Navigation ▼

Show simple item record

dc.contributor.advisor Geisel, Theo Prof. Dr. de
dc.contributor.author Degering, Hendrik de
dc.date.accessioned 2010-03-23T15:31:16Z de
dc.date.accessioned 2013-01-18T13:37:28Z de
dc.date.available 2013-01-30T23:51:10Z de
dc.date.issued 2010-03-23 de
dc.identifier.uri http://hdl.handle.net/11858/00-1735-0000-0006-B4B3-5 de
dc.description.abstract Selektive Aufmerksamkeit ermöglicht zielgerichtetes Verhalten trotz des permanenten Bombardements mit mit sensorischem Input. Obwohl anfangs vermutet wurde, dass dies durch einen aktiven Aufmerksamkeitsprozess und einen passiven Ignorierprozess geregelt wird, brachte das experimentelle Paradigma des Negativ Priming hervor, dass das Ignorieren durchaus ebenfalls ein aktiver Prozess ist. Die vorliegende Arbeit beschreibt unseren Ansatz der zeitliche Einordnung des Negativ Priming Effekts. Konkrete Implementationen der psychologischen Theorien durch dynamische Systeme begleiten spezialisierte Verhaltensexperimente, bei denen unter anderem EEG-Daten erhoben werden.In einem Negativ Priming Experiment werden gleichzeitig ein Target und ein Distraktor präsentiert, wobei auf das erste in einer bestimmten Weise zu reagieren, und das Zweite zu ignorieren ist. Die Verzögerung einer Reaktion auf ein soeben ignoriertes Objekt nennt man Negativ Priming Effekt. Da der Negativ Priming Effekt auf der einen Seite robust, auf der anderen Seite aber äßerst sensitiv ist, ergibt sich eine Fülle von Theorieansätzen. Bisher ist allerdings noch keiner dieser Ansätze in der Lage alle Aspekte von Negativ Priming erschöpfend zu erklären. Um in die verschiedenen Ansätze Licht zu bringen, ist die zeitliche Auflösung eines Negativ Priming Trials unablässig, da die verschiedenen postulierten Mechanismen zu unterschiedlichen Zeitpunkten in Aktion treten. Wir zeigen zwei Arten der Implementation von Negativ Priming Theorien. Zuerst beschreiben wir ein minimales Modell auf der Basis einer einzigen Theorie und zeigen, wie das Modell erweitert werden kann, um Vorhersagen zu neuen Paradigmen zu liefern. Der zweite Ansatz ist deutlich ambitionierter, da er versucht, alle für die Erklärung von Negativ Priming in Frage kommenden Mechanismen der neuronalen Verarbeitung eines Negativ Priming Trials aufzunehmen. Das Ergebnis, das General Model, ist nicht nur ein Meta-Modell für Negativ Priming selber sondern auch ein sehr vereinfachtes Modell des Gehirns als Rahmen für Verhalten, dass auf sensorischem Input basiert. Der Kompromiss zwischen biologischer Realitätsnähe und Verständlichkeit wurde gelöst indem jeder einzelne Mechanismus aufgenommen wurde, aber die interne Dynamik jedes einzelnen sehr einfach gehalten wurde.Die Implementation der Theorien als Computermodelle wird von einer Serie von Verhaltensexperimenten begleitet, die jeweils Aufschluss über die zeitliche Lokalisierung von Negativ Priming innerhalb eines Trials geben sollen. In einem EEG-Experiment reproduzieren wir die Ergebnisse einer der wenigen Studien zu EEG Korrelaten von Negativ Priming, d.h. einer links-lokalisierten Modulation der P300 für Negativ und Positiv Priming in gleichem Maße und einer Aufspaltung der Potentiale während des Late Positive Complex. Dies weist auf eine späte Erzeugung von Negativ Priming hin. Um auch auf der Verhaltensebene Aussagen über den Zeitverlauf machen zu können, entwerfen wir ein Paradigma, welches einen Tastendruck zwischen der Identifikation der Stimuli und der Auswahl des Targets erfordert. Auch hier wird Negativ Priming im späteren Teil des Trials gefunden. Der verbleibende Teil eines Trials enthält allerdings noch die Auswahl des Targets und die Erzeugung der Antwort, dafür zeigen wir ein weiteres Experiment, welches nun die Antwortgenerierung einzeln betrachtet. Schlussendlich weisen unsere Ergebnisse darauf hin, dass Negativ Priming während der Auswahl des Targets erzeugt wird. de
dc.format.mimetype application/pdf de
dc.language.iso eng de
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/ de
dc.title The Time Course of Negative Priming de
dc.type doctoralThesis de
dc.title.translated Der Zeitverlauf negativen Primings de
dc.contributor.referee Hasselhorn, Marcus Prof. Dr. de
dc.date.examination 2009-12-11 de
dc.subject.dnb 530 Physik de
