ABSTRAK. Subitisasi adalah penghitungan set kecil yang cepat dan akurat (hingga 3–4 item).

Meskipun subitisasi telah dipelajari secara ekstensif sejak deskripsi pertamanya sekitar 100 tahun
yang lalu, mekanisme dasarnya tetap diperdebatkan. Satu hipotesis mengusulkan bahwa subitisasi
hasil dari mekanisme estimasi numerik yang, menurut hukum Weber, beroperasi dengan presisi
tinggi untuk jumlah kecil. Atau, subitisasi mungkin bergantung pada proses berbeda yang
didedikasikan untuk numerik kecil. Dalam penelitian ini, kami menguji hipotesis bahwa ada sistem
estimasi bersama untuk jumlah kecil dan besar pada manusia dewasa, menggunakan paradigma
pilihan paksa bertopeng di mana peserta menyebutkan jumlah numeritas display yang diambil dari
set yang cocok untuk kesulitan diskriminasi; satu set berkisar antara 1 hingga 8 item, dan yang
lainnya berkisar dari 10 hingga 80 item. Hasilnya menunjukkan pelanggaran yang jelas terhadap
hukum Weber (presisi yang jauh lebih tinggi daripada angka numerik 1–4 daripada lebih dari angka
10-40), sehingga menyanggah hipotesis sistem estimasi tunggal dan mendukung gagasan mekanisme
khusus untuk memahami angka-angka kecil.

PENDAHULUAN

Subitizing adalah penilaian angka yang cepat, akurat, dan percaya diri yang dilakukan untuk sejumlah
kecil item (3-4 item). Istilah ini diciptakan pada tahun 1949 oleh E.L. Kaufman et al., Dan berasal dari
kata sifat Latin subitus (yang berarti "tiba-tiba") dan menangkap perasaan untuk segera mengetahui
berapa banyak item yang berada dalam adegan visual, ketika jumlah item yang ada termasuk dalam
kisaran subitisasi. Jumlah penilaian untuk ukuran set yang lebih besar disebut sebagai perkiraan jika
waktu yang tersedia tidak mencukupi bagi pengamat untuk menghitung secara akurat semua item
yang ada, atau menghitung sebaliknya.

Selama sekitar 100 tahun, pencacahan yang cepat, akurat, dan tampaknya mudah hingga tiga atau
empat item telah menghadirkan teka-teki bagi para psikolog (untuk ccount pertama, lihat Bourdon,
1908). Memang, pencacahan orang dewasa terhadap seperangkat item visual menunjukkan
diskontinuitas antara tiga atau empat item dan jumlah yang lebih besar. Penamaan numeratur cepat
dan akurat untuk set hingga tiga atau empat item, tetapi tiba-tiba menjadi lambat dan kesalahan
rawan di luar rentang ini, menunjukkan peningkatan linear sekitar 200 hingga 400 ms / item
(misalnya, Oyama, Kikuchi, & Ichihara, 1981 ; Trick & Pylyshyn, 1994). Disosiasi ini diadakan untuk
mencerminkan dua proses yang terpisah dalam penghitungan yang tepat, mensubstitusikan untuk
angka-angka kecil dan menghitung untuk yang lebih besar.

Bagaimana subitizing beroperasi masih diperdebatkan. Satu pandangan mengusulkan bahwa

subitisasi mencerminkan penggunaan prosedur estimasi numerik bersama untuk nomor kecil dan
besar (Dehaene & Changeux, 1993; Gallistel & Gelman, 1991). Sekarang sudah terbukti bahwa para
peserta dapat dengan cepat memperkirakan jumlah perkiraan dari sejumlah besar ot, tanpa
menghitung. Perkiraan ini tunduk pada hukum Weber: Penghakiman menjadi semakin kurang tepat
seiring meningkatnya angka, dan variasinya meningkat secara proporsional terhadap respons rata-
rata, sehingga diskriminasi umerosity ditentukan oleh rasio antara angka (Izard & Dehaene, 2008;
Whalen, Gallistel, & Gelman, 1999). Hukum Weber dapat dipertanggungjawabkan oleh garis
bilangan internal logaritmik dengan suara Gaussian yang tetap (Dehaene, 2007) - hipotesis yang kita
adopsi di sini untuk kesederhanaan eksposisi, meskipun akun serupa dapat diperoleh dengan
hipotesis skalar-variabilitas (menurut suara yang sebanding dengan mean pada skala linier; Gallistel
& Gelman, 1992).
Karena undang-undang Weber menyiratkan bahwa variabilitas dalam representasi angka-angka kecil
adalah rendah, telah disarankan bahwa undang-undang ini mungkin cukup untuk menjelaskan
transisi dari subitisasi hingga penghitungan. Menurut hipotesis ini, dalam tugas pencacahan tepat
dengan durasi presentasi stimulus yang tidak terbatas, peserta pertama-tama akan menghasilkan
perkiraan cepat, yang akan mencukupi untuk mendiskriminasikan suatu angka n dari tetangganya n +
1 dan n - 1 ketika n kecil, tetapi kemudian harus beralih ke penghitungan tepat ketika n lebih besar
dari 3 atau 4 dan proses estimasi menjadi terlalu tidak tepat untuk menghasilkan jawaban yang
dapat diandalkan (Dehaene & Cohen, 1994).

