Måling den subjektive værdi af risikofyldte og tvetydige muligheder med eksperimentelle økonomi og funktionel MRI metoder

Summary

Brug af funktionel MRI og adfærdsmæssige metoder til at bestemme det neurale repræsentation af den subjektive værdi af risikable og tvetydige muligheder i den menneskelige hjerne.

Abstract

De fleste af de valg, vi træffer har uvisse konsekvenser. I nogle tilfælde sandsynlighederne for forskellige mulige udfald er præcist kendt, en tilstand kaldet "risikabel". I andre tilfælde, hvor sandsynligheder ikke kan anslås, dette er en tilstand beskrevet som "tvetydige". Mens de fleste mennesker er utilbøjelig til både risiko og tvetydighed ^1,2, graden af disse aversioner varierer betydeligt på tværs af individer, således at den subjektive værdi af den samme risikabelt eller tvetydige mulighed kan være meget forskellige for forskellige individer. Vi kombinerer funktionel MRI (fMRI) med en eksperimentel økonomi-baserede metode ³ for at vurdere den neurale repræsentation af de subjektive værdier for risikable og tvetydige optioner ^4. Denne teknik kan nu bruges til at studere disse neurale repræsentationer i forskellige befolkningsgrupper, såsom forskellige aldersgrupper og forskellige patientpopulationer.

I vores eksperiment, få motiverne følgeskader valg between to alternativer, mens deres neurale aktivering sporet ved hjælp af fMRI. På hver forsøgspersoner vælge mellem lotterier, der varierer i deres pengebeløb og i enten sandsynligheden for at vinde dette beløb eller tvetydighed, der er forbundet med at vinde. Vores parametrisk design giver os mulighed for at bruge den enkeltes valg adfærd for at vurdere deres holdninger til risiko og tvetydighed, og dermed estimere de subjektive værdier, som hver mulighed er bestemt for dem. Et andet vigtigt element i designet er, at resultatet af den valgte lotteri ikke er afsløret under eksperimentet, så ingen læring kan finde sted, og dermed de tvetydige optioner ikke er tvetydige og risiko holdninger er stabile. I stedet ved slutningen af ​​den scanning session én eller få forsøg er tilfældigt udvalgt og spillede for rigtige penge. Da motiverne ikke kender på forhånd hvilke undersøgelser vil blive valgt, skal de behandle hver eneste retssag, som om det, og det alene var den ene retssag, hvor de vil blive betalt. Dette design dkninger, at vi kan vurdere den sande subjektive værdi af hver option til hvert emne. Vi derefter se efter områder i hjernen, hvis aktivering er korreleret med den subjektive værdi af risikable optioner og for områder, hvis aktivering er korreleret med den subjektive værdi af tvetydige muligheder.

