A bi-estabilidade nas representações de movimento humano a partir de estímulos
visuais e auditivos
INTRODUÇÃO
Os primeiros trabalhos científicos em percepção de movimento biológico
(Johansson, 1973) permitiram a constatação de que um estímulo simplificado de
movimento humano, denominado Point-Light Walker(PLW), produzia uma impressão
vívida e imediata de uma pessoa em acção. Ou seja, representações com pontos de
luz das articulações de uma pessoa em andamento são suficientes para
proporcionar uma imagem clara de um humano em movimento. Contudo, esta imagem
dá lugar à observação de um conjunto sem sentido de pontos quando o PLW está
parado. Desde então, o PLW tem permanecido como o estímulo por excelência no
estudo da percepção do movimento biológico, não só por permitir uma boa síntese
e controlo de variáveis, como também pelas suas propriedades perceptivas e
robustez.
A acção humana não é processada da mesma forma que o movimento de um objecto
rígido. A sensibilidade ao movimento biológico aumenta com o número de pontos
luminosos associados às articulações, muito mais rapidamente que na detecção de
outros padrões de movimento (Neri, Morrone, & Burr, 1998). Por outro lado,
esta informação é integrada durante intervalos de tempo 8 vezes superiores aos
observados no movimento de objectos rígidos. Uma boa detecção é possível até em
condições altamente degradadas, como na diminuição do número de frames, na
alteração das trajectórias de pontos ou na introdução de um fundo constituído
por pontos similares em movimento aleatório (Blake & Shiffrar, 2006). Mesmo
com os movimentos articulares misturados ou incongruentes e a velocidades
lentas, há uma percepção vívida de um sujeito em movimento (Beintema, Olesiak,
& Wezel, 2006).
O estudo da percepção do movimento biológico a partir do uso das metodologias
descritas tornou possível conhecer a informação que pode ser deduzida a partir
da observação do movimento de uma pessoa. Sabe-se hoje que a partir da
visualização de um PLW é possível perceber a actividade desenvolvida, o género
do actor (Pollick, Kay, Heim, & Stringer, 2005; Troje, 2002), a sua
identidade (Jacobs & Shiffrar, 2005; Loula, Prasad, Harber, & Shiffrar,
2005; Richardson & Johnston, 2005; Troje, Westhoff, & Lavrov, 2005) e
até estados emocionais (Dittrich, Troscianko, Lea, & Morgan, 1996).
A robustez deste tipo de estímulo e as suas propriedades são melhor
compreendidas à luz de dados neurofisiológicos. Os primeiros dados que
indicaram a existência de uma área cerebral específica para a codificação de
estímulos de movimento humano resultaram de estudos com primatas. Nestes
estudos, observou-se que neurónios do sulco temporal superior (STS) respondiam
selectivamente a caras (Perrett, Rolls, & Caan, 1982), assim como a formas
e movimentos humanos (Perret, Smith, Mistlin, Chitty, & Head, 1985). A área
STS é um ponto de convergência das vias visuais ventral e dorsal, com funções
de processamento de forma e de movimento, respectivamente, e tem ligações com a
amígdala e com o córtex orbitofrontal, regiões implicadas no processamento de
estímulos de importância social e emocional (Puce & Perrett, 2003).
Num estudo com tomografia de emissão de positrões (PET), identificou-se que
área posterior do STS (STSp) responde apenas quando as pessoas vêem PLW
coerentes (Bonda, Petrides, Oery, & Evans, 1996). Na mesma área, observou-
se uma activação mais forte para os PLW de pé que para os invertidos (Grossman,
Blake, & Kim, 2004). Tanto figuras humanas estáticas, como movimentos
rígidos complexos produzem pouca ou nenhuma activação da área STSp (Beauchamp,
Lee, Haxby, & Martin, 2002; Peuskens, Smith, Mistlin, Chitty, & Head,
2005). As células desta área que respondem ao movimento de corpo inteiro são
selectivas para a direcção do movimento e activam-se maioritariamente perante
movimentos de corpo apresentados em orientações frontais, ainda que algumas
células respondam a movimentos de costas (Puce & Perrett, 2003). Esta
selectividade de activação celular poderá estar na base do viés perceptivo
encontrado para posições frontais, e que será analisado em maior detalhe mais
abaixo.
