Pszichológia Doktori Iskola (Kognitív tudományok)

BME TTK, Kognitív Tudományi Tanszék

Témavezető: Dr. Winkler István

Egyéni különbségek többértelmű hangsorok észlelésében

A kutatási téma néhány soros bemutatása

A különféle két- vagy többértelmű észlelési helyzeteket vagy más néven illúziókat az észlelés kutatásának kezdeteitől használják az észlelőrendszer megismerése érdekében. Ezeknek a helyzeteknek nincs egy olyan megoldásuk, amelyet az észlelőrendszer el tud fogadni valódinak, ezért folyamatosan vált a lehetséges értelmezések, mintázatok között. Az észlelőrendszer efféle hiányosságait megismerve pedig többet tudhatunk meg a normális észlelésről is. A tudatos észlelési élmény egy ilyen helyzetben  elsősorban az észlelő saját idegrendszerének sajátosságaitól függ, ezért ezeket a jelenségeket felhasználva az egyének közti különbségekről több információt lehet szerezni. Ez utóbbira fókuszálva kutatásomban egy hallási többértelműséget, a pszichológiában használatos teszteket és idegtudományi eljárásokat felhasználva szeretném minél inkább megismerni az egyének közötti különbségek észleléssel kapcsolatos dimenzióit.

 

A kutatóhely rövid bemutatása

Kutatásaimat Prof. Dr. Winkler István témavezetése mellett, az MTA TTK Kognitív Idegtudományi és Pszichológiai Intézetében végzem. Kutatócsoportunk egyik fő profilja a hallás kutatása megismerés- és idegtudományi módszerekkel. A kutatásomat a Lendület pályázat keretében folytatom, melynek célkitűzése a hallási jelenetelemzés pszichológiájának mélyebb megismerésre.

 

A kutatás történetének, tágabb kontextusának bemutatása

A két- vagy többértelmű észlelés olyan jelenségeket ír le, amikor a tudatos észlelés véletlenszerűen vált az egyébként változatlan külső inger lehetséges értelmezései között (lásd Schwartz és munkatársai, 2012). Az egyik talán legismertebb kétértelmű észlelési helyzet a nyúl-kacsa illúzió (1. kép), ahol az észlelő nyúlnak és kacsának is láthatja a képet, valamint ingadozik a két lehetséges értelmezés között. A két- és többértelmű észlelés kutatásában már régóta tisztában voltak azzal (Aafjes és munkatársai, 1966), hogy az egyének között nagy különbségek találhatóak az értelmezések közötti váltások számában. Más szavakkal vannak olyanok, akik többet váltanak, mások pedig kevesebbet.

 

1.  

2. 1. kép – Példa egy látási kétértelműségre: A nyúl-kacsa illúzió (1892)

 

Denham és munkatársai (2014) a váltásszámon túllépve az észlelők teljes váltási mintázatát jellemezték egy hallási többértelmű észlelési feladatot, az un. hallási láncrabomlás paradigmát használva. A résztvevők egy mély–magas–mély–szünet tagokból álló hangsort hallottak és folyamatosan jelezték, hogy a lehetséges észlelési mintázatok közül (2. kép) éppen melyiket hallják. A váltási mintázat ezen válaszok alapján azt az információt tartalmazza, hogy egy adott pillanatban mennyi a valószínűsége, hogy egy mintázatnál marad vagy egy másikra vált az hallórendszer. A váltásszámnál az észlelést gazdagabban leíró váltási mintázatot használva a szerzők azt találták, hogy a résztvevők a többiekhez képest egyéni, rájuk jellemző váltási mintázattal rendelkeznek. Az első mérést követően egy évvel később ugyanezek a résztvevők megtartották a váltási mintázatukat, tehát úgy tűnik, hogy ezek az egyéni különbségek időben stabilak maradnak.

