提高Pavlovian Go/No-Go任务对计算精神病学研究的可靠性
Samuel Zorowitz1, Gili Karni1, Natalie Paredes2
1Princeton Neuroscience Institute, Princeton University, USA.
Computational psychiatry (Cambridge, Mass.)
|December 22, 2025
概括
这项研究提高了帕夫洛夫的去/不去任务对个人差异研究的可靠性. 一个具有层次贝叶斯模型的游戏化,修改任务实现了高的测试-重新测试可靠性,使其适合计算精神病学.
科学领域:
- 认知神经科学 认知神经科学
- 计算精神病学是一种计算精神病学.
- 心理测量研究 心理测量研究
背景情况:
- 帕夫洛夫的去/不去任务衡量学习和偏见的个体差异.
- 它在计算精神病学中使用,但可靠性较低.
- 之前的研究表明基于计算模型的测量值的可靠性是不可接受的.
研究的目的:
- 为了提高帕夫洛夫的去/不去任务对个人差异研究的可靠性.
- 改进基于计算模型的性能指标.
- 为计算精神病学提供可靠的工具.
主要方法:
- 与成年参与者 (N=103,N=110) 进行的两项实验使用了游戏化的帕夫洛夫式去/不去任务.
- 基于强化学习模型的索引的层次贝叶斯模型建模.
- 修改了实验2中的任务,以减少实践的影响.
主要成果:
- 实验1显示了显著的实践效应和低可靠性 (0.379).
- 实验2,用修改的任务,证明减少了实践效应.
- 改进的测试重复测试可靠性估计范围从0.696到0.989.
结论:
- 来自修改的帕夫洛夫去/不去任务的基于模型的测量方法对于个人差异研究是可靠的.
- 该任务代码是为计算精神病学社区提供的.
- 建议在不同的群体和环境中进一步验证.