A área STSp parece responder não só a imagens, como a sons relacionados com
movimento biológico. Num estudo com ressonância magnética (fMRI), observou-se a
activação desta área durante a percepção auditiva de vários tipos de passos
humanos, mas não para sons não relacionados (Bidet-Caulet, Voisin, Bertrand,
& Fonlupt, 2005). Esta descoberta levou à formulação da hipótese de que a
área STSp poderá fazer parte de uma rede que abrange tudo quanto está
relacionado com o movimento biológico, com funções supramodais para a
integração a um nível superior de estímulos relevantes para a cognição da acção
humana (Bidet-Caulet et al., 2005; Blake & Shiffrar, 2006). Atendendo a
estes dados, pode hipotetizar-se que o movimento biológico seja não só
funcionalmente, como também perceptivamente processado de forma própria. Torna-
se, então, relevante estudar a dinâmica dos estímulos visuais e auditivos na
percepção de movimento biológico, de modo a compreender o impacto perceptivo
desta especialização cerebral.
Nos estudos de percepção bimodal (estimulação visual e auditiva) clássicos,
frequentemente o estímulo visual altera as propriedades do estímulo auditivo,
influenciando a percepção final. Em tarefas de percepção de movimento, os
sujeitos falham frequentemente na discriminação da direcção da fonte sonora,
quando acompanhada de movimento visual na direcção oposta. Por sua vez, a
identificação do movimento visual não é afectada pela direcção do movimento
auditivo (Soto-Faraco, Spence, & Kingstone, 2004). Também em tarefas que
simulam o efeito de ventriloquismo, observa-se que os sujeitos tendem a
redefinir a localização percebida da fonte sonora de forma a encaixar com a
fonte visual, assim como tendem a distorcer as propriedades do som, passando a
percebê-lo como a mover-se na mesma direcção do estímulo visual (Soto-Faraco,
Spence, Lloyd, & Kingstone, 2004).
Observam-se, por outro lado, situações em que é o estímulo auditivo a
influenciar as fontes de informação visual. São, disso exemplo, os estudos que
exploram o fenómeno de ventriloquismo temporal, em que um som apresentado em
grande proximidade temporal pode alterar as dimensões duracionais percebidas do
estímulo visual (Vroomen & Gelder, 2004). Também são notáveis as
influências do estímulo auditivo sobre o visual em procedimentos experimentais
em que os sujeitos devem bater um dedo de acordo com o ritmo de estímulos
visuais e auditivos, sendo que os segundos têm sempre grande influência (por
vezes não percebida) sobre o ritmo reproduzido, em detrimento dos primeiros
(Repp, 2003; Repp & Pennel, 2002). Recentemente, Watkins, Shams, Tanako,
Haynes, e Rees (2006) observaram ainda que a apresentação de um flash visual
breve acompanhada de dois bipssonoros é frequentemente percebida
incorrectamente como dois flashes visuais.
De acordo com os dados actuais, considera-se que interacções multisensoriais da
percepção de movimento se caracterizam pelo domínio, ao invés da interferência,
de uma modalidade sensorial sobre a outra (Soto-Faraco, Spence, Lloyd, &
Kingstone, 2004). Repp e Pennel (2002) analisaram dados provenientes de vários
estudos e concluíram que os estímulos visuais são consistentemente dominantes
em tarefas de percepção espacial, deturpando as propriedades dos estímulos
auditivos. Observaram, simultaneamente, que os estímulos auditivos são mais
fortes em tarefas de percepção temporal.
Os dados até agora disponíveis acerca da multimodalidade na percepção do
movimento biológico levam a supor que estes processos podem ser diferentes.
Estudos com estímulos biológicos sugerem que as pistas podem, quando
incompatíveis, ser integradas, formando um novo percepto. No efeito McGurk
(McGurk & Mac Donald, 1976), enquanto os sujeitos ouviam uma voz humana
dizer /ba/ e viam uma face humana dizer /ga/, o percepto final era
frequentemente /da/.
