل WM وسلوكه خلال فترة المراهقة المبكرة ، يتم ملاحظة هذه الارتباطات فقط أثناء الأحمال العالية للذاكرة بعد 3 سنوات ، وهو الوقت الذي يكون خلاله PFC أيضًا تنبئيًا للسلوك.

تساعد بياناتنا في فهم عدم التطابق في الأدبيات المتعلقة بتطوير WM خلال فترة المراهقة. من الناحية السلوكية ، تظهر عمليات الصيانة الأساسية لإدارة المستودعات الحد الأدنى من التغييرات خلال هذه الفترة الزمنية (Luciana and Nelson، 1998 Gathercole، 1999 Cowan et al.، 2003 Luna et al.، 2004 Davidson et al.، 2006) ، لكن مجموعة كبيرة من الأدلة تظهر ذلك الركيزة العصبية الأولية لـ WM - PFC - تخضع لتغييرات هيكلية ووظيفية كبيرة خلال نفس الوقت (Sowell et al.، 2004 Lenroot and Giedd، 2006 Thomason et al.، 2009). من خلال دراسة التوظيف الوظيفي والاتصال بالشبكة ، أظهرنا أن المراهقين الأصغر سنًا يجندون منطقة إضافية ، الحصين ، أثناء وظيفة WM. يمكن أن يدعم هذا التوظيف وظيفة WM بحيث لا يتم ملاحظة أي اختلافات سلوكية. ستكون دراسات إضافية ضرورية لتحديد ما إذا كان التوظيف المبكر للحصين هو تعويضي أو بسبب الاختلافات التطورية الطبيعية في مسار النضج القشري.

ومن المثير للاهتمام ، اقترح باحثون سابقون أن التطوير المطول لـ PFC قد يكون في الواقع فائدة ، وليس عائقًا ، للأطفال الذين يُفترض أن قدرات PFC المتقدمة تتداخل مع الاحتمالات ، والاتفاقيات ، والتعلم المحاكى ، وأشكال التعلم حيث ثبت أن الأطفال يتفوقون على البالغين. (رامسكار وجيتشو ، 2007 Thompson-Schill et al. ، 2009). هنا ، نقوم بتوسيع هذه الصيغ النظرية السابقة من خلال إظهار أن الحُصين يشارك في الأفراد الأصغر سنًا أثناء أداء مهمة WM التي لا تُشرك الحُصين لدى الأفراد الأكبر سنًا (انظر أيضًا Chatham et al. ، 2009). نظرًا لأن الأفراد الأصغر سنًا يبدو أنهم يجندون الحُصين في ظروف لا يفعلها البالغون ، فقد يقومون أيضًا بربط المعلومات وتوحيدها وتخزينها واستردادها في مواقف أكثر من البالغين. وبالتالي ، فإننا نقترح أن مشاركة الحصين هذه في شبكة WM الأوسع - وليس فقط تأخر نضج PFC - قد تكون في الواقع جزءًا مهمًا من اختلافات تعلم الأطفال. الاختلافات النوعية في الشبكات التي يستخدمها الأفراد الأصغر سنًا لتحقيق الجوانب الأساسية للإدراك مثل WM لذلك تبشر بمساعدتنا على فهم اختلافات التعلم المرتبطة بالعمر التي نلاحظها في الطبيعة.


فحص بنسبة 100٪ - فعالية بنسبة 85٪

من جاء بمفهوم أن الفحص بنسبة 100٪ هو 80-85٪ فقط دقيق أو فعال؟

إذا كنت أقوم بإجراء فحص بصري لفرز مثل أجزاء الطلاء ، بدون طلاء ، وطلاء ألوان خاطئ ، ما هي النسبة المئوية المتوقعة التي سيتم اكتشافها جميعًا من خلال الفحص البصري في 100 أو 1000 جزء؟

إنني أبحث عن المكان الذي أبحث فيه أكثر من الإجابة الرياضية ، لكنني سآخذ ذلك إذا كان لدى شخص ما.

جيم وين

من جاء بمفهوم أن الفحص بنسبة 100٪ هو 80-85٪ فقط دقيق أو فعال؟

إذا كنت أقوم بإجراء فحص بصري لفرز مثل أجزاء الطلاء ، بدون طلاء ، وطلاء ألوان خاطئ ، ما هي النسبة المئوية المتوقعة التي سيتم اكتشافها جميعًا من خلال الفحص البصري في 100 أو 1000 جزء؟

إنني أبحث عن المكان الذي أبحث فيه أكثر من الإجابة الرياضية ، لكنني سآخذ ذلك إذا كان لدى شخص ما.

البروميد المعني ليس له أساس تجريبي ، لذلك لا يوجد شيء للبحث عنه. اعتمادًا على الظروف ، قد يكون الفحص بنسبة 100٪ فعالاً بنسبة 100٪ أو قد يكون فعالاً بنسبة 10٪.

تعتمد فعالية أي عملية فحص على:

  • معايير موضوعية
  • مفتشون مؤهلون ومدربون تدريباً جيداً
  • عدد الأشياء المراد فحصها
  • عدد السمات المعنية

سميث 7858

أخذت دورة إحصائية / احتمالية منذ سنوات حيث أجرينا تجربة لإثبات أن الاستقصاء بنسبة 100٪ لم يكن فعالًا بنسبة 100٪. قرأنا جميعًا فقرة واضطررنا إلى تحديد العيوب (اعتُبرت ثلاثة أحرف مختلفة عيوبًا). لقد تم توقيتنا لتكرار الإجهاد وكان تدريبنا موجزًا ​​ومقتطفًا قبل التجربة.

في فئة مليئة بمفتشي الجودة والمشرفين والمديرين ، استطعنا إدارة 89٪.

سومرك

لقد شاركت في فصول مثل هذا أيضًا. كنا ضمن نفس النطاق (كنت في فصول تصل إلى 95٪ ومنخفضة تصل إلى 85٪).

لقد عملت أيضًا حيث أرادت الإدارة العليا التفتيش بنسبة 100 ٪. كنا نتعامل باستمرار مع الأجزاء التي تخضع للفحص.

المشكلة الأخرى مع 100٪ هي أنه إذا كان لديك & quot؛ تغيير تدريجي & quot في أحد المنتجات ، فمن الصعب جدًا تحديد النقطة الدقيقة التي حدث فيها التغيير (أي أن بعض كمية حالات الرفض تمر حتى يصبح التغيير كبيرًا بما يكفي للمفتش للملاحظة.). هذا يرجع إلى الطبيعة البشرية - وليس نقص التدريب أو الكفاءة.

للإضافة إلى ذلك ، فإن تكلفة 100٪ باهظة مقارنة بخطة أخذ العينات الفعالة مع نفس النتائج تقريبًا.

أنا فقط - لكنك لن تجد دراسة إحصائية توضح بالضبط مدى عدم فعالية الفحص بنسبة 100٪ (حسنًا ، لم أجد واحدًا بعد على أي حال).

أنديغر

إنها نسخة جيدة من أسطورة حضرية.
تعتمد فعالية الفحص على الفروق التي تحاول تمييزها. يعتمد الأمر حقًا على من وما الذي يتم فحصه.
يعتبر فرز الأفيال من الفئران فعالا بنسبة 100٪ ما عدا يوم الجمعة بعد ظهر يوم الإقلاع عن التدخين.

جيم وين

أخذت دورة إحصائية / احتمالية منذ سنوات حيث أجرينا تجربة لإظهار أن الاستقصاء بنسبة 100٪ لم يكن فعالًا بنسبة 100٪. قرأنا جميعًا فقرة واضطررنا إلى تحديد العيوب (اعتُبرت ثلاثة أحرف مختلفة عيوبًا). لقد تم توقيتنا لمضاعفة التوتر وكان تدريبنا موجزًا ​​& quothow قبل التجربة.

في فئة مليئة بمفتشي الجودة والمشرفين والمديرين ، استطعنا إدارة 89٪.

Bobdoering

وقف شريط X / R الجنون !!

بشكل عام ، تتحقق خطة أخذ العينات الفعالة من المنتج ، وعند مستوى فشل معين سوف تتطلب فحصًا بنسبة 100٪ كخطة تفاعل. كلما انخفض تكرار الفشل ، كلما اقتربت خطة أخذ العينات الفعالة من التفتيش بنسبة 100٪ ، على أي حال.

ترتبط المشكلة الحقيقية ارتباطًا وثيقًا بـ Gage R & ampR. لن يكون للفحص البصري بنسبة 100٪ للمكونات المفقودة معدل فشل مشابه للفحص البصري بمستويات من التباين المقبول ، مثل المسامية والصدأ والخدوش وما إلى ذلك. كما أن الهندسة مهمة. يختلف الفحص بنسبة 100٪ في جميع أنحاء الخيط بحثًا عن النكات عن البحث عن عين السمكة في الطلاء على لوحة مسطحة. علاوة على ذلك ، فإن وضوح الحالة ، مثل الخيوط المفقودة مقابل طلاء النيكل المفقود على جزء فولاذي ، يقدم معدلات فشل فحص بصرية مختلفة كثيرًا.

النقطة ليست ما إذا كان 85٪ حقيقة إحصائية ، بل النقطة التي تشير إلى أن الفحص بنسبة 100٪ يمثل مخاطرة كبيرة تتمثل في عدم فعالية 100٪. في الواقع ، يوفر الفحص بنسبة 200٪ أيضًا خطر عدم الفعالية بنسبة 100٪ - على الرغم من أنه غالبًا ما يكون الخيار الثاني المستخدم عندما يخذلك الفحص بنسبة 100٪.


يمكن للبيانات المتكاملة أن تجعل المرضى أكثر أمانًا

لحسن الحظ ، في العصر الجديد لسلامة المرضى التي تعتمد على البيانات ، سيكون لدى مؤسسات الرعاية الصحية أدوات ثاقبة (الشكل 3) لتحقيق نتائج أفضل. ستستفيد أدوات التحليلات من البيانات السريرية والتكلفة والتشغيلية المتكاملة والتحليلات التنبؤية والتعلم الآلي والمزيد لمعالجة الضعف التنظيمي في سلامة المرضى وتمكين التحسين.

ثلاث قدرات رئيسية للتعلم الآلي في سلامة المرضى

يدعم التعلم الآلي تحسين سلامة المرضى بإمكانيات تفاعلية واستباقية ومتكاملة تمامًا.

  1. قدرات رد الفعل: باستخدام المشغلات الآلية ، تتفاعل أداة السلامة مع الضرر المحتمل من خلال تحديد المخاطر وإخطار مقدمي الرعاية في الخطوط الأمامية. يضيف هذا طبقة من التفكير النقدي إلى الأداة - ينقر مستخدم الخط الأمامي على اسم المريض ، ويرى المخاطر الفردية الخاصة به ، ويمكنه المتابعة بالتدخلات المناسبة.
  2. قدرات استباقية: بمجرد أن تحدد أداة السلامة المخاطر داخل مجموعة المرضى ، تحدد التحليلات التنبؤية التدخلات لتقليل الضرر أو منعه.تجعل هذه القدرة الاستباقية المعلومات الواردة من محفزات المخاطر قابلة للتنفيذ - من خلال اقتراح التدخل - ويمكن الوصول إليها - عن طريق وضع إجراءات وبروتوكولات يصعب العثور عليها في متناول المستخدم. على سبيل المثال ، قد يُظهر التطبيق أن المريض معرض لخطر الإصابة بقرحات الضغط ويذكر مقدم الرعاية بتدويرها بانتظام واتباع ممارسات العناية بالبشرة الآمنة لتقليل المخاطر.

الشكل 3: مجموعة مراقبة سلامة المريض من Health Catalyst

  1. القدرة على التكامل الكامل: نظرًا لتكامل أداة السلامة عبر أدوات سير العمل وعبر النظام الصحي ، فإنها تتيح التحسين عبر سلسلة الرعاية المستمرة. يسمح هذا لجهود التحسين بأن لا تكون معزولة ومشتتة داخل الأقسام - من المحتمل أن تؤثر فقط على عدد قليل من المرضى - ولكن يتم تنفيذها عبر المؤسسة للتأثير على الكثيرين. في الرؤية طويلة المدى لسلامة المرضى ، سيتمكن المرضى من الوصول إلى تطبيقات السلامة على أجهزتهم المحمولة ، مما يجعلهم شركاء حقيقيين في رعايتهم.

2. نموذج احتمالي للتنافس بين العينين

نقطة البداية لدينا هي نموذج توليدي احتمالي لصور شبكية العين التي تمثل افتراضات الدماغ حول كيفية إنشاء مدخلاته الحسية (انظر الشكل 1). من الناحية الرسمية ، يعد هذا النموذج متغيرًا من حقل ماركوف العشوائي (MRF) ، وهو أحد أكثر الأشكال القياسية للنماذج الرسومية الاحتمالية المستخدمة في رؤية الكمبيوتر (Geman & amp Geman ، 1984). في الملحق ، نصف هذا النموذج رياضيًا ، لكننا هنا نركز على البديهيات الأساسية وراء هذا النموذج. يفترض النموذج مجموعتين من المتغيرات الكامنة: مشهد كامن وعملية خارجية خاصة بالعين تتحكم فيما إذا كانت رقعة معينة من شبكية العين تراقب المشهد الكامن. الهدف من النظام البصري هو استنتاج الصورة الأساسية بالنظر إلى مدخلات الشبكية المرصودة.