Sebuah akun alternatif mendalilkan mekanisme kognitif yang didedikasikan untuk sekumpulan kecil
objek. Studi tentang diskriminasi angka-angka pada bayi dan hewan muda telah menunjukkan
adanya dua sistem yang berbeda untuk mal dan angka-angka yang besar (untuk tinjauan ulasan
eigenson, Dehaene, & Spelke, 2004). Meskipun bayi dan hewan menunjukkan efek rasio untuk
diskriminasi angka-angka besar, dalam beberapa keadaan kinerja mereka dengan angka kecil (1–4)
lolos dari hukum Weber: Mereka berkinerja baik ketika jumlah yang akan dibandingkan lebih kecil
dari 3 (atau 4 untuk monyet) ), tetapi kinerja turun ke tingkat peluang ketika salah satu angka lebih
besar dari batas ini, bahkan jika rasio adalah satu di mana subjek berhasil ketika kedua kuantitas
besar.

Studi-studi ini menunjukkan bahwa bayi memiliki sistem yang berbeda untuk angka kecil, dan bahwa
untuk angka yang lebih besar, sistem ini dilengkapi oleh sistem estimasi yang mirip dengan yang
ditemukan pada orang dewasa. Trick dan Pylyshyn (1994) telah mengusulkan perbedaan yang sama
untuk orang dewasa: mekanisme pengindeksan visual khusus yang beroperasi di atas kumpulan kecil
hingga tiga atau empat objek dan sistem estimasi terpisah untuk jumlah yang lebih besar. Menurut
proposal ini, proses penandaan paralel yang beroperasi di atas set kecil preattentive, terjadi pada
tahap awal analisis visual di mana objek dipisahkan sebagai entitas individu. Karena proses ini
terbatas pada tiga atau empat item, pengerahan perhatian secara serial diperlukan untuk
menghitung jumlah yang lebih besar, sebagaimana yang direfleksikan oleh permulaan penghitungan
dalam tugas enumerasi.

Singkatnya, dua laporan subitizing yang menonjol telah diajukan: (a) hipotesis bahwa sistem estimasi
numerik tunggal digunakan untuk set kecil dan besar dan (b) hipotesis bahwa ada sistem pelacakan
yang didedikasikan untuk set kecil. Eksperimen ini dirancang untuk menguji dua kemungkinan ini.
Kami beralasan bahwa jika subitisasi bergantung pada estimasi numerik, kinerja harus serupa dalam
tugas penamaan dengan numerosities 1 hingga 8 dan dalam tugas yang sama dengan jumlah dekade
10 hingga 80. Jika hukum Weber adalah yang terpenting, angka-angka ini harus benar-benar cocok
untuk diskriminasi sulit (rasio yang sama antara 1 dan 2 sebagai antara 10 dan 20, dll., lihat Gambar.
1). Oleh karena itu, setelah peserta dilatih dengan menggunakan angka dekade saja, ketelitian yang
jauh lebih tinggi diharapkan pada rentang dari 1 hingga 4 seharusnya juga terlihat dalam rentang
dari 10 hingga 40: Seseorang seharusnya melihat ‘‘ subitizing ’’ bahkan untuk jumlah besar selama
mereka cukup dapat didiskriminasi. Jika bukan itu masalahnya, jelas akan menunjukkan bahwa
undang-undang Weber tidak menuntut untuk melakukan subitisasi, dan bahwa proses yang berbeda
harus dimainkan dengan numeritas 1 hingga 4.

Kami lebih lanjut beralasan bahwa jika subitisasi muncul dari perkiraan perkiraan, kisarannya harus
ditentukan oleh kapasitas peserta untuk diskriminasi angka-angka (yang diukur dalam tugas
perbandingan besar). Secara khusus, peserta dengan kapasitas diskriminasi yang lebih baik harus
lebih tepat dalam kedua tugas penamaan, dan khususnya harus memiliki rentang subitizing yang
lebih besar.

