統計的学習と因果推論の統合による集団の内部構造の推論

科学分野:

• 認知科学
• 社会的心理学
• 計算論的神経科学

背景:

• 人間の社会的相互作用は、複雑なネットワーク（友情、階層）を形成します。
• 観察可能な相互作用はしばしば疎であり、ノイズが多いであり、構造的推論を妨げます。
• 社会的ネットワークを理解することは、社会的認知と行動にとって重要です。

研究 の 目的:

• 限られた相互作用データから潜在的な社会的構造を人間が推論する方法を調査すること。
• 統計的学習と社会的モデルを統合する計算モデルをテストすること。
• 社会的ネットワーク推論と予測の根底にあるメカニズムを決定すること。

主な方法:

• 抽象的な社会的相互作用のビデオを使用した3つの行動実験。
• 参加者は社会的構造を推論し、行動を予測し、影響について推論しました。
• 統計的学習と因果推論に基づいた計算モデルが開発され、テストされました。

主要な成果:

• 参加者は潜在的な社会的構造をうまく推論しました。
• 判断は計算モデルからの予測と一致しました。
• パフォーマンスは、より単純なキューベースのモデルでは説明できませんでした。

結論:

• 人間は、ドメイン一般の統計的学習とドメイン固有の社会的モデルを統合します。
• この統合は、社会的理解のための因果表現を形成します。
• 統計的学習と因果推論は、柔軟な社会的認知のために協力します。