Deneysel İktisat ve Fonksiyonel MRI yöntemleri kullanarak Riskli ve belirsiz Seçenekleri Sübjektif Değer Ölçme

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Insan beyninde riskli ve belirsiz seçenekleri öznel değer nöral temsiline belirlemek için fonksiyonel MRI ve davranışsal yöntemlerin kullanılması.

Cite this Article

Copy Citation | Download Citations

Levy, I., Rosenberg Belmaker, L., Manson, K., Tymula, A., Glimcher, P. W. Measuring the Subjective Value of Risky and Ambiguous Options using Experimental Economics and Functional MRI Methods. J. Vis. Exp. (67), e3724, doi:10.3791/3724 (2012).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Yaptığımız seçimler çoğu belirsiz sonuçlar doğurabilir. Bazı durumlarda farklı olası sonuçları için olasılıklar tam da "riskli" olarak adlandırılan bir durum, bilinir. Olasılıkları tahmin edilemeyen diğer durumlarda, bu "belirsiz" olarak tanımlanan bir durumdur. Çoğu insan, risk ve belirsizlik 1,2 hem hoşlanmıyorsunuz iken, bu kaçınma derecesi aynı riskli veya belirsiz seçenek öznel değeri farklı kişiler için çok farklı olabilir böyle bireyler arasında önemli ölçüde değişebilir. Biz riskli ve belirsiz seçenekleri 4 öznel değerlerinin nöral temsiline değerlendirmek için iktisat temelli deneysel yöntem 3 fonksiyonel MRI (fMRI) birleştirir. Bu teknik artık farklı yaş grupları ve farklı hasta popülasyonları gibi farklı toplumlarda, bu nöral gösterimleri incelemek için kullanılabilir.

Yaptığımız denemelerde, denekler dolaylı seçimler b yapmakOnların nöral aktivasyon fMRI kullanılarak takip edilir ise iki alternatifi etween. Her bir deneme konularda parasal miktar ve bu miktarın kazanma ihtimali ya da kazanma ile ilgili belirsizlik düzeyi ya değişir piyango arasında seçim. Bizim parametrik tasarım bizi risk ve belirsizliğe karşı tutumlarını tahmin etmek her bireyin seçim davranışı kullanmanıza olanak sağlar ve böylece her seçenek onlar için tuttuğu kişisel değerleri tahmin etmek. Tasarımın bir diğer önemli özelliği hiçbir öğrenme yer alabilir, böylece seçilen piyango sonucu deneme sırasında ortaya olmasıdır ve böylece belirsiz seçenekleri belirsiz ve risk tutum stabil kalır. Bunun yerine, tarama oturumu sonunda bir veya birkaç denemeyle rasgele seçilir ve gerçek para için oynadı. Konularda çalışmalar seçilecektir hangi önceden bilmiyorsanız bu yana, onlar gibi her deneme tedavi gerekir ve yalnız onlar ödenecektir hangi bir deneme oldu. Bu tasarım trher konu için her seçeneğin gerçek öznel değerini tahmin edebilir ki çümleri. Daha sonra aktivasyon riskli seçenekleri öznel değeri olan ve aktivasyon belirsiz seçenekleri öznel değeri ile korelasyon alanlar için korelasyon beyin alanları arayın.