Paradigma kami dirancang agar kondisinya identik untuk dua tugas penamaan. Untuk mencegah
penghitungan, pengelompokan, atau strategi berbasis aritmatika, kami menutupi rangsangan dan
meminta peserta untuk menanggapi dalam waktu singkat. Penting untuk dicatat bahwa kami
mengkalibrasi peserta, karena peserta secara spontan meremehkan jumlah besar, tetapi dapat
dilatih untuk memberi label secara akurat (Izard & Dehaene, 2008). Untuk memperkuat proses
kalibrasi ini, kami memberi umpan balik di akhir setiap percobaan. Akhirnya, karena penamaan
jumlah kecil adalah tugas yang jauh lebih akrab dari penamaan dekade, peserta dilatih secara
intensif.

Gbr. 1. Model garis log kinerja dalam tugas penamaan. Numerositas pertama dikodekan pada
kontinum internal, garis bilangan mental, yang, dalam model ini, dikompresi (sehingga numeritas 1
diwakili oleh log (1), dll., Lihat sumbu x). Model mengasumsikan bahwa setiap numerosity dikodekan
oleh representasi fluktuasi, yaitu, variabel acak yang didistribusikan menurut distribusi Gaussian
dengan variabilitas yang tetap. Pada gambar, garis tebal menyoroti distribusi yang sesuai dengan
numerik 1, 5, dan 8 (panel atas) dan 10, 50, dan 80 (panel bawah). Distribusi untuk numerik lainnya
diwakili dengan garis putus-putus. Representasi internal numerosity diterjemahkan ke dalam kata
nomor verbal melalui grid respon: Garis bilangan dibagi menjadi segmen, masing-masing sesuai
dengan label verbal yang berbeda (lihat label di atas distribusi). Angka ini menggambarkan grid
respons optimal, di mana kriteria respons menandai batas antara dua label respons yang berdekatan
ditempatkan secara optimal di mana dua kurva distribusi yang mendasari bertemu. Menurut model
ini, numeritas 1 hingga 8 (panel atas) tidak berbeda dari dekade 10 hingga 80 (panel bawah) dalam
diskriminasi yang sulit, sehingga kinerja penamaan harus setara untuk dua set ini. Secara khusus,
penamaan harus hampir sempurna pada angka pertama di setiap set (karena ada sedikit
representasi yang mendasari tumpang tindih) dan menjadi semakin kurang tepat untuk numerik
yang lebih besar (karena peningkatan tumpang tindih).

METODE

Peserta

Delapan belas peserta yang menggunakan tangan kanan (8 pria, 10 wanita; usia rata-rata = 24,9
tahun, rentang = 18-38) tanpa riwayat penyakit neurologis atau psikiatri, dan penglihatan normal
atau berkoreksi-ke-normal, fokus memberikan informsi tertulis.

Tugas dan Prosedur

Tugas diprogram menggunakan perangkat lunak E-Prime (Schneider, Eschman, & Zuccolotto, 2002)
dan diberikan pada komputer portabel pada jarak pandang 57 cm. Peserta melakukan tugas
pembandingan dan dua tugas penamaan.

Dots Comparison Task

Dalam tugas ini, peserta disajikan dengan dua titik array dan dinilai secara akurat dan secepat
mungkin mana yang berisi lebih banyak titik. Pada setiap percobaan, satu array mengandung
numerik tetap (16 untuk setengah percobaan, 32 untuk setengah lainnya), dan array lainnya
(beragam numerosity) berisi numeritas yang lebih kecil atau lebih besar dari ukuran yang ditentukan
oleh salah satu dari empat rasio yang mungkin. : 1,06, 1,13, 1,24, atau 1,33. Dengan demikian,
kesulitan perbandingan dimanipulasi (semakin kecil rasio, semakin sulit perbandingan). Dua numerik
yang tetap dan empat rasio disajikan dalam urutan acak di seluruh blok. Peserta menanggapi dengan
menekan tombol mouse pada sisi yang sama dengan susunan yang lebih besar (menggunakan jari-
jari indeks kiri atau kanan). Titik-titik, yang ada di layar sampai peserta menjawab, berwarna hitam,
dan dua larik muncul dalam dua cakram putih di kedua sisi titik putih sentral (setelah penundaan
1.400 ms); latar belakang layar hitam. Pada setengah uji coba, ukuran titik dari berbagai-numerosity
array diadakan konstan, dan di setengah lainnya, ukuran area yang ditempati oleh berbagai array
numerumer dipertahankan konstan; dalam susunan-array yang memiliki batas-batas, parameter-
parameter ini divariasikan secara bersamaan. Desain ini diadopsi untuk mencegah peserta dari
mendasarkan kinerjanya pada parameter nonnumerik ini (lihat Dehaene, Izard, & Piazza, 2005, untuk
deskripsi lebih rinci tentang logika di balik manipulasi semacam itu). Peserta melakukan 16 uji coba
pelatihan dengan umpan balik akurasi dan kemudian melakukan total 128 uji coba eksperimental (32
percobaan per rasio).

