قياس القيمة الذاتية من خيارات محفوفة بالمخاطر والغموض باستخدام طرق التجريبية والاقتصاد التصوير بالرنين المغناطيسي الوظيفي

الهدف العام من التجربة التالية هو فحص الترميز العصبي للقيمة الذاتية للخيارات المحفوفة بالمخاطر والغامضة باستخدام التصوير بالرنين المغناطيسي الوظيفي. يتم تحقيق ذلك عن طريق مسح المشاركين أثناء قيامهم بالاختيار بين اليانصيب المحفوفة بالمخاطر والغامضة ، والتي تختلف في المقدار والاحتمال ومستوى الغموض. ثم يتم استخدام الخيارات التي يتخذها كل مشارك لتقدير مواقفه تجاه المخاطر والغموض ، والتي بدورها تستخدم لتقدير كيفية تأثير المخاطر والغموض على تقييم المشاركين لليانصيب.

بعد ذلك ، يتم استخدام هذه التقديرات كانحدار في نموذج خطي عام من أجل تحديد مناطق الدماغ التي يرتبط فيها النشاط بالقيمة الذاتية لليانصيب المحفوفة بالمخاطر و / أو الغامضة. تظهر النتائج الارتباط مع القيم الذاتية لكل من الخيارات المحفوفة بالمخاطر والغامضة في المناطق المتداخلة من قشرة الفص الجبهي الإنسي والمخطط. الميزة الرئيسية لهذه التقنية على الطرق الأخرى التي تقارن النشاط العام لليانصيب المحفوفة بالمخاطر والغامضة هي أن السلوك الفردي لكل مشارك يستخدم في تحليل تنشيط الدماغ.

يمكن أن تساعد هذه الطريقة في الإجابة على الأسئلة الرئيسية في مجال الاقتصاد العصبي ، مثل كيفية تمثيل القيمة في الدماغ وكيفية استخدامها لاتخاذ الخيارات. تتمثل الخطوة الأولى في هذا البروتوكول في تصميم المحفزات المرئية التي تمثل خيارات محفوفة بالمخاطر وغامضة ليتم تقديمها أثناء المسح باستخدام الصور مثل تلك التي تظهر هنا لتمثيل مظاريف مليئة برقائق البوكر تسمى أكياس اليانصيب في محفزات اليانصيب المحفوفة بالمخاطر ، يجب توضيح احتمال الفوز هو نسبة الرقائق الحمراء إلى الزرقاء باستخدام كل من الحافز الرسومي والأرقام. هنا ، تتناسب المنطقتان الأحمر والأزرق لكل صورة مع عدد الرقائق الحمراء والزرقاء.

في المغلف الحقيقي ، يوصى بثلاثة احتمالات نتيجة على الأقل لليانصيب الغامضة. يجب أن يكون جزء من المعلومات حول الاحتمال مفقودا بحيث تكون النسبة المحتملة للرقائق الحمراء إلى الزرقاء محدودة ولكن غير محددة. جعل احتمال الفوز غامض جزئيا.

الحجم المغلق يزيد من مستوى الغموض. نوصي باستخدام ثلاثة مستويات على الأقل من الانسداد تقدم كل احتمال فائز أو مستوى غموض مع عرض مقدار النتيجة بجوار اللون الفائز والصفر بجوار اللون الآخر. هنا ، سيؤدي رسم شريحة حمراء إلى الفوز ب 18 بينما سيؤدي رسم رقاقة زرقاء إلى نتيجة صفرية. خمسة.

يوصى بمستويات المكافآت التي تغطي مجموعة واسعة من المبالغ في كل تجربة. سيختار الموضوع بين يانصيبين. ومع ذلك ، من أجل البساطة ، يمكن الحفاظ على أحد الخيارات ثابتا طوال التجربة وخارج الشاشة ، بينما يتنوع الخيار المعروض فقط.

يجب تقديم كل مجموعة من مستويات الاحتمالات أو الغموض والمبلغ أربع مرات على الأقل لضمان القوة الإحصائية الكافية. في التحليلات ، قم بتعيين النموذج كتصميم بطيء متعلق بالحدث بحيث يتم تقديم كل يانصيب كمحفز لمدة ثانيتين ، تليها فترة تأخير مدتها ست ثوان للسماح بالاستجابة العصبية الوعائية. ثم يجب أن يتم الرد في غضون ثانية إلى ثانيتين.