 

2. kép: A hallási láncrabomlás paradigmában folyamatos bemutatás mellett a mély–magas–mély–szünet (ABA–) hangok esetén tapasztalható mintázatok és csoportjaik, narancssárgával kiemelve a domináns hangláncok

 

A kutatás célja, a megválaszolandó kérdések

A kutatásom végső célja, hogy feltérképezzem a váltási mintázatban megjelenő egyéni különbségek hátterét és ezáltal többet tudjunk meg az észlelésről és a személyiségről. Az első kérdéskör ezen belül az, hogy milyen egyéb pszichológiai konstruktumokkal állnak kapcsolatban a hallási láncrabomlásban tapasztalt egyéni különbségekkel. Ilyenek a végrehajtó funkciók,  úgymint a gátlás, a váltás és a munkamemória, amelyek a megismerési folyamatok irányításáért felelnek, továbbá milyen személyiségdimenziók állnak kapcsolatban ezekkel az egyéni különbségekkel. Mivel semmilyen előzetes információnk nincs ezzel kapcsolatban, ezért a nyitottságtól, barátságosságtól, impulzivitástól vagy a rugalmasságtól is függhetnek ezek a különbségek. A megjelenő viselkedés természetesen az agyi aktivitásból fakad, ezért a második nagyobb kérdéskör mindenképpen az, hogy az agyi aktivitás szintjén lehetséges-e találni olyan mutatót, ami megjósolja a többértelmű észlelés egyéni sajátosságait.

 

 

Módszerek

Az összes itt bemutatott saját vizsgálatban közös elem a hallási láncrabomlás paradigma alkalmazása. Ennek során a résztvevők először megtanulják, hogyan tudják az észlelési élményeiket a megfelelő gombnyomásokhoz kötni, majd a kísérletben folyamatosan jelezniük kell, hogy éppen melyik mintázatnak megfelelően hallják a hangokat. Az egyéni különbségeket négy darab négy perces blokkból szerzett adaton keresztül definiáljuk a váltási mintázatok segítségével (Farkas és munkatársai, bírálat alatt). Minden egyes személy jellemezhető egy váltási mintázattal. Az egyes résztvevők váltási mintázata között távolságot számolunk, amit egy kétdimenziós térben ábrázolunk. Ezeket a dimenziókat pedig olyan, un. közvetlenül megfigyelhető észlelési változók segítségével értelmezzük, mint az észlelési mintázatok átlagos hossza, egymáshoz viszonyított aránya, az átlagos váltásszám és az összes mintázat megtapasztalásához szükséges idő.

A végrehajtó funkcióhoz tartozó komponenseket egymástól független feladatokkal teszteljük, a személyiséget pedig kérdőívekkel. Ezek közül kiemelném az ego-rugalmasság skálát (Block, 2002; Farkas és Orosz, 2015), amely az egyén viselkedésének rugalmasságát méri. A magas ego-rugalmassággal rendelkező egyének rendelkeznek azokkal a képességekkel, amik képessé teszik őket a mindennapi problémák és események adaptív megoldására, valamint nagymértékű a világra való aktív nyitottság is jellemzi őket.

Az agyi aktivitás elvezetéséhez két módszert használunk. Az első az elektroenkefalogram (EEG), amellyel az agyi elektromos aktivitást a fejbőrre helyezett elektródák segítségével vezetjük el. A másik, talán kevésbé ismert és használt módszer a közel-infravörös spektroszkópia (Near-Infrared Spectroscopy, röviden NIRS). Ez a módszer azt a jelenséget használja ki, hogy a közel-infravörös tartományban lévő fény áthalad a biológiai szöveteken. Ezért van például, hogy ha egy elemlámpával átvilágítunk a kezünkön, akkor piros színű fény világítja át. A közel-infravörös tartományban az oxigént szállító, illetve oxigént nem szállító vörösvérsejtek eltérő módon verik vissza a fényt (3. kép). Így a fejre helyezett fényforrásokból világított fény visszaverődik a vérsejteken, amit a fejbőrre helyezett detektorokkal regisztrálunk (4. kép). Ebből ki lehet számolni  oxigenizált és nem oxigenizált vérsejtek koncentráció változásait az agykéreg felső részén. Egy agyterület aktivációja az oxigenizált vörösvérsejtek koncentrációjában emelkedést, a nem oxigenizált vörösvérsejtekében pedig csökkenést vált ki.