نحن نمثل المشهد الكامن والصورتين الشبكيتين كمصفوفات من قيم النصوع (على سبيل المثال ، صورة 32 × 32 بكسل رمادي) ، بينما يتم تمثيل العمليات الخارجية كمصفوفات ثنائية من نفس الحجم. قيم النصوع لوحدات البكسل في كل عين هي الإضاءة المضطربة للضوضاء لوحدات البكسل المقابلة في المشهد. ومع ذلك ، إذا تم اعتبار البكسل من إحدى العينين خارجًا ، فإن النصوع عند هذا البكسل لا معنى له ولا يحتوي على معلومات فيما يتعلق بالمشهد. كما نناقش أدناه ، فإن تمثيل المشهد هذا مبسط للغاية ، لكنه مناسب لهدفنا المتمثل في دراسة ديناميات الاستدلال في الإدراك متعدد الوجوه بدلاً من إدراك المشهد في حد ذاته.

تسمح هذه العملية الخارجية بإمكانية أن إشارة شبكية العين لا تتوافق مع المشهد على الإطلاق في بعض الأحيان - على سبيل المثال ، إذا حجب المُغلِق جزءًا من مجال رؤية عين واحدة (Shimojo & amp Nakayama ، 1990) أو إذا كان جزءًا من القرنية أو تلف شبكية عين واحدة. وبالتالي ، فإن العملية الخارجية تلتقط فكرة أنه إذا كان ، لأحد هذه الأسباب ، جزء من صورة شبكية العين لا يتوافق مع المشهد ، فيجب ببساطة تجاهله (قمعه). يسمح هذا الجانب من نموذجنا للصورتين الشبكيتين بالتنافس في التنافس على التمثيل في المشهد المستنتج: إذا شاهدت العينان صورًا متضاربة ، فيجب ألا تمثل واحدة منها على الأقل المشهد الفعلي الموجود في العالم.

المعقولية النفسية والعصبية للعملية الخارجية مدفوعة بالأدلة على أن القمع أثناء التنافس بين العينين مصحوب بفقدان عام في الحساسية البصرية (بليك ، 2001). على سبيل المثال ، أداء الكشف عن الهدف أقل (Wales & amp Fox، 1970 Fukuda، 1981) وأوقات رد الفعل أطول (Fox & amp Check، 1968 O'Shea، 1987) لمحفزات المسبار المقدمة للعين المكبوتة مقارنة بمحفزات المسبار المقدمة إلى العين المهيمنة. علاوة على ذلك ، أظهرت التسجيلات أحادية الوحدة (Leopold & amp Logothetis ، 1996) والتصوير بالرنين المغناطيسي الوظيفي (fMRI) (Polonsky، Blake، Braun، & amp Heeger، 2000) تثبيط الاستجابات في القشرة البصرية الأولية خلال فترات الكبت. تشير هذه النتائج إلى أن النظام البصري لا يشارك فقط في استنتاج الأسباب الكامنة لمدخلاته الحسية ، ولكن أيضًا في استنتاج موثوقية أجهزة القياس الخاصة به.

بشكل حاسم ، هذه العملية الخارجية سلسة من الناحية المكانية ، لذلك من المرجح أن يكون للبكسلتين المتجاورتين نفس الحالة الخارجية. يتوافق هذا مع فكرة أنه إذا كان جزء معين من شبكية العين لا يتلقى إشارة تتوافق مع المشهد ، فمن غير المحتمل أيضًا أن يمثل جيرانه المشهد ، نظرًا لأن الانسداد أو الضمور البقعي أو التهاب الشبكية الصباغي أو إعتام عدسة العين أو أي شيء آخر يعطل المجال العرض بطريقة سلسة من الناحية المكانية.

حتى الآن ، وصفنا نموذجًا رسوميًا احتماليًا مصممًا لاستنتاج قيمة النصوع لكل بكسل في مشهد كامن ثنائي الأبعاد أساسي بشكل مستقل. ومع ذلك ، فإن النظام المرئي له هدف أكثر طموحًا: استنتاج مشهد كامن كامل ومتماسك لغويًا وثلاثي الأبعاد. سيشمل النموذج التوليدي الكامل للمشاهد التي يعتبرها النظام البصري العديد من القيود المعقدة والافتراضات غير المفهومة بشكل كامل لتطوير مثل هذا النموذج سيكون من الصعب القيام به بدون حساب كامل للرؤية البشرية والإدراك البصري. بدلاً من ذلك ، كبديل لمثل هذا النموذج الغني ، نفترض تمثيلًا مشابهًا للصورة بقيم النصوع التي تتوافق مع مجموعة من قيم النصوع للصور الحقيقية التي تشتمل على التحفيز وأن الدرجة التي تتوافق بها وحدات البكسل مع حافز واحد أو آخر سلس مكانيًا. هذه "الصورة الكامنة" السابقة هي طريقة بسيطة لتشفير فكرة الترابط الدلالي المنظم مكانيًا في المشهد الكامن المستنتج.

على وجه التحديد ، نحن نقترب من مساحة فرضية غنية للصور الكامنة دون الحاجة إلى تحديد توزيع كامل على الصور الطبيعية ، بافتراض أن كل بكسل مشهد كامن سن عبارة عن مزيج خطي من وحدات البكسل للصور الحقيقية المقابلة (× إل ن و x R ن) في الحافز: سن = ثن× إل ن + (1 − ثن)x R ن، أين ثن يمكن نظريًا أن يمتد على الخط الحقيقي بأكمله ويفترض أن يكون سلسًا من الناحية المكانية. يمكن فهم هذا على أنه تقريب "تجريبي" للتوزيع على الصور الطبيعية ، باستخدام تركيبات خطية فقط من الصور المرصودة. في الممارسة العملية ، سيعمل هذا الاستدلال تقريبًا أيضًا ، حيث سيتركز التوزيع الخلفي بقوة حول الصورتين الشبكيتين.


المواد والأساليب

مشاركون.

شارك عشرون متطوعًا جامعيًا في الحصول على رصيد للدورة التدريبية أو تعويض قدره 20 دولارًا. وافق جميع المتطوعين على المشاركة بعد قراءة وصف الدراسة ، الذي وافق عليه مجلس مراجعة المواد البشرية المحلي. قبل الدخول إلى تجويف الماسح الضوئي Siemens 3 T Allegra MR ، تم تزويد المشاركين بسدادات أذن وتم تزويدهم بكرة ضغط لإنذار المريض. تم استخدام وسادة مفرغة وحشوة وتعليمات لفظية صريحة للحد من حركة الرأس. تم استبعاد بيانات اثنين من المشاركين بسبب حركة الرأس المفرطة ، وفقد أحدهما نتيجة لخلل في الماسح الضوئي. شملت العينة النهائية 10 ذكور و 7 إناث (متوسط ​​العمر ، 18.8 سنة ، 18-21 سنة).

المحفزات والإجراءات.

طُلب من المشاركين الحفاظ على التثبيت على نقطة في وسط شاشة عرض بلورية سائلة مقاس 7 بوصات مثبتة مباشرة خلف الرأس ، ويمكن رؤيتها عبر مرآة مثبتة على ملف (أجهزة Intermagnetics متوافقة مع IFIS MR). بعد ثلاث تجارب تأقلم تم فيها تقديم محفزات رقعة الشطرنج ، تم تقديم سلسلة من 24 محفزًا للصور (زاوية بصرية 25 درجة) في تصميم متعلق بالحدث. تم اختيار محفزات الصورة من نظام الصور العاطفية الدولي (IAPS) (لانج وآخرون ، 2008) (http://csea.phhp.ufl.edu/Media.html) وجميع الأشخاص الذين تم تصويرهم ، بما في ذلك ثمانية نماذج لكل منهم بدرجة عالية. إثارة الأزواج الجنسية (ممتعة: 4611 ، 4658 ، 4659 ، 4669 ، 4676 ، 4680 ، 4690 ، و 4694) ، وإثارة الأشخاص المحايدين بشكل معتدل (2037 ، 2102 ، 2305 ، 2383 ، 2393 ، 2396 ، 2513 ، 2595) ، و تشوهات شديدة الإثارة (غير سارة: 3000 ، 3030 ، 3060 ، 3068 ، 3069 ، 3100 ، 3102 ، و 3225). تم اختيار الصور الممتعة وغير السارة لتكون مكافئة في التصنيفات المعيارية للإثارة العاطفية (الجدول 1). تم تحويل جميع محفزات الصور إلى درجات رمادية ومطابقتها للإضاءة وحجم ملف JPEG بجودة 90٪ حسب الفئة باستخدام Adobe Photoshop 7 (أنظمة Adobe). تم تقديم كل صورة لمدة 3 ثوانٍ ، تليها فترة 9 ثوانٍ للتثبيت فقط. كان ترتيب الصورة عشوائيًا ، مما يسمح بما لا يزيد عن عرضين متتاليين لفئة التحفيز. تم تكرار سلسلة الصور (بترتيب فريد) في ثلاث كتل إضافية ، ليصبح المجموع 96 تجربة على مدى -23 دقيقة.

التصنيفات المعيارية لمحفزات صور IAPS المستخدمة في الدراسة الحالية

معلمات المسح.

بمجرد أن يشعر المشاركون بالراحة داخل التجويف ، تم جمع حجم هيكلي ثلاثي الأبعاد يزن 8 دقائق T1. حددت الوصفة 160 شريحة سهمية ، مع وحدات بكسل متجانسة 1 مم في مجال رؤية 256 مم. بالإضافة إلى ذلك ، تم الحصول على شريحة واحدة مرجحة T1 في موقع الحصول على شريحة وظيفية واحدة ، كما هو موضح أدناه. بعد عمليات الاستحواذ الهيكلية ، تم توجيه وصفة شريحة 5 مم (صدى متدرج صدى 64 × 64 180 مم مجال رؤية 25 درجة زاوية انعكاس 30 مللي ثانية وقت تكرار 100 مللي ثانية) في مستوى محوري مائل مثل أخذ عينات من اللوزة ، القشرة غير الصدغية ، ويمكن الحصول على التلفيف القذالي الأوسط. تم تصميم الموضع لكل مشارك ، والذي نشأ مع تغطية اللوزة ، وتم إمالة التغطية المثلى لمناطق الاهتمام المرئية ، وإذا أمكن ، لاستبعاد تغطية تجويف الجيوب الأنفية ، كوسيلة للحد من أثر الحساسية. أدى ذلك إلى أخذ عينات كبيرة من الشق الكلسي. تسمح وصفة الشريحة الواحدة بأخذ عينات متكررة من وحدات البكسل 40 مل بدقة زمنية تبلغ 100 مللي ثانية.

تقليل المعلومات.

تم فصل السلسلة الزمنية الوظيفية المكونة من 96 تجربة لكل مشارك بشكل خطي ، وتم تنعيمها مؤقتًا باستخدام مرشح غاوسي 1 ثانية ، وتم تنعيمها مكانيًا عبر 2 فوكسل (5.625 مم عرض كامل بنصف الحد الأقصى) باستخدام BrainVoyager QX 1.8 (ابتكار الدماغ). كان التنعيم الزمني ضروريًا لتقليل تأثيرات الضوضاء الفسيولوجية الموجودة في السلاسل الزمنية بمعدل أخذ العينات 10 هرتز. تمت إزالة المحاكمات ذات حركة الرأس المتبقية يدويًا ، عن طريق تحديد المسامير الكبيرة (أكبر من أربعة أضعاف تباين الخلفية) والارتفاعات القصيرة الموجودة عن طريق فحص متوسط ​​شدة السلاسل الزمنية عبر غالبية وحدات البكسل في الشريحة (منطقة مستطيلة أكبر من نصف voxels داخل الدماغ). نتج عن هذا الإجراء إزالة & lt2٪ من إجمالي التجارب وما لا يزيد عن أربع تجارب من أي موضوع. كان متوسط ​​نسب الإشارة إلى الضوضاء [(إشارة - ضوضاء) / ضوضاء SD] المحسوبة من بيانات الصورة 80.5 في الشق الكلسي ، 81.0 في التلفيف القذالي الأوسط ، 97.8 في القشرة الجوفية الصدغية ، و 79.4 في اللوزة.

تم إدخال سلسلة الصور التي تمت معالجتها في ANOVA ذات الموضوع الفردي ، لتحديد تغيير إشارة BOLD الذي أثارته محتويات الصورة الثلاثة (الشبقية ، والأشخاص المحايدون ، والتشوهات) ، باستخدام وظيفة استجابة الدورة الدموية القياسية ثنائية جاما (Boynton et al. ، 1996). معدل الاكتشاف الخاطئ (Genovese et al. ، 2002) من ص & lt 0.01 لتحديد بيانات كل مشارك. من هذه الخرائط الوظيفية ، تم أخذ عينات من أربع مناطق ، بما في ذلك اللوزة الثنائية ، والقشرة الداخلية الصدغية ، والتلفيف القذالي الأوسط ، والشق الكلسي في خط الوسط. تم أخذ عينات من كل منطقة عبر 9 فوكسل (356 مل) باستخدام أطالس تشريحية عصبية محورية (Talairach and Tournoux ، 1988 Haines ، 1995) كدليل (الشكل 1). تم تقليل تباين التنسيب عبر الموضوعات لجميع عائد الاستثمار إلى الحد الأدنى قدر الإمكان ، مع تحقيق التوازن بين الحاجة إلى الاتساق عبر الموضوعات مع الحساسية للموقع المركزي للمجموعات الهامة داخل الموضوع.