استخدم صورة بسيطة كملاحظات موجزة للإشارة إلى أن الاستجابة قد تم تسجيلها وفصل التجارب بفترات راحة لا تقل عن 10 ثوان. أيضا ، قم بإعداد الحقائب أو الأظرف المادية لتتناسب مع كل صورة يانصيب مستخدمة. في التجربة.

املأ كل مغلف بما مجموعه 100 رقائق حمراء وزرقاء بنسب تتوافق مع احتمال رسم شريحة من كل لون من تلك الحقيبة الموضحة في الشاشة. يجب عرضها على الأشخاص قبل المهمة حيث سيتم استخدامها لاحقا للعب التجارب المختارة عشوائيا للحصول على مكافأة. يعد الدفع للموضوعات بناء على اختياراتهم في التجربة أمرا مهما لتشجيعهم على التعبير عن تفضيلاتهم الحقيقية.

يضمن استخدام الحقائب المادية التي تحتوي على رقائق حقيقية للعب اليانصيب أن تخضع لاحتمالات النتيجة هي بالفعل تلك المذكورة قبل المسح. أولا ، اطلب من الموضوع ملء نموذج الموافقة بالإضافة إلى استبيان فحص التصوير بالرنين المغناطيسي. ثم تأكد من أن الهدف يزيل كل المعادن لضمان السلامة في بيئة الماسح الضوئي.

بعد ذلك ، قم بتزويد الموضوع بإرشادات مفصلة حول التجربة والمهمة. تأكد من أن الموضوع يفهم كيفية نقل الاحتمالات والمبالغ في كل صورة ، ولكن لا تكشف عن أي معلومات يمكن أن تؤثر على الخيارات. سيتم استخدام مربع استجابة بزرين في الماسح الضوئي لتسجيل اختيارات الهدف.

اشرح أيضا آلية الدفع حتى يفهم الموضوع أنه سيتم إجراء الدفع. وفقا للاختيارات. أغلق الأكياس المعدة مسبقا واطلب من الشخص التوقيع على اسمه عبر الختم.

اشرح أن هذا سيمكن من التحقق في نهاية التجربة من أن محتويات الأكياس لم يتم تغييرها حيث سيسمح للموضوع بالنظر في الأكياس للتأكد من أنها تؤكد مستوى الاحتمال أو الغموض المذكور. باستخدام ماسح التصوير بالرنين المغناطيسي بثلاثة Tesla ، احصل أولا على صورة عالية الدقة لدماغ الشخص باستخدام تسلسل مرجح T واحد. سيتم استخدام هذا الحجم الهيكلي لإعادة الإعمار ثلاثي الأبعاد.

يمكن استخدام أي تسلسل عالي الدقة لهذا الغرض. بعد ذلك ، استخدم تسلسل EPI المرجح بنجمتين T للحصول على التصوير الوظيفي. أثناء نموذج المهمة ، تأكد من وضع الشرائح لتشمل مناطق الدماغ التي تهمهم.

عادة ، يجب تحسين قشرة الفص الجبهي والقشرة الجدارية ومعلمات مسح العقد القاعدية للماسح الضوئي المحدد باستخدام TR من ثانيتين وثلاثة في ثلاثة فوكسل في ثلاثة ملليمترات. بعد المسح الضوئي ، قم باسترداد البيانات السلوكية من الكمبيوتر الذي سجل زر الموضوع. الردود الصحفية.

ثم اسمح للموضوع بتحديد نسخة تجريبية واحدة أو بضع إصدارات تجريبية للدفع بشكل عشوائي. يمكن القيام بذلك عن طريق جعل الموضوع يسحب شريحة بوكر مرقمة من كيس غير شفاف يحتوي على رقائق مع جميع أرقام التجربة. لكل تجربة مختارة ، أظهر الموضوع والخيار المقدم والاختيار الذي اتخذوه في تلك التجربة.

ثم اطلب من الشخص أن يسحب شريحة من الحقيبة المختارة في تلك التجربة ويدفع لها وفقا للون المرسوم والمبلغ المقدم في المحاكمة. لتحليل البيانات السلوكية ، استخدم أقصى احتمالية لملاءمة بيانات الاختيار لكل موضوع مع وظيفة لوجستية كما هو موضح. هنا حيث PV هو احتمال أن يختار الموضوع اليانصيب المتغير.

