電腦化5數測驗 (Five Digit Test)之相關議題

Five Digit Test (FDT)為一評量選擇性注意力 (selective attention)、交替性注意力 (alternating attention)及抑制能力 (inhibition)之測驗。

FDT的刺激物為1~5個阿拉伯數字(1~5)。測驗中受測者時而需「唸出阿拉伯數字，而忽略阿拉伯數字的個數」，時而需「數阿拉伯數字的個數，而不唸出阿拉伯數字」。

當阿拉伯數字與數字數量相同時，受測者可以較快的唸出數字（或數出數量），且錯誤率較低；但當當阿拉伯數字與數字數量不同時，受測者會被這兩個不一致的訊息干擾，因而唸出數字（或數出數量）的時間較慢，且錯誤率較高。
此一現象即為史楚普效應(Stroop effect)。

由於大腦在處理兩個衝突或干擾的訊息時，需抑制干擾的訊息，同時處理與任務相關的訊息。因此大腦須花較多的時間處理訊息，而產生史楚普效應。
反過來說，我們可以藉由史楚普效應來評量一個人的「抑制干擾訊息的能力」、「選擇適當訊息的能力（選擇性注意力）」及「把注意力交替地方在干擾訊息及相關訊息的能力（交替性注意力）」等。

評估史楚普效應的測驗初期大多是紙本測驗，受測者需唸出測驗的答案（FDT即屬於此類）。然而近年來由於電腦化測驗具節省施測人力且可在MRI中進行等優點，目前已越來越多電腦化測驗可評估史楚普效應。例如：數數版史楚普測驗 (counting Stroop test) [1] 及顏色-物品版本之史楚普測驗 [2]。
其中數數版史楚普測驗操作方法類似於FDT測驗！

上述電腦化史楚普測驗的內容大多沒有文化差異（刺激物多為顏色、物體、數字、形狀或箭頭等）。
心理計量特性驗證不多，但應用於健康人皆具建構效度 （construct validity，測驗結果皆具有史楚普效應）。

綜合上述背景，我對於後續研究之想法有以下幾點：
1. 沒有強烈的理由需重新發展一套全新的電腦化史楚普效應測驗（如電腦化FDT測驗）。
2. 現有電腦化史楚普測驗之修改幅度有限。測驗刺激物及測驗流程皆有較廣為接受的典範 (paradigm)。
3. 未來可考慮驗證並比較不同版本之電腦化史楚普測驗應用於中風/schizophrenia之心理計量特性。


常用之電腦化史楚普測驗整理

測驗名稱	視覺/聽覺	刺激物	兩個不同的任務
Counting Stroop	視覺	數字	l   念數字 l   數字個數
Color-object version	視覺	著色的物品	說出物品的顏色 l   常見的物品顏色（如黃色香蕉） l   非常見的物品顏色（如藍色香蕉）
Preschoolers’ Stroop Task	視覺	紅色圓形 藍色正方形	反應鍵是「紅色圓形」及「藍色正方形」 l   刺激物與反應鍵完全一樣 l   只有顏色或形狀與反應鍵一樣
Number-size version	視覺	數字	兩個不同字體大小的數字比較 l   數字大小 l   數字的字體大小
Arrow-position version	視覺	箭號	l   箭號指的方向 （上下左右） l   箭號出現在畫面中的位置
windle-dot movement	視覺	內含原點的方框	l   方框移動的方向 l   方框中圓點移動的方向
Pitch-position version	聽覺	單音	l   單音的音高高低 l   單音發出的位置高低

References
1. Bush, G., Whalen, P. J., Shin, L. M., & Rauch, S. L. (2006). The counting Stroop: a cognitive interference task. Nature protocols, 1, 230-233.
2. Prevor, M. B., & Diamond, A. (2005). Color–object interference in young children: A Stroop effect in children 3½–6½ years old. Cognitive development, 20, 256-278.