مثال على التراكب الإحصائي لإشارة BOLD لموضوع واحد. تم اشتقاق مناطق الاهتمام (المربعات الزرقاء) من نشاط كبير ناتج عن عرض الصورة في اللوزة الثنائية (am) و IT والتلفيف القذالي الأوسط (mOG) والشق الكلسي (calc).


مقدمة

تشير الأدلة السلوكية والفيزيولوجية الكهربية الحديثة إلى أنه على الرغم من تجربتنا البصرية السلسة ، يتم تحسين المعلومات المرئية الواردة بشكل دوري للتحليل في النظام المرئي (VanRullen، 2016a VanRullen، 2016b Zoefel and VanRullen، 2017). يُقترح أن تنتج آلية أخذ العينات الدورية هذه عن تخصيص الانتباه البصري (Busch and VanRullen، 2010 Dugué et al.، 2016 Dugué and VanRullen، 2017a VanRullen et al.، 2007 Zoefel and VanRullen، 2017) ، حيث تتناوب النوافذ العالية والموارد منخفضة الانتباه تعمل على تجميع المعلومات المرئية الواردة ، على غرار الإطارات المتسلسلة التي تلتقط الفيلم داخل كاميرا فيديو (Chakravarthi and Vanrullen، 2012 Vanrullen and Dubois، 2011). ما إذا تم تقديم المنبهات في المرحلة المناسبة (Busch et al. ، 2009 Mathewson et al. ، 2009 VanRullen et al. ، 2007) أو الموقع (Dugué et al.، 2015 Dugué et al.، 2016 Dugué and Vanrullen، 2014 Dugué and VanRullen، 2017a Dugué et al.، 2017b Huang et al.، 2015 Landau and Fries، 2012 Song et al.، 2014) لقد ثبت أن آلية أخذ العينات هذه تعدل الاكتشاف الدقيق للمحفز البصري ، في تناقض صارخ مع تجربتنا من بيئة بصرية متواصلة.

حتى الآن ، ينبع الدليل العصبي الأساسي للبوابة الإيقاعية للمعالجة البصرية من اعتماد الكشف عن الهدف على مرحلة ما قبل الهدف من التذبذبات العصبية عند حوالي 7-8 هرتز (Busch et al.، 2009 Busch and VanRullen، 2010). قد تنتج هذه التقلبات العفوية في الاكتشاف عن تخصيص الانتباه البصري نحو موقع واحد (Busch and VanRullen، 2010 Dugué et al.، 2015 Spaak et al.، 2014 VanRullen، 2016b Zoefel and VanRullen، 2017) ، ودعم الافتراض بأن دورات الإثارة العصبية البوابة وتصفية المعلومات الواردة لمزيد من المعالجة (Schroeder and Lakatos، 2009 VanRullen، 2013 Zoefel and VanRullen، 2017).

هذه البوابة الدورية للإدراك البصري هي أيضًا سلوكًا بارزًا في المسار الزمني لدقة الكشف. تكشف التحليلات الطيفية المطبقة على المقاييس السلوكية عالية الدقة الزمنية عن تعديلات 7-8 هرتز في الأداء بعد الإشارات لإعادة توجيه الانتباه (Fiebelkorn et al. ، 2013) ، والتي تتباطأ نسبيًا عند تقسيم الانتباه بين موقعين أو أكثر (على سبيل المثال Chen et al. ، 2017 Holcombe and Chen، 2013 Huang et al.، 2015 Landau and Fries، 2012 Landau et al.، 2015 VanRullen، 2013). على سبيل المثال ، لاحظ لانداو وفريز ، 2012 أنه بعد تلميح لإعادة توجيه الانتباه إلى نصف الحقل البصري الأيمن أو الأيسر ، يتأرجح اكتشاف الهدف بإيقاع طور مضاد 4 هرتز اعتمادًا على ما إذا كانت الإشارات متطابقة أو غير متوافقة مع الموقع المستهدف. بشكل حاسم ، استمرت عملية أخذ عينات المعلومات المرئية هذه في الطور المضاد

4 هرتز عندما تم توجيه الانتباه إلى موقعين على كائن واحد (Fiebelkorn et al. ، 2013) ، وعندما كانت إشارات إعادة توجيه الانتباه غير متوافقة مع الموقع المستهدف - تتطلب تحولًا لاحقًا في تخصيص الانتباه إلى موقع ثان (Huang et آل ، 2015). أدت هذه التقلبات المتتالية في اكتشاف الهدف وأخذ عينات الطور المضاد بين المواقع إلى اقتراح أن

هنا ، اختبرنا ما إذا كان أخذ العينات الإيقاعي يلعب دورًا أثناء التنافس ثنائي العينين. أثناء التنافس بين العينين ، يتم تقديم صور غير متوافقة لكل عين مما ينتج عنه تناوب إدراكي عشوائي ، مع رؤية صورة واحدة في كل مرة بينما يتم قمع الأخرى (Alais، 2012 Alais and Blake، 2005 Maier et al.، 2012). في تجربة مصممة للحث أو تأخير هذه التحولات باستخدام الإشارات السمعية واللمسية ، وجدنا أن التغييرات في الوعي كانت تحدث بشكل إيقاعي بعد إعادة توجيه الانتباه. حدثت هذه التقلبات اعتمادًا على ما إذا كان التلميح عبر الوسائط يوجه الانتباه إلى الصورة المرئية السائدة أو المكبوتة ، مما أدى إلى

تذبذبات 3.5 هرتز ، على التوالي. بشكل حاسم ، لوحظت هذه الإيقاعات في كل من السلوك والتخطيط الكهربائي للدماغ (EEG) ، وكانت غائبة عندما لم تكن الإشارات ذات صلة بالمهمة. يشير هذا التقريب إلى النصف للتردد إلى أنه عندما يكون الإدخال غير المرئي غير متسق مع الإدراك البصري المستمر ، فإن أخذ العينات المتعمد يمكن أن يبتعد بمرونة عن الصورة المدركة بوعي ، على ما يبدو "البحث عن" معلومات حسية بديلة لحل التعارض.


أنواع أخذ العينات: طرق أخذ العينات مع الأمثلة

أخذ العينات هو أسلوب لاختيار أعضاء فرديين أو مجموعة فرعية من السكان لعمل استنتاجات إحصائية منهم وتقدير خصائص المجتمع بأكمله. يستخدم الباحثون طرقًا مختلفة لأخذ العينات على نطاق واسع في أبحاث السوق بحيث لا يحتاجون إلى البحث في جميع السكان لتجميع رؤى قابلة للتنفيذ.

إنها أيضًا طريقة ملائمة للوقت وفعالة من حيث التكلفة ، وبالتالي فهي تشكل أساس أي تصميم بحثي. يمكن استخدام تقنيات أخذ العينات في برنامج مسح بحثي للحصول على أفضل اشتقاق.

على سبيل المثال، إذا كانت الشركة المصنعة للأدوية ترغب في إجراء بحث عن الآثار الجانبية الضارة لعقار ما على سكان البلد ، فمن المستحيل تقريبًا إجراء دراسة بحثية تشمل الجميع. في هذه الحالة ، يقرر الباحث عينة من الأشخاص من كل فئة ديموغرافية ثم يقوم بالبحث عنها ، ويعطيها / لها ملاحظات إرشادية حول سلوك الدواء & # 8217s.

أنواع أخذ العينات: طرق أخذ العينات

أخذ العينات في أبحاث السوق هو من نوعين & # 8211 أخذ العينات الاحتمالية وأخذ العينات غير الاحتمالية. & # 8217s نلقي نظرة فاحصة على هاتين الطريقتين لأخذ العينات.

  1. أخذ العينات المحتملة:أخذ العينات الاحتمالية هو أسلوب أخذ العينات حيث يحدد الباحث مجموعة مختارة من بعض المعايير ويختار أعضاء من السكان بشكل عشوائي. يتمتع جميع الأعضاء بفرصة متساوية ليكونوا جزءًا من العينة باستخدام معلمة الاختيار هذه.
  2. أخذ العينات غير الاحتمالية: في أخذ العينات غير الاحتمالية ، يختار الباحث أعضاء للبحث بشكل عشوائي. طريقة أخذ العينات هذه ليست عملية اختيار ثابتة أو محددة مسبقًا. هذا يجعل من الصعب على جميع عناصر السكان الحصول على فرص متكافئة ليتم تضمينها في العينة.

في هذه المدونة ، نناقش مختلف طرق أخذ العينات الاحتمالية وغير الاحتمالية التي يمكنك تنفيذها في أي دراسة بحثية للسوق.

أنواع أخذ العينات الاحتمالية مع الأمثلة:

أخذ العينات الاحتمالية هو أسلوب لأخذ العينات يختار فيه الباحثون عينات من عدد أكبر من السكان باستخدام طريقة تعتمد على نظرية الاحتمال. تأخذ طريقة أخذ العينات هذه بعين الاعتبار كل فرد من السكان وتشكل عينات بناءً على عملية ثابتة.

على سبيل المثال، في عدد سكان يبلغ 1000 عضو ، سيكون لكل عضو فرصة 1/1000 ليتم اختياره ليكون جزءًا من عينة. أخذ العينات الاحتمالية يزيل التحيز في السكان ويمنح جميع الأعضاء فرصة عادلة ليتم تضمينهم في العينة.

هناك أربعة أنواع من تقنيات أخذ العينات الاحتمالية:

  • عينة عشوائية بسيطة: واحدة من أفضل تقنيات أخذ العينات الاحتمالية التي تساعد في توفير الوقت والموارد ، هي طريقة أخذ العينات العشوائية البسيطة. إنها طريقة موثوقة للحصول على المعلومات حيث يتم اختيار كل فرد من السكان بشكل عشوائي ، عن طريق الصدفة فقط.كل فرد لديه نفس احتمالية أن يتم اختياره ليكون جزءًا من عينة.
    على سبيل المثال ، في مؤسسة مكونة من 500 موظف ، إذا قرر فريق الموارد البشرية إجراء أنشطة بناء الفريق ، فمن المحتمل جدًا أنهم يفضلون انتقاء القطع من الوعاء. في هذه الحالة ، يتمتع كل موظف من 500 موظف بفرصة متساوية في الاختيار.
  • أخذ العينات العنقودية:أخذ العينات العنقودية هو طريقة يقوم فيها الباحثون بتقسيم السكان بالكامل إلى أقسام أو مجموعات تمثل مجموعة سكانية. يتم تحديد المجموعات وتضمينها في عينة بناءً على المعايير الديموغرافية مثل العمر والجنس والموقع وما إلى ذلك. وهذا يجعل من السهل جدًا على منشئ الاستقصاء استخلاص استنتاج فعال من التعليقات.
    على سبيل المثال ، إذا كانت حكومة الولايات المتحدة ترغب في تقييم عدد المهاجرين الذين يعيشون في البر الرئيسي للولايات المتحدة ، فيمكنهم تقسيمهم إلى مجموعات على أساس ولايات مثل كاليفورنيا وتكساس وفلوريدا وماساتشوستس وكولورادو وهاواي ، وما إلى ذلك. سيكون المسح أكثر فاعلية حيث سيتم تنظيم النتائج في الولايات وتوفير بيانات الهجرة الثاقبة.
  • أخذ العينات المنتظم: يستخدم الباحثون طريقة أخذ العينات المنتظمة لاختيار أفراد عينة من السكان على فترات منتظمة. يتطلب اختيار نقطة بداية للعينة وحجم العينة التي يمكن تكرارها على فترات منتظمة. هذا النوع من طرق أخذ العينات له نطاق محدد مسبقًا ، وبالتالي فإن تقنية أخذ العينات هذه هي الأقل استهلاكا للوقت.
    على سبيل المثال ، يعتزم الباحث جمع عينة منهجية من 500 شخص من عدد سكان يبلغ 5000. وهو / هي يقوم بترقيم كل عنصر من السكان من 1-5000 وسيختار كل عاشر فرد ليكون جزءًا من العينة (إجمالي عدد السكان / حجم العينة = 5000/500 = 10).
  • اخذ عينة عشوائية:أخذ العينات العشوائية الطبقية هو طريقة يقسم فيها الباحث السكان إلى مجموعات أصغر لا تتداخل مع & # 8217t ولكنها تمثل جميع السكان. أثناء أخذ العينات ، يمكن تنظيم هذه المجموعات ثم سحب عينة من كل مجموعة على حدة.
    على سبيل المثال ، الباحث الذي يتطلع إلى تحليل خصائص الأشخاص الذين ينتمون إلى أقسام الدخل السنوي المختلفة سيخلق طبقات (مجموعات) وفقًا لدخل الأسرة السنوي. على سبيل المثال - أقل من 20.000 دولار ، 21.000 دولار - 30.000 دولار ، 31.000 دولار إلى 40.000 دولار ، 41.000 دولار إلى 50.000 دولار ، إلخ. من خلال القيام بذلك ، يستنتج الباحث خصائص الأشخاص الذين ينتمون إلى مجموعات دخل مختلفة. يمكن للمسوقين تحليل مجموعات الدخل التي يجب استهدافها وتلك التي يجب التخلص منها لإنشاء خارطة طريق من شأنها أن تؤدي إلى نتائج مثمرة.