Protocol

1. Deney Hazırlama

  1. İlk adım tarayıcı ekranda sunulacak riskli ve belirsiz seçimler temsil görsel uyaranlara tasarlamaktır. Biz böyle biz "piyango çanta" diyoruz poker fişleri ile dolu çanta temsil Şekil 1'de sunulan bu gibi görüntüleri kullanabilirsiniz. Onlar bir çanta yerleştirilmeden önce Grafiksel, bu görüntülerin poker destesi olarak düşünülebilir edilebilir. Önemlisi, bu görüntüleri konusu deney başlamadan önce göreceksiniz 100 kırmızı ve mavi poker fişleri ile dolu bizim durumumuzda zarf gerçek kapları, temsil eder. Bu konular da karşı karşıya gelecek piyango anlamak ve bilgisayar ekranı doğru bu piyango sunuyor inanıyorum hem sigortalanır. Riskli piyango için kazanan olasılık, belirli bir zarf içinde mavi fiş kırmızı oranı, tam sayılar ve grafik uyaran (Şekil 1A) kullanarak hem belirtilmiştir. BİLİŞİM belirsiz piyango kısmı içinn olasılık hakkında kısmen belirsiz kazanma ihtimali render, mavi fiş kırmızı olası oranı sınırlı ama belirtilmemiş öyle ki, (Şekil 1B) eksik.
  2. Riskli piyango için her görüntünün kırmızı ve mavi alanlar zarf içinde kırmızı ve mavi fiş sayısı ile orantılıdır. Biz 3 sonuç olasılıkları 4 (Şekil 1A) en az kullanmanızı öneririz. Kullanılan kesin olasılıkları denemenin özel ihtiyaçlarına göre değişebilir, ama deneyciler çok yüksek ve çok düşük olasılıklar kullanma hakkında dikkatli olmalıdır. Bu, insan denekler genellikle yukarıda% 10 ya da% 90 5 altında olasılıkları yanlış temsil ettiği bilinmektedir. Kimse bu sistematik yanlış eğitim almak istediği takdirde, bu aşırı kaçınılmalıdır.
  3. Belirsizlik iletmek için bilgisayar ekranı fiş destesini orta kesiminde gri oklüder (Şekil 1B) ile engellenmektedir. Gri alanda numHer rengin cips ber bilinmeyen olacak ve böylece kırmızı bir çizim olasılık veya mavi bir çip kesin bilinen olmayacaktır. Örneğin, orta torbaya Şekil 1B tıkayıcı çanta% 50 kapsar ve bu nedenle kırmızı fiş sayısı (25 (tıkayıcı arkasındaki tüm fişleri mavi iseniz) ile 75 arasında herhangi bir yerde olabilir, tüm fişleri arkasında ise tıkayıcı) kırmızı. Tabii ki, mavi fiş sayısı da bu iki değer arasında herhangi bir yerde olabilir.
  4. Tıkayıcı boyutunun artırılması belirsizlik düzeyi (kırmızı veya mavi çip çizim için mümkün olasılıklar aralık) artırır. Biz ~ 25, 50 kapsayan oklüzyonu en az 3 seviyeleri veya çanta% 75 (Şekil 1B) kullanmanızı öneririz.
  5. Konularda bilgisayar görevi gerçekleştirmek için, biz olası sonucu tutarı aralığı ile her kazanma olasılığı / belirsizlik düzeyi sunuyoruz. Biz, örneğin miktarları geniş bir yelpazede kapsayan, 5 ödül seviyeleri 4 önerilmektedir: 5, 9.5, 18, ​​34 ve 65 dollars. Ekran, biz kazanan rengin yanındaki sonucu miktarını sunmak ve diğer renk yanındaki "0" görüntülenir. Örneğin, Şekil 2'de kırmızı çip çizim mavi çip çizim sıfır sonuç neden olurken 18 $ kazanan neden olacaktır.
