Bir şekli hafızadan kurmak
Bir odadan çıktıktan sonra masadaki kitabın tam olarak nerede durduğunu, ne kadar eğik olduğunu ve ne büyüklükte olduğunu çizebilir misin? Bir nesneyi yeniden gördüğünde tanımak kolaydır; onu yerini, açısını ve boyutunu bozmadan sıfırdan kurmak bambaşka bir iştir. Bu deney tam olarak bunu istiyor: kısa bir bakışta gördüğün bir şekli, üç özelliğiyle birlikte hafızandan yeniden yerleştirmeni.
Her elde beş şekilden biri, yani ikizkenar olmayan bir üçgen, bir ok, bir L, bir bayrak ya da bir uçurtma, ekranın rastgele bir yerinde, normalin 0,65 ile 1,45 katı arasında rastgele bir boyutta ve rastgele bir açıyla 2,5 saniye görünüyor; köşede salise salise bir geri sayım akıyor. Ardından ekran 0,4 saniye boş kalıyor ve aynı şekil bu kez ortada, normal boyutta ve yine rastgele bir açıyla beliriyor. Şekli sürükleyerek gördüğün yere taşıyor, yanındaki yuvarlak tutamacı sürükleyerek aynı anda döndürüp büyütüyor ya da küçültüyor ve 'Bu' ile onaylıyorsun. Şekiller, tam bir turdan önce kendileriyle çakışmayacak biçimde seçildi; bu yüzden her açının tek bir doğru cevabı var. Beş el boyunca her şekil bir kez, rastgele bir sırayla geliyor.
Yatay ve dikeyin ayrıcalığı
Stuart Appelle 1972'de Psychological Bulletin'de yayımlanan derlemesinde, yönelim algısı üzerine yapılmış çalışmaları bir araya getirdi. Ortak bulgu şuydu: yatay ve dikey yönelimdeki uyaranlar, eğik yönelimdekilerden daha iyi algılanıyor ve birbirinden daha iyi ayırt ediliyordu. Appelle bu üstünlüğe 'eğik açı etkisi' (oblique effect) adını verdi; makalenin başlığının da söylediği gibi etki yalnızca insanlarda değil, hayvanlarda da görülüyordu. Ad tuttu ve bu olgu bugün de bu adla anılıyor.
Bu deneyde hedef açının yatay ve dikey eksenlere, yani 0, 90, 180 ve 270 dereceye 15 dereceden yakın olduğu elleri 'eksene yakın', ötekileri 'eğik' sayıyoruz. Açılar rastgele seçildiği için ellerin yaklaşık üçte biri eksene yakın düşüyor. Eğik açı etkisi şekil açılarına da taşınıyorsa, eğik ellerde açı hatasının daha büyük çıkmasını bekleriz. Burada bir uyarı gerekiyor: klasik eğik açı çalışmaları çoğunlukla çizgiler ve çizgili desenler gibi tek bir belirgin yönelimi olan uyaranlarla yapıldı. Bizim şekillerimizin açısı ise şeklin ilk çizildiği duruşa göre tanımlanıyor; bir şeklin belirgin kenarları bu duruşta yatay ve dikeyse eksene yakın açılar gözle de 'düz' görünür, ama bu her şekilde aynı ölçüde belirgin değil.
Eksenlerden uzağa kayma
Eğik açı etkisi hatanın büyüklüğüyle ilgili; peki ya yönü? Xue-Xin Wei ve Alan Stocker 2015'te Nature Neuroscience'ta yayımlanan çalışmalarında bu soruya ilginç bir cevap verdi. Çevremizdeki görüntülerde yatay ve dikey kenarların eğik olanlardan daha yaygın olduğu biliniyor. Klasik Bayesçi açıklamaya göre beyin bu bilgiyi bir ön beklenti olarak kullanmalı ve belirsiz bir yönelimi en yaygın yönelimlere, yani yatay ve dikeye doğru çekmelidir. Oysa daha önce yayımlanmış yönelim deneylerinde algılanan yönelim çoğu zaman tam tersine, bu eksenlerden uzağa, eğiklere doğru kayıyordu.
Wei ve Stocker, verimli kodlama ilkesini Bayesçi gözlemci modeline ekleyerek bu 'Bayes karşıtı' görünen yanılgıyı açıkladı: beyin sık karşılaştığı yönelimleri daha hassas kodluyorsa, bu kodlamanın kendisi tahminleri en yaygın değerlerden uzağa itebilir. Model ayrıca belirsizliğin uyaranın kendisinden mi yoksa gözlemcinin içindeki gürültüden mi geldiğine göre yanılgının farklı değişeceğini öngördü; iki öngörü de algılanan yönelim ve uzamsal frekans üzerine yayımlanmış verilerle örtüştü. Bunu dikkatle aktarmak gerekiyor: onların ele aldığı veriler çizgiler ve çizgili desenler gibi basit uyaranların yönelim tahminlerinden geliyordu, bizim ölçtüğümüz ise karmaşık bir şeklin hafızadan kurulan açısı. Eksene yakın ellerde hatanın işaretine, yani şekli eksenden uzağa mı yoksa eksene doğru mu çevirdiğine bakacağız; ama bu sonucun Wei ve Stocker'ın bulgusunu doğrudan sınadığını söyleyemeyiz.