استخدامات احتمالية أخذ العينات

هناك استخدامات متعددة لأخذ العينات الاحتمالية:

  • تقليل تحيز العينة: باستخدام طريقة أخذ العينات الاحتمالية ، يكون التحيز في العينة المشتقة من السكان ضئيلًا إلى غير موجود. يصور اختيار العينة بشكل أساسي فهم واستدلال الباحث. يؤدي أخذ العينات الاحتمالية إلى جمع بيانات عالية الجودة حيث تمثل العينة السكان بشكل مناسب.
  • التنوع السكاني: عندما يكون عدد السكان كبيرًا ومتنوعًا ، من الضروري أن يكون لديك تمثيل كافٍ حتى لا تنحرف البيانات نحو ديموغرافية واحدة. على سبيل المثال ، إذا كانت Square ترغب في فهم الأشخاص الذين يمكنهم صنع أجهزة نقاط البيع الخاصة بهم ، فإن استطلاعًا تم إجراؤه من عينة من الأشخاص في جميع أنحاء الولايات المتحدة من مختلف الصناعات والخلفيات الاجتماعية والاقتصادية يساعد في ذلك.
  • قم بإنشاء نموذج دقيق: يساعد أخذ العينات الاحتمالية الباحثين على التخطيط وإنشاء عينة دقيقة. يساعد هذا في الحصول على بيانات محددة جيدًا.

أنواع أخذ العينات غير الاحتمالية مع الأمثلة

الطريقة غير الاحتمالية هي طريقة أخذ العينات التي تتضمن مجموعة من الملاحظات بناءً على قدرات اختيار عينة الباحث أو الإحصائي وليس على عملية اختيار ثابتة. في معظم الحالات ، يؤدي ناتج الاستطلاع الذي يتم إجراؤه باستخدام عينة غير محتملة إلى نتائج منحرفة ، والتي قد لا تمثل السكان المستهدفين المطلوبين. ولكن ، هناك حالات مثل المراحل الأولية للبحث أو قيود التكلفة لإجراء البحث ، حيث سيكون أخذ العينات غير الاحتمالية أكثر فائدة من النوع الآخر.

تشرح أربعة أنواع من أخذ العينات غير الاحتمالية الغرض من طريقة أخذ العينات هذه بطريقة أفضل:

  • أخذ العينات الملائمة: تعتمد هذه الطريقة على سهولة الوصول إلى مواضيع مثل استطلاع آراء العملاء في مركز تجاري أو المارة في شارع مزدحم. يُطلق عليه عادةً أخذ العينات الملائمة ، نظرًا لسهولة الباحث & # 8217s في تنفيذه والتواصل مع الموضوعات. لا يمتلك الباحثون أي سلطة تقريبًا لاختيار عناصر العينة ، ويتم القيام بذلك على أساس القرب وليس التمثيل. تُستخدم طريقة أخذ العينات غير الاحتمالية هذه عندما يكون هناك قيود زمنية وتكلفة في جمع التعليقات. في الحالات التي توجد فيها قيود على الموارد مثل المراحل الأولية للبحث ، يتم استخدام أخذ العينات الملائمة.
    على سبيل المثال ، عادةً ما تقوم الشركات الناشئة والمنظمات غير الحكومية بأخذ عينات مناسبة في مركز تجاري لتوزيع منشورات عن الأحداث القادمة أو الترويج لقضية ما - يفعلون ذلك بالوقوف عند مدخل المركز التجاري وتوزيع الكتيبات بشكل عشوائي.
  • أخذ العينات الحكمية أو الهادفة:يتم تشكيل العينات الحكمية أو الهادفة حسب تقدير الباحث. ينظر الباحثون بحتة في الغرض من الدراسة ، إلى جانب فهم الجمهور المستهدف. على سبيل المثال ، عندما يريد الباحثون فهم عملية تفكير الأشخاص المهتمين بالدراسة للحصول على درجة الماجستير # 8217s. ستكون معايير الاختيار: & # 8220 هل أنت مهتم بالحصول على درجة الماجستير في…؟ & # 8221 ويتم استبعاد أولئك الذين يجيبون بـ & # 8220No & # 8221 من العينة.
  • أخذ العينات كرة الثلج:أخذ عينات كرة الثلج هو طريقة أخذ العينات التي يطبقها الباحثون عندما يصعب تتبع الموضوعات. على سبيل المثال ، سيكون من الصعب للغاية إجراء مسح للأشخاص الذين لا مأوى لهم أو المهاجرين غير الشرعيين. في مثل هذه الحالات ، باستخدام نظرية كرة الثلج ، يمكن للباحثين تتبع بعض الفئات لإجراء المقابلات واستخلاص النتائج. يقوم الباحثون أيضًا بتطبيق طريقة أخذ العينات هذه في المواقف التي يكون فيها الموضوع شديد الحساسية ولا تتم مناقشته علانية - على سبيل المثال ، الاستطلاعات لجمع المعلومات حول الإيدز. لن يرد الكثير من الضحايا بسهولة على الأسئلة. ومع ذلك ، يمكن للباحثين الاتصال بأشخاص قد يعرفونهم أو متطوعين مرتبطين بالقضية للتواصل مع الضحايا وجمع المعلومات.
  • أخذ العينات الحصص: في أخذ عينات الحصص ، يتم اختيار الأعضاء في تقنية أخذ العينات هذه بناءً على معيار محدد مسبقًا. في هذه الحالة ، نظرًا لتكوين العينة بناءً على سمات محددة ، فإن العينة التي تم إنشاؤها سيكون لها نفس الصفات الموجودة في إجمالي السكان. إنها طريقة سريعة لجمع العينات.

استخدامات أخذ العينات غير الاحتمالية

يتم استخدام أخذ العينات غير الاحتمالية لما يلي:

  • قم بإنشاء فرضية: يستخدم الباحثون طريقة أخذ العينات غير الاحتمالية لإنشاء افتراض عندما يقتصر على عدم توفر معلومات مسبقة. تساعد هذه الطريقة في العودة الفورية للبيانات وتبني قاعدة لمزيد من البحث.
  • البحث الاستكشافي: يستخدم الباحثون تقنية أخذ العينات هذه على نطاق واسع عند إجراء بحث نوعي أو دراسات تجريبية أو بحث استكشافي.
  • قيود الميزانية والوقت: الطريقة غير الاحتمالية عند وجود قيود الميزانية والوقت ، ويجب جمع بعض البيانات الأولية. نظرًا لأن تصميم الاستبيان ليس صارمًا ، فمن الأسهل اختيار المستجيبين عشوائيًا وجعلهم يأخذون الاستبيان أو الاستبيان.

كيف تقرر نوع أخذ العينات المراد استخدامه؟

لأي بحث ، من الضروري اختيار طريقة أخذ العينات بدقة لتحقيق أهداف دراستك. تعتمد فعالية أخذ العينات على عوامل مختلفة. فيما يلي بعض الخطوات التي يتبعها الباحثون الخبراء لتحديد أفضل طريقة لأخذ العينات.

  • قم بتدوين أهداف البحث. بشكل عام ، يجب أن يكون مزيجًا من التكلفة أو الدقة أو الدقة.
  • تحديد تقنيات أخذ العينات الفعالة التي قد تحقق أهداف البحث.
  • اختبر كل طريقة من هذه الطرق وافحص ما إذا كانت تساعد في تحقيق هدفك.
  • حدد الطريقة الأفضل للبحث.

الفرق بين طرق أخذ العينات الاحتمالية وأخذ العينات غير الاحتمالية

لقد نظرنا في الأنواع المختلفة لطرق أخذ العينات أعلاه وأنواعها الفرعية. لتلخيص المناقشة بأكملها ، على الرغم من ذلك ، فإن الاختلافات المهمة بين طرق أخذ العينات الاحتمالية وطرق أخذ العينات غير الاحتمالية هي على النحو التالي:


يمكن للبيانات المتكاملة أن تجعل المرضى أكثر أمانًا

لحسن الحظ ، في العصر الجديد لسلامة المرضى التي تعتمد على البيانات ، سيكون لدى مؤسسات الرعاية الصحية أدوات ثاقبة (الشكل 3) لتحقيق نتائج أفضل. ستستفيد أدوات التحليلات من البيانات السريرية والتكلفة والتشغيلية المتكاملة والتحليلات التنبؤية والتعلم الآلي والمزيد لمعالجة الضعف التنظيمي في سلامة المرضى وتمكين التحسين.

ثلاث قدرات رئيسية للتعلم الآلي في سلامة المرضى

يدعم التعلم الآلي تحسين سلامة المرضى بإمكانيات تفاعلية واستباقية ومتكاملة تمامًا.

  1. قدرات رد الفعل: باستخدام المشغلات الآلية ، تتفاعل أداة السلامة مع الضرر المحتمل من خلال تحديد المخاطر وإخطار مقدمي الرعاية في الخطوط الأمامية. يضيف هذا طبقة من التفكير النقدي إلى الأداة - ينقر مستخدم الخط الأمامي على اسم المريض ، ويرى المخاطر الفردية الخاصة به ، ويمكنه المتابعة بالتدخلات المناسبة.
  2. قدرات استباقية: بمجرد أن تحدد أداة السلامة المخاطر داخل مجموعة المرضى ، تحدد التحليلات التنبؤية التدخلات لتقليل الضرر أو منعه. تجعل هذه القدرة الاستباقية المعلومات الواردة من محفزات المخاطر قابلة للتنفيذ - من خلال اقتراح التدخل - ويمكن الوصول إليها - عن طريق وضع إجراءات وبروتوكولات يصعب العثور عليها في متناول المستخدم. على سبيل المثال ، قد يُظهر التطبيق أن المريض معرض لخطر الإصابة بقرحات الضغط ويذكر مقدم الرعاية بتدويرها بانتظام واتباع ممارسات العناية بالبشرة الآمنة لتقليل المخاطر.

الشكل 3: مجموعة مراقبة سلامة المريض من Health Catalyst

  1. القدرة على التكامل الكامل: نظرًا لتكامل أداة السلامة عبر أدوات سير العمل وعبر النظام الصحي ، فإنها تتيح التحسين عبر سلسلة الرعاية المستمرة. يسمح هذا لجهود التحسين بأن لا تكون معزولة ومشتتة داخل الأقسام - من المحتمل أن تؤثر فقط على عدد قليل من المرضى - ولكن يتم تنفيذها عبر المؤسسة للتأثير على الكثيرين. في الرؤية طويلة المدى لسلامة المرضى ، سيتمكن المرضى من الوصول إلى تطبيقات السلامة على أجهزتهم المحمولة ، مما يجعلهم شركاء حقيقيين في رعايتهم.

فحص بنسبة 100٪ - فعالية بنسبة 85٪

من جاء بمفهوم أن الفحص بنسبة 100٪ هو 80-85٪ فقط دقيق أو فعال؟

إذا كنت أقوم بإجراء فحص بصري لفرز مثل أجزاء الطلاء ، بدون طلاء ، وطلاء ألوان خاطئ ، ما هي النسبة المئوية المتوقعة التي سيتم اكتشافها جميعًا من خلال الفحص البصري في 100 أو 1000 جزء؟

إنني أبحث عن المكان الذي أبحث فيه أكثر من الإجابة الرياضية ، لكنني سآخذ ذلك إذا كان لدى شخص ما.

جيم وين

من جاء بمفهوم أن الفحص بنسبة 100٪ هو 80-85٪ فقط دقيق أو فعال؟

إذا كنت أقوم بإجراء فحص بصري لفرز مثل أجزاء الطلاء ، بدون طلاء ، وطلاء ألوان خاطئ ، ما هي النسبة المئوية المتوقعة التي سيتم اكتشافها جميعًا من خلال الفحص البصري في 100 أو 1000 جزء؟

إنني أبحث عن المكان الذي أبحث فيه أكثر من الإجابة الرياضية ، لكنني سآخذ ذلك إذا كان لدى شخص ما.

البروميد المعني ليس له أساس تجريبي ، لذلك لا يوجد شيء للبحث عنه. اعتمادًا على الظروف ، قد يكون الفحص بنسبة 100٪ فعالاً بنسبة 100٪ أو قد يكون فعالاً بنسبة 10٪.

تعتمد فعالية أي عملية فحص على:

  • معايير موضوعية
  • مفتشون مؤهلون ومدربون تدريباً جيداً
  • عدد الأشياء المراد فحصها
  • عدد السمات المعنية

سميث 7858

أخذت دورة إحصائية / احتمالية منذ سنوات حيث أجرينا تجربة لإظهار أن الاستقصاء بنسبة 100٪ لم يكن فعالًا بنسبة 100٪. قرأنا جميعًا فقرة واضطررنا إلى تحديد العيوب (اعتُبرت ثلاثة أحرف مختلفة عيوبًا). لقد تم توقيتنا لمضاعفة التوتر وكان تدريبنا موجزًا ​​& quothow قبل التجربة.

في فئة مليئة بمفتشي الجودة والمشرفين والمديرين ، استطعنا إدارة 89٪.

سومرك

لقد شاركت في فصول مثل هذا أيضًا. كنا ضمن نفس النطاق (كنت في فصول تصل إلى 95٪ ومنخفضة تصل إلى 85٪).

لقد عملت أيضًا حيث أرادت الإدارة العليا التفتيش بنسبة 100 ٪. كنا نتعامل باستمرار مع الأجزاء التي تخضع للفحص.

المشكلة الأخرى مع 100٪ هي أنه إذا كان لديك & quot؛ تغيير تدريجي & quot في أحد المنتجات ، فمن الصعب جدًا تحديد النقطة الدقيقة التي حدث فيها التغيير (أي أن بعض كمية حالات الرفض تمر حتى يصبح التغيير كبيرًا بما يكفي للمفتش للملاحظة.). هذا يرجع إلى الطبيعة البشرية - وليس نقص التدريب أو الكفاءة.