  6. Kritik, her deneme konularda iki piyango arasında seçim olacaktır. Basitlik için biz deney boyunca sabit seçeneklerinden birini (bu örnekte 5 $ kazanma şansı% 50) tutmak ve yalnızca diğer seçenek değişir. Bu iki avantajı vardır. İlk olarak, sabit seçeneği görsel ekran (bir hatırlatma her ne kadar şimdi ve sonra yararlı olabilir) basitleştirilmesi, ekranda zorunda değildir. İkincisi, bir seçenek asla değişmez, fMRI sinyal regresyon tabanlı analizlerin etkin bu parametreyi ihmal edebilirsiniz çünkü. Amacıyla referans seçeneği çalışmaların her iki tür için aynı olmak zorunda riskli ve belirsiz piyango öznel değerler için bir "ortak para birimi" olması gerektiğini unutmayın.
  7. Her kombinasyonolasılık veya belirsizlik düzeyi ve miktarı tion en az 4 kez toplam sunulmalıdır, ve tercihen daha fazla davranışsal ve fMRI analizleri hem de yeterli istatistiksel güç sağlamak. Yılında tekrar kırmızı yarım sıfır olmayan bir sonuç ile ilişkili olmalıdır ve diğer yarısı mavi, renk önyargı önlemek ve belirsizlik simetri sigortalamak için.
  8. Biz farklı denemelere hemodinamik cevabı iyi zaman ayrılmış olduğu bir yavaş olay ilişkili tasarım (Şekil 3), kullanmayı seçti. Böyle bir tasarım, her piyango kurmak için karar ilgili nöral aktivasyon için zaman tanımak için bir gecikme süresi (bizim durumumuzda, 6 s) ardından 2 s için bizim durumumuzda, kısaca, bir uyarıcı olarak sunulmalıdır. Yanıtları kısa bir zaman penceresi (1-2 s) içinde yapılmalıdır. Konu tepki kaydedildi bilir, böylece bu gibi kısa bir geri besleme olarak Şekil 3'te gösterildiği gibi, bir tek görüntü kullanın. Uzun dinlenme süreleri (10 sn veya mor ile denemeler ayırıne) başlangıca geri dönmek için hemodinamik cevabı için izin vermek. Kısa dinlenme süreleri uygun jitter ile kullanılabilir. 30'a çalışmalarda her blokları Grup denemeler, ama bloklar yaklaşık 10 dakika daha uzun sürebilir izin değil emin olun. Bu performansını arttırmak ve konu yorgunluğunu minimize tarayıcıya dinlenme süreleri için izin verir. Olasılık / belirsizlik miktarı ve her bir kombinasyonunun en az 4 tekrardan izin vermek için deneylerin toplam sayısı, yani 4 blok en az 120 olacaktır.
  9. Fiziksel torbaları (bizim durumumuzda zarf içinde) hazırlayın böylece görevi gerçekleştirmeden önce onlar konular gösterilebilir. Onlar ödemek için rasgele seçilen deneme (lar) oynamak için daha sonra kullanılacaktır. Deneyde kullanılan her piyango görüntü için bir çanta hazırlayın. Ekranda gösterilen çantası her renk bir çip çizim olasılığına karşılık gelen oranlarda, 100 Poker / Bingo kırmızı ve mavi fiş toplam her çanta doldurun. Belirsiz çanta bir rasgele sayı üreteci kullanmak içinHer belirsizlik seviyesine karşılık gelen kırmızı ve mavi fiş gerçek sayıları, karar vermek. 50 kırmızı ve 50 mavi fiş ile referans çantası hazırlayın. Fiziksel çanta hazırlanması ve konuların onları gösteren psikoloji bölümlerinde istihdam konular için özellikle önemlidir. Bu konular aldatma çeşit şüpheli muhtemeldir ve onların yanıtlarını uninterpretable olacak aldatma kuşkusu olmamalıdır.