Do ponto de vista do movimento biológico, pouco se sabe acerca destas
interacções. Num estudo em que se avaliava a magnitude de saltos, a condição em
que foram emparelhados estímulos visuais e auditivos congruentes produziu
melhores resultados que as condições visual e auditiva, separadamente
(Effenberg, 2005). Também, um trabalho recente investigou os correlatos
comportamentais da integração audiovisual no processamento de pistas de
movimento biológico (Brooks, Zwan, Billard, Petreska, Clarke, & Blanke,
2007). Os resultados indicaram a existência de efeitos selectivos de direcção
do som na detecção do movimento biológico. Com efeito, quando comparada com a
condição de som estacionário, a condição de movimento sonoro na mesma direcção
do movimento visual obteve melhores resultados de detecção. Por outro lado,
perante movimento sonoro e visual em direcções opostas, observou-se o efeito
inverso, com o aumento significativo dos tempos de detecção. Esta facilitação/
inibição bimodal específica para a detecção de movimento audiovisual não foi
encontrada em ensaios de controlo, com o PLW invertido.
Alais e Burr (2004) realizaram um estudo metodologicamente semelhante ao de
Brooks e colaboradores (2007), com movimento rígido. Neste estudo, os efeitos
de facilitação não se verificaram, ou seja, não se encontraram melhorias para
além do esperado pela mera combinação estatística dos sinais perante o
movimento na mesma direcção. Por sua vez, o som em movimento oposto ao visual
permitia resultados semelhantes aos encontrados quando ambos os estímulos se
deslocavam na mesma direcção, não se observando o efeito de inibição bimodal.
Analisados em conjunto, estes dados sugerem a existência de um mecanismo
específico para a integração de estímulos associados ao movimento humano.
O estudo descrito no presente trabalho teve como objectivo observar os
processos envolvidos na percepção audiovisual do movimento biológico. Esperava-
se observar pouca predominância sensorial e maior tendência para a integração
dos estímulos visual e auditivo. Ou seja, esperava-se que os sujeitos não se
centrassem apenas numa pista sensorial, em detrimento da outra. Também se
procurava observar na condição audiovisual taxas de acerto mais elevadas que
nas condições unimodais visual e auditiva.
De forma a testar estas hipóteses, optou-se por fazer uso de estímulos visuais
ambíguos e bi-estáveis, que podem ser percebidos como compatíveis ou como
incompatíveis com os estímulos sonoros. Com efeito, esta é uma propriedade
possível dos PLW, que foi alvo de estudo por Vanrie, Dekeyeser, e Verfaillie
(2004). Por consistirem em representações empobrecidas do movimento biológico,
os PLW não contêm pistas estruturais ou dinâmicas suficientes para permitir
sempre uma identificação correcta da orientação do sujeito em marcha. Assim, um
PLW orientado de frente (0º) para o observador pode ser confundido com um PLW
de costas (180º), e o mesmo acontece para as animações semi-laterais, em que
orientações de 45º são semelhantes às de 135º. Varie, Dekeyeser, e Verfaillie
(2004) constataram que, em estímulos totalmente bi-estáveis (foram equalizados
pontos de referência como o alinhamento dos ombros, ancas, joelhos e pés), os
sujeitos apresentavam um forte viés perceptivo no sentido de observar os
avatares em orientações frontais: em cerca de 80 por cento dos ensaios, o PLW
era visto a mover-se em direcção ao observador, sendo que apenas nos restantes
20 por cento dos casos era visto na orientação alternativa (de costas). Na
condição de controlo (PLW invertidos), os valores mantiveram-se ao nível do
acaso, em 50 por cento dos ensaios era visto de frente e nos restantes era
visto de costas. No mesmo estudo, testou-se a robustez deste fenómeno
perceptivo. Numa experiência, foram apresentados PLW com uma animação que
avançava do fim para o início do ciclo de passada, ou seja, dava a sensação de
que o estímulo de movia em afastamento. Nesta experiência, os sujeitos
obtiveram taxas de acerto quanto à direcção do movimento do estímulo de 98 por
cento, mas em 89 por cento das vezes em que responderam correctamente
reportaram que os PLW se mantinham virados de frente, ou seja, frequentemente
pareciam andar de costas para onde se dirigiam. Também numa terceira
experiência, testou-se a robustez deste viés pela introdução de pistas: numa
condição, introduziu-se a oclusão dos pontos luminosos (estes desapareciam
sempre que eram escondidos pelo corpo) e na outra condição usou-se a projecção
de perspectiva. A proporção de respostas correctas quanto à orientação do
estímulo passou a ser de 85 por cento na primeira condição e de 97 por cento na
segunda. Conclui-se, assim, que apesar de robusto, o viés visual é sensível a
pistas espaciais.
