让绘画通过数学度量发声
统计方法学
2021-09-07 v1 神经元与认知
摘要
图形绘画是一项需时学习的技能，并在不同童年阶段中演进，从涂鸦开始，以表征性绘画结束。在这些阶段之间，难以评估儿童何时及如何在绘画中展现意图与表征性。随着儿童技能从涂鸦进展到图形绘画，所产生的痕迹日益目标导向且高效。前图形活动提供了关注绘画过程的机会。我们将十四种度量应用于两个不同数据集（N=65 与 N=345），以更好理解绘画背后的意图与表征过程，并使用主成分分析（PCA）在不同具有生物学意义的维度上组合这些度量。识别出三个维度：基于空间度量的效率、带有色彩度量的多样性，以及时间顺序性。各维度中起作用的度量在两个数据集中相似，且 PCA 在两个数据集中解释了 77% 的方差。这些分析将儿童的涂鸦与成人所绘者区分开来。本研究突出的三个维度增进了对绘画中意图与表征性涌现的理解。我们已在比较心理学与演化人类学中对这类发现的展望进行了讨论。
引用
@article{arxiv.2109.02276,
title = {Making drawings speak through mathematical metrics},
author = {Cédric Sueur and Lison Martinet and Benjamin Beltzung and Marie Pelé},
journal= {arXiv preprint arXiv:2109.02276},
year = {2021}
}