The Diffusion Model Visualizer: An Interactive Tool to Understand the Diffusion Model Parameters

Response time (RT) data play an important role in psychology. The diffusion model (DM) allows to analyze RT-data in

a two-alternative-force-choice paradigm using a particle drift diffusion modeling approach. It accounts for right-skewed

distributions in a natural way. However, the model incorporates seven parameters, the roles of which are difcult to comprehend from the model equation. Therefore, the present article introduces the diffusion model visualizer (DMV) allowing for

interactive manipulation of each parameter and plotting the resulting RT densities. Thus, the DMV serves as a valuable tool

for understanding the specifc role of each model parameter. It may come in handy for didactical purposes and in research

context. It allows for tracking down parameter estimation problems by delivering the model-based ideal densities, which can

be juxtaposed to the data-based densities. It will also serve a valuable purpose in detecting outliers. The article describes the

basics of the DM along with technical details of the DMV and gives several hints for its usage 

Schlagworte: Reaction time analysis · Data visualization · Diffusion model
Publikationstyp: Beitrag in Zeitschrift (Autorenschaft)
Art der Veröffentlichung Printversion
Erschienen in: Psychological Research
Psychological Research
zur Publikation
 ( Springer International Publishing; )
Erscheinungdatum: 25.10.2018
Titel der Serie: -
Bandnummer: -
Heftnummer: -
Erstveröffentlichung: Ja
Seite: S. 1 - 9


ISSN: 0340-0727
AC-Nummer: -
Open Access
  • Online verfügbar (Open Access)


Organisation Adresse
Fakultät für Kulturwissenschaften
Institut für Psychologie
Abteilung für Methodenlehre
Universitätsstrasse 65-67
9020  Klagenfurt
  +43 463 2700 991605
zur Organisation
Universitätsstrasse 65-67
AT - 9020  Klagenfurt


  • 101018 - Statistik
  • 501001 - Allgemeine Psychologie
Forschungscluster Kein Forschungscluster ausgewählt
  • Social Science Citation Index (SSCI)
Informationen zum Zitationsindex: Thomson Reuters Master Journal List
Peer Reviewed
  • Ja
  • Science to Science (Qualitätsindikator: I)
Klassifikationsraster der zugeordneten Organisationseinheiten:
  • AG Diff


Keine Kooperationspartner ausgewählt

Beiträge der Publikation

Keine verknüpften Publikationen vorhanden