Küçükler büyür, büyükler küçülür
Harry Hollingworth 1910'da kısa bir makalede, kendisinden önceki pek çok araştırmacının gözlediği bir düzenliliğe ad verdi. Süre, ağırlık, parlaklık, uzunluk, alan ve açı büyüklüğü yargılarında yargılar bir ortalama büyüklüğe doğru çekiliyor, serinin üst ucundaki uyaranlar küçük, alt ucundakiler büyük tahmin ediliyordu. Hollingworth buna 'yargının merkezi eğilimi' dedi. Kendi deneyinde kenarı 3 ile 40 cm arasında değişen gri kareleri birer birer 5 saniye gösterdi; gözlemci 5 saniye bekledikten sonra duvardaki 30 karelik bir dizi arasından gördüğü kareye eşit olanı seçti.
Aynı kare, küçük karelerle birlikte gösterildiği serilerde küçük, büyüklerle birlikte gösterildiğinde büyük tahmin ediliyordu; her yargı o serinin merkezine doğru kayıyordu. Gözlemcilerin kareleri genel olarak olduğundan büyük görme eğilimi de vardı, ama merkezi eğilim onun altında da açıkça seçiliyordu. Hollingworth'e göre bir deneydeki değerlerin ortasına alışıyor, onu bekliyor ve öteki değerleri ona benzetiyorduk. Bizim deneyimizde hedef boyutlar normalin 0,65 ile 1,45 katı arasında değişiyor; bu eğilim burada da işliyorsa küçük şekilleri olduklarından büyük, büyükleri olduklarından küçük kurman beklenir. Brady, Konkle ve Alvarez'in (2011) görsel hafıza derlemesi de buna uyan bir tablo çiziyor: nesneler hafızada birbirinden bağımsız saklanmıyor ve aynı ekrandaki öteki nesnelerin boyutu, tek bir nesnenin hatırlanan boyutunu kendine doğru çekebiliyor.
Konumlar nereye kayar?
Janellen Huttenlocher, Larry Hedges ve Susan Duncan 1991'de dört deneyde katılımcılara bir daire içinde bir nokta gösterdi ve noktanın yerini hafızadan işaretlemelerini istedi. Katılımcılar daireyi kendiliğinden yatay ve dikey sınırlarla dört çeyreğe bölüyor, noktaları da her çeyreğin ortasındaki tipik bir konuma doğru kaydırıyordu. Yazarların modeline göre bir konumu iki düzeyde saklarız: ince ayrıntılı bir değer ve bir kategori. Hafıza kesin olmadığında ama kesin bir cevap vermemiz gerektiğinde, hatırladığımız değeri kategori bilgisiyle birleştiririz ve cevap kategorinin merkezine doğru çekilir.
İlginç olan, bu çekimin bir yanılgı yarattığı halde ortalamada isabeti artırabilmesi: cevaplar biraz kayar ama daha az dağılır. Yazarlar aynı mekanizmanın psikofizikteki büzülme yanılgısını, yani Hollingworth'ün merkezi eğilimine benzeyen kaymaları da açıklayabileceğini öne sürdü. Bizim deneyimizde konum hatasının yönüne bakarken önce en basit soruyu soruyoruz: şekli alanın merkezine doğru mu kaydırıyorsun? Ama Huttenlocher ve arkadaşlarının sonucu başka bir olasılığa da işaret ediyor: alanı zihninde parçalara bölüyorsan konumlar tek bir merkeze değil, bu parçaların merkezlerine doğru kayabilir; o zaman ortaya yakın bir şekli kenara doğru kaydırman bile mümkün.
Puanın ne anlatır, ne anlatmaz?
Her elde üç alt puan hesaplıyoruz ve elin puanı bunların ortalaması. Konum puanı 10/(1+(d/0,06)^1,6); burada d, konum hatasının alan genişliğine oranı. Açı puanı 10/(1+(a/14)^1,6); a, 0 ile 180 derece arasındaki açı hatası. Boyut puanı 10/(1+(s/0,12)^1,6); s = |ln(kurulan boyut / hedef boyut)|, yani boyutu oran olarak ne kadar büyüttüğün ya da küçülttüğün. Alan genişliğinin %6'sı kadar konum hatası, 14 derecelik açı hatası ya da yaklaşık %12'lik boyut hatası o alt puanı 5'e indiriyor; bu hataların yarısı yaklaşık 7,5, iki katı yaklaşık 2,5 puan veriyor. Beş elin toplamı en fazla 50. Sonuç ekranında hedef ile senin kurduğun şekil üst üste çiziliyor ve konum · açı · boyut alt puanların ayrı ayrı görünüyor. Sitedeki 'Ayna mı, değil mi?' deneyi Shepard ve Metzler'in (1971) zihinsel döndürme çalışmasının izinden gidiyor; orada iki görüntüyü karşılaştırıp karar veriyorsun, burada ise şekli hafızandan yeniden kuruyorsun.
Sonucunu yorumlarken arayüzü de hesaba kat. Şekil her elde ortada ve normal boyutta başlıyor; bu yüzden merkeze ve normal boyuta doğru bir kayma kısmen hafızadan değil, şekli başladığı yerden yeterince uzağa taşımamaktan da gelebilir. Fare ile parmak arasında ve küçük ile büyük ekran arasında hassasiyet farkı var; parmak, sürüklerken şeklin bir kısmını kapatabilir. Beş el, kişisel bir eğilimi kesin olarak göstermek için az. Eğik açı etkisinin, merkeze yönelmenin ve konum kaymalarının bu görevde ne kadar güçlü olduğunu en iyi, kalabalığın binlerce cevabı bir araya geldiğinde göreceğiz.