Centre de recherche interuniversitaire sur la formation et la profession enseignante (CRIFPE)

Votre Flash Player n'est pas à jour. Visitez le site de Adobe pour la plus récente version.

Publication

Pérez Gay Juarez, F. (2019). How and why does category learning cause categorical perception? Behavioural, neural and computational aspects. Thèse de doctorat inédite, McGill University, Montreal, Quebec.

Catégorie

Mémoires et thèses

Résumé

Categorical Perception (CP) occurs when our categories influence our perception, making members of the same category look more alike (compression) and members of different categories look more different (separation). It is known that CP occurs innately for colors, phonemes and facial expressions, and it is now emerging that categorical perception can also be induced by category learning. In this thesis, we report a series of experiments in which we induced CP effects by training human participants to sort multifeatured visual stimuli into two categories by trial and error. To measure CP, we compared subjects' dissimilarity judgements before and after the categorization training. The categorization tasks and stimuli varied in degree of difficulty, defined a-priori as the proportion of stimuli features that co-varied with category membership (the smaller the proportion of co-varying features, the harder the task). The visual stimuli used in the first and second manuscripts were black and white squared shaped textures, composed of distributed features; in our third manuscript, we used line-drawings of fish with local, shape-based features. Overall, the results of the reported experiments show positive evidence for changes in perception after having learned a visual category. The mechanisms behind these changes were assessed with analyses of underlying brain activity (Event Related Potentials) and cognitive modeling with Artificial Neural Networks. The first manuscript reports behavioral indices of category learning and learned CP effects -separation and compression- in three separate experiments with human subjects and sketches a simple neural network model for category learning that showed similar CP effects. While the nets showed a strong negative correlation between the proportion of covariant features and the task difficulty, this correlation was not evident in the human participants. We concluded that, unlike the nets, the human visual system does not treat the visual features equally, some of them being more salient than others. The second manuscript reports changes in early and late components of the visual ERP after having learned to categorize the stimuli: A decrease in the occipital N1, related to selective attention and feature extraction, and an increase in the parietal Late Positive Component (LPC), associated with memory-related judgements, decision accuracy and response confidence. We also report two significant correlations: one between the amplitude of the N1 after having learned the categories and the degree of separation and another one between the amplitude of the LPC and the response accuracy during the categorization task. We interpret the changes on the N1 as related to the mechanisms behind the perceptual change after learning a category, while the changes on the LPC would account for later-stage cognitive processing affected by category learning. Finally, our third manuscript reports learned CP effects and its electrophysiological correlates for a different kind of stimuli: fish with shape-based local features. After learning, we observed both compression and separation and also changes in early and late components of the visual ERP. While the LPC showed the same pattern as in Manuscript 2 (an increase in amplitude after category learning), the effects on the N1 were less robust; the early changes were observed in another ERP component, the P1, related to selective attention for pre-cued spatial locations. These results suggest that the early brain processes through which we extract localized and distributed features during categorization differ, while the later higher-stage cognitive processes associated with categorical decision making remain the same. Taken together, the results of these three studies provide further evidence that learning to categorize unfamiliar stimuli induces Learned CP effects while providing behavioural, neural and computational evidence to explain the mechanisms that generate it

La perception catégorielle (PC) se produit lorsque nos catégories influencent notre perception, ce qui rend les membres d'une même catégorie plus semblables (compression) et les membres appartenant à différentes catégories plus différents (séparation). On sait que la PC est présente de façon innée pour les couleurs, les phonèmes et les expressions faciales. Récemment, les évidences qui montrent que la perception catégorielle peut également être induite par l'apprentissage des catégories s'accumulent. Dans cette thèse, nous rapportons une série d'expériences dans lesquelles nous avons induit des effets de PC en entraînant, par essais et erreurs, des participants humains à trier des stimuli visuels avec plusieurs attributs qui co-varient (ou pas) avec l'appartenance à la catégorie. Pour mesurer la PC, nous avons comparé les jugements de similarité faits par les sujets avant et après l'entraînement. Les tâches de catégorisation et les stimuli variaient en degré de difficulté. La difficulté était définie à priori comme la proportion d'attributs covariants avec l'appartenance à une catégorie (plus la proportion de caractéristiques qui co-varie était faible, plus la tâche était difficile). Les stimuli visuels utilisés dans le premier et la deuxième étude étaient des textures carrées en noir et blanc, composées de micro-composantes distribuées dans l'espace. Dans notre troisième étude, nous avons utilisé des dessins de poisson avec des propriétés locales. En général, les résultats, des expériences rapportées, montrent des changements de perception après avoir appris une nouvelle catégorie visuelle. Les mécanismes à l'origine de ces changements ont été évalués à l'aide d'analyses de l'activité cérébrale sous-jacente (EEG/Potentiels évoqués cognitifs) et de la modélisation cognitive avec des réseaux de neurones artificiels.La première étude présente des indices comportementaux de l'effet d'apprentissage de nouvelles catégories et des effets de PC apprise (séparation et compression) à partir de trois expériences distinctes et propose un modèle de réseau neuronal simple pour l'apprentissage des catégories qui a montré des effets de PC similaires. Bien que les réseaux aient montré une forte corrélation négative entre la proportion d'attributs covariantes et la difficulté de la tâche, cette corrélation n'était pas évidente chez les participants humains. Nous avons conclu que, contrairement aux réseaux, le système visuel humain ne traite pas également les attributs visuelles, certaines d'entre elles étant plus saillantes que d'autres. La deuxième étude rapporte des changements dans les composantes précoces et tardives des potentiels évoqués (ERP) après avoir appris à classer les stimuli: une diminution de la composante N1 occipitale qui serait liée à l'attention sélective et à l'extraction des attributs ainsi qu'une augmentation de la composante LPC (Late Positive Component) frontopariétale qui serait associée à des jugements liés à la mémoire, au choix de stratégie et à la certitude de réponse. De plus, l'étude présente deux corrélations significatives. Une première entre l'amplitude de la N1 après avoir appris les catégories et le degré de séparation observé et une deuxième entre l'amplitude de la LPC et la précision de la réponse pendant la tâche de catégorisation. Nous interprétons les changements de la N1 comme étant liés aux mécanismes à l'origine du changement de perception, tandis que les changements de la LPC tiennent compte du traitement cognitif à un stade ultérieur affecté par l'apprentissage explicite. Enfin, la troisième étude rapporte les effets de la PC et ses corrélats électrophysiologiques avec un autre type de stimuli (...) Pris ensemble, les résultats de ces trois études fournissent des preuves que l'apprentissage des catégories visuelles induit des effets de PC apprise tout en fournissant des évidences comportementales, physiologiques et computationnels pour expliquer les mécanismes qui les génèrent.

Lien

http://digitool.library.mcgill.ca/R/-?func=dbin-jump-full&current_base=GEN01&object_id=163707
Logos des universités associées au CRIFPE

Adresse civique

Université de Montréal
Faculté des Sciences de l'Éducation
CRIFPE
90, avenue Vincent d'Indy
Pavillon Marie-Victorin – C-536
Outremont (Québec) H2V 2S9

Adresse postale

Université de Montréal
Faculté des Sciences de l'Éducation
CRIFPE – C-543
C.P. 6128, succursale Centre-ville
Montréal (Québec) H3C 3J7