電腦化交替性注意力測驗 (Computerized Alternating Attention Test, CAAT)修改

CAAT應用於中風個案之心理計量特性分析結果發現，具有較大之隨機測量誤差。

（前一版本之CAAT設計詳連結：http://ghlin.blogspot.tw/2013/11/computerized-alternating-attention-test.html）

我認為隨機測量誤差較大之可能原因有：

1. 兩套規則的刺激物過於相近（都是形狀），導致中風患者作答時易受干擾；
2. 刺激物出現前無提示，導致刺激物出來時患者還沒做好答題準備；
3. 中風患者較晚才熟悉測驗規則，導致有時記得規則，有時卻又忘記。

可能之修改辦法：

1. 針對「二套規則的刺激物過於相近」之問題，我預計更換CAAT的刺激物。修改構想如下：

• 此測驗之認知要求有二項，分別為「判斷數字是否小於5」，小於5按ü，大於5按X」，
  及「判斷紅色圓點是否出現在方框的上方」，出現在方框的上方按ü，不是在方框的上方按X」。

• 二項rules之刺激物假隨機出現，出現比例為1:1。

2. 針對「刺激物出現前無提示」之問題，可在刺激物出現前給予視覺提示。

3. 針對「較晚才熟悉測驗規則」之問題，可在練習題及正式測驗之間增加模擬測驗。以促進受試者熟悉測驗規則。

上述版本請研究室同仁測試後之主要問題如下：

1. 數字題比紅點題難

   可能原因：受測者判斷數字是否大於5時，需要比較畫面上的數字與「5」的大小。但數字5並未出現在畫面上，須憑受測者自行想像；但受測者判斷紅點的上下時，僅需依據紅點在在正方形中的位置判斷即可。換句話說，受測者回答數字題時，多一個自行想像「參照點」的認知程序，因此受試者覺得「數字題難度高於紅點題」。

   解決辦法：
   (1) 數字題的指導語考慮改成「數字是不是大的？」，是大的數字請打勾，不是大的數字請打叉。此外把數字「4」跟「6」拿掉，應可減少數字題之難度。因「4」跟「6」離中間的數字 「5」比較近，判斷上較為困難。
   (2)紅點改成「判斷圖片中的物品是不是動物？」，是動物請打勾，不是動物請打叉。以期圖片分類之難度與數字大小判斷較為相等。

2. 刺激物出現前的十字架沒有達到提示的效果

   可能原因：測試版本中的十字架較小，因此受測者可能較不易察覺。

   解決辦法：加大十字架的size。

3. 數字或紅點持續出現3~4題後，再變換出題規則較有做到規則轉換。

   可能原因：受測者重複使用一套規則後再轉換成另一套規則，能產生較明顯規則轉換的感受。因為要從相對已經熟悉的規則轉換到新的規則，會難於從不熟悉的規則轉換到新的規則。

   解決辦法：把規則轉換間的題目數增加到3題或以上。

修改完成後，可再邀請實驗室同仁協助測試，並進行認知訪談。

認知訪談之問題包括：(1)受測者操作測驗時，可請受測者邊操作邊說出其思考過程，以利瞭解受測者答題的方式；(2)請問您覺得這個測驗所評估的能力為何？(4)請問您覺得兩種規則之操作難度是否相當？(4)請問每一道題目前面的十字架是否有助於轉換作答規則？

電腦化交替性注意力測驗 (Computerized Alternating Attention Test, CAAT) 分析結果

CAAT 分析結果不盡理想，測驗的隨機測量誤差及練習效應大，發表的可能性較低，未來需接續修改測驗（可能包含：測驗流程、內容、或收案流程等）。研究方法及結果概述如下

• 收案流程：

以CAAT重複施測中風個案4次，每次間隔一週。

• CAAT簡介：

測驗建構：交替性注意力

測驗規則：請受測者依據CAAT畫面正中間的刺激物不同，交替使用二種不同規則作答。二種作答規則分別為：一、判斷二個形狀是否相同；及二、判斷是否形狀為正方形（詳細介紹請見部落格文章「電腦化交替性注意力測驗發展進度」）。

測驗題數：CAAT含練習題及正式測驗二部分。練習題共56題，其中共有27題須受測者轉換作答規則（如上一題請受測者判斷形狀是否相同，下一題卻轉換成請受測者判斷是否為正方形）；正式測驗48題，其中共有27題須受測者轉換作答規則。

完成測驗時間：受測者完成正式測驗約需3~5分鐘。

• 資料分析及結果

以下分析之測驗指標為「需規則轉換題目的平均作答時間（秒）」（意即上述27題之平均反應時間）。

再測一致性：4次評估整體之ICC=0.67。相鄰二次評估之ICC=0.77~0.92，隨著評估次數增加而遞增。

隨機測量誤差：4次評估整體之SEM%=22。相鄰二次評估之SEM%=10~23，MDC%=28~64。SEM%及MDC%皆隨著評估次數增加而遞減。

練習效應：相鄰二次評估之SRM=0.20~0.36，隨著評估次數增加而遞減。

• 未來修改方向

1. 參考其它交替性注意力測驗所使用之指標，或有較穩定的指標可做為CAA評估結果。
2. 調整測驗說明或練習題的形式，以利受測者盡快熟悉測驗，減少因不熟悉規則而亂猜，進而造成的隨機測量誤差。此外，使受測者盡快瞭解/熟悉作答規則亦有利於減少練習效應。