Fazendo uso deste estímulo bi-estável, procurou-se, neste trabalho, observar o
impacto de estímulos auditivos congruentes (cuja orientação de movimento era
semelhante à do movimento apresentado visualmente) sobre as representações
visuais fortemente enviesadas. Deste modo, num primeiro momento, este trabalho
pretendeu obter uma replicação dos dados de Vanrie, Dekeyeser, e Verfaillie
(2004), para num segundo momento analisar o efeito das pistas auditivas sobre
os estímulos visuais de movimento biológico.
MÉTODO
Sujeitos
Usaram-se 7 participantes, todos dextros, 3 homens e 4 mulheres, com idades
compreendidas entre os 23 e os 28 anos. Os sujeitos eram todos ingénuos quanto
aos objectivos do estudo e nunca haviam contactado com os estímulos usados. Num
momento prévio às experiências, todos os participantes fizeram testes visuais e
auditivos, de forma a assegurar que tinham visão normal ou corrigida, assim
como uma boa audição, sem discrepâncias de acuidade interaurais.
Estímulos e materiais
Os estímulos visuais utilizados consistiram em PLW de 13 pontos luminosos
animados com coordenadas 3D, construídos a partir da base de dados de Vanrie
& Verfaillie (2004). Os pontos luminosos eram esferas brancas de 1cm de
diâmetro (em média) em movimento, com uma luminância de cerca de 68cd/m2sobre
um fundo cinza escuro de aproximadamente 1.53cd/m2. Os estímulos eram
projectados sobre uma tela a 60Hz, ocupando uma área de projecção de
4.94mx2.10m. Os avatares ocupavam, dos pés à cabeça, um ângulo visual de 5.72º
para o observador, que estava sentado a 3m da tela.
A apresentação e manipulação informática de todos os estímulos foi feita a
partir de uma aplicação informática baseada em Open GL sobre VR/Net Juggler.
Trabalhou-se a com um cluster de três computadores com placa gráfica Nvídia
Quadro FX 4500. Cada um dos computadores estava ligado a um canal de imagem,
emitido por projectores DLP de 3 chips Christie Mirage S+4k, sendo que apenas
se usaram dois canais nesta experiência. Cada canal tinha uma resolução de
1400x1050 pixel. A imagem dos dois canais era projectada na tela, em superfície
contínua, com uma área central de blending das duas projecções.
Durante as apresentações, os PLW moviam-se, como se estivessem a andar em cima
de uma passadeira rolante (sem translação). Utilizaram-se 18 tipos de estímulos
diferentes, correspondentes a 6 orientações de PLW apresentadas nas condições
visual, auditiva e audiovisual. Usaram-se as orientações frente (0º), trás
(180º), em aproximação para a esquerda e para a direita (45ºE e 45ºD,
respectivamente) e em afastamento para a esquerda e para a direita (135ºE e
135ºD, respectivamente).
