Teorie rozhodovacího pole - Decision field theory

Teorie rozhodovacího pole ( DFT ) je dynamicko-kognitivní přístup k rozhodování člověka. Jedná se o kognitivní model, který popisuje, jak se lidé ve skutečnosti rozhodují, spíše než racionální nebo normativní teorie, která předepisuje, co by lidé měli nebo měli dělat. To je také dynamický model z rozhodování , spíše než model statický, protože popisuje, jak preference určité osoby vyvíjejí v čase, dokud není učiněno rozhodnutí, spíše než předpokládat fixní stav preference. Proces evoluce preferencí je matematicky reprezentován jako stochastický proces nazývaný proces difúze . Používá se k předpovědi toho, jak se lidé rozhodují za nejistoty, jak se rozhodnutí mění pod časovým tlakem a jak kontext volby mění preference. Tento model lze použít k předpovědi nejen provedených voleb, ale také časů rozhodnutí nebo odezvy .

Příspěvek „The Field Field Theory“ publikovali Jerome R. Busemeyer a James T. Townsend v roce 1993. Ukázalo se, že DFT vysvětluje mnoho záhadných zjištění týkajících se chování při volbě člověka, včetně porušení stochastické dominance , porušení silné stochastické tranzitivity , porušení nezávislost mezi alternativami, účinky sériové polohy na preference, efekty kompromisu přesnosti rychlosti, inverzní vztah mezi pravděpodobností a časem rozhodnutí, změny v rozhodování pod časovým tlakem, stejně jako zvrácení preferencí mezi volbami a cenami. DFT také nabízí most k neurovědě . V poslední době autoři teorie rozhodovacího pole také začali zkoumat nový teoretický směr zvaný Kvantová poznání .

Úvod

Název teorie rozhodovacího pole byl zvolen tak, aby odrážel skutečnost, že inspirace pro tuto teorii pochází z dřívějšího přístupu - modelu konfliktu vyhýbání se obsaženého v obecné psychologické teorii Kurta Lewina , kterou nazval teorie pole . DFT je členem obecné třídy modelů sekvenčního vzorkování, které se běžně používají v různých oblastech poznávání.

Základní myšlenky, které jsou základem rozhodovacího procesu pro modely sekvenčního vzorkování, jsou znázorněny na obrázku 1 níže. Předpokládejme, že tvůrce rozhodnutí má původně na výběr mezi třemi rizikovými vyhlídkami, A, B, C, v čase t = 0. Vodorovná osa na obrázku představuje čas projednání (v sekundách) a svislá osa představuje sílu preference. Každá trajektorie na obrázku představuje stav preferencí pro jednu z rizikových perspektiv v každém časovém okamžiku.

Obrázek 1 - Ukázkové cesty pro proces difúze

Subjekt s rozhodovací pravomocí intuitivně v každém časovém okamžiku přemýšlí o různých výplatách každé vyhlídky, což vytváří afektivní reakci nebo valenci na každou vyhlídku. Tyto valence jsou integrovány v čase a vytvářejí stav preferencí v každém okamžiku. V tomto příkladu se v raných fázích zpracování (mezi 200 a 300 ms) pozornost soustředí na výhody upřednostňující prospekt C, ale později (po 600 ms) se pozornost přesune na výhody upřednostňující prospekt A. Pravidlo zastavení pro tento proces je řízeno prahovou hodnotou (která je v tomto příkladu rovna 1,0): první vyhlídka na dosažení horní prahové hodnoty je přijata, což je v tomto případě vyhlídka A po přibližně dvou sekundách. Pravděpodobnost volby je dána první možností vyhrát závod a překročit horní prahovou hodnotu a doba rozhodování se rovná době projednání požadované jednou z vyhlídek k dosažení této prahové hodnoty.