Protocol

1. Forberedelse af eksperiment

1. Det første skridt er at designe visuelle stimuli, der repræsenterer risikable og tvetydige valg, der vil blive præsenteret på skærmen i scanneren. Vi bruger billeder som dem, der præsenteres i figur 1 til at repræsentere poser fyldt med chips, som vi kalder "lotteri poser". Grafisk kan disse billeder opfattes som stakke af poker chips før de er placeret i en pose. Vigtigere er det, disse billeder repræsenterer reelle beholdere, i vores tilfælde kuverter, fyldt med 100 røde og blå chips hvor emnet vil se, før du starter eksperimentet. Dette sikrer, at fag både forstå de lotterier, de vil møde, og tror på, at computerens skærm nøjagtigt præsenterer dem lotterier. For risikofyldte lotterier den vindende sandsynlighed forholdet mellem rød til blå chips i en given kuvert, er nøjagtigt anført med både tal og en grafisk stimulus (figur 1A). For tvetydige lotterier del af INFORMATIOn om sandsynligheden mangler (figur 1 B), således at den mulige forhold mellem rød til blå chips er afgrænset, men ikke er specificeret, hvilket gør vindende sandsynlighed delvist uklar.
2. For risikable lotterier de røde og blå områder i hvert billede er proportional med antallet af røde og blå chips i kuverten. Vi anbefaler at bruge mindst 3 resultatmål sandsynligheder ⁴ (figur 1A). De præcise anvendte sandsynligheder kan variere alt efter de specifikke krav i forsøget, men eksperimentatorer bør være forsigtig med at bruge meget høje og meget lave sandsynligheder. Det er kendt, at mennesker typisk forvanske sandsynligheder under 10% eller over 90% ^5. Medmindre man har til hensigt at studere denne systematiske vildledning, bør disse yderpunkter undgås.
3. At formidle tvetydighed den centrale del af stakken af jetoner i computerskærm er skjult med en grå okkluderen (figur 1B). I det grå område numtallet af chip af hver farve vil være ukendt og dermed sandsynligheden for at sætte et rødt eller blåt chip ikke præcist kendt. For eksempel i figur 1 B i midten pose okkluderen dækker 50% af posen, og dermed antallet af røde jetoner kan være hvor som helst mellem 25 (hvis alle chips bag okkluderen er blå) og 75 (hvis alle chips bag okkluderen er røde). Naturligvis kan antallet af blå chips også være et sted mellem disse to værdier.
4. Forøgelse af okkluderingsaggregatet størrelse øger tvetydighed niveau (rækken af ​​mulige sandsynligheder til at trække en rød eller blå chip). Vi anbefaler anvendelse af mindst tre niveauer af okklusion, der dækker ~ 25, 50 eller 75% af posen (figur 1B).
5. Når emner varetage opgaven på computeren, vi præsenterer hver vindende sandsynlighed / tvetydighed niveau med en række mulige udfald beløb. Vi anbefaler at bruge 5 belønning niveau ^4, der spænder over en bred vifte af beløb, for eksempel: 5, 9,5, 18, ​​34 og 65 dollars. I displayet præsenterer vi resultatet beløb ved siden af ​​den vindende farve og vise "0" ud for den anden farve. For eksempel 2 i Figur ville trække en rød chip resultere i at vinde $ 18, mens tegne en blue chip ville resultere i en nul-resultat.
6. Kritisk, vil på hver forsøgspersonerne vælge mellem to lotterier. For nemheds vi holder en af ​​de muligheder konstant gennem hele forsøget (i dette eksempel en 50% chance for at vinde $ 5), og kun variere den anden mulighed. Dette har to fordele. Først, er den konstante mulighed for ikke at blive vist på skærmen, forenkle det visuelle display (selvom en påmindelse i ny og næ kan være nyttige). For det andet, fordi en option aldrig ændres, regression-baserede analyser af fMRI signal effektivt kan forsømme denne parameter. Bemærk, at for at have en "fælles valuta" for de subjektive værdier for risikable og tvetydige lotterier referencen option skal være den samme for begge typer forsøg.
7. Hver kombinationtion af sandsynlighed eller tvetydighed, og beløbet bør præsenteres i alt mindst 4 gange, og helst mere, for at sikre en tilstrækkelig statistisk styrke i både adfærdsmæssige og fMRI analyser. I halvdelen af ​​gentagelser røde bør være forbundet med en ikke-nul resultat og i den anden halvdel blå, for at undgå farve bias og at sikre symmetri i uklarhed.
8. Vi valgte at bruge en langsom begivenhed-relateret konstruktion (fig. 3), hvor den hæmodynamiske respons på forskellige forsøg er vel adskilt i tid. I en sådan konstruktion hver lotteri bør præsenteres som et incitament kort, i vores tilfælde for 2 s, efterfulgt af en forsinkelse periode (i vores tilfælde, 6 s), at give tid til beslutnings-relaterede neurale aktivering at opbygge. Svar skal ske inden for en kort tidsramme (1-2 s). Bruge et billede som det, der er vist i figur 3 som en kort tilbagemelding, således at emnet ved deres svar er blevet registreret. Adskil forsøg med lange hvileperioder (10 s eller more) at tillade den hæmodynamiske respons tilbage til basislinien. Kortere hvileperioder kan anvendes med passende jitter. Gruppe forsøgene i blokke af op til 30 forsøg hver, men sørg for ikke at lade blokkene tage længere tid end omkring 10 minutter. Dette giver mulighed for hvileperioder i scanneren, der maksimerer ydelsen og reducere emne træthed. For at tillade mindst 4 gentagelser af hver kombination af sandsynlighed / tvetydighed og beløb det samlede antal forsøg vil være mindst 120, dvs 4 blokke.
9. Forbered de fysiske poser (i vores tilfælde kuverter), så de kan blive vist til individer, før de udfører opgaven. De vil blive brugt senere til at spille den tilfældigt valgte prøve (r) for at afbetale. Der fremstilles en pose for hver lotteri billede anvendt i forsøget. Fyld hver pose med i alt 100 poker / bingo rød og blå chips, med proportioner svarende til sandsynligheden for at trække en chip af hver farve fra den taske vises på displayet. For tvetydige poser bruger en generator af tilfældige talat træffe beslutning om de konkrete antal af røde og blå chips, der svarer til hvert tvetydighed niveau. Forbered henvisningen taske med 50 røde og 50 blå chips. Forberedelse fysiske poser og vise dem til de emner er især vigtigt for personer ansat i psykologi afdelinger. Disse emner vil sandsynligvis mistanke eller anden form for bedrag og hvis de har mistanke om bedrag deres svar vil være uninterpretable.

