思考が知覚的な意思決定から遠ざかっていることを推論する

科学分野:

• 認知心理学とは,認知心理学である.
• 神経科学は神経科学である.
• コンピューティング・モデリング

背景:

• 集中した注意力を維持することは,目標達成に不可欠ですが,注意はしばしば,マインド・ウォーキング (MW) により失われます.
• 思考探知器のような伝統的な方法は,頻度が少なく,破壊的であり,他のテクニックは,固定されたオンタスク/オフタスクの時間分割を想定しています.
• 認知作業中にMWを測定するための継続的な,非侵入的方法が必要である.

研究 の 目的:

• マインド・ウォーキングを推論するためのコンピューティング・フレームワークを開発し,検証する.
• 注意状態の時間的変化を追跡するために計算モデリングを使用する可能性を評価する.
• 破壊的な思考探査に頼らずに,MWダイナミクスのより細かい理解を提供するために.

主な方法:

• 操作された証拠と反復応答バイアスのランダムなドットモーションタスクが採用されました.
• 一般化された線形モデル (GLM-HMM) の隠されたマルコフモデル (Hidden Markov Model with Generalized Linear Models) が参加者のパフォーマンスデータに組み込まれました.
• 偶発的な思考探査は,内部状態のモデルの分類を検証するために使用されました.

主要な成果:

• オフタスク試験の特徴は,より高い精度とより短い反応時間であり,刺激の処理が低下し,応答バイアスへの依存が増加したことを示しています.
• 2つの状態のGLM-HMMは,オフタスクの期間中に反応時間が短いことを成功裏に予測しました.
• このモデルは,タスクの過程でマインド・ウォーキングの増加を明らかにし,自己報告のフォーカスレベルと相関していました.

結論:

• コンピューティング・モデリング,特にGLM-HMMは,注意状態の試行別変動を効果的に測定することができます.
• このアプローチは,認知作業を中断することなく,マインド・ウォーキングの継続的な評価を可能にします.
• この発見は,注意力と認知制御のダイナミクスを研究するための新しい道を開きます.