Prahová hodnota je důležitým parametrem pro řízení kompromisů rychlosti a přesnosti. Pokud je na obrázku 1 nastavena prahová hodnota na nižší hodnotu (asi 0,30), byla by místo prospektu A zvolena prospekt C (a bylo to provedeno dříve). Rozhodnutí se tak mohou pod časovým tlakem obrátit. Vysoké prahové hodnoty vyžadují dosažení stavu silných preferencí, což umožňuje vzorkování více informací o vyhlídkách, prodloužení procesu uvažování a zvýšení přesnosti. Nízké prahové hodnoty umožňují rozhodnutí o stavu slabé preference, což odřízne informace o výběru potenciálních zákazníků, zkrátí proces uvažování a sníží přesnost. Pod vysokým časovým tlakem musí osoby s rozhodovací pravomocí zvolit nízkou prahovou hodnotu; ale při nízkém časovém tlaku lze ke zvýšení přesnosti použít vyšší prahovou hodnotu. Velmi opatrní a uvážliví rozhodující činitelé mají tendenci používat vysokou prahovou hodnotu a impulzivní a neopatrní rozhodovací orgány používají nízkou prahovou hodnotu. Abychom poskytli trochu formálnější popis teorie, předpokládejme, že rozhodovací orgán má na výběr ze tří akcí, a také pro jednoduchost předpokládejme, že existují pouze čtyři možné konečné výsledky. Každá akce je tedy definována rozdělením pravděpodobnosti mezi tyto čtyři výsledky. Afektivní hodnoty produkované každou výplatou jsou reprezentovány hodnotami mj . V každém časovém okamžiku, rozhodující se předpokládá přínos jednotlivých akcí, který produkuje momentální hodnocení, U i (t), pro působení i. Toto okamžité vyhodnocení je váženým průměrem afektivního hodnocení každé výplaty: U i (t) = Σ W ij (t) m j . Předpokládá se, že váha pozornosti v čase t, W ij (t) pro výplatu j nabízenou akcí i kolísá podle stacionárního stochastického procesu. To odráží myšlenku, že pozornost se čas od času přesouvá, což způsobuje změny v očekávané výplatě každé akce v čase. Okamžité vyhodnocení každé akce se porovnává s jinými akcemi, aby se pro každou akci vytvořila valence v každém okamžiku, v i (t) = U i (t) - U. (t), kde U. (t) se rovná průměru napříč všechny momentální akce. Valence představuje okamžitou výhodu nebo nevýhodu každé akce. Celková valence se vyvažuje na nulu, takže všechny možnosti nemohou být atraktivní současně. Nakonec jsou valence vstupy do dynamického systému, který v průběhu času valence integruje a generuje stavy předvoleb výstupu. Stav předvolby výstupu pro akci i v čase t je symbolizován jako P i (t). Dynamický systém je popsán následující lineární stochastickou diferenciální rovnicí pro malý časový krok h v procesu uvažování: P i (t + h) = Σ s ij P j (t) + v i (t + h). koeficient zpětné vazby, s ii = s> 0, řídí paměť pro minulé vstupní valence pro stav předvoleb. Hodnoty s ii <1 naznačují úpadek paměti nebo dopad předchozích valencí v průběhu času, zatímco hodnoty s ii > 1 naznačují růst dopadu v čase (účinky prvenství). Záporné koeficienty boční zpětné vazby, s ij = s ji <0 pro i nerovná se j, vytvářejí konkurenci mezi akcemi, takže silný brzdí slabý. Jinými slovy, jak preference pro jednu akci roste, pak to umírňuje preference pro další akce. Předpokládá se, že velikosti laterálních inhibičních koeficientů jsou rostoucí funkcí podobnosti mezi možnostmi výběru. Tyto laterální inhibiční koeficienty jsou důležité pro vysvětlení kontextových účinků na preference popsané dále. Formálně se jedná o markovský proces; maticové vzorce byly matematicky odvozeny pro výpočet pravděpodobností volby a rozdělení časů odezvy volby.

Na teorii rozhodovacího pole lze pohlížet také jako na dynamickou a stochastickou teorii náhodného chodu rozhodování, prezentovanou jako model umístěný mezi vzory nervové aktivace na nižší úrovni a složitějšími představami o rozhodování nalezenými v psychologii a ekonomii.

Vysvětlení účinků kontextu

DFT je schopen vysvětlit kontextové efekty, které mnoho teorií rozhodování nedokáže vysvětlit.

Mnoho klasických pravděpodobnostních modelů výběru splňuje dva racionální typy principů volby. Jeden princip se nazývá nezávislost na irelevantních alternativách a podle tohoto principu, pokud je pravděpodobnost volby možnosti X větší než možnost Y, když jsou k dispozici pouze X, Y, pak by možnost X měla zůstat s větší pravděpodobností vybrána než Y, i když do sady voleb je přidána nová možnost Z. Jinými slovy, přidání možnosti by nemělo změnit preferenční vztah mezi původní dvojicí možností. Druhý princip se nazývá pravidelnost a podle tohoto principu by měla být pravděpodobnost výběru možnosti X ze sady obsahující pouze X a Y větší nebo rovna pravděpodobnosti výběru možnosti X z větší sady obsahující možnosti X, Y, a nová možnost Z. Jinými slovy, přidání možnosti by mělo pouze snížit pravděpodobnost výběru jedné z původní dvojice možností. Empirické poznatky získané spotřebitelskými výzkumníky, kteří studují chování při volbě člověka, však nalezly systematické kontextové efekty, které systematicky porušují oba tyto principy.

