Naar een mechanistisch begrijpen van zelfevaluatie van beslissingen

Evalueren of je een juiste beslissing hebt genomen of niet kan van levensbelang zijn. Bijvoorbeeld wanneer een dokter onzeker is of een patiënt gezond is, kan hij of zij extra onderzoeken aanbevelen. Onderzoek naar het evalueren van onze beslissingen focust voornamelijk op de vraag wat zo een zelf-evaluatie reflecteert. Een groeiende consensus is dat we bij het evalueren van onze beslissingen de waarschijnlijkheid berekenen dat we de juiste keuze hebben gemaakt. Het blijft echter onduidelijk hoe mensen dit aanleren. In dit project stel ik voor dat mensen leren om hun eigen keuzes te evalueren door gebruik te maken van feedback van de omgeving. Gezien het belang van feedback in mijn model, is het belangrijk dat zulke feedback effectief voorhanden is. Mijn model voorspelt inderdaad dat onder- en overschatting experimenteel kunnen geïnduceerd worden door feedback te manipuleren. Tot slot, een belangrijk aspect van mijn model is dat het toelaat om te generaliseren naar andere taken en andere contexten. Zo kan mijn model verklaren waarom mensen hun prestatie kunnen beoordelen in nieuwe taken en contexten. In drie werkpakketten zullen deze voorspellingen getest worden op menselijke proefpersonen. Hierbij zal electro-encephalografische activiteit meten (EEG) gebruikt worden om bloot te leggen welke hersenmechanismes een rol spelen in het evalueren van onze eigen beslissingen.