Het schatten van trage fluctuaties in het beslissingscriterium met een hiërarchisch lineair dynamisch system (hLDS)

Ons dagelijks leven is doordrongen van beslissingen. Bekende psychologische modellen formaliseren besluitvorming als een proces van bewijsaccumulatie dat wordt beëindigd zodra een grens is bereikt. Deze modellen gaan uit van vaste parameters in de loop van een blok of een conditie, en trial-per-trial veranderingen worden beschouwd als ruis. Beslissingen zijn echter geen geïsoleerde gebeurtenissen met een onveranderde dynamiek wanneer stimuli herhaaldelijk worden gepresenteerd; het beslissingsbeleid wordt op specifieke manieren beïnvloed door eerdere ervaring. Het meest opvallend is dat besluitvorming wordt gekarakteriseerd door keuze-geschiedenis biases, een gedragsmatig waargenomen neiging om eerdere reacties te herhalen (of af te wisselen) in twee-alternatieve gedwongen-keuzetaken. Op dit moment is het nog onduidelijk hoe deze biases begrepen kunnen worden binnen het model van bewijsaccumulatie. In het huidige project zal ik onderzoeken of één enkel mechanisme aan de basis ligt van deze bias, en of deze gemoduleerd wordt door contextuele factoren zoals beslissingsvertrouwen. Bovendien zal ik trachten aan te tonen dat al deze bevindingen op natuurlijke wijze verantwoord kunnen worden binnen de Bayesiaanse beslissingstheorie. Tenslotte zullen nieuwe voorspellingen van deze Bayesiaanse theorie betreffende de neurale mechanismen die aan de basis liggen van keuzegeschiedenis biases getest worden met EEG opnames. De resultaten van dit project zullen een solide basis vormen voor een meer dynamische kijk op besluitvorming, waarbij beslissingen verder reiken dan de huidige zintuiglijke input.