Prvním kontextovým efektem je efekt podobnosti. K tomuto efektu dochází zavedením třetí možnosti S, která je podobná X, ale v ní nevládne X. Předpokládejme například, že X je BMW, Y je Ford a S je Audi. Audi je podobné BMW, protože není příliš ekonomické, ale je vysoce kvalitní a sportovní. Zaměření Fordu se liší od BMW a Audi, protože je ekonomičtější, ale nižší kvality. Předpokládejme, že v binární volbě je X voleno častěji než Y. Dále předpokládejme, že nová množina voleb je vytvořena přidáním možnosti S, která je podobná X. Pokud je X podobné S a obě jsou velmi odlišné od Y, lidé mají tendenci prohlížet X a S jako jednu skupinu a Y jako další možnost. Pravděpodobnost Y tedy zůstává stejná, ať už je S prezentován jako opce, nebo ne. Pravděpodobnost X se však se zavedením S sníží přibližně o polovinu. To způsobí, že pravděpodobnost výběru X klesne pod Y, když je do sady výběru přidáno S. To porušuje nezávislost vlastnosti irelevantních alternativ, protože v binární volbě je X voleno častěji než Y, ale když je přidáno S, pak je Y voleno častěji než X.

Druhým kontextovým efektem je kompromisní efekt. K tomuto efektu dochází, když je přidána možnost C, která je kompromisem mezi X a Y. Například při volbě mezi C = Honda a X = BMW je druhá možnost méně ekonomická, ale vyšší kvalita. Pokud je však do sady voleb přidána další možnost Y = Ford Focus, stane se C = Honda kompromisem mezi X = BMW a Y = Ford Focus. Předpokládejme, že v binární volbě je X (BMW) zvoleno častěji než C (Honda). Pokud je však do sady voleb přidána možnost Y (Ford Focus), stává se volba C (Honda) kompromisem mezi X (BMW) a Y (Ford Focus) a C je pak volena častěji než X. Toto je další porušení nezávislosti vlastnosti irelevantních alternativ, protože X je v binární volbě vybráno častěji než C, ale C je-li do výběrové množiny přidána možnost Y, pak je C voleno častěji než X.

Třetí efekt se nazývá přitažlivý efekt. K tomuto efektu dochází, když je třetí možnost D velmi podobná X, ale D je vadná ve srovnání s X. Například D může být nový sportovní vůz vyvinutý novým výrobcem, který je podobný možnosti X = BMW, ale stojí více než BMW . Proto je malý nebo žádný důvod volit D přes X a v této situaci se D zřídka někdy volí přes X. Přidání D k výběrové sadě však zvyšuje pravděpodobnost výběru X. Zejména pravděpodobnost výběru X z sada obsahující X, Y, D je větší než pravděpodobnost výběru X ze sady obsahující pouze X a Y. Vadná volba D způsobí, že X bude zářit, a tento přitažlivý efekt porušuje princip pravidelnosti, který říká, že přidání další možnosti nemůže zvýšit popularitu možnosti oproti původní podmnožině.

DFT účtuje všechny tři efekty za použití stejných principů a stejných parametrů u všech tří zjištění. Podle DFT je mechanismus přepínání pozornosti klíčový pro vytvoření efektu podobnosti, ale laterální inhibiční spojení jsou kritická pro vysvětlení účinků kompromisu a přitažlivosti. Pokud je proces přepínání pozornosti vyloučen, pak efekt podobnosti zmizí a pokud jsou boční přípojky nastaveny na nulu, pak přitažlivost a kompromisní efekty zmizí. Tato vlastnost teorie přináší zajímavou předpověď o účincích časového tlaku na preference. Kontrastní efekty vyvolané laterální inhibicí vyžadují čas na vybudování, což znamená, že přitažlivost a kompromisní efekty by se měly při delším uvažování zvětšit (viz Roe, Busemeyer & Townsend 2001 ). Alternativně, pokud jsou kontextové efekty vytvářeny přechodem z pravidla váženého průměru pod binární volbou na rychlou heuristickou strategii pro triadickou volbu, pak by se tyto efekty měly pod časovým tlakem zvětšit. Empirické testy ukazují, že prodloužení rozhodovacího procesu zvyšuje účinky a časový tlak účinky snižuje.