Tugas Numerosity Naming

Peserta melakukan dua tugas penamaan, satu dengan numerosities 1 hingga 8 (tugas 1–8) dan satu
dengan numerosities dekade 10 hingga 80 (tugas 10–80). Kedua tugas itu diberikan di masing-
masing dua sesi. Urutan tugas diimbangi di seluruh sesi dan peserta.

Prosedur itu identik untuk dua tugas penamaan. Para peserta secara eksplisit diberitahu tugas mana
yang akan datang berikutnya dan jumlah yang mana yang dapat muncul selama tugas. Mereka
diperintahkan untuk menyebutkan jumlah titik secara akurat dan secepat mungkin, dalam waktu 1
detik (jika tidak, persidangan akan dibuang). Mereka pertama kali dikalibrasi dengan melihat 16
contoh rangsangan, yang terdiri dari pola acak titik-titik. Untuk memastikan bahwa estimasi peserta
didasarkan pada angka dan bukan pada parameter kontinyu lainnya, kami menjaga kepadatan dot
tetap dalam setengah kalibrasi dan rangsangan uji dan menjaga agar ukuran dot konstan dalam
setengah lainnya. Selama kalibrasi, contoh dan jawaban yang benar disajikan hingga 10 detik, sesuai
dengan kebutuhan peserta.

Uji coba percobaan dimulai dengan salib pusat, yang memantul dua kali untuk mengumumkan
kedatangan titik-titik; titik-titik diikuti oleh masker flicker dan akhirnya layar hitam (lihat Gbr. 2).
Peserta menanggapi menggunakan mikrofon. Tanggapan yang diberikan dalam 1 detik dimasukkan
oleh eksperimen menggunakan keyboard, dan peserta kemudian menerima umpan balik (tanggapan
yang benar ditampilkan jika responnya salah). Jika waktu respons melebihi 1 detik, slide yang
mendorong respons lebih cepat dan menunjukkan jawaban yang benar ditampilkan. Setiap blok
terdiri dari 16 percobaan kalibrasi diikuti oleh 40 percobaan eksperimental yang menghadirkan
masing-masing numerik lima kali, dalam urutan acak. Peserta melakukan empat blok dari setiap tes
di setiap sesi, dengan total delapan blok (320 percobaan, 40 presentasi dari masing-masing
numerosity) selama dua sesi. Dua blok pertama dari setiap tes di setiap sesi dibuang sebagai
pelatihan, dan analisis oleh karenanya dibatasi hingga maksimum 160 uji coba per percobaan (20
percobaan setiap angka per tes, atau kurang jika peserta menanggapi terlalu lambat pada beberapa
percobaan). Untuk analisis, tingkat kesalahan, waktu respon rata-rata (RT), respon rata-rata, dan
koefisien variasi (VC; simpangan baku tanggapan dibagi dengan respon rata-rata) dihitung untuk
setiap angka dan masing-masing peserta. Keragaman skalar dan hukum Weber direfleksikan oleh VC
stabil dalam numerositas (Izard & Dehaene, 2008; Whalen et al., 1999), dan VC memberikan indikasi
keseluruhan ketepatan representasi numerik yang mendasari (Izard & Dehaene, 2008).

HASIL

Dots Comparison Task

Akurasi pada titik perbandingan tugas digunakan untuk memperkirakan fraksi Weber internal (w),
ukuran ketepatan representasi numerik yang mendasari, untuk setiap peserta, menggunakan
metode yang dijelaskan sebelumnya ('' model keputusan kemungkinan maksimum '' yang dijelaskan
dalam Data Tambahan dari Piazza, Izard, Pinel, Le Bihan, & Dehaene, 2004). Metode ini pada
dasarnya memperkirakan standar deviasi distribusi Gaussian teoritis yang menentukan ketepatan
representasi numerik internal pada skala log (lihat Gambar. 1). Mean w di peserta adalah 0,18 (SD =
0,06, Mdn = 0,16). Peserta dibagi dengan median split menjadi dua kelompok diskriminasi-presisi:
rendah (w> 0,16; 7 peserta) dan tinggi (w< 0,16; 11 peserta). Kedua kelompok tidak berbeda pada
keseluruhan RT, t (16) = 1,50, p = 0,15.