للإضافة إلى ذلك ، فإن تكلفة 100٪ باهظة مقارنة بخطة أخذ العينات الفعالة مع نفس النتائج تقريبًا.

أنا فقط - لكنك لن تجد دراسة إحصائية توضح بالضبط مدى عدم فعالية الفحص بنسبة 100٪ (حسنًا ، لم أجد واحدًا بعد على أي حال).

أنديغر

إنها نسخة جيدة من أسطورة حضرية.
تعتمد فعالية الفحص على الفروق التي تحاول تمييزها. يعتمد الأمر حقًا على من وما الذي يتم فحصه.
يعتبر فرز الأفيال من الفئران فعالا بنسبة 100٪ ما عدا يوم الجمعة بعد ظهر يوم الإقلاع عن التدخين.

جيم وين

أخذت دورة إحصائية / احتمالية منذ سنوات حيث أجرينا تجربة لإظهار أن الاستقصاء بنسبة 100٪ لم يكن فعالًا بنسبة 100٪. قرأنا جميعًا فقرة واضطررنا إلى تحديد العيوب (اعتُبرت ثلاثة أحرف مختلفة عيوبًا). لقد تم توقيتنا لمضاعفة التوتر وكان تدريبنا موجزًا ​​& quothow قبل التجربة.

في فئة مليئة بمفتشي الجودة والمشرفين والمديرين ، استطعنا إدارة 89٪.

Bobdoering

وقف شريط X / R الجنون !!

بشكل عام ، تتحقق خطة أخذ العينات الفعالة من المنتج ، وعند مستوى فشل معين سوف تتطلب فحصًا بنسبة 100٪ كخطة تفاعل. كلما انخفض تكرار الفشل ، كلما اقتربت خطة أخذ العينات الفعالة من التفتيش بنسبة 100٪ ، على أي حال.

ترتبط المشكلة الحقيقية ارتباطًا وثيقًا بـ Gage R & ampR. لن يكون للفحص البصري بنسبة 100٪ للمكونات المفقودة معدل فشل مشابه للفحص البصري بمستويات من التباين المقبول ، مثل المسامية والصدأ والخدوش وما إلى ذلك. كما أن الهندسة مهمة. يختلف الفحص بنسبة 100٪ في جميع أنحاء الخيط بحثًا عن النكات عن البحث عن عين السمكة في الطلاء على لوحة مسطحة. علاوة على ذلك ، فإن وضوح الحالة ، مثل الخيوط المفقودة مقابل طلاء النيكل المفقود على جزء فولاذي ، يقدم معدلات فشل فحص بصرية مختلفة كثيرًا.

النقطة ليست ما إذا كان 85٪ حقيقة إحصائية ، بل النقطة التي تشير إلى أن الفحص بنسبة 100٪ يمثل مخاطرة كبيرة تتمثل في عدم فعالية 100٪. في الواقع ، يوفر الفحص بنسبة 200٪ أيضًا خطر عدم الفعالية بنسبة 100٪ - على الرغم من أنه غالبًا ما يكون الخيار الثاني المستخدم عندما يخذلك الفحص بنسبة 100٪.


المواد والأساليب

مشاركون.

شارك عشرون متطوعًا جامعيًا في الحصول على رصيد للدورة التدريبية أو تعويض قدره 20 دولارًا. وافق جميع المتطوعين على المشاركة بعد قراءة وصف الدراسة ، الذي وافق عليه مجلس مراجعة المواد البشرية المحلي. قبل الدخول إلى تجويف الماسح الضوئي Siemens 3 T Allegra MR ، تم تزويد المشاركين بسدادات أذن وتم تزويدهم بكرة ضغط لإنذار المريض. تم استخدام وسادة مفرغة وحشوة وتعليمات لفظية صريحة للحد من حركة الرأس. تم استبعاد بيانات اثنين من المشاركين بسبب حركة الرأس المفرطة ، وفقد أحدهما نتيجة لخلل في الماسح الضوئي. شملت العينة النهائية 10 ذكور و 7 إناث (متوسط ​​العمر ، 18.8 سنة ، 18-21 سنة).

المحفزات والإجراءات.

طُلب من المشاركين الحفاظ على التثبيت على نقطة في وسط شاشة عرض بلورية سائلة مقاس 7 بوصات مثبتة مباشرة خلف الرأس ، ويمكن رؤيتها عبر مرآة مثبتة على ملف (أجهزة Intermagnetics متوافقة مع IFIS MR). بعد ثلاث تجارب تأقلم تم فيها تقديم محفزات رقعة الشطرنج ، تم تقديم سلسلة من 24 محفزًا للصور (زاوية بصرية 25 درجة) في تصميم متعلق بالحدث. تم اختيار محفزات الصورة من نظام الصور العاطفية الدولي (IAPS) (لانج وآخرون ، 2008) (http://csea.phhp.ufl.edu/Media.html) وجميع الأشخاص الذين تم تصويرهم ، بما في ذلك ثمانية نماذج لكل منهم بدرجة عالية. إثارة الأزواج الجنسية (ممتعة: 4611 ، 4658 ، 4659 ، 4669 ، 4676 ، 4680 ، 4690 ، و 4694) ، وإثارة الأشخاص المحايدين بشكل معتدل (2037 ، 2102 ، 2305 ، 2383 ، 2393 ، 2396 ، 2513 ، 2595) ، و تشوهات شديدة الإثارة (غير سارة: 3000 ، 3030 ، 3060 ، 3068 ، 3069 ، 3100 ، 3102 ، و 3225). تم اختيار الصور الممتعة وغير السارة لتكون مكافئة في التصنيفات المعيارية للإثارة العاطفية (الجدول 1). تم تحويل جميع محفزات الصور إلى درجات رمادية ومطابقتها للإضاءة وحجم ملف JPEG بجودة 90٪ حسب الفئة باستخدام Adobe Photoshop 7 (أنظمة Adobe). تم تقديم كل صورة لمدة 3 ثوانٍ ، تليها فترة 9 ثوانٍ للتثبيت فقط. كان ترتيب الصورة عشوائيًا ، مما يسمح بما لا يزيد عن عرضين متتاليين لفئة التحفيز. تم تكرار سلسلة الصور (بترتيب فريد) في ثلاث كتل إضافية ، ليصبح المجموع 96 تجربة على مدى -23 دقيقة.

التصنيفات المعيارية لمحفزات صور IAPS المستخدمة في الدراسة الحالية

معلمات المسح.

بمجرد أن يشعر المشاركون بالراحة داخل التجويف ، تم جمع حجم هيكلي ثلاثي الأبعاد يزن 8 دقائق T1. حددت الوصفة 160 شريحة سهمية ، مع وحدات بكسل متجانسة 1 مم في مجال رؤية 256 مم. بالإضافة إلى ذلك ، تم الحصول على شريحة واحدة مرجحة T1 في موقع الحصول على شريحة وظيفية واحدة ، كما هو موضح أدناه. بعد عمليات الاستحواذ الهيكلية ، تم توجيه وصفة شريحة 5 مم (صدى متدرج صدى 64 × 64 180 مم مجال رؤية 25 درجة زاوية انعكاس 30 مللي ثانية وقت تكرار 100 مللي ثانية) في مستوى محوري مائل مثل أخذ عينات من اللوزة ، القشرة غير الصدغية ، ويمكن الحصول على التلفيف القذالي الأوسط. تم تصميم الموضع لكل مشارك ، والذي نشأ مع تغطية اللوزة ، وتم إمالة التغطية المثلى لمناطق الاهتمام المرئية ، وإذا أمكن ، لاستبعاد تغطية تجويف الجيوب الأنفية ، كوسيلة للحد من أثر الحساسية. أدى ذلك إلى أخذ عينات كبيرة من الشق الكلسي. تسمح وصفة الشريحة الواحدة بأخذ عينات متكررة من وحدات البكسل 40 مل بدقة زمنية تبلغ 100 مللي ثانية.

تقليل المعلومات.

تم فصل السلسلة الزمنية الوظيفية المكونة من 96 تجربة لكل مشارك بشكل خطي ، وتم تنعيمها مؤقتًا باستخدام مرشح غاوسي 1 ثانية ، وتم تنعيمها مكانيًا عبر 2 فوكسل (5.625 مم عرض كامل بنصف الحد الأقصى) باستخدام BrainVoyager QX 1.8 (ابتكار الدماغ). كان التنعيم الزمني ضروريًا لتقليل تأثيرات الضوضاء الفسيولوجية الموجودة في السلاسل الزمنية بمعدل أخذ العينات 10 هرتز. تمت إزالة المحاكمات ذات حركة الرأس المتبقية يدويًا ، عن طريق تحديد المسامير الكبيرة (أكبر من أربعة أضعاف تباين الخلفية) والارتفاعات القصيرة الموجودة عن طريق فحص متوسط ​​شدة السلاسل الزمنية عبر غالبية وحدات البكسل في الشريحة (منطقة مستطيلة أكبر من نصف voxels داخل الدماغ).نتج عن هذا الإجراء إزالة & lt2٪ من إجمالي التجارب وما لا يزيد عن أربع تجارب من أي موضوع. كان متوسط ​​نسب الإشارة إلى الضوضاء [(إشارة - ضوضاء) / ضوضاء SD] المحسوبة من بيانات الصورة 80.5 في الشق الكلسي ، 81.0 في التلفيف القذالي الأوسط ، 97.8 في القشرة الجوفية الصدغية ، و 79.4 في اللوزة.

تم إدخال سلسلة الصور التي تمت معالجتها في ANOVA ذات الموضوع الفردي ، لتحديد تغيير إشارة BOLD الذي أثارته محتويات الصورة الثلاثة (الشبقية ، والأشخاص المحايدون ، والتشوهات) ، باستخدام وظيفة استجابة الدورة الدموية القياسية ثنائية جاما (Boynton et al. ، 1996). معدل الاكتشاف الخاطئ (Genovese et al. ، 2002) من ص & lt 0.01 لتحديد بيانات كل مشارك. من هذه الخرائط الوظيفية ، تم أخذ عينات من أربع مناطق ، بما في ذلك اللوزة الثنائية ، والقشرة الداخلية الصدغية ، والتلفيف القذالي الأوسط ، والشق الكلسي في خط الوسط. تم أخذ عينات من كل منطقة عبر 9 فوكسل (356 مل) باستخدام أطالس تشريحية عصبية محورية (Talairach and Tournoux ، 1988 Haines ، 1995) كدليل (الشكل 1). تم تقليل تباين التنسيب عبر الموضوعات لجميع عائد الاستثمار إلى الحد الأدنى قدر الإمكان ، مع تحقيق التوازن بين الحاجة إلى الاتساق عبر الموضوعات مع الحساسية للموقع المركزي للمجموعات الهامة داخل الموضوع.

مثال على التراكب الإحصائي لإشارة BOLD لموضوع واحد. تم اشتقاق مناطق الاهتمام (المربعات الزرقاء) من نشاط كبير ناتج عن عرض الصورة في اللوزة الثنائية (am) و IT والتلفيف القذالي الأوسط (mOG) والشق الكلسي (calc).


هدف بحث واضح

تتمثل الخطوة الأولى والأكثر أهمية في تصميم الاستبيان في تكوين فكرة واضحة عما تبحث عنه. سيكون من المغري دائمًا اتباع نهج شامل وطرح أكبر عدد ممكن من الأسئلة على أمل الحصول على أكبر قدر ممكن من المعلومات. لا يعمل هذا النوع من النهج لأن طرح الكثير من الأسئلة غير ذات الصلة أو غير المتسقة يقلل من معدل الاستجابة 2 وبالتالي يقلل من قوة الدراسة. هذا مهم بشكل خاص عند مسح الأطباء لأن لديهم في كثير من الأحيان معدل استجابة أقل من بقية السكان. 3 بدلاً من ذلك ، يجب أن تفكر بعناية في البيانات المهمة التي ستستخدمها وتعمل على & # x02018 تحتاج إلى معرفة & # x02019 بدلاً من & # x02018 سيكون من الجيد معرفة & # x02019 النموذج. 4

بعد التفكير في السؤال الذي تحاول الإجابة عليه ، فإن الخطوة التالية هي تحديد من ستطرحه. مع وجود مجموعات سكانية صغيرة ، يمكن التحكم في محاولة مسحهم جميعًا ولكن مع زيادة عدد السكان لديك ، يجب أخذ عينة. حجم هذه العينة أكثر أهمية مما قد تتوقعه. بعد أخذ الاستبيانات المفقودة وعدم المستجيبين والإجابات غير الصحيحة في الاعتبار ، يجب أن تظل هذه العينة كبيرة بما يكفي لتمثيل السكان بالكامل. إذا لم تكن كبيرة بما يكفي ، فسوف تنخفض قوة إحصاءاتك وقد لا تحصل على أي إجابات ذات معنى على الإطلاق. ولهذا السبب فإن إشراك خبير إحصائي في دراستك مبكرًا أمر بالغ الأهمية. لا يجب جمع البيانات حتى تعرف ما الذي ستفعله بها.


