Lehrstuhl für Allgemeine Psychologie 1

Transkript

1 Lehrstuhl für Allgemeine Psychologie 1 und Biologische Psychologie Seminar: GWM-Entscheidungstheorie Dozenten: Prof. Dr. Kaernbach, Prof. Dr. Schmidt Referenten: Joshua Lorenzen,Marc Engelmann Sommersemester: 2011 Datum:

2 Entscheidungen und Reaktionszeiten

3 Ist schneller immer gleich besser?

4 Wo muss ich mich im Alltag schnell entscheiden?

5 CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL

6 Entscheidungstendenz Informationsqualität Entscheidungsschwelle

7

8 Entscheidungstendenz Informationsqualität Entscheidungsschwelle

9 Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Datei. Wenn weiterhin das rote x angezeigt wird, müssen Sie das Bild möglicherweise löschen und dann erneut einfügen. CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL

10 Wiener Diffusionsmodell Modelliert Kognitive Entscheidungsprozesse Anwendung: Two-Choice Aufgaben mit geringer Reaktionszeit (< 1-1,5 ms)

11 Annahmen: Entscheidungen beruhen auf einen rauschenden Prozess der Informationen akkumuliert.

12

13

14

15

16

17

18

19

20

21

22

23 Stochastische Prozesse bestehen aus zeitlich angeordneten Zufallsgrößen Diskrete Prozesse Binomialprozess Stetige Prozesse Wiener Diffusion

24 Diskrete Prozesse - Binomialprozess Zuwachs : X0,Z1,Z2... : unabhängig Lineare Interpolation: Startpunkt: X0 = a Max Min : :

25

26 Stetige Prozesse Wiener Diffusion Zuwächse : Z =

27 Prozesskomponenten Nondecision Components Decision Components Encoding (Gedächtnisabruf,...) Dauer: u Response Output Dauer: w Ter Drift Rate (Mittlerer Kurs der Grenzannäherung) Startpunkt ( z ) Die hier genannten Parameter variieren zwischen den Durchgängen

28 Within-trail variability: Ter st

29 Within-trail variability: Ter st

30 Within-trail variability: Ter st

31 Within-trail variability: Ter st

32 Within-trail variability: Ter st

33 Within-trail variability: Startpunkt sz

34 Within-trail variability: Drift Rate η

35 Within-trail variability: Drift Rate η

36 Within-trail variability: Drift Rate η

37 Within-trail variability: Drift Rate η

38 Within-trail variability: Drift Rate η

39 Within-trail variability: Drift Rate η

40 Parameter des Difussionsmodelles Decision process Grenzabstand 'Speed-accuracy trade-off' Startpunkt z Fehlentscheidungen Drift Rate v Informationsverarbeitungsgeschwindigkeit Stimulusqualität Wahrnehmungssensitivität Große drift: schnelle und genaue Antworten

41 Parameter des Difussionsmodelles Nondecision process Ter Summe aller zusätzlich involvierten Prozesse (Stimulusencoding, motorische Ausführung,...)

42 Parameter des Difussionsmodelles Intertrail Variability Startpunktverschiebung Personenabhängige Fehlervariabilität Ter-Schwankungen Personenabhängige Variabilität in ND-Time Drift-Rate - Streuung Konstanter Wert, der Zufallseinfluss wiederspie Variabilität der Stimulusqualität Aufmerksamkeit

43 AV UV Theorie und Empirie Reaktionszeitverteilungen (!) Genauigkeit (WSK richtiger/ falscher Antworten) Grenzabstand a Startpunkt z Intertrail range von z sz Drift Rate v Intertrail SD von v η Nondecision time Ter Intertrail range Ter st

44 Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, oder das Bild ist beschädigt. Starten Sie den Computer neu, und öffnen Sie dann erneut die Datei. Wenn weiterhin das rote x angezeigt wird, müssen Sie das Bild möglicherweise löschen und dann erneut einfügen. CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL Parameterschätzung v a z η Sz Ter st Kognition Stimuli

45 Experiment 1 Hypothesen: Bei Veränderung der Schwierigkeit des Reizes sollte es zu Veränderungen in der drift rate kommen. Die Enden der Reaktionszeitverteilung sollten sich mehr ausbreiten.

