决策标准的逐试次波动造成的表观序列效应

决策受到序列效应的影响，即先前的刺激和反应会影响当前的决策。计算模型通常通过假设决策参数根据实验历史进行因果更新来解释这些效应。在此，我们通过证明若干标志性序列效应实际上可以源于决策标准的缓慢波动，对这一假设提出挑战。基于信号检测论（SDT）的模拟，我们证明独立于实验历史的试次间标准波动会产生三种常见的序列效应：前一个刺激的排斥效应（即倾向于交替）、先前反应的影响（即选择历史偏差），以及先前信心对选择历史偏差的调节。为了将因果效应与由标准波动驱动的效应区分开来，我们使用了标准波动分层模型（hMFC），该模型可同时估计这两种过程。将 hMFC 应用于 14 个实证数据集后发现，前一个刺激的排斥效应完全可由标准波动解释。考虑标准波动还大幅改变了选择历史偏差的估计：吸引性偏差在所有四个受影响的数据集中消失，而三个数据集揭示了此前被掩盖的交替倾向，两个数据集显示出更强的交替。相比之下，先前信心对选择历史偏差的调节在很大程度上不受同时估计标准波动的影响。总体而言，这些发现表明标准波动解释了序列效应的相当大一部分，并强调了明确对其建模以避免对行为和神经影像数据产生混淆解释的重要性。

中文由 AI 翻译，仅供参考，以原文为准。