2. Konu Hazırlanması

  1. Her konu bir onay formu ve bir tarama anketi doldurmanız gerekir. Tarama formunda konu onlar hamile veya klostrofobik değildir ve güvenle taranabilir o, vücutlarında herhangi bir metal olmadığını doğrular. Konular da tarayıcı ortamında güvenlik sigortalamak için kendi vücudun tüm metallerin uzaklaştırılması gerekir. Bu çok önemli.
  2. Denemeyle ilgili ayrıntılı talimatlar ile konu sağlayın. Onlar anlamak emin olmak için onları birkaç basit soru sorun nasıl probabilities ve miktarlarda her görüntü iletilir ve onların görev anladığınızdan emin olun. Kendi seçimleri etkileyebilecek herhangi bir bilgiyi ifşa için değil emin olun. Örneğin, çapraz ilgili belirli bir risk tutum doğru denekler için böyle bir şekilde karşı karşıya tercih sorun çerçeve yoktur. Onları deneyde her görüntü kurcalamayın etmeyeceğini ve ki tek bir belirli fiziksel çanta başvurduğu fiziksel çanta ve stres göster. Ayrıca yarım denemeler mavi kazanan renk ve yarım kırmızı olacağını açıklar. Konu onların tercihlerine göre ödeme anlayan, böylece ödeme mekanizması açıklayın. Konularda anlamadıkları bir şey hakkında soru sormak için cesaretlendirin. Bu denemeyle ilgili konuların inançları kuruluyor kritik bir dönemdir. Bu konularda deney aldatma her türlü içermez veya davranışsal ve sinir sonuçları uninterpretable olacağından emin olmak esastır.
  3. Çanta Seal ve konu mühür genelinde kendi adını işareti var. Bu onları deneme sırasında torbaların içeriğini değiştirmek olmadığını denemenin sonunda doğrulamak için izin olacağını açıklayın. Bu, tamamen adil oyun oynadığı konularda güvence olur. Piyango deney sonunda çalınır sonra onlar belirtildiği olasılık veya belirsizlik düzeyi uygun emin olmak için çanta içeriğini incelemek için izin verileceği anlamına da açıklayın.

3. Tarama

  1. Biz bütün beyin Kan oksijenasyon Seviye-Bağımlı (BOLD) sinyalleri almak için bir kafa bobini (4 kanal veya daha fazla) bir 3T MR tarayıcı kullanın.
  2. Konularda seçenekler kaydetmek için 2 düğmeli yanıt kutusunu kullanın.
  3. Anatomik tarama: Biz bir net yüksek çözünürlüklü (1x1x1 mm) 3D rekonstrüksiyon için kullanılabilir kişinin beyninin görüntüsü almak için T1-ağırlıklı MPRAGE dizisini kullanın. Herhangi bir yüksek çözünürlüklü sekans bu p için kullanılırurpose.
  4. Fonksiyonel taramaları: Biz bir 2 s TR ve 3x3x3 mm vokseller ile bir T2 *-ağırlıklı EPI sekansı kullanın. Onlar en tipik prefrontal korteks, parietal korteks ve bazal ganglionlar, ilgilenen beyin alanları şunlardır şekilde dilimler konumlandırmak için emin olun. Tarama parametreleri belirli bir tarayıcı için optimize edilmelidir, biz kullandık: TE 30ms, flip angle 75 °, AC-PC çizgisine paralel bir inter-dilim boşluğu ile 36 3 mm'lik dilimler, düzlem çözünürlüklü 3x3 mm, FOV 192 mm . Diğer çalışmalar AC-PC çizgisine 30 ° dilim konumlandırma orbitofrontal korteks 6 sinyal bırakma azaltabilir ileri sürmüşlerdir.

4. Ödeme İşlemi

  1. Tarayıcıdan konu çıkardıktan sonra, deneğin tepkileri kaydetti bilgisayardan davranışsal veri almak.
  2. Rasgele ödeme için bir veya birkaç denemeyle seçin. Bu bir numaralı poker çipi çizerek konu örneğin, seçim yapmak izin vermek en iyisidirtüm deneme numaraları ile fiş içeren bir opak çanta dışarı. Bu seçim gerçekten rastgele olduğunu konuya sağlayacaktır.
  3. Seçilen her deneme için tabi onlar deneme yapılan sunulan seçenek ve seçim gösterir. Bu deneme seçilen çantasından bir çip çizmelerini isteyin ve çizilmiş renk ve deneme sunulan miktarına göre onları ödemek.