الرؤية المكانية

تشكل القرنية ، وبدرجة أقل ولكن متغيرة ، صورة ثنائية الأبعاد للعالم المرئي على مستوى المستقبلات الموجودة في مؤخرة العين. تقوم المستقبلات بأخذ عينات من الصورة كخطوة أولى في الرؤية المكانية. الجودة البصرية للعين البشرية ليست جيدة جدًا - أقل بكثير من أرخص عدسات الكاميرا. اثنان من أبرز العيوب هما الانحرافات الكروية واللونية. الأول ينتج عن شكل القرنية غير الكامل ، والأخير يحدث لأن القرنية والعدسة ينكسران الضوء بأطوال موجية مختلفة. كل من هذه الانحرافات تصبح أسوأ مع زيادة قطر بؤبؤ العين ، كما يحدث من أجل التقاط المزيد من الضوء في ظروف الإضاءة الخافتة. تنتج الصورة غير الكاملة أيضًا من تصوير عالم ثلاثي الأبعاد على سطح ثنائي الأبعاد نظرًا لأن الكائنات الموجودة على مسافات مختلفة ليست كلها في التركيز البؤري في وقت واحد. أخيرًا ، العين غير مستقرة ميكانيكيًا. يطفو في الدهون داخل المدار ، ويثبت فقط عن طريق التوتر في ست عضلات عين ضخمة نسبيًا. يمكن لهذه العضلات أن تدور العين في اتجاهات مختلفة بسرعة كبيرة ، لكنها لا تستطيع الإمساك بها بسبب الإطلاق العشوائي للألياف العضلية الفردية. وهكذا تتأرجح العين بسرعة بطريقة عشوائية وتنجرف إلى حد ما أيضًا. يزداد التشويش الناتج سوءًا من خلال حركة المراقب ، حيث تترجم العين عبر الفضاء (مما يؤدي إلى تشويش الصورة) والتشويش عليها.

يمكن وصف المنبهات المرئية بشكل متكافئ في مجال الفضاء (أي مقدار الضوء الموجود في كل موقع في الفضاء) أو مجال التردد المكاني (حسب التردد والسعة ومرحلة الاختلافات الجيبية في شدة الضوء عبر الفضاء). على الرغم من أن أوصاف المجال المكاني أكثر شيوعًا ، إلا أنه توجد في بعض الأحيان مزايا إرشادية لفحص المشكلات المرئية في مجال التردد المكاني بدلاً من ذلك. تؤدي العيوب البصرية المختلفة للعين المذكورة سابقًا إلى تشويش الصورة على شبكية العين ، ويؤدي التعتيم بشكل انتقائي إلى إضعاف الترددات المكانية العالية. يتم وصف قدرتنا على اكتشاف حواجز شبكية جيبية ذات ترددات مكانية مختلفة بواسطة وظيفة حساسية التباين المكاني (CSF) (الشكل 1). في الرؤية الضوئية (ضوء النهار) في ظل الظروف المثلى ، تصل وظيفة السائل الدماغي الشوكي إلى ذروتها عند حوالي 4 دورات لكل درجة ، ويمكن للشخص الذي يتمتع بحدة ممتازة حل حواجز شبكية تصل إلى حوالي 60 درجة مئوية / درجة زاوية بصرية عند نقطة التثبيت. حدة "طبيعية" (20/20 بالتدوين الأمريكي) تعادل قطع تردد مكاني عالي يبلغ 30 درجة مئوية / درجة. ومع ذلك ، في ظل العديد من ظروف المشاهدة ، مثل انخفاض مستوى الإضاءة (انظر الشكل 1) ، مع زيادة انحراف الشبكية ، أو عندما نتحرك وبالتالي تشوش صورة الشبكية ، فإن دقة المراقب العادي لا تتجاوز 10-20 ج / درجة. في ظل هذه الظروف ، تصبح المهام مثل القراءة التي تتطلب حدة عالية مستحيلة ، ولكن لا يزال لدينا قدرة ممتازة على تقسيم العالم المرئي إلى كائنات مختلفة والتعرف على هذه الأشياء وعلاقاتها المكانية.

شكل 1 . متوسط ​​حساسية التباين المكاني لخمسة مراقبين لحواجز شبكية ذات ترددات مكانية مختلفة في كل من مستويات الإضاءة الخمسة المختلفة ، في خطوات وحدة سجل واحدة من المستويات الضوئية (المنحنى العلوي) إلى المستويات الاسكتلندية (المنحنى السفلي) (مستنسخة بإذن من De Valois وآخرون., دقة الرؤية. 14, 75–81, 1974).

يُظهر CSF كلاً من توهين التردد المكاني المرتفع والمنخفض. يرجع الانخفاض في حساسية السائل الدماغي النخاعي عند الترددات المكانية العالية جزئيًا إلى الأنواع المختلفة من التمويه البصري التي تمت مناقشتها سابقًا ، ولكنه يرتبط أيضًا بأخذ العينات بواسطة المستقبلات والمكونات العصبية اللاحقة. الانخفاض في الحساسية عند الترددات المكانية المنخفضة للغاية له تفسير آخر عصبي بحت (نوقش لاحقًا).

أظهرت دراسات الخصائص المكانية للمشاهد الطبيعية أن معظم المعلومات المرئية المهمة لا تكمن في التفاصيل الدقيقة ولكن في المقاييس الأكثر خشونة. يتناقص طيف الاتساع لمعظم المشاهد الطبيعية مع زيادة التردد المكاني بحوالي 1 / f. وبالتالي ، فإن معظم المعلومات تكون بترددات مكانية متوسطة إلى منخفضة ، والحصول على معلومات حول محتوى التردد المكاني المنخفض للصورة هو بلا شك أكثر أهمية في معظم الظروف من اكتشاف أعلى ترددات مكانية. هذا أمر محظوظ لأن عنق الزجاجة في العصب البصري لن يسمح للعدد الهائل من الألياف المطلوبة لنقل جميع المعلومات عالية التردد المكاني في أي حال.

أكثر من عينتين فقط لكل دورة من موجة جيبية لتردد معين ضرورية وكافية لحلها وجميع الترددات المنخفضة. وبالتالي ، إذا مرت بصريات العين حتى 60 درجة مئوية / درجة ، فإن أخذ العينات بمقدار 120 مستقبلًا / درجة يجب أن يلتقط جميع المعلومات الموجودة في صورة الشبكية. هذا في الواقع هو تقريبًا تباعد الأقماع في مركز النقرة البشرية ، foveola ، حيث تكون الأقماع رفيعة جدًا ومكتظة ببعضها البعض. علاوة على ذلك ، هناك مزايا في الحصول على عينة عصبية مماثلة ، لا أفضل ولا أسوأ ، أعلى الترددات التي تمر بها البصريات. وبالتالي ، فإن بصريات أعيننا مطابقة تقريبًا على النحو الأمثل لكثافة الأقماع في النقرة.

خارج وسط 20-30 من foveola ، تصبح المخاريط أكبر بشكل متزايد ومتباعدة على نطاق واسع. بالقرب من حافة النقرة ، تبدأ القضبان في الظهور متناثرة بين المخاريط ، وتحيط بكل مخروط بمقدار 2 درجة من قضبان المركز ، مما يفصل بينها. مع زيادة الانحراف ، هناك أيضًا تقارب متزايد للمخاريط مع العناصر العصبية اللاحقة ، مع فقدان المزيد من الرؤية التفصيلية. أعلى الترددات المكانية التي يمكن للنظام حلها ضوئيًا (عندما تكون المخاريط فقط تعمل) يجب أن تنخفض مع زيادة انحراف الشبكية ، ولكن يتم التقاط معلومات التردد المكاني المنخفض حتى إلى الأطراف البعيدة. هذا النظام لاكتساب معلومات التردد المكاني العالي فقط ضمن منطقة محدودة للغاية من الصورة يعمل فقط لأننا نستطيع تحريك أعيننا وتفحص أي جزء مرغوب فيه من العالم المرئي بمزيد من التفصيل. الحيوانات ذات العيون الأقل قدرة على الحركة لديها منظمة مختلفة تمامًا.

تكون القضبان صغيرة مثل المخاريط النقية ومعبأة بكثافة بين الأقماع حتى تتمكن من أخذ عينات من الصورة بدقة عالية. ومع ذلك ، فإن حدتنا في ظل ظروف scotopic (مستويات الإضاءة الخافتة عندما تكون القضبان فقط تعمل) ضعيفة للغاية ، مع حساسية التباين التي تقطع عند أقل من 10 درجة مئوية / درجة. في هذه الحالة (وكذلك بدرجة أقل للمخاريط الموجودة في الأطراف البعيدة) ، من الواضح أن وحدة أخذ العينات الفعالة ليست المستقبلات ولكن العناصر العصبية اللاحقة. تدعم الملاحظات التشريحية هذا الأمر ، حيث تُظهر تقاربًا كبيرًا للقضبان على قضيب ثنائي الأضلاع وقضيب ثنائي الأضلاع على الخلايا العقدية. إذن ، ستغطي "عينتان" متجاورتان من الصورة مساحة تحتوي على عشرات إلى مئات من القضبان ، وليس واحدة فقط ، وسيتم فصلها بقطر عشرات أو مئات من القضبان.


مقدمة

تشير الأدلة السلوكية والفيزيولوجية الكهربية الحديثة إلى أنه على الرغم من تجربتنا البصرية السلسة ، يتم تحسين المعلومات المرئية الواردة بشكل دوري للتحليل في النظام المرئي (VanRullen، 2016a VanRullen، 2016b Zoefel and VanRullen، 2017). يُقترح أن تنتج آلية أخذ العينات الدورية هذه عن تخصيص الانتباه البصري (Busch and VanRullen، 2010 Dugué et al.، 2016 Dugué and VanRullen، 2017a VanRullen et al.، 2007 Zoefel and VanRullen، 2017) ، حيث تتناوب النوافذ العالية والموارد منخفضة الانتباه تعمل على تجميع المعلومات المرئية الواردة ، على غرار الإطارات المتسلسلة التي تلتقط الفيلم داخل كاميرا فيديو (Chakravarthi and Vanrullen، 2012 Vanrullen and Dubois، 2011). ما إذا تم تقديم المنبهات في المرحلة المناسبة (Busch et al. ، 2009 Mathewson et al. ، 2009 VanRullen et al. ، 2007) أو الموقع (Dugué et al.، 2015 Dugué et al.، 2016 Dugué and Vanrullen، 2014 Dugué and VanRullen، 2017a Dugué et al.، 2017b Huang et al.، 2015 Landau and Fries، 2012 Song et al.، 2014) لقد ثبت أن آلية أخذ العينات هذه تعدل الاكتشاف الدقيق للمحفز البصري ، في تناقض صارخ مع تجربتنا من بيئة بصرية متواصلة.

حتى الآن ، ينبع الدليل العصبي الأساسي للبوابة الإيقاعية للمعالجة البصرية من اعتماد الكشف عن الهدف على مرحلة ما قبل الهدف من التذبذبات العصبية عند حوالي 7-8 هرتز (Busch et al.، 2009 Busch and VanRullen، 2010). قد تنتج هذه التقلبات العفوية في الاكتشاف عن تخصيص الانتباه البصري نحو موقع واحد (Busch and VanRullen، 2010 Dugué et al.، 2015 Spaak et al.، 2014 VanRullen، 2016b Zoefel and VanRullen، 2017) ، ودعم الافتراض بأن دورات الإثارة العصبية البوابة وتصفية المعلومات الواردة لمزيد من المعالجة (Schroeder and Lakatos، 2009 VanRullen، 2013 Zoefel and VanRullen، 2017).

هذه البوابة الدورية للإدراك البصري هي أيضًا سلوكًا بارزًا في المسار الزمني لدقة الكشف. تكشف التحليلات الطيفية المطبقة على المقاييس السلوكية عالية الدقة الزمنية عن تعديلات 7-8 هرتز في الأداء بعد الإشارات لإعادة توجيه الانتباه (Fiebelkorn et al. ، 2013) ، والتي تتباطأ نسبيًا عند تقسيم الانتباه بين موقعين أو أكثر (على سبيل المثال Chen et al. ، 2017 Holcombe and Chen، 2013 Huang et al.، 2015 Landau and Fries، 2012 Landau et al.، 2015 VanRullen، 2013). على سبيل المثال ، لاحظ لانداو وفريز ، 2012 أنه بعد تلميح لإعادة توجيه الانتباه إلى نصف الحقل البصري الأيمن أو الأيسر ، يتأرجح اكتشاف الهدف بإيقاع طور مضاد 4 هرتز اعتمادًا على ما إذا كانت الإشارات متطابقة أو غير متوافقة مع الموقع المستهدف. بشكل حاسم ، استمرت عملية أخذ عينات المعلومات المرئية هذه في الطور المضاد

4 هرتز عندما تم توجيه الانتباه إلى موقعين على كائن واحد (Fiebelkorn et al. ، 2013) ، وعندما كانت إشارات إعادة توجيه الانتباه غير متوافقة مع الموقع المستهدف - تتطلب تحولًا لاحقًا في تخصيص الانتباه إلى موقع ثان (Huang et آل ، 2015). أدت هذه التقلبات المتتالية في اكتشاف الهدف وأخذ عينات الطور المضاد بين المواقع إلى اقتراح أن

هنا ، اختبرنا ما إذا كان أخذ العينات الإيقاعي يلعب دورًا أثناء التنافس ثنائي العينين. أثناء التنافس بين العينين ، يتم تقديم صور غير متوافقة لكل عين مما ينتج عنه تناوب إدراكي عشوائي ، مع رؤية صورة واحدة في كل مرة بينما يتم قمع الأخرى (Alais، 2012 Alais and Blake، 2005 Maier et al.، 2012). في تجربة مصممة للحث أو تأخير هذه التحولات باستخدام الإشارات السمعية واللمسية ، وجدنا أن التغييرات في الوعي كانت تحدث بشكل إيقاعي بعد إعادة توجيه الانتباه. حدثت هذه التقلبات اعتمادًا على ما إذا كان التلميح عبر الوسائط يوجه الانتباه إلى الصورة المرئية السائدة أو المكبوتة ، مما أدى إلى

تذبذبات 3.5 هرتز ، على التوالي. بشكل حاسم ، لوحظت هذه الإيقاعات في كل من السلوك والتخطيط الكهربائي للدماغ (EEG) ، وكانت غائبة عندما لم تكن الإشارات ذات صلة بالمهمة. يشير هذا التقريب إلى النصف للتردد إلى أنه عندما يكون الإدخال غير المرئي غير متسق مع الإدراك البصري المستمر ، فإن أخذ العينات المتعمد يمكن أن يبتعد بمرونة عن الصورة المدركة بوعي ، على ما يبدو "البحث عن" معلومات حسية بديلة لحل التعارض.


