Sinyal Ayırt Etme Kuramı
Signal Detection Theory · Ayrıca şöyle bilinir: SDT, Detection Theory
Sinyal Ayırt Etme Kuramı (SAK), gözlemcilerin gürültüye gömülü sinyalleri nasıl tespit ettiğini analiz etmek için kullanılan, hem duyusal kapasiteyi hem de karar verme yanlılığını hesaba katan bir çerçevedir. Green ve Swets tarafından 1960'larda geliştirilen bu kuram, duyarlılığı ve yanıt kriterlerini ayrı ayrı ölçmek için ilkeli bir yöntem sunarak psikofizik, algı araştırmaları ve tanısal karar verme alanlarında temel oluşturmuştur.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Algısal tespit, tanısal doğruluk veya belirsizlik altındaki herhangi bir ikili kararı analiz ederken Sinyal Ayırt Etme Kuramı'nı kullanın. Duyusal duyarlılığı karar yanlılığından ayırmak, sinyal var ve sinyal yok denemeleriyle deney tasarlamak veya dış faktörlerin (stres, yorgunluk, teşvikler) temel algıyı değiştirmeden tespiti nasıl etkilediğini incelemek gerektiğinde esastır.
Güçlü yönler & sınırlılıklar
- Duyusal duyarlılığı yanıt yanlılığından ayırır, yalnızca isabet oranından daha net bir yorumlama sağlar
- Çok çeşitli alanlara uygulanabilen modele dayalı çerçeve: görme, işitme, tıbbi teşhis, güvenlik taraması
- Farklı temel oranlar veya ödeme yapıları arasında tutarlı kalan anlamlı metrikler (d-prime, kriter) sağlar
- Esnek: güven derecelendirmeleri, çoklu kategoriler ve karmaşık karar ortamlarıyla çalışır
- Normal dağılımlı gürültü ve sinyal dağılımlarını varsayar; ihlaller d-prime tahminlerini bozabilir
- İsabet ve yanlış alarm oranlarının kararlı tahminleri için yeterli deneme gerektirir; seyrek veriler güvenilmez değerler üretir
- Aşırı oranlara (100% isabet veya 0% yanlış alarm) duyarlıdır; sonsuz z-puanlarından kaçınmak için düzeltmeler gerekir
SSS
d-prime (d') nedir ve neden isabet oranından daha önemlidir?
d-prime, sinyal var ve sinyal yok denemelerinin dağılımları arasındaki standartlaştırılmış farktır. Önemlidir çünkü iki gözlemci aynı isabet oranlarına sahip olabilir ancak duyarlılıkları büyük ölçüde farklı olabilir: biri sinyalleri iyi tespit edebilir ve muhafazakar bir yanlılığa sahip olabilirken, diğeri düşük duyarlılığa ancak isabetleri artıran liberal bir yanlılığa sahip olabilir. d-prime, gerçek duyarlılığı yanlılıktan ayırır.
Sıfır kriteri (c) ne anlama gelir?
Sıfır kriteri, gözlemcinin yanlısız olduğu anlamına gelir; karar eşiklerini, sinyal var ve sinyal yok olasılıklarının eşit olduğu noktaya ayarlarlar. Pozitif c, muhafazakar yanlılığı (evet demek için güçlü kanıt gerektirir), negatif c ise liberal yanlılığı (kolayca evet der) gösterir.
İsabet oranı %100 veya yanlış alarm oranı %0 olduğunda durumlarla nasıl başa çıkarım?
Z-puanlarını hesaplamadan önce logit düzeltmeleri kullanın veya küçük bir süreklilik düzeltmesi ekleyin (örneğin, (isabetler + 0.5) / (toplam sinyaller + 1)). Bu, sonsuz değerleri önler ve veri seyrek veya aşırı olduğunda kararlı tahminler sağlar.
Güven derecelendirmeleriyle SAK'yi kullanabilir miyim, evet/hayır yanıtları yerine?
Evet. Güven derecelendirmesi verileri, birden çok kritere yayılan duyarlılık tahminleri sağlayan bir Alıcı İşletim Karakteristiği (ROC) eğrisi oluşturur. Bu, gözlemcinin içsel karar süreçleri hakkında daha zengin bilgi verir.
Kaynaklar
- Green, D. M., & Swets, J. A. (1966). Signal detection theory and psychophysics. Wiley. link ↗
- Macmillan, N. A., & Creelman, C. D. (2005). Detection theory: A user's guide. Lawrence Erlbaum Associates. link ↗
- Swets, J. A., Dawes, R. M., & Monahan, J. (1996). Psychological science can improve diagnostic decisions. Psychological Science in the Public Interest, 11(1), 1-26. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Signal Detection Theory. ScholarGate. https://scholargate.app/tr/psychology/signal-detection-theory