SV الفرعية F و SV الفرعية V هي القيم الذاتية للخيارات الثابتة والمتغيرة على التوالي وجاما هي ميل الوظيفة اللوجستية ، وهي معلمة خاصة بالموضوع. يتمثل النهج البديل في استخدام توزيع الوصايا لنمذجة القيمة الذاتية لكل خيار لكل موضوع ، استخدم نموذجا يأخذ في الاعتبار مقدار الخيار واحتمالاته ومستوى غموضه ومواقف الشخص الفردي تجاه المخاطر والغموض. اخترنا استخدام دالة القدرة التي تتضمن تأثيرا خطيا للغموض على الاحتمال المتصور.

تتمثل إحدى الأساليب البديلة العديدة في تضمين الغموض كتأثير أسي ، وملاءمة بيانات الاختيار مع وظيفة الاختيار ، وبالتالي توفير تقديرات لموقف الخطر ، ووضع ألفا والغموض التجريبي لكل موضوع ، وإجراء المعالجة المسبقة القياسية للبيانات الوظيفية ، بما في ذلك الشريحة ، والمسح ، وتصحيح الوقت ، وتصحيح الحركة ، وإزالة الترددات المنخفضة المتعلقة بالضوضاء الفسيولوجية وانجرافات الماسح الضوئي. ثم قم بتسجيل البيانات الوظيفية لكل موضوع في البيانات التشريحية للتحليل على مستوى الموضوع الفردي ، استخدم وظيفة استجابة ديناميكية دموية قياسية ونمذجة نشاط كل فوكسل كاستجابة مستدامة خلال التجربة بأكملها. استخدم نموذجا خطيا عاما مع اثنين من المتنبئين بالقيمة الذاتية ، أحدهما للتجارب المحفوفة بالمخاطر والآخر للتجارب الغامضة.

استخدم المعلمات الخاصة بالموضوع الفردي المشتقة من الملاءمة السلوكية لحساب القيمة الذاتية لكل يانصيب. قم أيضا بتضمين اثنين من المتنبئين الوهميين ، أحدهما للتجارب المحفوفة بالمخاطر ، والآخر للتجارب الغامضة. لالتقاط التنشيطات العامة مثل البصرية والحركية ، يجب أن يأخذ اختبار الأهمية في الاعتبار المقارنات المتعددة التي يتم إجراؤها هنا.

اقتصر الحد الأدنى لحجم الكتلة على ستة فوكسلات وظيفية متجاورة. يمكن أيضا استخدام طرق أخرى مثل معدل الاكتشاف الخاطئ. ابحث عن فوكسل التي تكون فيها معاملات القيمة الذاتية تحت المخاطرة و / أو الغموض كبيرة.

هنا نرى النتائج السلوكية لثلاثة مواضيع تمثيلية. تقدم كل لوحة بيانات الاختيار والنتائج المناسبة للنموذج لموضوع واحد في ظل المخاطر أو الغموض. تصور الرسوم البيانية نسبة التجارب التي اختار فيها الموضوع اليانصيب المتغير كدالة للمبلغ بشكل منفصل لكل مستوى من مستويات الاحتمالية أو الغموض.

كما يتضح ، قد تختلف الموضوعات كثيرا في مواقفهم تجاه المخاطر والغموض. هنا نرى نتائج التصوير لشخص واحد ، فوكسل مميز للموضوع هو تلك التي يكون فيها معامل متنبئ القيمة الذاتية تحت الغموض أو المخاطر مختلفا اختلافا كبيرا عن الصفر. في هذا الموضوع التمثيلي ، تم العثور على علاقة كبيرة في قشرة الفص الجبهي الإنسي والمخطط في كلتا الحالتين.

هذه المناطق هي الأكثر اتساقا عبر الموضوعات ، ولكن يمكن أيضا توقع ارتباطات كبيرة في مناطق القشرة الجدارية الإنسية والجانبية وكذلك اللوزة. تسمح هذه التقنية للباحثين في مجال الاقتصاد العصبي باستكشاف التغيرات في مواقف المخاطر والغموض ، وارتباطاتها العصبية في مجموعات سكانية مختلفة في سياقات مختلفة. بعد مشاهدة هذا الفيديو ، يجب أن يكون لديك فهم جيد لكيفية استنباط مواقف المخاطر والغموض ، وكيفية استخدامها لتحليل بيانات FMRI التي تم الحصول عليها أثناء قيام المشاركين بالاختيارات.