مناقشة

باختصار ، هذه أول دراسة طولية للرنين المغناطيسي الوظيفي توضح أن خصوصية الشبكة الوظيفية تتغير عبر فترة المراهقة. تظهر البيانات أن دائرة WM تصبح متخصصة بشكل متزايد مع تقدم العمر. في وقت سابق في مرحلة المراهقة ، قام المشاركون بتجنيد كل من PFC الوحشي والحصين أثناء مهمة WM ، لكنهم لم يقوموا بتجنيد الحُصين بعد 3 سنوات أثناء أداء نفس المهمة. علاوة على ذلك ، في حين أن نشاط PFC ونشاط الحصين مرتبطان بغض النظر عن حمل WM وسلوكه خلال فترة المراهقة المبكرة ، يتم ملاحظة هذه الارتباطات فقط أثناء الأحمال العالية للذاكرة بعد 3 سنوات ، وهو الوقت الذي يكون خلاله PFC أيضًا تنبئيًا للسلوك.

تساعد بياناتنا في فهم عدم التطابق في الأدبيات المتعلقة بتطوير WM خلال فترة المراهقة. من الناحية السلوكية ، تظهر عمليات الصيانة الأساسية لإدارة المستودعات الحد الأدنى من التغييرات خلال هذه الفترة الزمنية (Luciana and Nelson، 1998 Gathercole، 1999 Cowan et al.، 2003 Luna et al.، 2004 Davidson et al.، 2006) ، لكن مجموعة كبيرة من الأدلة تظهر ذلك الركيزة العصبية الأولية لـ WM - PFC - تخضع لتغييرات هيكلية ووظيفية كبيرة خلال نفس الوقت (Sowell et al.، 2004 Lenroot and Giedd، 2006 Thomason et al.، 2009). من خلال دراسة التوظيف الوظيفي والاتصال بالشبكة ، أظهرنا أن المراهقين الأصغر سنًا يجندون منطقة إضافية ، الحصين ، أثناء وظيفة WM. يمكن أن يدعم هذا التوظيف وظيفة WM بحيث لا يتم ملاحظة أي اختلافات سلوكية. ستكون دراسات إضافية ضرورية لتحديد ما إذا كان التوظيف المبكر للحصين هو تعويضي أو بسبب الاختلافات التطورية الطبيعية في مسار النضج القشري.

ومن المثير للاهتمام ، اقترح باحثون سابقون أن التطوير المطول لـ PFC قد يكون في الواقع فائدة ، وليس عائقًا ، للأطفال الذين يُفترض أن قدرات PFC المتقدمة تتداخل مع الاحتمالات ، والاتفاقيات ، والتعلم المحاكى ، وأشكال التعلم حيث ثبت أن الأطفال يتفوقون على البالغين. (رامسكار وجيتشو ، 2007 Thompson-Schill et al. ، 2009). هنا ، نقوم بتوسيع هذه الصيغ النظرية السابقة من خلال إظهار أن الحُصين يشارك في الأفراد الأصغر سنًا أثناء أداء مهمة WM التي لا تُشرك الحُصين لدى الأفراد الأكبر سنًا (انظر أيضًا Chatham et al. ، 2009). نظرًا لأن الأفراد الأصغر سنًا يبدو أنهم يجندون الحُصين في ظروف لا يفعلها البالغون ، فقد يقومون أيضًا بربط المعلومات وتوحيدها وتخزينها واستردادها في مواقف أكثر من البالغين. وبالتالي ، فإننا نقترح أن مشاركة الحصين هذه في شبكة WM الأوسع - وليس فقط تأخر نضج PFC - قد تكون في الواقع جزءًا مهمًا من اختلافات تعلم الأطفال. الاختلافات النوعية في الشبكات التي يستخدمها الأفراد الأصغر سنًا لتحقيق الجوانب الأساسية للإدراك مثل WM لذلك تبشر بمساعدتنا على فهم اختلافات التعلم المرتبطة بالعمر التي نلاحظها في الطبيعة.


أنواع أخذ العينات: طرق أخذ العينات مع الأمثلة

أخذ العينات هو أسلوب لاختيار أعضاء فرديين أو مجموعة فرعية من السكان لعمل استنتاجات إحصائية منهم وتقدير خصائص المجتمع بأكمله. يستخدم الباحثون طرقًا مختلفة لأخذ العينات على نطاق واسع في أبحاث السوق بحيث لا يحتاجون إلى البحث في جميع السكان لتجميع رؤى قابلة للتنفيذ.

إنها أيضًا طريقة ملائمة للوقت وفعالة من حيث التكلفة ، وبالتالي فهي تشكل أساس أي تصميم بحثي. يمكن استخدام تقنيات أخذ العينات في برنامج مسح بحثي للحصول على أفضل اشتقاق.

على سبيل المثال، إذا كانت الشركة المصنعة للأدوية ترغب في إجراء بحث عن الآثار الجانبية الضارة لعقار ما على سكان البلد ، فمن المستحيل تقريبًا إجراء دراسة بحثية تشمل الجميع. في هذه الحالة ، يقرر الباحث عينة من الأشخاص من كل فئة ديموغرافية ثم يقوم بالبحث عنها ، ويعطيها / لها ملاحظات إرشادية حول سلوك الدواء & # 8217s.

أنواع أخذ العينات: طرق أخذ العينات

أخذ العينات في أبحاث السوق هو من نوعين & # 8211 أخذ العينات الاحتمالية وأخذ العينات غير الاحتمالية. & # 8217s نلقي نظرة فاحصة على هاتين الطريقتين لأخذ العينات.

  1. أخذ العينات المحتملة:أخذ العينات الاحتمالية هو أسلوب أخذ العينات حيث يحدد الباحث مجموعة مختارة من بعض المعايير ويختار أعضاء من السكان بشكل عشوائي. يتمتع جميع الأعضاء بفرصة متساوية ليكونوا جزءًا من العينة باستخدام معلمة الاختيار هذه.
  2. أخذ العينات غير الاحتمالية: في أخذ العينات غير الاحتمالية ، يختار الباحث أعضاء للبحث بشكل عشوائي. طريقة أخذ العينات هذه ليست عملية اختيار ثابتة أو محددة مسبقًا. هذا يجعل من الصعب على جميع عناصر السكان الحصول على فرص متكافئة ليتم تضمينها في العينة.

في هذه المدونة ، نناقش مختلف طرق أخذ العينات الاحتمالية وغير الاحتمالية التي يمكنك تنفيذها في أي دراسة بحثية للسوق.

أنواع أخذ العينات الاحتمالية مع الأمثلة:

أخذ العينات الاحتمالية هو أسلوب لأخذ العينات يختار فيه الباحثون عينات من عدد أكبر من السكان باستخدام طريقة تعتمد على نظرية الاحتمال. تأخذ طريقة أخذ العينات هذه بعين الاعتبار كل فرد من السكان وتشكل عينات بناءً على عملية ثابتة.

على سبيل المثال، في عدد سكان يبلغ 1000 عضو ، سيكون لكل عضو فرصة 1/1000 ليتم اختياره ليكون جزءًا من عينة. أخذ العينات الاحتمالية يزيل التحيز في السكان ويمنح جميع الأعضاء فرصة عادلة ليتم تضمينهم في العينة.

هناك أربعة أنواع من تقنيات أخذ العينات الاحتمالية:

  • عينة عشوائية بسيطة: واحدة من أفضل تقنيات أخذ العينات الاحتمالية التي تساعد في توفير الوقت والموارد ، هي طريقة أخذ العينات العشوائية البسيطة. إنها طريقة موثوقة للحصول على المعلومات حيث يتم اختيار كل فرد من السكان بشكل عشوائي ، عن طريق الصدفة فقط. كل فرد لديه نفس احتمالية أن يتم اختياره ليكون جزءًا من عينة.
    على سبيل المثال ، في مؤسسة مكونة من 500 موظف ، إذا قرر فريق الموارد البشرية إجراء أنشطة بناء الفريق ، فمن المحتمل جدًا أنهم يفضلون انتقاء القطع من الوعاء. في هذه الحالة ، يتمتع كل موظف من 500 موظف بفرصة متساوية في الاختيار.
  • أخذ العينات العنقودية:أخذ العينات العنقودية هو طريقة يقوم فيها الباحثون بتقسيم السكان بالكامل إلى أقسام أو مجموعات تمثل مجموعة سكانية. يتم تحديد المجموعات وتضمينها في عينة بناءً على المعايير الديموغرافية مثل العمر والجنس والموقع وما إلى ذلك. وهذا يجعل من السهل جدًا على منشئ الاستقصاء استخلاص استنتاج فعال من التعليقات.
    على سبيل المثال ، إذا كانت حكومة الولايات المتحدة ترغب في تقييم عدد المهاجرين الذين يعيشون في البر الرئيسي للولايات المتحدة ، فيمكنهم تقسيمهم إلى مجموعات على أساس ولايات مثل كاليفورنيا وتكساس وفلوريدا وماساتشوستس وكولورادو وهاواي ، وما إلى ذلك. سيكون المسح أكثر فاعلية حيث سيتم تنظيم النتائج في الولايات وتوفير بيانات الهجرة الثاقبة.
  • أخذ العينات المنتظم: يستخدم الباحثون طريقة أخذ العينات المنتظمة لاختيار أفراد عينة من السكان على فترات منتظمة. يتطلب اختيار نقطة بداية للعينة وحجم العينة التي يمكن تكرارها على فترات منتظمة. هذا النوع من طرق أخذ العينات له نطاق محدد مسبقًا ، وبالتالي فإن تقنية أخذ العينات هذه هي الأقل استهلاكا للوقت.
    على سبيل المثال ، يعتزم الباحث جمع عينة منهجية من 500 شخص من عدد سكان يبلغ 5000. وهو / هي يقوم بترقيم كل عنصر من السكان من 1-5000 وسيختار كل عاشر فرد ليكون جزءًا من العينة (إجمالي عدد السكان / حجم العينة = 5000/500 = 10).
  • اخذ عينة عشوائية:أخذ العينات العشوائية الطبقية هو طريقة يقسم فيها الباحث السكان إلى مجموعات أصغر لا تتداخل مع & # 8217t ولكنها تمثل جميع السكان. أثناء أخذ العينات ، يمكن تنظيم هذه المجموعات ثم سحب عينة من كل مجموعة على حدة.
    على سبيل المثال ، الباحث الذي يتطلع إلى تحليل خصائص الأشخاص الذين ينتمون إلى أقسام الدخل السنوي المختلفة سيخلق طبقات (مجموعات) وفقًا لدخل الأسرة السنوي. على سبيل المثال - أقل من 20.000 دولار ، 21.000 دولار - 30.000 دولار ، 31.000 دولار إلى 40.000 دولار ، 41.000 دولار إلى 50.000 دولار ، إلخ. من خلال القيام بذلك ، يستنتج الباحث خصائص الأشخاص الذين ينتمون إلى مجموعات دخل مختلفة. يمكن للمسوقين تحليل مجموعات الدخل التي يجب استهدافها وتلك التي يجب التخلص منها لإنشاء خارطة طريق من شأنها أن تؤدي إلى نتائج مثمرة.

استخدامات احتمالية أخذ العينات

هناك استخدامات متعددة لأخذ العينات الاحتمالية:

  • تقليل تحيز العينة: باستخدام طريقة أخذ العينات الاحتمالية ، يكون التحيز في العينة المشتقة من السكان ضئيلًا إلى غير موجود. يصور اختيار العينة بشكل أساسي فهم واستدلال الباحث. يؤدي أخذ العينات الاحتمالية إلى جمع بيانات عالية الجودة حيث تمثل العينة السكان بشكل مناسب.
  • التنوع السكاني: عندما يكون عدد السكان كبيرًا ومتنوعًا ، من الضروري أن يكون لديك تمثيل كافٍ حتى لا تنحرف البيانات نحو ديموغرافية واحدة. على سبيل المثال ، إذا كانت Square ترغب في فهم الأشخاص الذين يمكنهم صنع أجهزة نقاط البيع الخاصة بهم ، فإن استطلاعًا تم إجراؤه من عينة من الأشخاص في جميع أنحاء الولايات المتحدة من مختلف الصناعات والخلفيات الاجتماعية والاقتصادية يساعد في ذلك.
  • قم بإنشاء نموذج دقيق: يساعد أخذ العينات الاحتمالية الباحثين على التخطيط وإنشاء عينة دقيقة. يساعد هذا في الحصول على بيانات محددة جيدًا.