Os estímulos auditivos consistiram em seis tipos de ficheiros de som em que se
ouvia um total de oito passos (quatro ciclos de passada). Estes estímulos
começavam sempre o ensaio num ponto central com relação à cabeça do sujeito, e
posteriormente deslocavam-se em aproximação ou afastamento e, nos ensaios de
orientações 45ºE, 135ºE, 45ºD e 135ºD, para a esquerda ou para a direita. Estes
ficheiros de som foram gerados a partir de software baseado em Open AL e
posteriormente gravados, com frequências que variaram entre os 20Hz e os
10.000Hz, concentrando-se a maior parte da informação auditiva apresentada em
torno dos 1.000Hz. No contexto experimental, usou-se a placa de som Realtec
Intel 8280 IBA, e o som era emitido por colunas colocadas nos pontos extremos
da imagem (a 80cm do limite visual) e a 50cm do chão, orientadas para a cabeça
dos sujeitos.
Em todos os ensaios audiovisuais, o estímulo sonoro deslocava-se na mesma
direcção que o estímulo visual e ambos os estímulos eram apresentados em fase
(sincronizados).
Design e procedimentos
Os dezoito tipos de estímulo foram apresentados com cinco ensaios cada um
segundo o método do estímulo constate. Cada apresentação teve a duração total
de 4s, a mesma usada no estudo de Vanrie, Dekeyeser, e Verfaillie (2004),
correspondente a quatro ciclos de passada por ensaio. O intervalo entre ensaios
teve a duração de 3s.
Durante a experiência, os participantes deviam responder manualmente, apontando
numa tabela octogonal qual a direcção em que o estímulo se movia.
Os participantes foram testados individualmente, numa sala escurecida, em
frente à tela onde eram projectados os estímulos. Estavam sentados no
correspondente a um ponto intermédio da área de projecção. À sua frente, os
participantes tinham uma mesa de superfície negra, com a tabela octogonal. O
experimentador estava sentado à esquerda dos indivíduos, ligeiramente recuado,
de forma a não integrar a área de visualização dos mesmos.
Os sujeitos eram informados acerca da natureza dos estímulos: um conjunto de
pontos luminosos que permitem a impressão de um sujeito humano em marcha, sons
de passada, ou ambos em simultâneo. Posteriormente, era apresentada a tabela
octogonal. Todos os sujeitos foram instruídos para se centrarem numa cruz
branca apresentada durante o período entre ensaios e responderem atempadamente,
e foi-lhes dito que era permitido alterar o sentido das respostas durante os
ensaios, se apercebessem de que tinham cometido um erro. Pediu-se que
respondessem sempre, mesmo em caso de dúvida. Seguidamente, iniciava-se a
sequência experimental.
RESULTADOS
Quanto à distribuição das respostas por orientação, na condição visual,
observou-se um forte viés frontal, sendo que em cada cinco ensaios para a
frente e cinco ensaios para trás, os sujeitos responderam em média oito vezes
para a frente (δ=2,06) e duas vezes para trás (δ=2,07) (cf. Figura 1). Na
condição auditiva observou-se uma distribuição da orientação de resposta não
enviesada, com igual número médio de respostas frente e trás (δ=1,36).
FIGURA 1
Distribuição das respostas dadas em média pelos sujeitos nos cinco ensaios de
cada orientação, na condição visual
Na condição audiovisual, este viés foi largamente atenuado, mas não
desapareceu. Nesta condição, os sujeitos responderam em média quatro vezes para
trás (δ=1,51) e seis vezes para a frente (δ=1,46) (cf. Figura 2).
FIGURA 2
Distribuição das respostas dadas em média pelos sujeitos nos cinco ensaios de
cada orientação, na condição audiovisual
A redução de viés que se observou na condição audiovisual traduziu-se também
num aumento claro do número de acertos.
A condição com maior discrepância quanto aos acertos nas diferentes orientações
foi a visual (cf. Figura 3). Nesta condição, observam-se taxas de acerto muito
reduzidas nas orientações 135º (0,3) e 180º (0,4), que contrastam com a
facilidade dos ensaios de 0º (taxa de acerto de 1), nos quais não se observaram
erros. Naturalmente, estas diferenças notórias estão relacionadas com os dados
acima apresentados acerca do forte viés visual, sendo possível que, tendo
respondido predominantemente para a frente, os sujeitos tenham acertado nos
ensaios que efectivamente estavam orientados para a frente e tenham errado mais
nos ensaios que estavam orientados para trás. Não se observaram, nesta
condição, erros por confusão lateral, ou seja, os erros deveram-se sempre às
confusões em profundidade 0º/180º, 45ºE/135ºE e 45ºD/135ºD.
