چرا زمان واکنشِ من روی گوشی از کامپیوتر کندتره؟

اینا نمونه‌های حساب‌وکتابی‌ان، نه اصلاحیه‌های چاپ‌شده واسهٔ گوشی در برابر کامپیوتر رومیزی. ممکنه محرک منتظر نوبت تازه‌شدن بمونه، ولی کلِ زمانِ نمایشش به رندر کردن و خودِ نمایشگر هم بستگی داره. ثبتِ ورودی راهِ جداگانه‌ای داره. اندازه‌گیری‌ها در پلتفرم‌های آنلاین نشون دِنّه که دقت و یکدستی با جورواجور ترکیبِ دستگاه و نرم‌افزار فرق کنه. Anwyl-Irvine و همکاران، 2020 Bridges و همکاران، 2020

زمانی که نمایش داده وانه چی ره دربر گیره؟

فاصله‌ای که ثبت وانه، با رویدادهای نرم‌افزاری شروع و تموم وانه. این فاصله قراره زمانِ بین دیدنِ نشونه و جواب دادن ره تقریب بزنه، ولی ممکنه رویدادهای فیزیکی دیرتر از چیزی رخ بدن که مُهرهای زمانیِ نرم‌افزار نشون دِنّه. یه پژوهشِ آزمایشگاهی اندازهٔ این فرق ره نشون دنه: وودز و همکاران زمانِ واکنشِ ساده ره 231 ms گزارش کردن و بعدِ اصلاحِ دستگاه، 213 ms. اصلاحِ 18 ms مالِ همون دستگاهه، نه گوشیِ شما. Woods و همکاران، 2015

دست زدن به نمایشگر، کلیکِ ماوس و فشردنِ کلید هر کدوم حرکتِ جداگانه‌ای می‌خواد. اگه پاسخ عوض بَوِه، خودِ کار هم عوض وانه، حتی اگه صفحه همون‌جور به نظر بیاد. آزمایشِ واکنشِ انتخابی، گزینشِ پاسخ ره هم اضافه کنه و مستقیم با کارِ سادهٔ ضربه‌زدن روی سبز قابل مقایسه نی‌یه. Woods و همکاران، 2015

چرا میانگینِ یکدست‌تر، حتماً میانگینِ دقیق‌تر نی‌یه؟

دقت یعنی نزدیکی به فاصلهٔ زمانیِ فیزیکیِ واقعی؛ یکدستی یعنی تکرارپذیری. دستگاه ممکنه همیشه تأخیر داشته بَوِه و امتیازِ یکدست ولی جابه‌جا بده. تکرارِ آزمون کمک کنه پراکندگی ره برآورد بکنین، ولی اختلافِ ثابتِ سخت‌افزار ره از بین نبره. این فرق، نکتهٔ اصلیِ مقایسه‌های زمان‌سنجیِ آزمایشی‌یه. Anwyl-Irvine و همکاران، 2020 Bridges و همکاران، 2020

وقتی دستگاه ره عوض کنین چی‌های دیگه هم عوض وانه؟

اندازهٔ صفحه، حالتِ نشستن، جای انگشت و آشنایی هم ممکنه همراهِ سخت‌افزار عوض بَوِن. تفاوتِ سنی که در پژوهشِ کنترل‌شده گزارش شده، به کار نیّه ازش نتیجه بگیرین که فرقِ امتیازِ ناشی از سخت‌افزار نشانهٔ پیرشدنِ زیستی‌یه. مقایسهٔ خودتون با آدمی که دستگاهِ دیگه‌ای داره هم همین ابهام ره اضافه کنه. Woods و همکاران، 2015 Woods و همکاران، 2015

توزیعِ زمانِ واکنش، پاسخ‌های خیلی کند هم داره. توی آزمونِ کوتاه، یه مکث می‌تونه میانگین ره خیلی جابه‌جا بکنه. پس قانونِ کنار گذاشتنِ داده‌های پرت و انتخابِ میانگین، میانه یا سریع‌ترین پاسخ مهمه؛ اگه بعدِ آزمون هر خلاصه‌ای ره که بهتر به نظر رسه انتخاب کنین، مقایسه اعتبارش ره از دست دنه. Ratcliff، 1993

یه راهِ به‌دردبخور واسه مقایسهٔ آزمون‌های خودتون

واسهٔ هر دستگاه و روشِ ورودی یه سابقهٔ جدا نگه دارین. چیزهای هم‌جور ره با هم مقایسه کنین، از جمله شمارِ تلاش‌ها و آمارهٔ خلاصه. تکرارِ یه روشِ ثابت معنی‌دارتر از اینه که دستگاه‌ها ره یکی‌درمیون عوض کنین و کوچک‌ترین امتیاز ره نگه دارین. پژوهش‌های آزمایشی دربارهٔ شمارِ نوبت‌ها نشون دِنّه مقدارِ دادهٔ لازم به چیزی بستگی داره که می‌خواین برآورد بکنین. Miller، 2023

تمرین هم می‌تونه کارکرد ره در کارهای شناختیِ تکراری بهتر بکنه. منطقی‌یه که آشنایی اثر داشته بَوِه، ولی یه فراتحلیلِ کلیِ آزمونِ دوباره، اندازهٔ دقیقِ سودِ تمرین واسهٔ این بازیِ مرورگر ره نمی‌گه. همین‌طور، فرقِ بزرگ بین دو نوبت، به‌تنهایی یه ویژگیِ فردیِ قابل‌اعتماد ره ثابت نکنه: پایاییِ کارهای شناختی باید اندازه‌گیری بَوِه، نه اینکه از پیش فرض گرفته بَوِه. Scharfen و همکاران، 2018 Hedge و همکاران، 2017

بنابراین هیچ قانونِ پشتوانه‌دارِ شواهدی وجود نداره که بگه مثلاً از نتیجهٔ هر گوشی همون تأخیر ره کم بکنین. واسهٔ تنظیمِ دقیق، باید دستگاهِ واقعیِ نمایش و ورودی ره اندازه بگیرین. تنها مشخصهٔ نرخِ تازه‌شدن کافی نی‌یه. Anwyl-Irvine و همکاران، 2020 Bridges و همکاران، 2020