Numerosity Naming Tasks Beberapa percobaan numerosity dikeluarkan karena RT berlebihan (1–8
tugas: M = 3.44, SD = 2.31; 10–80 tugas: M = 6.78, SD = 3.95). Untuk setiap tugas, analisis awal
varians (ANOVA) menunjukkan bahwa urutan tugas, nomor sesi, dan parameter berkelanjutan
nonnumerik yang diadakan konstan tidak memiliki efek yang signifikan pada tingkat kesalahan, RT,
dan VC; Oleh karena itu data runtuh di seluruh faktor-faktor ini. Data kemudian dianalisis dalam 2
(rentang angka: 1–8 vs 10–80) x 2 (kelompok diskriminasi-presisi: rendah vs tinggi) x 8 (urutan
peringkat dari angka-angka: dari 1, untuk 1 atau 10, hingga 8, untuk 8 atau 80) ANOVA.

Tingkat kesalahan

Tingkat kesalahan secara signifikan lebih rendah dalam kisaran dari 1 sampai 8 (M = 21%, SD = 7%)
daripada dalam rentang dari 10 hingga 80 (M = 51%, SD = 6%), F (1, 256) = 518,32, p <0,01, dan juga
lebih rendah untuk peserta dalam kelompok presisi tinggi (M = 32%, SD = 54%) dibandingkan dengan
mereka dalam kelompok presisi rendah (M = 39%, SD = 2%), F (1, 256) = 30,06, p <.01; ada juga efek
signifikan dari urutan peringkat, F (7, 256) = 104.49, p <.01, tingkat kesalahan menjadi lebih rendah
untuk numerik yang lebih kecil dalam setiap rentang.

Krusial, interaksi antara rentang dan urutan peringkat sangat signifikan, F (7, 256) = 32.64, p <.01,
sehingga melanggar prediksi pengaruh yang serupa dari urutan peringkat di dua rentang, seperti
yang berasal dari hukum Weber. Dalam rentang dari 1 sampai 8, tingkat kesalahan pada dasarnya
nol untuk numeritas 1 hingga 4, dan mulai meningkat tajam dimulai dengan angka 5 (lihat Gambar
3a). Sebaliknya, dalam rentang dari 10 hingga 80, kesalahan sering terjadi bahkan untuk numerik 20
dan 30 (lihat Gambar 3b). Faktor kelompok berinteraksi secara signifikan dengan urutan peringkat, F
(7, 256) = 3,65, p <.01, karena tingkat kesalahan yang lebih rendah untuk peserta dengan presisi
tinggi dalam perbandingan numerik sangat jelas untuk peringkat 6 hingga 8. Interaksi triple juga
signifikan , F (7, 256) = 4.17, p <.01; peserta dengan presisi tinggi membuat kesalahan lebih sedikit
daripada yang memiliki ketepatan rendah untuk sebagian besar numerik dalam tugas berhitung
besar, tetapi hanya untuk numerik 5 hingga 7 dalam tugas angka kecil. Kelompok-kelompok tidak
berbeda untuk numeritas 1 hingga 4.

Response Times

RT mengungkapkan efek utama rentang, F (1, 256) = 517.40, p <.01, menjadi lebih cepat dalam
rentang dari 1 hingga 8 (M = 588 ms, SD = 32 ms) daripada dalam rentang dari 10 hingga 80 ( M =
737 ms, SD = 44 ms). Peserta dengan presisi diskriminasi tinggi sedikit lebih lambat (M = 672 ms, SD
= 30 ms) dibandingkan mereka dengan presisi rendah (M = 655 ms, SD = 41 ms), F (1, 256) = 8.09, p
<.01. Ada juga efek utama dari urutan peringkat, F (7, 256) = 31,36, p <.01; RT meningkat dari
peringkat 1 hingga peringkat 5 dan kemudian stabil. Yang penting, interaksi rentang dan urutan
peringkat, F (7, 256) = 27.14, p <.01, sekali lagi menunjukkan pemrosesan diferensial dari angka kecil
1 sampai 4, yang diproses dengan RT lebih cepat daripada 5 hingga 8 atau 10 melalui 80 (lihat
Gambar. 3c dan 3d). Hasil ini sekali lagi menunjukkan pola pemrosesan yang berbeda dalam rentang
subitizing, bertentangan dengan prediksi yang berasal dari hukum Weber. Akhirnya, rentang juga
berinteraksi dengan grup, F (1, 256) = 9.03, p <.01, karena peserta dengan presisi tinggi sedikit lebih
lambat daripada mereka dengan presisi rendah dalam tugas 10–80 saja (M = 751 ms, SD = 36 ms , vs.
M = 715, SD = 48 ms). Semua efek lainnya tidak signifikan.