 

 

3. kép: A közel-infravörös tartományban (700–900 nanométeres hullámhossz) az oxigént szállító (HbO2, piros) és oxigént nem szállító (Hb, kék) vörösvérsejtek eltérő módon verik vissza a fényt.

 

 

 

4. kép: A forrás-detektor párok, ha túl közel helyezkednek el egymáshoz (ˆ„a” jelű távolság) csak a koponyából vesznek fel számunkra lényegtelen információt. Megfelelő távolság esetén (2–3 cm, „b”) a szóródás mértéke elfogadható, így az agykérgi vérkoncentráció változását nyomon lehet követni (Obrig és Villringer, 2003).

 

A NIRS adatokat elsősorban a funkcionális hálózatok elméleti keretében elemzem. A funkcionális hálózatok megmutatják az egyes agyi régiókon, vagy a NIRS esetében az egyes mérési csatornákon mért koncentrációváltozások időbeli együttjárása alapján a releváns központokat, valamint  azok kapcsolatrendszerét is (Bullmore és Sporns, 2009). A gráfelméletet segítségül hívva absztrakt matematikai reprezentációját hozom létre ezeknek a kapcsolatoknak. A gráfokat minden egyes résztvevőre kiszámolom a Minimális Feszítő Fa algoritmussal, ami nem hoz létre zárt alakzatokat a gráfon belül (5. kép). A gráfokat különböző mutatók mentén, mint például hierarchikusság vagy fokszám alapján  jellemzem (Stam és van Straaten, 2012). Ezeket az értékeket pedig fel lehet használni egy csoportszintű elemzésben is ahhoz, hogy azonosítani lehessen az egyének a hallási jelenetelemzés feladat alatt mért agyi aktivitásának jellegzetességeit, és így vizsgálni lehet az egyének közti különbségek lehetséges okait.

 

 

5. kép: Példa egyszerű gráfokra: a Minimális Feszítő Fa algoritmus a jobb oldalon látható, nem zárt gráfokat hoz létre

Eddigi eredmények

A témában két vizsgálatot végeztem. Az elsőben a hangsúly azokon a pszichológiai konstruktumokon volt, amelyek esetlegesen együtt járhatnak a váltási mintázatban megjelenő egyéni különbségekkel. A gátlás, a váltás és a munkamemória végrehajtó funkciók mellett több személyiség kérdőívet, köztük az ego-rugalmasság skálát, ezen felül pedig kreativitást is mértem. A résztvevők 87,5%-a rendelkezett egyéni váltási mintázattal. A résztvevők közti távolságot legerősebben magyarázó dimenziót Explorációnak neveztük el, ugyanis az egyik végpontján olyan egyének voltak, akik a legritkábban tapasztalt észlelési mintázatból többet, a leggyakoribból pedig kevesebbet hallottak, és többet váltottak az egyes mintázatok között, valamint az összes lehetséges mintázat megtapasztalásához szükséges idő is rövidebb volt náluk, mint azoknál, akik a dimenzió másik végpontján helyezkedtek el. A fent felsorolt pszichológiai konstruktumból mindössze az ego-rugalmasság mutatott stabil együttjárást az Exploráció dimenziójával, méghozzá úgy, hogy az ego-rugalmas egyének nagyobb mértékben voltak exploratívak is.

A második vizsgálatban a hangsúly az idegtudományi eljárásokon volt: mind EEG, mind pedig NIRS adatokat, valamint az ego-rugalmasságot mértem a kísérlet során. Ebben a kísérletben a résztvevők 85,29% rendelkezett egyéni mintázattal, valamint a személyek közti távolságot ugyanazok a fő dimenziók írták le. Ebben a mintában is együttjárást mutatott az ego-rugalmasság és az Exploráció dimenzió.