46 Genauigkeit: 0,58-0,94 Mittlere RT: 550ms-660ms Falsche RT > Richtige RT Umso ungenauer umso breiter sind die Enden der RT Verteilung Modell sagt die Empirischen Daten gut voraus

47 Experiment 2 2 Blöcke: 1. Probanden sollen so genau wie möglich sein 2. Probanden sollen so schnell wie möglich sein Hypothesen: Beeinflussung der Grenzen Weite Grenzen bei Block 1, daraus resultierende höhere RT Kleine Grenzen bei Block 1, daraus resultierende kleinere RT

48 Bei Erhöhung der Schwierigkeit kommt es zum gleichen Effekt wie in Exp. 1.1 Quantile unterscheiden sich kaum.9 Quantile unterscheiden sich um 200 ms in Speed und 400 in Genauigkeit Instruktion Modell sagt die Empirischen Daten gut voraus

49 Experiment 3 2 Blöcke: 1. Verhältnis: 75:25 2. Verhältnis: 25:75 Hypothesen: Auftreten einer Wahrnehmungsverzerrung Verschiebung des Startpunktes an die eher richtige Antwortgrenze

50

51 Bei Erhöhung der Schwierigkeit kommt es zum gleichen Effekt wie in Exp. 1 Es kam zu einem Anstieg der Genauigkeit Es kam zu einer Verringerung der Reaktionszeit von bis zu 100 ms Stauchung am Anfang der Reaktionszeitverteilung Verkürzung des Endes der Reaktionszeitverteilung Startpunkt war ~ 1/3 näher an der richtigen Grenze Model sagt die Empirischen Daten gut voraus

52 Zusammenfassung der 3 Experimente Anstieg der Schwierigkeit des Reizes wurde als unterschiedliche Beweisqualität übersetzt Speed vs. Genauigkeit wurde als Veränderung des kritischen Wertes übersetzt Veränderung der relativen Proportion des Reizes wurde hauptsächlich als Veränderung des Startpunktes übersetzt

53 Stimulus: Buchstabenketten Diskriminationslernen: 'word' vs. 'nonword' (gleichlang) 200 low-frequency words 200 aussprechbare nonwords ('drapa') + 2 Bedingungen: Genauigkeit und Schnelligkeit 2x2 Bedingungen Durchgänge (25 Blöcke à 400 Durchgänge, 5 Blöcke /Tag)

54 Deskriptive Messungen Übungseffekt Augenmerk auf Genauigkeit: Genauigkeit konstant RZ-Mittelwert RZ-Streuung Augenmerk auf Geschwindigkeit Geschwindigkeit nach ~ 6 Blöcken konstant RZ-Mittelwert RZ-Streuung ( nach ~ 6 Blöcken) Zwischenfazit

55 Drift rate Parameterschätzungen Genauigkeit: (=/= A2) Geschwindigkeit: Grenzabstand a Generell konservativer in Genauigkeitsbedingung Genauigkeit: Geschwindigkeit:,

56 Literaturverzeichnis Ashby, G. F. (1983): A Biased Random Walk Model for Two Choice Reaction Time. In: Journal of Matematical Psychologie (27), S BROWN, S.; HEATHCOTE, A. (2008): The simplest complete model of choice response time: Linear ballistic accumulation. In: Cognitive Psychology 57 (3), S Gold, Joshua I.; Shadlen, Michael N. (2007): The Neural Basis of Decision Making. In: Annu. Rev. Neurosci 30 (1), S Otter, Thomas; Johnson, Joe; Rieskamp, Jörg; Allenby, Greg M.; Brazell, Jeff D.; Diederich, Adele et al. (2008): Sequential sampling models of choice: Some recent advances. In: Mark Lett 19 (3-4), S Ratcliff, R.; Rouder, J. N. (1998): Modeling Response Times for Two-Choice Decisions. In: Psychological Science 9 (5), S Ratcliff, R.; McKoon, G.; van Zandt, T. (1999): Conectionist and Diffusion Models of Reaction Time. In: Psychological Review (2), S Ratcliff, R.; Smith, Philip L. (2004): A Comparison of Sequential Sampling Models of Two Choice Reaction Time. In: Psychological Review (111), S Ratcliff, R.; McKoon, G. (2007): The Diffusion Decision Model: Theory and Data for Two-Choice Decision Task. In: Psychological Review.

57 Literaturverzeichnis Smelser, Neil J. (2001): International encyclopedia of the social & behavioral sciences. 1. Aufl. Amsterdam [u.a.]: Elsevier, Pergamon. Online verfügbar unter Smith, David G.; Mewhort, D. J. K. (1998): The Distribution of Latencies Constrains Theories of Decision Time: A Test of the Random-walk Model Using Numeric Comparison. In: Australian Journal of Psychology 50 (3), S Smith, Philip L. (2000): Stochastig Dynamic Models of Response Time and Accuracy: A Foundational Primer. In: Journal of Matematical Psychologie (44), S Smith, Philip L.; Ratcliff, Roger (2004): Psychology and neurobiology of simple decisions. In: Trends in Neurosciences 27 (3), S