کاذب برآورد forearmed است - مدل توضیح می دهد چگونه این اطلاعات را درک ما را تحت تاثیر قرار

وقتی چیزی را تخمین می زنیم ، ناخودآگاه از تجربیات اخیر استفاده می کنیم. محققان دانشگاه Ludwig Maximilians University (LMU) مونیخ و مرکز برنشتاین مونیخ از آزمودنی ها خواستند فاصله در یک محیط مجازی را تخمین بزنند. نتایج آنها به سمت میانگین مقدار تمام مسیرهای منتهی به آن نقطه تمایل داشت. برای اولین بار ، دانشمندان با استفاده از یک مدل ریاضی توانستند نتایج آزمایش را به خوبی پیش بینی کنند. این قانون با کمک گزاره ای از نظریه احتمال ، دو قانون روانشناسی را شناخته است. بنابراین این مطالعه می تواند برای تحقیقات ادراک از اهمیت اساسی برخوردار باشد. (مجله علوم اعصاب ، 23 نوامبر 2011)

چرا ما مسافت مشابه را یک بار طولانی و دیگری را کوتاه تخمین می زنیم؟ عامل تعیین کننده این است که کدام مسافت را قبلاً مستقیماً طی کردیم. آنچه ممکن است بی اهمیت به نظر برسد ، اطلاعات مهمی در مورد چگونگی پردازش مغز بر محرک های قدرت های مختلف و حتی عناصر انتزاعی مانند اعداد فراهم می کند. این همان چیزی است که دکتر استفان گلاساور (LMU) ، مدیر پروژه در مرکز برنشتاین مونیخ و دانشجوی دکترای وی ، فردریک پتزشنر ، به صورت تجربی و نظری. آنها از آزمودنی ها فضا را در یک اتاق مجازی طی می کردند و سپس آنها را تا آنجا که ممکن بود دقیقاً در آنجا تولید می کنند. همانطور که در مطالعات قبلی ، نتایج همیشه از مقدار صحیح به میانگین مقدار مسافتهایی که قبلاً اجرا شده منتقل می شدند.

برای اولین بار ، محققان یک توضیح کلی در مورد این پدیده ارائه داده اند. آنها می توانند با کمک یک مدل ریاضی محاسبه کنند که چگونه محرک های قبلی بر تخمین فعلی تأثیر می گذارند. گلاساور توضیح می دهد: "این تأثیر تجربه قبلی به احتمال زیاد از یک اصل کلی پیروی می کند و همچنین برای تخمین مقادیر یا سطح حجم نیز اعمال می شود." آزمودنی ها که در برآورد مسافت به شدت تحت تأثیر تجربه قبلی قرار داشتند ، هنگام تخمین زاویه نیز تأکید بیشتری بر تجربه قبلی خود داشتند. در هر دو مورد ، آنها بدون اطلاع از موفقیت یا شکست عملکرد خود یاد گرفتند. از طرف دیگر ، بسیاری از روشهای یادگیری به چنین بازخوردی نیاز دارند.

تاکنون بحث برانگیز بوده است که آیا یک اصل اساسی درک نقاط قوت محرک مانند حجم ، روشنایی یا حتی فاصله را تعیین می کند. به نظر می رسید که دو قانون مهم روان-فیزیک با یکدیگر تناقض دارند: قانون وبر-فکنر که 150 سال پیش منتشر شد و عملکرد قدرت استیونز 50 ساله. دانشمندان مونیخ اکنون نشان داده اند که حداقل در موارد خاص می توان این دو قانون را به خوبی آشتی داد.

برای این منظور ، قانون وبر-فکنر با قضیه احتمالی بیز (1763) ترکیب شده است ، که توزین نتایج را امکان پذیر می کند ، و بنابراین به عملکرد قدرت استیونس تبدیل می شود. گلاسائور با اعتقاد قانع کننده می گوید: "ما توانستیم به حل مشکلی کمک کنیم که بیش از 50 سال است محققان ادراک را به خود مشغول کرده است." در مرحله بعدی ، محققان می خواهند داده های تاریخی را تجزیه و تحلیل کنند و مشخص کنند آیا مدل با روش های محرک مختلف مانند حجم و روشنایی تأیید شده است.

مرکز برنشتاین مونیخ بخشی از علوم عصبی علوم محاسباتی شبکه ملی برنشتاین (NNCN) است. NNCN با هدف بسته بندی ، شبکه سازی و توسعه بیشتر ظرفیت ها در زمینه رشته تحقیقاتی جدید علوم اعصاب محاسباتی توسط BMBF تاسیس شد. این شبکه به نام جولیوس برنشتاین فیزیولوژیست آلمانی (1835-1917) نامگذاری شده است.

کار اصلی:

Petzschner F، Glasauer S (2011): برآورد بیزی تکراری به عنوان توضیحی برای اثرات دامنه و رگرسیون - یک مطالعه در مورد ادغام مسیر انسان. J Neurosci 2011 ، 31 (47): 17220-17229

منبع: مونیخ [LMU]