风险决策中的启发式与信息的优先表示相关

2024-06-12 Wed
论文题目：heuristics in risky decision-making relate to preferential representation of information研究背景在进行选择时，个体不仅彼此之间存在差异，而且也偏离了规范性理论的建议。这种差异的一个解释是个体在评估选择选项时具有独特的信息表示偏好。本文作者提出的假设是：在选择评估过程中，个体对不同来源信息的依赖反映了对最具信息价值刺激的偏好表示。
近年来，决策理论指出个体应该通过计算预期效用来评估选择的价值。然而，心理学家长期以来观察到参与者通常使用启发式方法，而不是完全依照预期效用的计算策略。这些启发式方法包括不恰当地加权效用或概率信息等。虽然一些模型已经参数化了人们对信息类型的启发式依赖，但具体的神经认知机制仍然未知。本文通过磁性脑电图来检验个体在使用某些信息时，是否对特定刺激的优先表示与其行为特征相关联。
研究来源本文由Evan M. Russek、Rani Moran、Yunzhe Liu、Raymond J. Dolan和Quentin J. M. Huys等人撰写，作者隶属于英国伦敦大学学院、英国玛丽王后大学和中国北京师范大学等机构。论文发表于《Nature Communications》期刊，接收时间为2024年5月3日。
研究目的和方法本文旨在探讨个体在进行风险决策时，对概率和奖励信息的行为加权与其对相关刺激的神经表示之间的关系。研究包括两个实验：
主要实验：使用磁性脑电图（MEG）记录参与者（n=19）在进行风险决策任务时的神经数据。参与者需要在每个试验中选择接受或拒绝一个赌注，结果可能是安全结果或两个赌博结果之一。该实验旨在通过多变量方法解码决策过程中刺激的神经表示。
验证实验：使用行为启动测量，测定刺激表示为感知检测潜伏期。该实验通过中断评估期进行感知检测任务来验证主要实验的结果。
通过分析个体在选择过程中行为上对概率和奖励信息的加权，研究了这些行为特征是否与个体对相关结果刺激的神经表示倾向相关。
实验流程MEG决策任务
参与者完成一个包含多重赌注选项的任务，每个试验都需要在一个已知的固定结果和一个概率赌场结果之间进行选择。
通过MEG记录同时的神经数据，解码参与者在进行风险决策时的神经表示。
使用最近发展起来的多变量方法，识别参与者在做出选择时对视觉刺激的MEG签名，并分析这些签名在选择过程中的表现。
感知检测任务
参与者需执行一个决策任务，但在某些试验中增加了感知检测任务。
在概率刺激消失后，显示三个结果刺激之一并包含一个探针，要求参与者尽快报告探针的方向。
分析发现选择倾向对刺激可能性及绝对奖励的影响。
数据分析与算法使用多变量方法对MEG数据进行解码，训练多个分类器来识别各个时刻的神经表示，并验证这些表示在选择评估期间的再现。采取线性模型来预测重新激活的结果表示，以及使用稳健的线性回归模型来处理个体差异。
结果主要实验结果：MEG决策任务通过MEG解码的方法，发现个体在决策过程中对高概率和高奖励结果的神经反应与行为特征表现相关。
比较反激活结果的分析表明，更倾向于使用概率信息的个体会表现出更高的多变性。
特定时间点的神经反应与个体行为选择的概率信息加权和奖励信息加权有显著相关性。
辅助实验结果：感知检测任务行为实验表明，使用概率信息决策的个体在感知检测任务中对高概率结果的反应时间更快。类似的，依赖奖励信息决策的个体对高奖励结果的反应时间更快。
这些结果进一步验证了MEG实验中的发现。
结论与意义本文的研究表明，个体在风险决策中过滤和选择信息的方式与其决策模式的启发式相关。这一发现揭示了个体在评估选择时的神经表示优先级与行为倾向的联系。具体来说，不同的结果表示方式反映了个体在使用特定源信息时的启发式依赖。
研究亮点研究揭示了个体在风险决策中对概率和奖励信息的神经表示方式的差异。
通过结合行为和神经数据，验证和扩展了先前关于启发式决策的信息选择倾向的理论。
研究提供了个体在进行选择时，普遍存在的行为差异的一种神经学机制解释。
这些发现不仅丰富了我们对决策过程的理解，还为改进心理健康问题的治疗策略提供了潜在方向。通过了解个体倾向于选择和优先考虑哪些信息，可以帮助制定更有效的干预方法，改善个体的决策能力。
研究方法与数据来源研究中使用的原始和预处理后的MEG数据已经存储在OpenNeuro数据库中，行为数据存储在Zenodo上。研究的分析代码也已公开。
整体而言，这项研究通过多角度的数据分析和实验验证，从神经和行为层面探讨了个体在风险决策中的信息选择和使用倾向，为进一步理解决策机制提供了重要的理论支持和实证依据。