杜克大學英文寫作技巧分享

杜克大學英文寫作技巧分享：

1.      主詞及動詞 (Subjects and Actions)

·         原則一：把句子的動作放在動詞 (put actions in verbs)

• 科學寫作中應盡量免使用「名詞化的動詞」表達句子中的動作。

Ø   「名詞化的動詞」為由動詞變形而來的名詞（如 analyze 與 analysis）。

Ø   句子中使用「名詞化的動詞」後，該句子中的動詞將不是作者主要想表達的動作，如此一來將造成讀者閱讀理解的困難。

Ø   例句：
We performed an analysis on the data. (X 使用「名詞化的動詞」)
We analyzed the data. (O)

Ø   「名詞化的動詞」適用於：簡述上一個句子的動作，以達到承接上個句子的作用。
例如：We analyzed the data. This analysis demonstrated the need for additional experiments.

·         原則二：把句子的主角放在主詞 (put characters in subjects)

• 考量句子主要描述的事物是什麼，而句子主要描述的事物就是主詞。
• 同一段落中句子的主詞盡量一致、類似或有邏輯上的關係。

·         原則三：主詞盡量靠近動詞 (Keep subjects near verbs)

2.      段落/句子的連貫及強調 (Cohesion, Coherence, and Emphasis)

·         把新的訊息放在句子後面

• 新的訊息指「讀者不熟悉」或「文章中還沒出現過」的概念或名詞。
• 擺在句子最後面的新訊息具有強調的效果，讀者通常會特別注意句子最後的訊息。

·         謹慎地使用被動式

• 被動式的句子有兩個特徵：一、主詞的位置改變；二、作出行為的主詞可能被省略。
• 可省略的主詞：一、讀者容易瞭解是誰作出行為；二、作出行為的主詞不重要，如方法段落的重點在於研究方法而不是誰執行研究。
• 被動式的使用時機：有利於「把新的訊息放在句子後面」。

·         確保段落的第一句與最後一句彼此呼應

3.      簡化 (Concision and Simplicity)

·         句子的結構才是讀者理解句子容易與否的關鍵，未必是句子的長度或複雜程度。

·         省略不必要/冗長的字或片語

·         使用較簡單的單字

• 若詞意相同的兩個（或多個）單字，盡量選用較潛顯、常用的單字。

·         使用較簡單的主詞

• 如果主詞的結構或內容很複雜，可考慮把句子拆成幾個較簡單的句子，或者移除主詞中不重要的字詞。
• 主詞太複雜會使讀者不易理解句子的重點，且主詞與動詞相隔太遠。

·         使用適當的形容詞及副詞

• 無須同時使用兩個（或多個）詞意可以互相取代的形容詞/副詞，如”a new and novel drug”。
• 同一個句子避免使用多個保留的字詞。
  如：”These results suggest that our method may possibly identify putative enhancer elements.”
• 避免使用過度誇大研究結果的形容詞/副詞。
  如：extremely / very

請教王文中老師之IRT相關問題

1. 樣本代表性 vs sample independence

IRT的特點之一為：模型估計出來的題目難度參數具sample independence。然而sample independence的特點是建立在「樣本具代表性，包括樣本數大，且能力分佈廣」的前提之下。
請問若樣本之能力分布較侷限（如能力極好、極差的樣本較少）的情況下，估計出來的題目難度參數是否能具有sample independence之特性？

實務上的例子：使用急性中風病人（動作能力通常較差）估計出來的動作題目參數，可否應用於慢性中風病人（動作能力通常因恢復或復健而變得較好）？

2. dependent samples 可否一起分析？對於參數估計或統計檢定是否會有影響？

Rasch model的assumptions中沒有sample independence，是否意味著我們可以把同一群病人在不同時間點的評量結果，合併成一筆資料進行unidimensional Rasch analysis？
（換句話說，同一位病人的評量結果可能重複出現在同一筆資料中多次）