Singkatnya, kami kembali menemukan perbedaan yang jelas antara dua rentang, peserta menjadi
jauh lebih cepat dalam tugas 1-8 dari pada tugas 10–80 dan menunjukkan efek subitisasi hanya di
atas angka numerik 1 hingga 4. Juga, ketepatan diskriminasi hanya memengaruhi kinerja. dalam
tugas 10–80, yang menunjukkan bahwa variabilitas dalam rentang dari 1 hingga 8 diatur oleh
prinsip-prinsip selain dari akurasi perkiraan jumlah besar.

Rerata Respon dan Koefisien Variasi Dalam rentang angka, tanggapan rata-rata cukup dekat dengan
yang benar, dan variabilitas dalam respons meningkat seiring meningkatnya angka, tanda proses
estimasi (lihat Gambar 3 dan 3f). Namun, perluasan yang jelas dari rentang respon muncul sudah
pada angka 20 dalam tugas 10–80, sedangkan pelebaran yang sebanding tidak muncul sampai jauh
kemudian (numerosity 5) dalam tugas 1-8.

Untuk memvalidasi pengamatan ini secara statistik, kami memperkirakan respon rata-rata dan
standar deviasi tanggapan dengan menyesuaikan distribusi respon kumulatif untuk setiap
numerosity dan masing-masing peserta dengan kumulatif fungsi distribusi Gaussian. Fit secara
keseluruhan sangat baik untuk tugas 1–8: M = 1,00, SD = 0,00) dan 10 80 tugas (R 2: M = , 99, SD = .
006), kecuali dalam kasus numerik ekstrim, yang terkadang menunjukkan efek penahan (sangat
sedikit variabilitas respon). Oleh karena itu, angka ekstrem ekstrim dikeluarkan dari analisis VC untuk
kedua rentang, dan VC dianalisis dalam 2 (rentang) x 2 (grup) x 6 (urutan peringkat dari angka)
ANOVA.

Ada efek utama rentang, F (1, 192) = 636,25, p <0,01, VC jauh lebih rendah dalam tugas 1-8 (M =
0,05, SD = 0,02) daripada dalam tugas 10–80 (M = 0. 23, SD = 0.04). Ada kecenderungan ke arah efek
utama dari urutan peringkat, F (5, 192) = 2,31, p = ,05, VC menjadi lebih rendah untuk numerik
ekstrim, mungkin karena efek penahan yang tersisa. Krusial, interaksi antara rentang dan urutan
peringkat lagi diamati, F (5, 192) = 26,52, p <.01; VC secara dramatis lebih rendah dalam kisaran dari
1 sampai 4 dibandingkan dengan rentang dari 5 sampai 8, tetapi tidak ada efek seperti itu terlihat
untuk 10 sampai 40 versus 50 hingga 80 (Gambar 3g dan 3h).

Efek utama kelompok, F (1, 192) = 25.45, p <.01, menunjukkan bahwa peserta dengan presisi tinggi
memiliki VC yang lebih rendah (M = 0,13, SD = 0,03) dibandingkan peserta dengan presisi rendah (M
= 0,16, SD 50,02 ). Tidak ada interaksi antar kelompok atau interaksi tiga ditemukan; Namun, peserta
dengan presisi yang lebih tinggi memiliki VC rata-rata lebih rendah di atas numerik 20 sampai 70, t
(16) = - 2,27, p <0,05, dan lebih dari angka 5 sampai 7, t (16) = - 4,62, p <.01, tetapi tidak melebihi
angka 2 sampai 4, t (16) = - 0,74, p 5,47 (lihat Gambar 4).

Singkatnya, tanggapan menunjukkan peningkatan mendadak variabilitas antara angka 4 dan 5, hasil
yang tidak diharapkan dari proses estimasi Weberian murni. Tidak ada diskontinuitas seperti itu
ditemukan dalam kisaran dari 10 hingga 80. Juga, peserta dengan presisi diskriminasi yang lebih
tinggi memiliki VC yang lebih rendah, khususnya dalam tugas 10–80 dan di luar rentang subitisasi
dalam tugas 1–8.