FIGURA 3
Taxa de respostas certas nas condições visual, auditiva e audiovisual, nas
orientações de 0º, 45º, 135º e 180º
Na condição auditiva, observou-se igualmente uma ligeira assimetria entre as
taxas de acerto nos ensaios orientados para a frente (0,86) e nos ensaios
orientados para trás (0,62), sendo os últimos mais difíceis que os primeiros.
Esta pequena diferença poderá ser facilmente explicada pelo facto de, nos
ensaios a 180º e a 135º, haver uma clara diminuição da intensidade do estímulo
auditivo ao longo da apresentação. Nestes ensaios, é importante referir que 39
dos 46 erros registados se deram por confusão lateral (180º, 135ºE e 135ºD) e
apenas 7 se deveram a confusão entre as orientações para a frente ou para trás.
Assim, será relativamente seguro assumir que os estímulos auditivos tinham boas
propriedades perceptivas quanto à discriminação de aproximação/afastamento,
podendo esperar-se uma acção de desambiguação sobre os estímulos visuais
enviesados. Observou-se igualmente, na condição auditiva, que os ensaios
oblíquos obtiveram melhores resultados (0,81) que os ensaios fronto-paralelos
(0,51), tendo os melhores resultados surgido nos ensaios de 45º (0,89) e os
piores resultados surgido nos ensaios de 180º (0,51). Este dado poderá dever-se
ao facto de, nos ensaios oblíquos, haver uma pista adicional devida às
diferenças de estimulação interaural, eficaz na diminuição das confusões
laterais.
A condição audiovisual obteve resultados globalmente melhores (acerto médio de
0,87), por comparação com as condições unimodais (0,6 na condição visual e 0,76
na condição auditiva). Adicionalmente, foi esta a condição em que se observaram
menores discrepâncias entre orientações. Os melhores resultados desta condição
surgiram, como esperado, nos ensaios cujos estímulos de moviam de frente para o
observador. Nas orientações oblíquas, observaram-se ganhos relevantes quanto às
taxas de acerto, mas foi nas orientações fronto-paralelas que se observaram os
efeitos mais interessantes. Com efeito, foi nos ensaios a 180º que se observou
o efeito de interacção entre as pistas visuais e auditivas mais forte, com um
aumento muito expressivo nas taxas de acerto: de 0.4 na condição visual e de
0.51 na condição auditiva, obteve-se 0.8 na condição audiovisual. Poder-se-á
afirmar, neste caso, que se observou uma diminuição da confusão lateral nos
estímulos auditivos por acção dos estímulos visuais, a par da diminuição do
viés visual por acção das pistas auditivas.
Mas também nos ensaios de 0º surgiu um efeito de interacção audiovisual
notório. Nestes ensaios, a condição audiovisual não obteve melhores resultados
que a condição unimodal visual, que tinha atingido um valor máximo.
De acordo com o teste de Friedman, a diferença de acertos entre as três
condições é estatisticamente significativa (χ2=8,67, gl=2, p≤0.05). Através da
análise dos resultados emparelhados no teste U de Mann-Whitney compararam-se
também os dados das condições duas a duas. Este teste confirmou que tanto a
condição auditiva como a visual se distinguem da audiovisual (p≤0.01 e p≤0.05,
respectivamente). Os resultados de ambas as condições unimodais são igualmente
diferentes (p≤0.5).
DISCUSSÃO
Num primeiro momento, o presente trabalho pretendia uma replicação dos dados
observados por Vanrie, Dekeyeser, e Verfaillie (2004) quanto ao forte viés
encontrado em estímulos de movimento biológico potencialmente bi-estáveis.
