Observing others stay or switch - How social prediction errors are integrated into reward reversal learning

ویژگی های پاداش محرک ها می توانند تغییرات ناگهانی را تحت تأثیر قرار دهند و تشخیص این «تغییرات» اغلب به دلیل ماهیت احتمالی پاداش / مجازات ها مشکل می شود. در اینجا ما آزمایش کردیم که چگونه و چگونه افراد از اطلاعات اجتماعی (انتخاب های دیگران) استفاده می کنند تا غلبه بر نااطمینانی در یادگیری معکوس داشته باشند. ما اثرات اجتماعی قابل توجهی در یادگیری معکوس نشان می دهد که توسط نوع رفتار مشاهده شده مدوله شده است. شرکت کنندگان اغلب به دنبال انتخاب های محافظه کارانه (بدون سوئیچ ها بعد از مجازات) ساخته شده توسط (دیگر) بازیکن (منفعل)، اما گزینه های متناوب (سوئیچ ها) را نادیده گرفتند، هرچند آزمایش انجام شده بود، به طوری که هر دو نوع رفتار واکنش مشابه سودمند / زیان آور بود (مطالعه 1) مدل سازی محاسباتی نشان داد که شرکت کنندگان انتخاب های مشاهده شده را به عنوان خطای پیش بینی اجتماعی به جای نادیده گرفتن یا کورکورانه از طرف دیگر بازیکن یکپارچه می کردند. مدل سازی همچنین میزان یادگیری بالاتر برای اشتباهات پیش بینی اجتماعی "محافظه کارانه" و "تحریک آمیز" را تأیید کرد. مهم است که این "تعصب محافظه کارانه" به واسطه شباهت بین فردی افزایش یافته است، که در کنار فقدان اثرات مشاهده شده در آزمایش کنترل غیر اجتماعی (مطالعه 2) طبیعت اجتماعی آن را تأیید کرد. یک مطالعه سوم نشان می دهد وزن نسبی واکنش های ضربه ای مشاهده شده با افزایش نوسانات (فرکانس انحراف) افزایش می یابد. در نهایت، شبیه سازی نشان داد که در پارادایم کنونی، اطلاعات ادغام اجتماعی و پاداش، لزوما بیشتر به حداکثر رساندن درآمدها بستگی دارد نه تنها یادگیری از پاداش. علاوه بر این، یکپارچه سازی اطلاعات اجتماعی باعث افزایش دقت شد تنها زمانی که انتخاب های محافظه کارانه و مداخله ای در طول یادگیری به طور مشابه وزن می گرفتند. این یافته ها نشان می دهد که برای هدایت تصمیمات در زمینه های انتخابی که شامل عقبنشینی پاداش هستند، انسان ها از نشانه های اجتماعی مطابق پیش شرط هایشان استفاده می کنند، بیشتر از نشانه هایی که با آنها مواجه می شوند، به ویژه هنگامی که دیگر مشابه است.