Redundancy gain : manifestations, causes and predictions

Abstract

Les temps de réponse dans une tache de reconnaissance d’objets visuels diminuent de façon significative lorsque les cibles peuvent être distinguées à partir de deux attributs redondants. Le gain de redondance pour deux attributs est un résultat commun dans la littérature, mais un gain causé par trois attributs redondants n’a été observé que lorsque ces trois attributs venaient de trois modalités différentes (tactile, auditive et visuelle). La présente étude démontre que le gain de redondance pour trois attributs de la même modalité est effectivement possible. Elle inclut aussi une investigation plus détaillée des caractéristiques du gain de redondance. Celles-ci incluent, outre la diminution des temps de réponse, une diminution des temps de réponses minimaux particulièrement et une augmentation de la symétrie de la distribution des temps de réponse. Cette étude présente des indices que ni les modèles de course, ni les modèles de coactivation ne sont en mesure d’expliquer l’ensemble des caractéristiques du gain de redondance. Dans ce contexte, nous introduisons une nouvelle méthode pour évaluer le triple gain de redondance basée sur la performance des cibles doublement redondantes. Le modèle de cascade est présenté afin d’expliquer les résultats de cette étude. Ce modèle comporte plusieurs voies de traitement qui sont déclenchées par une cascade d’activations avant de satisfaire un seul critère de décision. Il offre une approche homogène aux recherches antérieures sur le gain de redondance. L’analyse des caractéristiques des distributions de temps de réponse, soit leur moyenne, leur symétrie, leur décalage ou leur étendue, est un outil essentiel pour cette étude. Il était important de trouver un test statistique capable de refléter les différences au niveau de toutes ces caractéristiques. Nous abordons la problématique d’analyser les temps de réponse sans perte d’information, ainsi que l’insuffisance des méthodes d’analyse communes dans ce contexte, comme grouper les temps de réponses de plusieurs participants (e. g. Vincentizing). Les tests de distributions, le plus connu étant le test de Kolmogorov- Smirnoff, constituent une meilleure alternative pour comparer des distributions, celles des temps de réponse en particulier. Un test encore inconnu en psychologie est introduit : le test d’Anderson-Darling à deux échantillons. Les deux tests sont comparés, et puis nous présentons des indices concluants démontrant la puissance du test d’Anderson-Darling : en comparant des distributions qui varient seulement au niveau de (1) leur décalage, (2) leur étendue, (3) leur symétrie, ou (4) leurs extrémités, nous pouvons affirmer que le test d’Anderson-Darling reconnait mieux les différences. De plus, le test d’Anderson-Darling a un taux d’erreur de type I qui correspond exactement à l’alpha tandis que le test de Kolmogorov-Smirnoff est trop conservateur. En conséquence, le test d’Anderson-Darling nécessite moins de données pour atteindre une puissance statistique suffisante.

Response times in a visual object recognition task decrease significantly if targets can be distinguished by two redundant attributes. Redundancy gain for two attributes is a common finding, but redundancy gain from three attributes has been found only for stimuli from three different modalities (tactile, auditory, and visual). This study extends those results by showing that redundancy gain from three attributes within the visual modality is possible. It also provides a more detailed investigation of the characteristics of redundancy gain. Apart from a decrease in response times for redundant targets, these include a decrease in minimal response times and an increase in symmetry of the response time distribution. This study further presents evidence that neither race models nor coactivation models can account for all characteristics of redundancy gain. In this context, we discuss the problem of calculating an upper limit for the performance of race models for triple redundant targets, and introduce a new method of evaluating triple redundancy gain based on performance for double redundant targets. In order to explain the results from this study, the cascade race model is introduced. The cascade race model consists of several input channels, which are triggered by a cascade of activations before satisfying a single decision criterion, and is able to provide a unifying approach to previous research on the causes of redundancy gain. The analysis of the characteristics of response time distributions, including their mean, symmetry, onset, and scale, is an essential tool in this study. It was therefore important to find an adequate statistical test capable of reflecting differences in all these characteristics. We discuss the problem and importance of analysing response times without data loss, as well as the inadequacy of common methods of analysis such as the pooling of response times across participants (e.g. Vincentizing) in the present context. We present tests of distributions as an alternative method for comparing distributions, response time distributions in particular, the most common of these being the Kolmogorov-Smirnoff test. We also introduce a test yet unknown in psychology: the two-sample Anderson-Darling test of goodness of fit. We compare both tests, presenting conclusive evidence that the Anderson-Darling test is more accurate and powerful: when comparing two distributions that vary (1) in onset only, (2) in scale only, (3) in symmetry only, or (4) that have the same mean and standard deviation but differ on the tail ends only, the Anderson-Darling test proves to detect differences better than the Kolmogorov-Smirnoff test. Finally, the Anderson-Darling test has a type I error rate corresponding to alpha whereas the Kolmogorov-Smirnoff test is overly conservative. Consequently, the Anderson- Darling test requires less data than the Kolmogorov-Smirnoff test to reach sufficient statistical power.