Naquele estudo, os autores tinham constatado uma tendência na ordem dos 80 por
cento de respostas orientadas de frente para o observador. Contudo, este efeito
era quase eliminado quando os investigadores introduziam pistas de perspectiva
e tridimensionalidade. Neste estudo, os dados confirmaram em larga medida o
esperado, tendo-se observado sempre taxas de viés na ordem dos 80 por cento.
Estas taxas, contudo, não foram diminuídas pelas pistas de tridimensionalidade.
Numa tentativa explicativa, poder-se-á argumentar que estas pistas continuaram
atenuadas, nomeadamente pela dimensão menor dos estímulos visuais apresentados.
Com efeito, os ângulos visuais usados originalmente no estudo de Vanrie,
Dekeyeser, e Verfaillie (2004) foram de 7.87º dos pés à cabeça do avatar,
enquanto os aqui usados foram de 5.72º.
Também os dados de Puce e Perrett (2003) podem ser elucidativos. Como foi
descrito na introdução, estes autores encontraram uma activação preferencial de
um maior número de células neuronais da área STSp para estímulos orientados
para o observador, e um menor número de células activadas perante estímulos de
costas. Estes dados podem indicar que o viés encontrado deriva de um processo
perceptivo determinado fisiologicamente e de baixo nível, impermeável a
factores desambiguadores de menor intensidade. Assim, observa-se que, apesar de
sensível a pistas espaciais, o fenómeno de viés perceptivo nas representações
bi-estáveis de movimento biológico se mantém quando estas são atenuadas.
A um segundo nível, este trabalho procurava analisar o efeito de pistas
auditivas sobre os estímulos visuais de movimento biológico. De acordo com a
primeira hipótese enunciada, esperava-se observar um menor efeito de
predominância sensorial e uma maior tendência para a integração de estímulos
incompatíveis. Os sujeitos não se deveriam centrar apenas numa pista, em
detrimento da outra, à semelhança do observado em variados estudos com
movimento rígido, mas deveriam demonstrar atenção a ambas as fontes de
informação. Atendendo à perspectiva apresentada por Repp e Pennel (2002), numa
tarefa deste tipo (espacial) com movimento rígido, o estímulo visual deveria
ser claramente predominante, e os resultados esperados poderiam ser semelhantes
àqueles encontrados nos estudos que simulam o efeito de ventriloquismo. Ou
seja, seria de esperar que o som adquirisse propriedades perceptivas
semelhantes às da imagem, parecendo mover-se no mesmo sentido dos avatares.
Apesar dos fortes efeitos de enviesamento frontal, esse efeito nunca se
verificou. Todos os dados observados contrariaram esta possibilidade. Se o
estímulo visual tivesse adquirido propriedades de referência, o viés visual
deveria ter-se mantido na condição audiovisual. O que de facto se observou foi,
pelo contrário, uma forte redução deste mesmo viés, indicadora de que não só os
estímulos auditivos não pareceram mover-se no mesmo sentido dos estímulos
visuais, como foram integrados e agiram sobre aqueles.
Por outro lado, poderia argumentar-se que, pela elevada ambiguidade do PLW bi-
estável, os sujeitos tenderiam a optar por usar como pista de referência o
estímulo auditivo, mais estável. Observa-se, contudo, que os resultados de viés
nunca foram totalmente atenuados, o que teria acontecido caso a pista de
referência fosse a auditiva (clara quanto à indicação de movimento em
profundidade frente/trás).
Uma das discussões mais activas entre os investigadores que estudam a percepção
multi-modal de estímulos não biológicos prende-se, precisamente, com o momento
que as pistas audiovisuais são combinadas. Mais concretamente, alguns
investigadores argumentam que há um momento de processamento comum de baixo
nível, que seria responsável por efeitos como a distorção de um input de forma
a se assemelhar ao outro, apresentado concomitantemente (como nos efeitos de
ventriloquismo visual e temporal). Outros autores argumentam que a elevada
variedade encontrada nos resultados desta área poderá dever-se sobretudo ao
tipo de tarefa que é colocada e que a combinação dos estímulos só é feita a um
nível decisional, de alto nível, levando os sujeitos a centrarem-se sempre nos
estímulos mais apropriados e cuja informação é mais confiável, quanto ao que é
pedido (Soto-Faraco, Spence, & Kingstone, 2004; Welsh, Duttonhurt, &
Warren, 1986). Dados recentes de fMRI indicam que os processos perceptivos e
decisionais na percepção audiovisual de movimento rígido estão intimamente
ligados (Soto-Faraco, Spence, Lloyd, & Kingstone, 2004).