A többértelmű hallási feladat alatt mért nem oxigenizált vörösvérsejt koncentráció változásán alapuló NIRS adatok feldolgozását követően felrajzoltam minden egyes résztvevő gráfját, és ezeket különböző mutatókkal jellemeztem. Úgy tűnik, hogy a hálózatok hierarchikussága szintén együtt jár az Exploráció dimenzióval. Az egyszerűbb értelmezés érdekében a résztvevők leginkább exploratívabb és legkevésbé exploratív 25%-ára külön felrajzoltam a gráfokat (6. kép), az egyes agyi régiókat pedig különböző színekkel jelöltem. A kevéssé exploratív személyek hálózata hierarchikus: a kapcsolatok három fő központ köré csoportosulnak. Az első egy bal frontális (zöld), amely az információ szervezésért, a második egy parietális (sárga), amely az információ integrálásáért, a harmadik pedig egy jobb temporális (kék), amely pedig a hallási információ feldolgozásért felel. A három központ pedig egy fronto-parietális útvonalon keresztül kommunikál egymással. Az exploratív személyek hálózata pedig inkább több, de kevés kapcsolattal rendelkező központból áll. Fontos megjegyezni, hogy az információ terjedésének az irányát ezekből az ábrákból nem lehet feltérképezni.

 

6. kép: Az exploratív és nem exploratív személyek hálózatai. Agyi régiók színkódjai: lila – prefrontális, zöld – frontális, kék – elülső hallókérgi, piros – elülső parietális, narancs – hátsó hallókérgi, sárga – hátsó parietális. A féltekei különbségeket a színen belül eltérő színárnyalatok jelölik.

 

Várható impakt, további kutatás

Rövidtávú terveim közé tartozik, hogy a lehetséges mintázatok észlelése alatt aktív hálózatokat is feltérképezzem gráfok segítségével. Ezek ismerete támpontot tud majd adni az egyéni hálózatok értelmezésében is. Ezt követően az EEG-s adatokat is hasonló módon szeretném elemezni. Az EEG a NIRS-hez képest minőségileg más információt mér, ezért a két módszer egymást támogató eredményei és a módszer-specifikus eredmények is értékes információval szolgálnak. Hosszú távon pedig a látással kapcsolatos többértelmű észlelési helyzetekkel összehasonlítva szeretném vizsgálni a hallást, feltérképezve, hogy a többértelműséget feldolgozó agyi rendszerek és az egyéni különbségek mennyire specifikusak a látásra vagy a hallásra. A többértelmű helyzeteket taglaló és az észleléssel általában foglalkozó kutatások fókuszában nem az egyéni különbségek helyezkednek el, így minden ezzel kapcsolatos kutatás, főleg, ha az agyi háttérről is tud információt szolgáltatni, hiánypótló a területen.

 

 

Saját publikációk, hivatkozások, linkgyűjtemény

Kapcsolódó saját publikációk listája

Farkas, D., Denham, S. L., Bendixen, A., & Winkler, I. (bírálat alatt). Assessing the validity of subjective reports in the auditory streaming paradigm. The Journal of the Acoustical Society of America.

Farkas, D., & Orosz, G. (2015). Ego-Resiliency Reloaded: A Three-Component Model of General Resiliency. PloS one, 10(3), e0120883.

 

Hivatkozások listája

 

Aafjes, M., Hueting, J. E., & Visser, P. (1966). Individual and interindividual differences in binocular rivalry in man. Psychophysiology, 3, 18–22.

Block, J. (2002). Personality as an affect-processing system: Toward an integrative theory. Psychology Press.

Bullmore, E., & Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience, 10(3), 186–198.

Denham, S. L., Bőhm, T. M., Bendixen, A., Szalárdy, O., Kocsis, Z., Mill R., and Winkler, I. (2014). „Stable individual characteristics in the perception of multiple embedded patterns in multistable auditory stimuli”, Front. Neurosci. 8(25). doi:10.3389/fnins.2014.00025.

Obrig, H., & Villringer, A. (2003). Beyond the visible—imaging the human brain with light. Journal of Cerebral Blood Flow & Metabolism, 23(1), 1–18.

Schwartz, J.-L., Grimault, N., Hupé, J.-M., Moore, B. C. J., & Pressnitzer, D. (2012) Multistability in perception: Binding sensory modalities, an overview. Philosophical Transaction Royal Society of London B, 367, 896–905.

Stam, C.J., & van Straaten, E.C. (2012). The organization of physiological brain networks. Clinical Neurophysiology, 123, 1067–108 7.