2. Klargøring af Emne

1. Hvert emne skal udfylde en samtykkeerklæring og en screening spørgeskema. Screeningen formular kontrollerer, at emnet ikke har nogen metal i deres krop, at de ikke er gravide eller klaustrofobisk, og at de sikkert kan scannes. Emner skal også fjerne alle metaller fra deres krop for at sikre sikkerheden i scannerens miljø. Dette er kritisk.
2. Giv emnet med detaljerede instruktioner om eksperimentet. Spørg dem et par enkle spørgsmål for at sikre, at de forstår, hvordan sandsynlighederteter og beløb føres i hvert billede, og for at sikre de forstår deres opgave. Sørg for ikke at videregive oplysninger, der kan påvirke deres valg. For eksempel ikke indramme valget problem, de står over for i en sådan måde, at forspænde de emner hen imod en særlig risiko attitude. Vis dem de fysiske tasker og understrege, at hvert billede i eksperimentet refererer til et enkelt specifikt fysisk taske, som du ikke kan og vil ikke pille ved. Forklarer også, at i halvdelen af ​​forsøgene blå vil være den vindende farve og i halv rød. Forklare betalingsmekanismen, så motivet forstår, at de vil blive betalt i henhold til deres valg. Tilskynd emner at stille spørgsmål om noget, de ikke forstår. Dette er en kritisk periode, hvor den overbevisning af de emner om forsøget bliver etableret. Det er vigtigt, at individer være sikker på, at eksperimentet ikke indebærer nogen form for bedrag eller de adfærdsmæssige og neurale resultater vil være uninterpretable.
3. Forsegl poser og få emnet underskrive deres navn på tværs af forseglingen. Forklarer, at dette vil gøre det muligt at kontrollere ved afslutningen af ​​eksperimentet, at man ikke ændre indholdet af poserne under eksperimentet. Dette hjælper berolige emner, de spiller en helt fair spil. Forklarer også, at efter at lotterier spilles i slutningen af ​​eksperimentet, de får lov til at undersøge indholdet af poserne for at sikre, at de i overensstemmelse med den angivne sandsynlighed eller flertydighed niveau.