Nos dados do presente estudo, não se observam os mesmos fenómenos de escolha de
uma pista sensorial. Parece então que a percepção multimodal do movimento
biológico pode não seguir as mesmas regras da percepção multimodal de movimento
rígido.
A segunda hipótese que se colocava neste trabalho indicava que a condição
audiovisual apresentaria melhores resultados que as condições unimodais. Este
efeito foi claramente confirmado nos resultados obtidos, sendo as diferenças
encontradas entre as condições estatisticamente significativas. Os ensaios em
que surgiu a mais forte interacção foram aqueles de orientação a 180. Para este
tipo de estímulos, as proporções de acerto eram bastante reduzidas e sofreram
um forte aumento na condição audiovisual. É particularmente interessante
observar estes resultados neste tipo de ensaios, em que os estímulos visuais e
auditivos eram claramente incongruentes, uma vez que o viés fazia o avatar
parecer andar de frente e o som indicava um claro movimento de afastamento.
De acordo com o modelo interpretativo de Brooks e colaboradores (2007), quando
os estímulos de movimento biológico eram congruentes entre eles, surgia um
efeito de facilitação bimodal com claras melhorias perceptivas, mas quando
estes estímulos eram incongruentes, havia um efeito de inibição bimodal, com
dificultação destes processos. Os resultados do presente trabalho parecem
indicar que os estímulos de ambas as modalidades sensoriais tendem a ser
integrados, mesmo quando incompatíveis (quando há viés visual para a frente e o
estímulo auditivo se move para trás). Naturalmente, que devido à natureza bi-
estável dos estímulos visuais e às características pouco robustas dos estímulos
auditivos, apesar de estes estímulos serem incongruentes separadamente, era
sempre possível encontrar um percepto integrador de ambos os dados sensoriais.
Assim, observa-se que, sendo possível, os sujeitos combinam ambas as pistas,
que se influenciam mutuamente. Independentemente da facilitação ou inibição da
percepção enquanto processo (no estudo supracitado, Brooks e colegas mediram os
resultados em tempos de resposta), os resultados multimodais são melhores que
as probabilidades de sucesso unimodais combinadas, podendo-se falar numa
facilitação perceptiva enquanto resultado.
Apesar de todas as análises desenvolvidas, mantém-se contudo imprevisível a
forma como os estímulos audiovisuais interagem face aos valores obtidos nas
condições unimodais. A este nível, serão necessários estudos adicionais, com
melhor quantificação das propriedades perceptivas, de forma a obter valores que
permitam comparações mais claras.
Em suma, pode-se concluir que a percepção audiovisual do movimento biológico
obedece a mecanismos de integração multimodal próprios. Todos os nossos dados
podem ser explicados por mecanismos de interacção entre as pistas visuais e
auditivas, quando apresentadas em simultâneo, o que suporta a ideia da
existência de uma área cerebral de processamento comum, a área STSp, que pode
ter propriedades de integração supramodal, prévias ao momento de tomada de
decisão.
Os resultados observados não esgotam todas as questões acerca da percepção
audiovisual do movimento biológico. Serão necessários estudos adicionais,
nomeadamente no sentido de conhecer melhor a interacção entre as pistas
auditivas e visuais quando incompatíveis ou incongruentes, assim como será
pertinente analisar em detalhe quais os valores de igualdade/discrepância
necessários para produzir efeitos de facilitação/inibição bimodal específica e
qual a sua relação. Igualmente relevante, será aprofundar os dados
neurofisiológicos acerca do papel da área STSp nos processos intermodais de
percepção do movimento biológico.