Seçilen deneme Şekil 2 (belirsiz bir piyango, bir kırmızı çip çizilmiş ise 18 $ sunan) ve bu piyango (yerine referans piyango daha) seçti konu tasvir piyango sunulan Örneğin, daha sonra konu bir çip üzerinden çizmelisiniz piyango görüntüye karşılık gelen fiziksel bir torba. Kırmızı çip çizilmiş ise konu blue chip çizilmiş ise hiçbir şey alacaksınız $ 18 alacaksınız.

5. Davranış Veri Analizi

  1. Maksimum olabilirlik kullanarak biz bir lojistik her konunun seçimi veri sığacakform işlevi:

Denklem 1
Pv konu değişkeni piyango seçti ihtimali olduğu durumlarda, SV F ve SV V sırasıyla sabit ve değişken seçenekleri öznel değerler ve γ bir konuya özgü parametre lojistik fonksiyonunun eğimi. Alternatif bir yaklaşım olarak probit dağıtım kullanmaktır.

  1. Eğer hesap seçeneği ile risk ve belirsizlik yönelik bireysel öznenin tutumları miktarı, olasılık ve belirsizlik düzeyini dikkate almak modelleri bir dizi birini kullanabilirsiniz her konu için her seçeneğin öznel değerini oluşturabilme. Biz algılanan ihtimali 7 belirsizlik doğrusal bir etkisi içeren bir güç işlevi 5 kullanmayı seçti:

Denklem 2
P nesnel prob neredeyeteneği (tanım 0,5 belirsiz piyango bu sınıf için), bir belirsizlik düzeyi (bilinmeyen toplam olasılık fraksiyonu, riskli piyango için 0), V miktarı ve α ve βare konuya özgü risk ve belirsizlik sırasıyla tutum parametreleri. Birkaç alternatif yaklaşımlardan biri üstel etkisi 8 olarak belirsizlik dahil etmektir:

Denklem 3
Seçim fonksiyonu ile seçim veri takılması dolayısıyla her konu için risk tutum (α) ve muğlaklık tutum (β) için tahminler sağlar.

6. Sinir Veri Analizi

  1. ; 2) intra ve inter-run nesne hareketi için hesap hareketi düzeltme ve 3) çıkarılması 1) dilim tarama zamanı farklı dilim zamanlarda tarama ufak farklar için hesap düzeltme: dahil olmak üzere standart veri önişleme, gerçekleştir genellikle r olan düşük frekanslarıfizyolojik gürültü ve tarayıcı sürükleniyor için mutlular.
  2. Anatomik verilere her konunun fonksiyonel verileri kaydedin.
  3. Tek denekli seviyesi bir model standart bir hemodinamik tepki fonksiyonu 9 ile convolved tüm duruşmanın (bizim durumumuzda 10 s) sırasında kalıcı bir yanıt olarak her vokselin aktivitesi analizi için. Aşağıdaki belirleyiciler ile Genel Lineer Model kullanın:
  • Sübjektif değer iki faktör (SV), riskli denemeler için bir ve belirsiz denemeler için. Denklem 2 ve her piyango SV hesaplamak için davranışsal uyum türetilen bireysel öznenin belirli parametreleri kullanın. Referans piyango aynı olduğundan bütün davaları için her deneme yalnız değişken piyango SV kullanabilirsiniz. Riskli SV belirleyicisi için her riskli deneme için SV ve her belirsiz deneme için 0 ve belirsiz belirleyicisi için tersi yerleştirin.
  • İki kukla belirleyicileri, riskli denemeler için bir ve belirsiz denemeler için bir, kapgibi görsel ve motor aktivasyonları gibi Ture genel aktivasyonu.
  1. Risk altında ve / veya belirsizlik altında SV katsayılarının anlamlı olduğu voksellerin arayın. Anlamlılık testi hesabı yapılan çoklu karşılaştırmalar göz önüne almalıdırlar. Biz kullanılan yöntem 6 bitişik fonksiyonel vokseller 10 minimum küme boyutu sınırlama edildi. Alternatif olarak, yanlış keşif Oranı (FDR) 11 gibi diğer yöntemler, çoklu düzeltme düzeltmek için kullanılabilir.