dc.description.abstracteng Selective attention enables goal-directed behavior despite the permanent, immense input to the sensory system. Contradicting early speculations of an active attending and passive ignoring, the active nature of ignoring was revealed by the negative priming paradigm. The present thesis will describe our multi-level approach to reveal the temporal structure of negative priming. Accompanied by computational modeling, we run sophisticated psychological experiments and record and analyze EEG data.The common denominator of all negative priming paradigms is the simultaneous presentation of targets that have to be attended to, and distractors that are to be ignored. A slowdown in the response to a formerly ignored stimulus is labeled negative priming. Because of negative priming being robust and sensitive at the same time, a variety of different theoretical accounts have been developed. But until now none of the theoretical accounts is able to explain all aspects of the negative priming effect. In order to clarify the situation of diverging explanatory accounts, the time course of negative priming is crucial. The mechanisms postulated by the different theories act in different stages of trial processing. In order to advance the debate on theoretical accounts, we provide two quantitative implementations. First we take up a single theory of negative priming and build a minimal model producing realistic effects on the basis of the postulated mechanism. We show how the model can be extended to generate hypotheses in a more complex paradigm. The second computational approach is more ambitious with respect to the discussion about the applicability of the theories of negative priming in specific situations. We build a computational model comprising most of the mechanisms suspected to play a role in the neural processing in negative priming tasks. The outcome is not only a meta-model for negative priming, termed General Model, but in itself a simplified model of the brain as a framework for action selection based on perception. We address the tradeoff between biological realism and understandability by modeling each assumed mechanism separately but keeping the internal dynamics of each of the corresponding layers very simple.The computational implementation of theories is accompanied by a series of behavioral experiments intended to decide about the temporal localization of the negative priming effect relative to the processing of a single trial. Adapting the voicekey paradigm, we present an EEG experiment that replicates findings from one of the few studies on event-related potentials related to negative priming, i.e. a left lateralized modulation of the P300 in a similar manner for both negative as positive priming trials and a differentiation in the late positive complex which points to a late ocuring of the negative priming effect. To access the timing of the effect not only through brain recordings but behavioral measures, we design a paradigm which requires a button press between stimulus identification and target selection phase. The results locate negative priming as well in the later part of a trial. This remainder of a trial still contains both the target selection and response generation process. Therefore, we construct another trial splitting paradigm which now singles out the response generation phase. We finally find the devotion of negative priming to the target selection phase of a trial. de
dc.contributor.coReferee Wörgötter, Florentin Prof. Dr. de
dc.contributor.thirdReferee Parlitz, Ulrich Prof. Dr. de
dc.subject.topic Mathematics and Computer Science de
dc.subject.ger selektive Aufmerksamkeit de
dc.subject.ger Negativ Priming de
dc.subject.ger Computermodellierung de
dc.subject.ger dynamische Systeme de
dc.subject.ger EEG de
dc.subject.eng selective attention de
dc.subject.eng negative priming de
dc.subject.eng computational modeling de
dc.subject.eng dynamic system de
dc.subject.eng EEG de
dc.subject.bk 33.19 de
dc.identifier.urn urn:nbn:de:gbv:7-webdoc-2417-1 de
dc.identifier.purl webdoc-2417 de
dc.affiliation.institute Fakultät für Physik de
dc.subject.gokfull RDH 200: Dynamische Systeme. Nichtlineare Systeme {Mathematische Physik} de
dc.identifier.ppn 627388574 de

Files in this item

This item appears in the following Collection(s)

Show simple item record