أنواع أخذ العينات غير الاحتمالية مع الأمثلة

الطريقة غير الاحتمالية هي طريقة أخذ العينات التي تتضمن مجموعة من الملاحظات بناءً على قدرات اختيار عينة الباحث أو الإحصائي وليس على عملية اختيار ثابتة. في معظم الحالات ، يؤدي ناتج الاستطلاع الذي يتم إجراؤه باستخدام عينة غير محتملة إلى نتائج منحرفة ، والتي قد لا تمثل السكان المستهدفين المطلوبين. ولكن ، هناك حالات مثل المراحل الأولية للبحث أو قيود التكلفة لإجراء البحث ، حيث سيكون أخذ العينات غير الاحتمالية أكثر فائدة من النوع الآخر.

تشرح أربعة أنواع من أخذ العينات غير الاحتمالية الغرض من طريقة أخذ العينات هذه بطريقة أفضل:

  • أخذ العينات الملائمة: تعتمد هذه الطريقة على سهولة الوصول إلى مواضيع مثل استطلاع آراء العملاء في مركز تجاري أو المارة في شارع مزدحم. يُطلق عليه عادةً أخذ العينات الملائمة ، نظرًا لسهولة الباحث & # 8217s في تنفيذه والتواصل مع الموضوعات. لا يمتلك الباحثون أي سلطة تقريبًا لاختيار عناصر العينة ، ويتم القيام بذلك على أساس القرب وليس التمثيل. تُستخدم طريقة أخذ العينات غير الاحتمالية هذه عندما يكون هناك قيود زمنية وتكلفة في جمع التعليقات. في الحالات التي توجد فيها قيود على الموارد مثل المراحل الأولية للبحث ، يتم استخدام أخذ العينات الملائمة.
    على سبيل المثال ، عادةً ما تقوم الشركات الناشئة والمنظمات غير الحكومية بأخذ عينات مناسبة في مركز تجاري لتوزيع منشورات عن الأحداث القادمة أو الترويج لقضية ما - يفعلون ذلك بالوقوف عند مدخل المركز التجاري وتوزيع الكتيبات بشكل عشوائي.
  • أخذ العينات الحكمية أو الهادفة:يتم تشكيل العينات الحكمية أو الهادفة حسب تقدير الباحث. ينظر الباحثون بحتة في الغرض من الدراسة ، إلى جانب فهم الجمهور المستهدف. على سبيل المثال ، عندما يريد الباحثون فهم عملية تفكير الأشخاص المهتمين بالدراسة للحصول على درجة الماجستير # 8217s. ستكون معايير الاختيار: & # 8220 هل أنت مهتم بالحصول على درجة الماجستير في…؟ & # 8221 ويتم استبعاد أولئك الذين يجيبون بـ & # 8220No & # 8221 من العينة.
  • أخذ العينات كرة الثلج:أخذ عينات كرة الثلج هو طريقة أخذ العينات التي يطبقها الباحثون عندما يصعب تتبع الموضوعات. على سبيل المثال ، سيكون من الصعب للغاية إجراء مسح للأشخاص الذين لا مأوى لهم أو المهاجرين غير الشرعيين. في مثل هذه الحالات ، باستخدام نظرية كرة الثلج ، يمكن للباحثين تتبع بعض الفئات لإجراء المقابلات واستخلاص النتائج. يقوم الباحثون أيضًا بتطبيق طريقة أخذ العينات هذه في المواقف التي يكون فيها الموضوع شديد الحساسية ولا تتم مناقشته علانية - على سبيل المثال ، الاستطلاعات لجمع المعلومات حول الإيدز. لن يرد الكثير من الضحايا بسهولة على الأسئلة. ومع ذلك ، يمكن للباحثين الاتصال بأشخاص قد يعرفونهم أو متطوعين مرتبطين بالقضية للتواصل مع الضحايا وجمع المعلومات.
  • أخذ العينات الحصص: في أخذ عينات الحصص ، يتم اختيار الأعضاء في تقنية أخذ العينات هذه بناءً على معيار محدد مسبقًا. في هذه الحالة ، نظرًا لتكوين العينة بناءً على سمات محددة ، فإن العينة التي تم إنشاؤها سيكون لها نفس الصفات الموجودة في إجمالي السكان. إنها طريقة سريعة لجمع العينات.

استخدامات أخذ العينات غير الاحتمالية

يتم استخدام أخذ العينات غير الاحتمالية لما يلي:

  • قم بإنشاء فرضية: يستخدم الباحثون طريقة أخذ العينات غير الاحتمالية لإنشاء افتراض عندما يقتصر على عدم توفر معلومات مسبقة. تساعد هذه الطريقة في العودة الفورية للبيانات وتبني قاعدة لمزيد من البحث.
  • البحث الاستكشافي: يستخدم الباحثون تقنية أخذ العينات هذه على نطاق واسع عند إجراء بحث نوعي أو دراسات تجريبية أو بحث استكشافي.
  • قيود الميزانية والوقت: الطريقة غير الاحتمالية عند وجود قيود الميزانية والوقت ، ويجب جمع بعض البيانات الأولية. نظرًا لأن تصميم الاستبيان ليس صارمًا ، فمن الأسهل اختيار المستجيبين عشوائيًا وجعلهم يأخذون الاستبيان أو الاستبيان.

كيف تقرر نوع أخذ العينات المراد استخدامه؟

لأي بحث ، من الضروري اختيار طريقة أخذ العينات بدقة لتحقيق أهداف دراستك. تعتمد فعالية أخذ العينات على عوامل مختلفة. فيما يلي بعض الخطوات التي يتبعها الباحثون الخبراء لتحديد أفضل طريقة لأخذ العينات.

  • قم بتدوين أهداف البحث. بشكل عام ، يجب أن يكون مزيجًا من التكلفة أو الدقة أو الدقة.
  • تحديد تقنيات أخذ العينات الفعالة التي قد تحقق أهداف البحث.
  • اختبر كل طريقة من هذه الطرق وافحص ما إذا كانت تساعد في تحقيق هدفك.
  • حدد الطريقة الأفضل للبحث.

الفرق بين طرق أخذ العينات الاحتمالية وأخذ العينات غير الاحتمالية

لقد نظرنا في الأنواع المختلفة لطرق أخذ العينات أعلاه وأنواعها الفرعية. لتلخيص المناقشة بأكملها ، على الرغم من ذلك ، فإن الاختلافات المهمة بين طرق أخذ العينات الاحتمالية وطرق أخذ العينات غير الاحتمالية هي على النحو التالي:


2. نموذج احتمالي للتنافس بين العينين

نقطة البداية لدينا هي نموذج توليدي احتمالي لصور شبكية العين التي تمثل افتراضات الدماغ حول كيفية إنشاء مدخلاته الحسية (انظر الشكل 1). من الناحية الرسمية ، يعد هذا النموذج متغيرًا من حقل ماركوف العشوائي (MRF) ، وهو أحد أكثر الأشكال القياسية للنماذج الرسومية الاحتمالية المستخدمة في رؤية الكمبيوتر (Geman & amp Geman ، 1984). في الملحق ، نصف هذا النموذج رياضيًا ، لكننا هنا نركز على البديهيات الأساسية وراء هذا النموذج. يفترض النموذج مجموعتين من المتغيرات الكامنة: مشهد كامن وعملية خارجية خاصة بالعين تتحكم فيما إذا كانت رقعة معينة من شبكية العين تراقب المشهد الكامن. الهدف من النظام البصري هو استنتاج الصورة الأساسية بالنظر إلى مدخلات الشبكية المرصودة.

نحن نمثل المشهد الكامن والصورتين الشبكيتين كمصفوفات من قيم النصوع (على سبيل المثال ، صورة 32 × 32 بكسل رمادي) ، بينما يتم تمثيل العمليات الخارجية كمصفوفات ثنائية من نفس الحجم. قيم النصوع لوحدات البكسل في كل عين هي الإضاءة المضطربة للضوضاء لوحدات البكسل المقابلة في المشهد. ومع ذلك ، إذا تم اعتبار البكسل من إحدى العينين خارجًا ، فإن النصوع عند هذا البكسل لا معنى له ولا يحتوي على معلومات فيما يتعلق بالمشهد. كما نناقش أدناه ، فإن تمثيل المشهد هذا مبسط للغاية ، لكنه مناسب لهدفنا المتمثل في دراسة ديناميات الاستدلال في الإدراك متعدد الوجوه بدلاً من إدراك المشهد في حد ذاته.

تسمح هذه العملية الخارجية بإمكانية أن إشارة شبكية العين لا تتوافق مع المشهد على الإطلاق في بعض الأحيان - على سبيل المثال ، إذا حجب المُغلِق جزءًا من مجال رؤية عين واحدة (Shimojo & amp Nakayama ، 1990) أو إذا كان جزءًا من القرنية أو تلف شبكية عين واحدة. وبالتالي ، فإن العملية الخارجية تلتقط فكرة أنه إذا كان ، لأحد هذه الأسباب ، جزء من صورة شبكية العين لا يتوافق مع المشهد ، فيجب ببساطة تجاهله (قمعه). يسمح هذا الجانب من نموذجنا للصورتين الشبكيتين بالتنافس في التنافس على التمثيل في المشهد المستنتج: إذا شاهدت العينان صورًا متضاربة ، فيجب ألا تمثل واحدة منها على الأقل المشهد الفعلي الموجود في العالم.

المعقولية النفسية والعصبية للعملية الخارجية مدفوعة بالأدلة على أن القمع أثناء التنافس بين العينين مصحوب بفقدان عام في الحساسية البصرية (بليك ، 2001). على سبيل المثال ، أداء الكشف عن الهدف أقل (Wales & amp Fox، 1970 Fukuda، 1981) وأوقات رد الفعل أطول (Fox & amp Check، 1968 O'Shea، 1987) لمحفزات المسبار المقدمة للعين المكبوتة مقارنة بمحفزات المسبار المقدمة إلى العين المهيمنة. علاوة على ذلك ، أظهرت التسجيلات أحادية الوحدة (Leopold & amp Logothetis ، 1996) والتصوير بالرنين المغناطيسي الوظيفي (fMRI) (Polonsky، Blake، Braun، & amp Heeger، 2000) تثبيط الاستجابات في القشرة البصرية الأولية خلال فترات الكبت. تشير هذه النتائج إلى أن النظام البصري لا يشارك فقط في استنتاج الأسباب الكامنة لمدخلاته الحسية ، ولكن أيضًا في استنتاج موثوقية أجهزة القياس الخاصة به.

بشكل حاسم ، هذه العملية الخارجية سلسة من الناحية المكانية ، لذلك من المرجح أن يكون للبكسلتين المتجاورتين نفس الحالة الخارجية. يتوافق هذا مع فكرة أنه إذا كان جزء معين من شبكية العين لا يتلقى إشارة تتوافق مع المشهد ، فمن غير المحتمل أيضًا أن يمثل جيرانه المشهد ، نظرًا لأن الانسداد أو الضمور البقعي أو التهاب الشبكية الصباغي أو إعتام عدسة العين أو أي شيء آخر يعطل المجال العرض بطريقة سلسة من الناحية المكانية.

حتى الآن ، وصفنا نموذجًا رسوميًا احتماليًا مصممًا لاستنتاج قيمة النصوع لكل بكسل في مشهد كامن ثنائي الأبعاد أساسي بشكل مستقل. ومع ذلك ، فإن النظام المرئي له هدف أكثر طموحًا: استنتاج مشهد كامن كامل ومتماسك لغويًا وثلاثي الأبعاد. سيشمل النموذج التوليدي الكامل للمشاهد التي يعتبرها النظام البصري العديد من القيود المعقدة والافتراضات غير المفهومة بشكل كامل لتطوير مثل هذا النموذج سيكون من الصعب القيام به بدون حساب كامل للرؤية البشرية والإدراك البصري. بدلاً من ذلك ، كبديل لمثل هذا النموذج الغني ، نفترض تمثيلًا مشابهًا للصورة بقيم النصوع التي تتوافق مع مجموعة من قيم النصوع للصور الحقيقية التي تشتمل على التحفيز وأن الدرجة التي تتوافق بها وحدات البكسل مع حافز واحد أو آخر سلس مكانيًا. هذه "الصورة الكامنة" السابقة هي طريقة بسيطة لتشفير فكرة الترابط الدلالي المنظم مكانيًا في المشهد الكامن المستنتج.

على وجه التحديد ، نحن نقترب من مساحة فرضية غنية للصور الكامنة دون الحاجة إلى تحديد توزيع كامل على الصور الطبيعية ، بافتراض أن كل بكسل مشهد كامن سن عبارة عن مزيج خطي من وحدات البكسل للصور الحقيقية المقابلة (× إل ن و x R ن) في الحافز: سن = ثن× إل ن + (1 − ثن)x R ن، أين ثن يمكن نظريًا أن يمتد على الخط الحقيقي بأكمله ويفترض أن يكون سلسًا من الناحية المكانية. يمكن فهم هذا على أنه تقريب "تجريبي" للتوزيع على الصور الطبيعية ، باستخدام تركيبات خطية فقط من الصور المرصودة. في الممارسة العملية ، سيعمل هذا الاستدلال تقريبًا أيضًا ، حيث سيتركز التوزيع الخلفي بقوة حول الصورتين الشبكيتين.