6: Asignación de eventos a contenedores, promedio, corrección de línea base y evaluación de la calidad de los datos
- Última actualización
-
-
Guardar como PDF
Objetivos de aprendizaje
En este capítulo, aprenderás a:
- Experimentos de diseño que eviten confundimientos sensoriales sutiles siguiendo el principio Hillyard
- Crear archivos descriptores de bin para asignar eventos a bins
- Predecir cómo cambiará la relación señal/ruido a medida que cambie el número de pruebas que se promedian juntas
- Evaluar cómo el número de ensayos y el periodo basal impactan en la calidad de los datos cuantificados con el error de medición estandarizado (SME)
- Crear medias bloqueadas por respuesta y bloqueadas por estímulos
- Comparar los ERPs para ensayos correctos y ensayos de error
- Realizar análisis secuenciales
- Evaluar el impacto de la actividad superpuesta del ensayo anterior
- Implementar un análisis secuencial usando un script
En este capítulo se analiza de cerca cómo se asignan los eventos a los contenedores. Esto no es algo que se discuta mucho en la literatura ERP, incluso en los trabajos de metodología, sino que es absolutamente fundamental. Después de todo, “evento” es la primera palabra en “potencial relacionado con eventos”. Además, la herramienta de ERPLAB para asignar eventos a bins (BINLISTER) es bastante poderosa pero tampoco muy fácil de usar, por lo que querremos asegurarnos de que tengas una buena comprensión de cómo funciona.
La documentación en línea de ERPLAB contiene una página de manual detallada sobre BINLISTER, y deberías leerla si quieres conocer todos los detalles de cómo funciona esta importante rutina. No voy a repetir todos esos detalles aquí. De hecho, incluso me preguntaba si valía la pena escribir un capítulo sobre la asignación de contenedores para este libro. Pero decidí que la mejor manera de aprender sobre algo como esto es utilizándolo realmente. Y una vez que comencé a crear los ejercicios, me di cuenta de que sacaron a colación algunos conceptos sobre el análisis de datos ERP que son importantes incluso si terminas usando un paquete de software diferente para analizar tus datos.
Este capítulo se centrará en el experimento visual de bichos raros P3b del ERP CORE, incluyendo un análisis de efectos secuenciales y un análisis de la negatividad relacionada con errores producida en ensayos de error. El paradigma extraño probablemente se ha utilizado más que cualquier otro paradigma ERP a lo largo de los años, por lo que es bueno tener un conocimiento profundo del mismo. La versión particular de este paradigma que implementamos para el ERP CORE contiene algunas sutilezas que son útiles para aprender sobre el diseño de experimentos ERP. Y el paradigma de lo extraño es particularmente adecuado para explorar algunos de los problemas que surgen al asignar eventos a contenedores. Comenzaremos por echar un vistazo de cerca a los detalles del paradigma experimental. Luego realizaremos varios análisis diferentes de los datos de un participante para que puedas ver algunas de las diferentes formas en que los eventos pueden asignarse a los bins y los problemas que surgen en este paso fundamental.
En el camino, veremos algunos temas importantes que surgen en el promedio, incluida la superposición de ensayos anteriores. También echaremos un vistazo más de cerca al procedimiento de corrección de línea base, que parece simple pero puede terminar creando problemas en algunas situaciones. También analizaremos cuidadosamente cómo varía la calidad de los datos de acuerdo con el número de ensayos que se promedian juntos y según el período de tiempo específico que se utiliza para la corrección de la línea base.