Neurovědy

Teorie rozhodovacího pole prokázala schopnost odpovídat na širokou škálu poznatků z rozhodování o chování, za které nemohou odpovídat čistě algebraické a deterministické modely často používané v ekonomii a psychologii. Nedávné studie, které zaznamenávají neurální aktivace u subhumánních primátů během percepčních rozhodovacích úkolů, odhalily, že míra vypalování nervů velmi napodobuje akumulaci preferencí teoretizovanou difúzními modely rozhodování odvozenými od chování.

Rozhodovací procesy senzoricko-motorických rozhodnutí začínají být docela dobře pochopeny jak na behaviorální, tak na nervové úrovni. Typická zjištění naznačují, že nervová aktivace týkající se informací o pohybu stimulu se akumuluje v čase až po prahovou hodnotu a behaviorální odezva se provede, jakmile aktivace v zaznamenané oblasti překročí prahovou hodnotu. Lze vyvodit závěr, že neurální oblasti odpovědné za plánování nebo provádění určitých akcí jsou také zodpovědné za rozhodnutí o provedení akce, což je rozhodně ztělesněná představa.

Matematicky lze vzorec aktivace hrotu, stejně jako rozložení volby a doby odezvy, dobře popsat takzvanými difuzními modely - zejména u úkolů dvou alternativních vynucených voleb . Difúzní modely, jako je teorie rozhodovacího pole, lze považovat za stochastické rekurentní modely neuronových sítí, kromě toho, že dynamika je aproximována lineárními systémy. Lineární aproximace je důležitá pro udržení matematicky proveditelné analýzy systémů narušených hlučnými vstupy. Kromě těchto neurovědeckých aplikací byly kognitivními vědci použity modely difúze (nebo jejich diskrétní čas, náhodná procházka, analogy) k modelování výkonu v různých úlohách, od senzorické detekce a percepční diskriminace po rozpoznávání paměti a kategorizaci. Difúzní modely tedy poskytují potenciál k vytvoření teoretického mostu mezi neurálními modely senzoricko-motorických úkolů a modely chování komplexně kognitivních úkolů.

