弥合自我报告和行为实验室测量之间的差距:实时驱动任务与反向增强学习
Sang Ho Lee1,2, Myeong Seop Song1, Min-Hwan Oh3
1Department of Psychology, Seoul National University.
Psychological science
|February 26, 2024
概括
这项研究引入了一项新的高速公路驾驶任务,以更好地测量冲动性. 这种新方法显示了自我报告的冲动性和现实世界驾驶行为之间的强烈联系.
科学领域:
- 心理学 心理学 心理学
- 认知科学 认知科学
- 神经科学是一个神经科学.
背景情况:
- 心理学的一个重大挑战是自我报告措施与评估冲动性等心理构造的行为任务之间的相关性差.
- 现有的行为任务往往无法捕捉现实世界的冲动行为细微差别,导致与自我报告的特征的差异.
研究的目的:
- 开发和验证实时驾驶任务,即"高速公路任务",以弥合自我报告和冲动性的行为测量之间的差距.
- 调查自我报告的冲动性和在动态,现实世界的驾驶场景中的性能之间的关系.
- 用先进的计算方法探索与冲动行为相关的潜在奖励机制.
主要方法:
- 开发了一种新的实时驾驶模拟,即"高速公路任务",旨在引起冲动行为.
- 对47名成年参与者 (18-33岁) 进行自我报告冲动性问卷和在高速公路任务中的绩效评估.
- 深度神经网络与反强化学习 (IRL) 算法的集成,在任务中推断动态主观奖励值.
主要成果:
- 在自我报告的冲动性和高速公路任务的表现之间观察到强烈的正相关性.
- 传统的行为冲动性测量显示与自我报告的冲动性有很弱的相关性,与高速公路任务不同.
- 发现冲动参与者将更高的主观奖励分配给非理性或危险的情况,正如IRL算法推断的那样.
结论:
- 高速公路任务作为一个更生态有效的行为措施,有效地与自我报告的冲动性相关联.
- 实时任务和IRL算法的结合提供了一个有前途的方法来协调心理构造测量的差异.
- 了解风险情况中的主观奖励估值,可以了解冲动性背后的机制.