7. Temsilcisi Sonuçlar

Davranış

Şekil 4 üç temsilcisi konulardan davranışsal sonuçlar sunuyor. Her panel ya riski (sol) veya belirsizlik (sağ) altında seçim veri ve tek bir konu için model uyum sonuçlar sunar. Grafikler prob için ayrı ayrı her bir seviyede, söz konusu miktarının bir fonksiyonu olarak değişken piyango tercih edildiği çalışmaların oran tasviryeteneği veya belirsizlik. Görüldüğü gibi, konular risk ve belirsizliğe karşı tutumları çok değişebilir.

Uyum iyiliğini incelemek için, ideal 0.5 üzerinde olmalıdır r 2, kontrol ve görsel olarak da eğrileri inceleyin. Tüm üç örnek konuları makul uyan etkin yasal davranış iken, konu 2 pek ihtimali en düşük (0.13) ile risk durumu değişkeni seçeneği seçtim unutmayın. Bu bu konularda çalışmaların en azından bazı değişken seçenekleri tercih sağlayacaktır çünkü tutarları ve / yelpazesini genişleterek veya daha yüksek olasılıklar kullanılarak, daha iyi sonuçlar verebileceğini düşündürmektedir. Başka bir seçenek miktarlarda geniş bir yelpazede her konuda ön-test ve referans ve her birey için değişken seçenek seçenek karşılaştırılabilir bir dizi sağlamak bu tutarlar seçmektir.

fMRI

Şekil 5 tek temsilcisi görüntüleme sonuçlarını sunmaktadırkonu. Vurgulanan vokselleri öznel değer belirsizlik altında belirleyicisidir (üst) veya risk (alt) katsayısı 0 önemli ölçüde farklı olduğu içinde olanlardır. Bu tipik bir konuda, anlamlı korelasyon hem koşullarda medial prefrontal korteks (Mpfc) ve striatum bulundu. Bu alanlar konulara karşısında en tutarlı olan, fakat anlamlı bir korelasyon aynı zamanda iç ve dış parietal korteks, hem de amigdala alanlarda beklenebilir. Görevleri bu tür aktivite genellikle zayıf ve gürültülü olduğu gibi birçok konu yalnızca alanlarında alt grubunda anlamlı bir ilişki sergileyen konular arasındaki yüksek değişkenliğin beklemesin.

Şekil 1
Şekil 1. Riskli ve belirsiz uyaranlar. A) riskli uyaranlar olarak ekranda her görüntünün kırmızı ve mavi alanlar zarf içinde kırmızı ve mavi fiş sayısı ile orantılıdır. Üç sonuç olasılıkları wBurada kullanılan ere: 0.13, 0.25 ve 0.38. B) belirsiz uyaranlar olarak görüntünün orta kısmını gri bir oklüder ile engellenmektedir. Gri alan her bir renk, fiş sayısı bilinmemektedir ve bu nedenle belirli bir renk, bir çip çizim olasılığını kesin olarak bilinmemektedir. Görüntünün 25, 50 ya da% 75 tıkalı nerede belirsizlik Üç seviyeleri, burada kullanılır.

Şekil 2,
Şekil 2. Bir piyango örnek. Bu% 50 belirsizlik düzeyinde, belirsiz bir piyango. Zarf içinde fiş en az 25 kırmızı ve en az 25 mavidir. Kırmızı çip çizilmiş ise mavi çip çizilen eğer onlar bir şey kazanacak ise konu $ 18 kazanırsınız.

Şekil 3
Şekil 3,. Deneme yapısı. Piyango kısaca bir gecikme dönemi takip sunulmaktadır. Bir tepki ipucu ardından göstermek için konular isterEkranda piyango ve referans piyango (bu durumda 5 $ kazanma şansı% 50) arasında ir seçim. Denemeler uzun dinlenme süreleri ile içiçe.