Predictors of Subitizing Range dan Response Precision

Kami melakukan analisis korelasi untuk mengeksplorasi lebih lanjut hubungan antara pengukuran
presisi respons yang berbeda. Pertama, kami menentukan rentang subitisasi untuk setiap peserta
menggunakan data dari tugas 1–8. Rentang pemitabilitas diperkirakan dengan menyesuaikan kurva
RT penuh (tidak termasuk numerik 8) dengan fungsi sigmoid numerosity dan mengambil titik infleksi
dari kurva tersebut (1 peserta outlier dikeluarkan). Data yang sangat baik (rata-rata R 2 = .91 SD = .
12). Analisis ini menghasilkan kisaran subitisasi rata-rata 4,38 (SD = 0,25). Jika subitisasi disebabkan
oleh satu proses estimasi yang digunakan untuk jumlah kecil dan besar, rentang subitisasi, fraksi
Weber dalam perbandingan angka, dan ketepatan penamaan numeritas harus dikorelasikan dengan
erat. Bertentangan dengan prediksi ini, rentang subitizing tidak terkait dengan w, parameter
diskriminasi (r = - .03), dan tidak berhubungan dengan VC untuk numerositas 2 hingga 7 (r = - .08)
dan 20 hingga 70 (r = - .31 ). Namun, VC untuk numeritas 20 hingga 70 lebih kuat berkorelasi dengan
VC untuk numeritas 5 hingga 7 dibandingkan dengan VC untuk numeritas 2 hingga 4 (rs = .78 dan .
52, masing-masing).

DISKUSI DAN KESIMPULAN

Dalam konflik dengan hukum Weber, tetapi sesuai dengan hipotesis bahwa ada mekanisme yang
didedikasikan untuk memproses jumlah kecil, berbagai langkah mengungkapkan ketepatan yang
tidak proporsional dalam kisaran angka 1 sampai 4. VC mendekati nol untuk angka-angka ini,
menunjukkan nol atau sangat sedikit variabilitas dalam respons, kesalahan sangat jarang dalam
rentang ini. Sebaliknya, tidak ada keuntungan yang jelas untuk numeritas 10 hingga 40 dalam tugas
10–80. Secara khusus, VC untuk 10 hingga 40 tinggi, karena kesalahan sering dan variabilitas respon
besar.

Analisis variabilitas antarindividu mengkonfirmasi status khusus dari rentang subitisasi.

Dibandingkan dengan peserta dengan presisi diskriminasi rendah untuk numerositas besar, mereka
dengan presisi tinggi membuat kesalahan lebih sedikit atas sebagian besar angka dalam tugas 10–80
dan di luar rentang subitisasi dalam tugas 1-8 dan keseluruhannya lebih tepat. Namun, rentang
subitisasi tidak berkorelasi baik dengan presisi diskriminasi atau dengan ketepatan penamaan.

Singkatnya, perbedaan kinerja yang jelas antara dua rentang penamaan, keuntungan unik untuk
numeritas dalam rentang subitizing, dan tidak adanya korelasi antara subitizing dan kinerja angka
besar sangat menunjukkan bahwa ada sistem terpisah yang didedikasikan untuk numerositas kecil (1
–4), dan bertentangan dengan hipotesis bahwa subitisasi adalah estimasi pada tingkat presisi yang
tinggi (Dehaene & Changeux, 1993; Gallistel & Gelman, 1991). Hasil kami sejalan dengan penelitian
bayi dan hewan muda, yang memberikan bukti untuk mekanisme terpisah dari pemahaman jumlah
kecil dalam populasi ini (untuk review, lihat Feigenson et al., 2004).

Penelitian kami juga memungkinkan kami untuk menyelidiki hubungan antara pembandingan
numerositas dan penomoran numerositas. Menurut model nomor baris log (Dehaene & Changeux,
1993; Izard & Dehaene, 2008; lihat Gambar. 1), parameter tunggal, fraksi Weber internal, harus
langsung memprediksi kedua kemampuan. Data kami mendukung hipotesis ini, karena peserta
dengan presisi diskriminasi yang lebih tinggi juga lebih tepat dalam penamaan. Hasil tersebut sejalan
dengan teori matematika baru-baru ini yang menunjukkan bagaimana kinerja dan kurva RT dalam
tugas-tugas numerik klasik dapat diturunkan dari prinsip-prinsip pertama berdasarkan pada hipotesis
bilangan batang (Dehaene, 2007).