3. Scanning

1. Vi bruger en 3T MR-scanner med et hoved spole (4 kanaler eller mere) for at få blodets iltning Level-afhængig (FED) signaler fra hele hjernen.
2. Brug en 2-knap reaktion modtageren til at optage emner valg.
3. Anatomisk scan: Vi bruger en T1-vægtet MPRAGE sekvens at få et klart høj opløsning (1X1X1 mm) billede af individets hjerne, der kan bruges til 3D rekonstruktion. Enhver høj opløsning sekvens kan anvendes til dette pORMÅLET.
4. Funktionelle scanninger: Vi bruger et T2 *-vægtet EPI-sekvens, med en TR på 2 s, og 3x3x3 mm voxels. Sørg for at placere skiver, således at de omfatter de områder i hjernen, du er mest interesseret i, typisk den præfrontale cortex, parietal cortex og basalganglierne. Scanningsparametre bør være optimeret til den specifikke scanner, vi brugte: TE 30ms, flipvinkel 75 °, 36 3 mm skiver med ingen inter-skive hul, der er parallelle med AC-PC linje, i plan opløsning 3x3 mm, FOV 192 mm . Andre undersøgelser har antydet, at placere skiver ved 30 ° i forhold til AC-PC linje kan reducere signal frafald i den orbitofrontal cortex ^6.

4. Betaling Procedure

1. Efter fjernelse af emnet fra scanneren, hente de adfærdsmæssige data fra den computer, der har registreret motivets svar.
2. Tilfældigt vælge en eller få forsøg til betaling. Det er bedst at lade emnet gøre udvælgelsen, for eksempel ved at tegne en nummereret poker chipaf en uigennemsigtig pose, som indeholder chips med alle forsøg numre. Dette vil sikre at emnet, at valget er virkelig tilfældigt.
3. For hver udvalgt forsøg viser emnet den præsenterede option og valget de gjorde på denne retssag. Bed dem om at tegne en chip fra posen vælges på denne retssag, og betale dem i henhold til den trukket farve og det beløb, der præsenteres på retssagen.

For eksempel, hvis den valgte forsøg præsenterede lotteri vist i figur 2 (en tvetydig lotteri, tilbyder $ 18 Hvis en rød chip trækkes) og motivet valgte dette lotteri (i stedet for referencebrændstof lotteri), så emnet bør tegne en chip ud Den fysiske pose svarende til lotteri billedet. Hvis en rød chip trækkes emnet vil modtage $ 18, hvis en blue chip trækkes de vil modtage noget.

5. Analysere adfærdsmæssige data

1. Brug af maximum likelihood vi passer det valg data for hver genstand for en logistiskfunktion af formen:

Hvor Nv er sandsynligheden for, at motivet har valgt den variable lotteri, SV _F og SV _V er subjektive værdier af de faste og variable indstillinger henholdsvis, og γ er hældningen af den logistiske funktion, som er en fagspecifik parameter. En alternativ fremgangsmåde er at anvende en probit distribution.

2. At modellere den subjektive værdi for hver indstilling for hvert emne, du kan bruge en af ​​en række modeller, der tager hensyn til det beløb, sandsynlighed og tvetydighed niveau af optionen og holdninger hos det enkelte individ mod risiko og tvetydighed. Vi valgte at bruge en power funktion ^5, der omfatter en lineær effekt af tvetydighed om den formodede sandsynlighed ^7:

Hvor p er formålet probevne (pr. definition 0,5 for denne klasse af tvetydige lotterier), A er tvetydigheden niveau (den fraktion af den samlede sandsynlighed, der er ukendt, 0 for risikofyldte lotterier), V er mængden, og α og βare fagspecifikke risici og tvetydighed holdninger parametre hhv. En af flere alternative metoder, er at inkludere tvetydighed som en eksponentiel effekt ^8:

Montering af valg data med valget funktionen giver således estimater for risikoen holdning (α) og tvetydighed holdning (β) for hvert emne.