Poznámky

  1. ^ Busemeyer, JR, & Townsend, JT (1993) Teorie rozhodovacího pole: Dynamický poznávací přístup k rozhodování . Psychological Review, 100, 432–459.
  2. ^ Busemeyer, JR, & Diederich, A. (2002). Přehled teorie rozhodovacího pole. Mathematical Social Sciences, 43 (3), 345-370.
  3. ^ Busemeyer, JR, & Johnson, JG (2004). Výpočtové modely rozhodování. Blackwell Handbook of úsudku a rozhodování, 133-154.
  4. ^ a b c d e f Busemeyer, JR, & Johnson, JG (2008). Mikroprocesorové modely rozhodování. Cambridge Handbook of Computational Psychology, 302-321.
  5. ^ Oliveira, IFD; Zehavi, S .; Davidov, O. (srpen 2018). "Stochastická tranzitivita: Axiomy a modely". Journal of Mathematical Psychology . 85 : 25–35. doi : 10.1016 / j.jmp.2018.06.002 . ISSN   0022-2496 .
  6. ^ Regenwetter, Michel; Dana, Jason; Davis-Stober, Clintin P. (2011). "Přechodnost preferencí". Psychologický přehled . 118 (1): 42–56. doi : 10,1037 / a0021150 . ISSN   1939-1471 . PMID   21244185 .
  7. ^ Tversky, Amos (1969). "Nepřenosnost preferencí". Psychologický přehled . 76 (1): 31–48. doi : 10,1037 / h0026750 . ISSN   0033-295X .
  8. ^ a b c d Busemeyer, JR; Jessup, RK; Johnson, JG; Townsend, JT (2006). "Budování mostů mezi neurálními modely a komplexním rozhodovacím chováním". Neuronové sítě . 19 (8): 1047–1058. doi : 10.1016 / j.neunet.2006.05.043 . PMID   16979319 .
  9. ^ a b Ashby, FG (2000). "Stochastická verze obecné teorie rozpoznávání". Journal of Mathematical Psychology . 44 (2): 310–329. doi : 10,1006 / jmps.1998.1249 . PMID   10831374 .
  10. ^ a b Nosofsky, RM; Palmeri, TJ (1997). "Příkladně založený model náhodného procházení zrychlené klasifikace". Psychologický přehled . 104 (2): 226–300. doi : 10.1037 / 0033-295X.104.2.266 . PMID   9127583 .
  11. ^ a b Laming, DR (1968). Informační teorie časů volby reakce . New York: Academic Press. OCLC   425332 .
  12. ^ a b Link, SW; Heath, RA (1975). "Sekvenční teorie psychologické diskriminace". Psychometrika . 40 : 77–111. doi : 10,1007 / BF02291481 . S2CID   49042143 .
  13. ^ a b Smith, PL (1995). „Psychofyzicky principiální modely vizuální jednoduché reakční doby“. Psychologický přehled . 102 (3): 567–593. doi : 10.1037 / 0033-295X.102.3.567 .
  14. ^ a b Usher, M .; McClelland, JL (2001). "Časový průběh vnímání: děravý, konkurenční model akumulátoru". Psychologický přehled . 108 (3): 550–592. doi : 10.1037 / 0033-295X.108.3.550 . PMID   11488378 .
  15. ^ a b Ratcliff, R. (1978). "Teorie načítání paměti". Psychologický přehled . 85 (2): 59–108. doi : 10.1037 / 0033-295X.85.2.59 .
  16. ^ Diederich, A. (2003). Msgstr "Účet MDFT rozhodování pod časovým tlakem" . Psychonomický bulletin a recenze . 10 (1): 157–166. doi : 10,3758 / BF03196480 . PMID   12747503 .
  17. ^ Roe, RM; Busemeyer, JR; Townsend, JT (2001). „Multi-alternativní teorie rozhodovacího pole: Dynamický spojovací model rozhodování“. Psychologický přehled . 108 (2): 370–392. doi : 10.1037 / 0033-295X.108.2.370 . PMID   11381834 .
  18. ^ Pettibone, JC (2012). „Testování vlivu časového tlaku na asymetrickou dominanci a kompromisní návnady ve výběru“ (PDF) . Rozsudky a rozhodování . 7 (4): 513–523.
  19. ^ Simonson, I. (1989). "Volba na základě důvodů: Případ přitažlivosti a kompromisů". Journal of Consumer Research . 16 (2): 158–174. doi : 10,1086/209205 .
  20. ^ Dhar, R .; Nowlis, SM; Sherman, SJ (2000). "Snažit se nebo těžko se snažit: Analýza kontextových efektů ve výběru". Journal of Consumer Psychology . 9 (4): 189–200. doi : 10.1207 / S15327663JCP0904_1 .
  21. ^ Schall, JD (2003). "Neurální koreláty rozhodovacích procesů: neurální a mentální chronometrie". Aktuální názor v neurobiologii . 13 (2): 182–186. doi : 10.1016 / S0959-4388 (03) 00039-4 . PMID   12744971 . S2CID   2816799 .
  22. ^ Zlato, JI; Shadlen, MN (2000). "Reprezentace vnímavého rozhodnutí při vývoji okulomotorických příkazů". Příroda . 404 (6776): 390–394. Bibcode : 2000Natur.404..390G . doi : 10.1038 / 35006062 . PMID   10746726 . S2CID   4410921 .
  23. ^ Mazurek, ME; Roitman, JD; Ditterich, J .; Shadlen, MN (2003). "Role neurálních integrátorů při percepčním rozhodování" . Mozková kůra . 13 (11): 1257–1269. doi : 10,1093 / cercor / bhg097 . PMID   14576217 .
  24. ^ Ratcliff, R .; Cherian, A .; Segraves, M. (2003). „Srovnání chování makaků a vynikající neuronální aktivity colliculus s předpovědi z modelů rozhodnutí se dvěma možnostmi“. Journal of Neurophysiology . 90 (3): 1392–1407. doi : 10.1152 / jn.01049.2002 . PMID   12761282 .
  25. ^ Shadlen, MN; Newsome, WT (2001). „Nervový základ percepčního rozhodnutí v temenní kůře (oblast LIP) opice rhesus“. Journal of Neurophysiology . 86 (4): 1916–1936. doi : 10.1152 / jn.2001.86.4.1916 . PMID   11600651 .
  26. ^ Souhrn viz Smith, PL; Ratcliff, R. (2004). "Psychologie a neurobiologie jednoduchých rozhodnutí". Trendy v neurovědách . 27 (3): 161–168. doi : 10,1016 / j.tins.2004.01.006 . PMID   15036882 . S2CID   6182265 .

Reference