Data kami kontras dengan Cordes, Gelman, Gallistel, dan Whalen (2001), yang tidak menemukan
perbedaan antara VC di dalam dan di luar rentang subitisasi dan karena itu berpendapat untuk
representasi berkelanjutan dari numerik kecil dan besar. Meskipun data kami menunjukkan adanya
sistem yang jelas dan tepat untuk angka-angka kecil, adalah mungkin bahwa sistem seperti itu hidup
berdampingan dengan sistem perkiraan untuk angka kecil, tetapi sistem yang digunakan dalam kasus
tertentu tergantung pada kondisi tugas. Dalam studi oleh Cordes et al. (2001), rangsangan adalah
angka Arab, dan tanggapan cepat mengetuk nonverbal. Mungkin ada sistem terpisah untuk
pemahaman angka-angka kecil yang mendominasi dalam kasus-kasus di mana rangsangan visual
nonsymbolic, seperti titik-titik, disajikan secara bersamaan sebagai satu set.

Penting untuk dicatat bahwa untuk kedua tugas penamaan, peserta dilatih secara intensif dan
menerima umpan balik secara teratur untuk melawan kemungkinan efek keakraban dengan
penamaan numerik yang lebih kecil. Meskipun orang dapat berkeberatan bahwa pelatihan ini masih
tidak cukup, diskontinuitas yang jelas antara numerositas 1 hingga 4 dan 5 hingga 8 masih perlu
dijelaskan. Diskontinuitas semacam itu mungkin tidak mengherankan dalam RT dalam tugas
subitizing klasik (durasi presentasi stimulus tidak terbatas), karena peserta dianggap beralih strategi
dan mulai menghitung sekitar 4 atau 5 item (Piazza, Giacomini, Le Bihan, & Dehaene, 2003). ).
Namun, dalam penelitian kami, penutup dan jendela sempit untuk respons mencegah peserta
menghitung, dan, memang, RT tidak menunjukkan peningkatan serial baik dalam rentang subitisasi
(1-4) atau rentang penghitungan (5-8). Karena penghitungan dicegah, para pendukung hipotesis
subitizing-as-estimation akan berpendapat bahwa seluruh kurva di atas rentang dari 1 hingga 8
adalah karena estimasi angka-angka - namun hasilnya dengan jelas menunjukkan bahwa estimasi
secara dramatis lebih tepat dari 1 hingga 4 dari 5 sampai 8, dalam perselisihan dengan sistem yang
mematuhi hukum Weber. Simulasi oleh model estimasi numerik saat ini, seperti Dehaene dan
Changeux's (1993) atau Verguts dan Fias (2004) model, menghasilkan kinerja yang mematuhi hukum
Weber bahkan dalam kisaran angka kecil, dan dengan demikian tidak dapat
mempertanggungjawabkan data saat ini dengan satu proses.

Hasil kami juga menunjukkan kinerja yang sedikit lebih baik di atas angka 5 hingga 8 daripada angka
numerik 10 hingga 8 (lihat Gambar 3), yang tidak diharapkan jika subjek hanya menggunakan
estimasi di atas kedua rentang ini. Namun, ada kemungkinan bahwa pola ini mencerminkan
penggunaan strategi penggabungan subitisasi dengan estimasi dalam rentang dari 5 hingga 8.
Subyek mungkin memiliki sub-kelompok subkelompok stimulus selain untuk memperkirakan jumlah
sisa titik, strategi yang tidak berlaku dalam tugas 10–80.

Hasil kami jelas menunjukkan bahwa subitisasi tidak terkait dengan kesulitan diskriminasi
sebagaimana ditentukan oleh undang-undang Weber. Namun, seseorang dapat menyatakan bahwa
satu proses diskriminasi mendasari subitisasi dan estimasi, tetapi hukum Weber tidak berlaku untuk
jumlah kecil hingga 3 atau 4, yang fraksi Weber akan jauh lebih kecil. Misalnya, dapat disarankan
bahwa dalam rentang angka kecil, variabel selain rasio antara rangsangan (mungkin variabel yang
berkaitan dengan ransum spasial atau faktor-faktor perseptual lainnya) meningkatkan angka
diskriminabilitas. Postulat semacam itu dapat menyelamatkan hipotesis bahwa satu proses
diskriminasi mendasari subitisasi dan estimasi, tetapi pada dasarnya jumlah untuk mendalilkan
bahwa angka-angka kecil menerima perlakuan khusus dalam sistem estimasi aproposal yang
tampaknya sulit untuk dipisahkan dari hipotesis subitisasi asli. Kesimpulannya, meskipun penelitian
kami memberikan bukti terhadap estimasi sebagai mekanisme yang mendasari subitizing,
pertanyaan tetap terbuka, apakah subitizing bergantung pada proses numerik domain-spesifik atau
pada proses kognitif domain-umum. Seratus tahun setelah penemuan subitisasi, mekanismenya
tetap misterius seperti sebelumnya — tetapi saya sekarang jelas bahwa mereka tidak didasarkan
pada proses estimasi Weberian.