6. Analysere Neurale data

1. Udfør standard forbehandling af dataene, herunder: 1) skive scan-tid korrektion for at tage højde for de små forskelle i scanning gange af forskellige skiver, 2) motion korrektion for at tage højde for intra-og inter-run motivbevægelse, og 3) fjernelse af lave frekvenser, der typisk ropstemt til fysiologisk støj og scanner driver.
2. Registrer de funktionelle data for hvert emne til deres anatomiske data.
3. Til analyse på enkelt emne niveau model aktiviteten af hver voxel som et vedvarende respons under hele forsøget (i vores tilfælde 10 s), foldet med en standard hæmodynamiske responsfunktion ^9. Brug en generel lineær model med følgende prædiktorer:

• To prædiktorer for subjektiv værdi (SV), en for risikable forsøg og én for tvetydige forsøg. Brug ligning 2 og de enkelte fagspecifikke parametre udledt fra den adfærdsmæssige egnet til at beregne SV for hvert lotteri. Da henvisningen lotteri er den samme for alle forsøg vi kan bruge SV af den variable lotteri alene i hvert forsøg. For den risikable SV prædiktor indsætte SV for hver risikabel forsøg, og 0 for hver tvetydige forsøg, og vice versa for det tvetydige prædiktor.
• To dummy prædiktorer, en for risikable forsøg og en for tvetydige forsøg, at lægge loftratur generel aktivering, såsom visuelle og motor aktiveringer.

4. Se efter voxels, hvor koefficienterne for SV under risiko og / eller under flertydighed er væsentlige. Testen for signifikans bør tage hensyn til de multiple udførte sammenligninger. Den metode, vi anvendte, blev begrænse den mindste klyngestørrelse til 6 tilstødende funktionelle voxels ^10. Alternativt kan andre fremgangsmåder, såsom den falske Discovery Rate (FDR) ^11, anvendes til at korrigere for flere korrektioner.

7. Repræsentative resultater

Adfærd

Figur 4 viser de adfærdsmæssige resultater af tre repræsentative individer. Hvert panel præsenterer valg data og model fit resultater for ét emne under enten risiko (venstre) eller tvetydighed (til højre). Graferne viser andelen af ​​forsøg, hvor emnet valgte variable lotteri som en funktion af beløb, separat for hvert niveau af probevne eller tvetydighed. Som det kan ses, kan individer varierer meget i deres holdninger til risiko og tvetydighed.

For at undersøge det gode i pasform, kontrollere r ^2, der bør ideelt set være over 0,5, og også inspicere kurverne visuelt. Mens alle vores tre eksempler forsøgspersoner havde lovlig adfærd, der muliggjorde rimelige anfald, opmærksom på, at emne 2 næppe valgte den variable indstilling i risiko tilstand med det laveste sandsynlighed (0,13). Dette tyder på, at udvide sortimentet af beløb og / eller anvendelse af højere sandsynligheder kan give bedre resultater, fordi det vil sikre, at patienter vælger de variable optioner på i det mindste nogle af forsøgene. En anden mulighed er at præ-teste hvert emne på en bred vifte af beløb og vælge disse beløb, som sikrer et sammenligneligt antal reference og variable mulighed valgmuligheder for den enkelte.

fMRI

Figur 5 viser de billeddannende resulterer i en repræsentantemne. Fremhævede voxels er dem, hvor koefficienten af ​​den subjektive værdi prædiktor under uklarhed (øverst) eller risiko (nederst) afveg markant fra 0. I denne typiske emne blev signifikant korrelation fundet i mediale præfrontale cortex (MPFC) og striatum under begge betingelser. Disse områder er de mest konsekvent på tværs af emner, men signifikante korrelationer kan også forventes i områder i medial og lateral parietale cortex, og amygdala. Som aktivitet i denne type opgaver er normalt svag og støjende bør du forvente høj variabilitet på tværs af individer med mange fag udviser signifikante sammenhænge kun i en delmængde af områder.

Figur 1. Risky og tvetydige stimuli. A) I risikofyldte stimuli de røde og blå områder i hvert billede på skærmen er proportional med antallet af røde og blå chips i kuverten. Tre outcome sandsynligheder were anvendes her: 0,13, 0,25 og 0,38. B) I flertydige stimuli den centrale del af billedet er skjult med en grå okkluderen. I det grå område antallet af chips af hver farve er ukendt, og dermed sandsynligheden for at trække en chip af en bestemt farve er ikke præcist kendt. Tre niveauer af uklarhed anvendes her, hvor 25, 50 eller 75% af billedet er okkluderet.

Figur 2. Et lotteri eksempel. Dette er en tvetydig lotteri, med en 50% tvetydighed niveau. Mindst 25 af jetoner i konvolutten er røde og mindst 25 er blå. Hvis en rød chip trækkes emnet vil vinde $ 18, mens de vil vinde noget, hvis en blue chip tegnes.

Figur 3. Forsøget struktur. Et lotteri er kort præsenteret, efterfulgt af en forsinkelse. Et svar cue bliver derefter bedt emner at viseir valg mellem lotteri på skærmen og henvisningen lotteri (i dette tilfælde en 50% chance for at vinde $ 5). Forsøg er flettet med lange hvileperioder.

Figur 4. Eksempler på enkeltfag valg adfærd. De grafer præsenterer andelen af forsøg, hvor hvert individ har valgt den variable option i referenceperioden, som en funktion af det tilbudte beløb, i risikable (til venstre) og tvetydig (til højre) forsøg. Forskellige kurver er for forskellige risiko eller tvetydighed niveauer. α, risiko holdning parameter, β, tvetydighed holdning parameter, r ^2, McFadden er pseudo R-kvadreret, et mål for goodness of fit af den adfærdsmæssige model, svarende til den del af variansen, der kan forklares ved modellen, n, nummer af forsøg, hvor respons blev lavet (ud af i alt 180).

<br /> Figur 5. Eksempel på enkeltfag aktivering maps. Aktivering kort er præsenteret på en høj opløsning anatomisk billede. Fremhævede områder er dem, hvis aktivering var signifikant korreleret med subjektive værdi under risiko (øverst) eller under tvetydighed (nederst). I de fleste fag den mediale præfrontale cortex (MPFC) og striatum repræsenterer subjektive værdi under både risiko og tvetydighed. Korrigerede p-værdier er baseret på et minimum klynge størrelse på 6 funktionelle voxels. Klik her for at se større figur .

Discussion

Vi har brugt en metode fra eksperimentel økonomi til at karakterisere individernes adfærd og vurdere de enkelte holdninger til risiko og tvetydighed. Vi derefter brugt disse skøn til at analysere neurale data.

Andre metoder til at undersøge fMRI aktivitet, mens fag foretage valg under risiko og tvetydighed har været brugt før ^8,12. Vores tilgang er dog kombinerer flere vigtige funktioner. For det første bruger et parametrisk design, hvor forskellige parametre (beløb, sandsynlighed og tvetydighed niveau) systematisk varierede. Dette giver os mulighed for at kvantificere den individuelle risiko og flertydighed holdninger og til at beregne den subjektive værdi af hver option til hvert emne. For det andet har den enkelte adfærdsmæssige foranstaltning giver os mulighed for at kigge efter områder i hjernen, hvis aktivering er korreleret med denne foranstaltning, separat for risiko og tvetydighed, på et indenfor emne niveau. Dette er en ren måde at undersøge de neurale kodning af en parameter (subjektiv værdi) uNDER forskellige (risiko og tvetydighed), mens kontrol for eventuelle forskelle mellem disse betingelser (såsom valg adfærd). For det tredje ved tilfældigt at udvælge en retssag i slutningen af forsøget og spille det for rigtige penge vi opfordre individer til at afsløre deres sande præferencer ^13.