王文中老師課後重點紀錄：

1. infit & outfit 判斷標準訂定嚴苛或寬鬆，需考量工具之使用目的及重要性。如評估工具使用之目的影響深遠，如大學入學考試，則須採取嚴苛之標準。0.6~1.4仍屬於較寬鬆之標準。
2. DIF和invariance意義大致相同，DIF為IRT研究者習慣用法；invariance則為SEM研究者習慣用法。然而二者仍有些微差異：DIF特別指題目在不同族群之難度是否有差異；invariance則不僅限於題目難度在不同族群的差異 (例如在不同族群是否有相同的factors)。
   此外，若有DIF或variance時，需進一步思考這樣的現象為什麼會產生，以及是否合理。
3. measurement invariance處理方法：(1) 在有DIF的族群不評估該題目（但不同族群仍必須要有共同的題目！）；(2) 看看有問題的題目跟其它題重複評估之結果是否有差異。例如其它題目都隨著評量次數增加而題目難度估計值越來越低，但有些題目則相反，這些相反的題目可能就有問題；(3) 如果全部測驗的題目不多，而測驗的使用目的又不是高風險，則還是可考慮保留該題目。
4. Rasch analysis VS CFA
   Rasch analysis及CFA之理論、假設皆不相同，因此不宜也不需要直接比較！
   此外，CFA需假設variables的scale是正負無限大，這樣的假設難以符合真實情境。
5. 多參數IRT模型的原始分數及thita不是一對一的對應關係，主要原因為：多參數模型有加權（如猜測度及鑑別度），因此原始分數不是thita估計的充分統計量！
   反之在單參數模型中，知道受測者能力 (b)就可以估計出thita，因此原始分數是thita估計的充分統計量！
6. staging （分級）
   (1 )考量臨床上是否有分級的需求，例如分類個案的嚴重程度以進行不同的治療等。
   (2) 若要分級，則需要在題目設計以前就先決定分級時要分幾級，並設定各級的特性（如不能走路、不能站及臥床等）。接著再依據各級的特性，設定符合這些等級的題目及計分方式，以篩選出符合各個等級的受試者。
7. sample independence VS sample representation
   使用有代表性的樣本估計出來的參數才具有sample independence的特性！因此找樣本時盡量廣泛的蒐集（如各地區、各年齡層等），且重複驗證在很多樣本後，發現參數的確都沒有太大的差異，此時才可做出sample independence的推論。
8. 同一群個案不同時間點的資料是否可一起分析？
   若確保來自不同時間點的資料彼此獨立，學理上就可以一起分析，然而這些資料通常很難確保彼此獨立，例如練習效應、熟悉度、心理動機或疲勞等。
9. Disordering
   影響：
   disordering表示有些分數點沒有發揮其功能，因此降低該題可以提供的訊息量。因此會影響題目的訊息量及信度（若合併disordering的題目信度會下降）。
   不影響：
   (1) 不影響Rasch model中Rasch score與原始分數一對一對應的特性，且原始分數越高，Rasch score也越高。
   (2) 不影響model fitting的結果。
   處理：可選擇不處理，因為在某一群樣本有disordering的現象不代表在其他族群也有，且處理後會降低訊息量！
   

第四十五次網球心得

之前很少練習打高於肩膀高度的球，因此每次遇到這種球就只能往空中抽球，導致對方也變得難以回擊。
這次網球課練習回擊約肩膀高度的球。回擊這種球的要領在於事先預測球的飛行軌跡及掉下來的高度。因為這樣的球通常飛行速度不快，所以有較充裕的時間移動。
準備擊球時，拉拍的高度需高於肩膀，揮拍時由後往前直線向前揮即可。
球拍與球接觸時須保持球拍面垂直於地面，否則球易掛網或飛出場外。

ICC值較不受樣本SD改變所影響，但SEM則易受到SD改變所影響!?

以下是模擬資料分析之結果：

ID	T1	T2		10*T1	10*T2
1	-10	-20		-100	-200
2	-8	-16		-80	-160
3	-6	-12		-60	-120
4	-4	-8		-40	-80
5	-2	-4		-20	-40
6	0	0		0	0
7	2	4		20	40
8	4	8		40	80
9	6	12		60	120
10	8	16		80	160
Mean	-1	-2		-10	-20
SD	6.1	12.1		60.6	121.1

以T1, T2算出來之ICC值為0.8，與以10*T1, 10*T2算出來的ICC值相同！

因為計算ICC值時，其分子分母放大之倍數相同，最後達到之ICC值相同。

此結果意味著ICC值較不受到樣本SD改變之影響。

但以T1算出來之SEM值為4.9，而以10*T1算出來的SEM值為48.8，

二者相差10倍!由於10*T1, 10*T2之SD分別為T1, T2之SD的10倍。

此結果意味著SEM值會受到樣本SD改變之影響。