Şekil 4,
Şekil 4. Tek denekli seçim davranışı örnekleri. Grafikleri riskli (solda) ve belirsiz (sağda) çalışmalarda, teklif edilen tutarın bir fonksiyonu olarak, her konuda referans üzerinde değişkeni seçeneği seçtik hangi çalışmaların oranı sunuyoruz. Farklı eğrileri farklı risk veya belirsizlik düzeyi için vardır. α, risk tutum parametre; β, belirsizlik tutum parametresi, r 2, McFadden adlı sözde R-kare, model tarafından açıklanan varyans kısmı eşdeğer davranışsal modelin uyum iyiliğinin bir ölçüsü,, n, sayı tepki yapıldığı çalışmaların (toplam 180 üzerinden).

Şekil 5, <br /> Şekil 5. Tek denekli aktivasyon haritaları örneği. Aktivasyon harita yüksek çözünürlüklü anatomik görüntüsü gösterilmektedir. Vurgulanan alanlar olan aktivasyon anlamlı olarak risk (üst) altında veya belirsizlik (alt) altında öznel değeri ile korele idi olanlardır. Çoğu denek medial prefrontal korteks (Mpfc) ve striatum risk ve belirsizlik hem altında öznel değeri temsil eder. Düzeltilmiş p-değerleri 6 fonksiyonel voksellerin minimum küme boyutu dayanmaktadır. büyük bir rakam görmek için buraya tıklayın .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Biz deneklerin davranışlarını karakterize risk ve belirsizliğe yönelik bireysel tutumları tahmin etmek için deneysel ekonomi bir yöntem kullanmışlardır. Biz o zaman nöral verilerini analiz etmek için bu tahminleri kullanmıştır.

Konularda risk ve belirsizlik altında seçim yaparken fMRI etkinliği incelemek için başka yöntemler de 8,12 daha önce kullanılmıştır. Bizim yaklaşım, ancak bazı önemli özelliklerini birleştiriyor. İlk olarak, çeşitli parametreler (miktar, olasılık ve belirsizlik seviyesi) sistematik olarak çeşitli edildiği bir parametrik tasarım kullanır. Bu bize bireysel risk ve belirsizlik tutumları ölçmek için ve her konu için her seçenek öznel değerini hesaplamak için izin verir. İkincisi, bireysel davranış ölçüsü olan bize tabi düzeyi içinde bir de, risk ve belirsizlik için ayrı ayrı, kimin aktivasyon bu tedbiri ile korelasyon beyin alanlarını aramak için olanak sağlar. Bu tek bir parametre (öznel değeri) u nöral kodlama incelemek için temiz bir yoldurfarklı koşullar (risk ve belirsizlik) bu koşullar (örneğin seçim davranışı gibi) arasındaki olası farklar için kontrol ederken nder. Üçüncü olarak, rastgele deney sonunda mahkeme seçerek ve gerçek para için oynamaya biz denekler 13 gerçek tercihlerini ortaya çıkarmak için teşvik ediyoruz.

Davranışsal düzeyde, bu yöntem bize risk ve bireysel öznenin belirsizliği tutumları temsil, sadece iki sayı ile her konuda eşsiz seçim davranışı özetlemek sağlar. Standart iktisat teorisinin tutarlı davranıyor choosers için bu kendi tercihleri ​​gerekli ve yeterli hem karakterizasyonları olduğunu gösterir. Başka bir deyişle, bir 1) başka hiçbir karakterizasyonu tüm daha karmaşık karakterizasyonları gereksiz olduğunu) daha eksiksiz veya kompakt ve 2 olabileceğini kanıtlamak olabilir. Nöral düzeyde, yöntem bize öznel değeri bu bireysel konular ascri arasında nöral temsiline tanımanızı sağlarOnlar karakterizasyonu bu gerekli ve yeterli düzeyde karşılaştıkları seçenekleri olabilir. Tabii ki diğer davranış karakterizasyonları mümkündür, ama o 1 çözer daha davranış veya sinirsel sinyalleri ya tam bir şekilde ilişkili olamaz 'risklilik' arasında geçici tedbirlere kullanarak daha fazla sorunlara neden olabilir.