På det adfærdsmæssige plan, gør denne metode os mulighed for at opsummere den unikke valg adfærden for hvert emne med kun to numre, der repræsenterer en risiko og tvetydighed holdninger hos det enkelte individ. Standard økonomisk teori viser, at for choosers der opfører sig konsekvent disse er både nødvendige og tilstrækkelige karakteriseringer af deres præferencer. Sagt på en anden måde kan man bevise, at 1) ingen andre mulige karakterisering kan være mere komplet eller kompakt og 2) at alle mere komplekse karakteriseringer er overflødige. På det neurale niveau, tillader fremgangsmåden os at identificere den neurale repræsentation af den subjektive værdi, at individuelle fag ascrivære til løsninger, som de støder på denne nødvendige og tilstrækkelige niveau af karakterisering. Selvfølgelig andre karakteriseringer for adfærd er mulige, men ved hjælp af ad hoc-foranstaltninger for »risikable«, der ikke kan relateret i en komplet måde til enten adfærd eller de neurale signaler kan rejse flere problemer, end det løser ^en.

Vi beskrev en specifik metode til at lokalisere områder, hvis aktivitet er korreleret med subjektive værdi. Der er andre, supplerende, måder at analysere de neurale data i en sonderende måde, der ikke kræver forudgående hypoteser. Clustering metoder og Independent Component Analysis (ICA) er sådanne metoder, der kan afsløre yderligere risiko-og tvetydighed-relateret aktivering.

Resultaterne viste betydelig adfærdsmæssige variation på tværs af fag, hvilket tyder på flere mulige udvidelser af den metode, der kan bruges i fremtidige studier af risiko og tvetydighed. For det første kan fremgangsmåderne anvendes til at undersøge forskelligeforskelle i adfærd på tværs af individer, og at identificere de neurale korrelater til disse forskelle i forskellige fag populationer. Af særlig interesse vil være undersøgelser af patienter hypotese at udvise ekstrem risikovillighed adfærd, for eksempel dem, der gennemgår behandling for stofmisbrug. Skelne mellem de bidrag af risiko og tvetydighed holdninger til en sådan adfærd og afgrænse deres neurale korrelater er vigtige for at forstå de grundlæggende årsager til sådanne patologiske adfærd og til at udforme adfærdsmæssige og farmakologiske interventioner. Andre interessante spillesteder ville undersøge folk fra forskellige kulturer eller mennesker i forskellige aldersgrupper. Evnen til at identificere specifik værdi-relateret aktivitet på denne måde har potentiale til at afsløre gruppeforskelle som er kernen i observerede forskelle i virkeligheden.

For det andet kunne den metode bruges til at undersøge indflydelsen af ​​specifikke erfaringer på de holdninger enkeltes subjects til risiko og tvetydighed. Den eksperimentelle paradigme kunne for bl.a. bruges før og efter en adfærdsmæssig manipulation udføres eller naturlige begivenheder indtræffer, såsom en pædagogisk intervention, en stress manipulation, eller en livsændrende begivenhed.

For det tredje kunne et lignende paradigme anvendes med forskellige intervaller af resultater og sandsynligheder, der er passende for det spørgsmål, du gerne vil ind på. For eksempel kunne individer blive præsenteret med valg mellem forskellige tab, snarere end gevinster, til mere direkte vedrører den eksperimentelle indstilling til risikoadfærd i det virkelige liv, hvis potentiale udfald er ofte negative (f.eks hensynsløs kørsel eller stofmisbrug). Fjerde, ikke-monetære resultater kan bruges til at udforske holdninger til risiko og tvetydighed i forskellige domæner, såsom valg af fødevarer og sociale præferencer.

Det kritiske træk ved denne fremgangsmåde er, at den tilvejebringer en kompakt og logisk complete måde at karakterisere adfærd med hensyn til en fuldt specificeret underliggende variabel, der helt karakteriserer præferencer en konsekvent emne. Dette således tilbyder en kraftfuld metode i høj grad bundet til teori, der bevæger sig langt ud over ad hoc karakterisering.

Materials

Name	Company	Catalog Number	Comments
Allegra Head Only 3.0 T MRI Scanner	Siemens AG	A whole body scanner can also be used
NM-011 transmit head coil	Nova Medical
E-prime	Psychology Software Tools	Stimuli presentation software
Matlab	Mathworks