Biz kimin aktivite öznel değeri ile ilişkili olduğu alanlarda yerelleştirilmesi için belirli bir yöntem tarif. Önceki hipotezler gerektirmeyen bir keşif şekilde nöral verileri analiz etmek için diğer tamamlayıcı, yolu vardır. Kümeleme yöntemleri ve Bağımsız Bileşen Analizi (ICA) ek risk ve belirsizlik ile ilgili aktivasyon ortaya koyabilir tür yöntemler vardır.

Sonuçlar, risk ve belirsizliğe gelecekteki çalışmalarda kullanılabilecek yöntem birkaç olası uzantıları düşündüren konular arasında önemli davranışsal değişkenlik göstermiştir. İlk olarak, farklı yöntemler araştırmak için kullanılabilirbireyler arasında davranış farklılıklara ve farklı konu popülasyonlarda, bu farklılıkların sinirsel tanımlamak için. Özellikle ilgi Of örneğin uyuşturucu tedavisi gören kişiler için, aşırı risk alma davranışı sergilemesine hipotezi hastaların çalışmaları olacaktır. Bu tür davranışlar, risk ve belirsizlik tutumların katkılar arasındaki ayrım ve sinirsel gibi patolojik davranışlar için temel nedenlerini anlamak için davranışsal ve farmakolojik müdahalelerin oluşturulması için önemlidir tasvir. Diğer ilginç mekanlardan farklı yaş gruplarının farklı kültürlerden ya da insanlar insanları inceleyerek olacaktır. Bu şekilde belirli bir değeri ilgili aktiviteyi tanımlamak için yeteneği gerçek hayatta gözlenen farklılıkların özü olan grup farklılıkları ortaya çıkarmak için potansiyeli vardır.

İkincisi, yöntem bireyin tutumları belirli deneyimleri etkisini incelemek için kullanılan olabilirrisk ve belirsizlik doğru ubjects. Deneysel paradigma, örneğin, bir davranış düzenleme bu tür bir eğitim müdahale, bir gerilme manipülasyonu, ya da bir yaşam değişen bir olay olarak, yapılan ya da doğal olay meydana önce ve sonra kullanılabilirdi.

Üçüncü olarak, benzer bir paradigma sonuçları ve sizlere hitap etmek istiyorum soru için uygun olasılıklar farklı aralıkları ile kullanılabilir. Örneğin, konuları daha doğrudan deneysel ortamda ilişki, farklı kayıplar yerine kazançları arasındaki seçenekler sunulabilir risk alma potansiyeli sonuçları (örneğin dikkatsiz sürüş veya madde kötüye kullanımı) genellikle negatif gerçek hayatta, davranış. Dördüncü olarak, parasal olmayan sonuçlar gibi gıda seçenekleri ve sosyal tercihler gibi farklı alanlarda, risk ve belirsizlik yönelik tutumları keşfetmek için kullanılabilir.

Bu yaklaşımın önemli özelliği kompakt ve mantıksal c sağlamasıdırtamamen tutarlı bir konu tercihleri ​​karakterize tam belirtilen temel değişken ile ilgili davranışını karakterize etmek omplete yolu. Bu nedenle de yakından ad hoc karakterizasyonu ötesine taşır teorisine bağlı güçlü bir yaklaşım sunuyor.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Çıkar çatışması ilan etti.

Acknowledgements

Biz tasarım verimli tartışmalar ve yorumlar için Aldo Rustichini ederim.
IL ve PWG için NIA hibe R01-AG033406 tarafından finanse edilmiştir.

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

DOWNLOAD MATERIALS LIST

References

  1. Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
  2. Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
  3. Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
  4. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
  5. Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
  6. Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
  7. Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
  8. Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
  9. Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
  10. Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
  11. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
  12. Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
  13. Smith, V. L. Papers in experimental economics. Cambridge University Press. (1991).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics