Informationssuche in multi-attributen Entscheidungen und probabilistischen Inferenzen

• Antragsteller: Professor Dr. Sebastian Gluth
• Fachliche Zuordnung: Allgemeine, Kognitive und Mathematische Psychologie ; Biologische Psychologie und Kognitive Neurowissenschaften ; Kognitive und systemische Humanneurowissenschaften ; Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 517387490

Menschen sind einer zunehmend komplexen Welt ausgesetzt, in der viele Entscheidungssituationen durch eine hohe Anzahl an Optionen charakterisiert sind, die wiederum durch verschiedene Informationsquellen beschrieben sind. Um diese Herausforderung zu meistern, müssen sie einen guten Kompromiss finden, der den Wunsch nach informierten Entscheidungen und genauen Inferenzen einerseits und dem Ziel der Beschränkung eingesetzter Ressourcen andererseits in Einklang bringt. Im vorliegenden Projekt stellen wir die These auf, dass Menschen diese Balance erreichen, indem sie in effizienter und zielgerichteter Weise Informationen absuchen. Hierzu entwickeln und testen wir ein hierarchisches Bayesianisches kognitives Model der Informationssuche, welches sich sowohl auf multi-attribute, wertbasierte Entscheidungen wie auch auf probabilistische Inferenzen mit mehreren Hinweisreizen anwenden lässt. Wir nehmen an, dass der Suchprozess durch drei Eigenschaften gelenkt wird: die Relevanz von Attributen und Hinweisreizen, die Unsicherheit dieser Informationsquellen, sowie die akkumulierte Evidenz der verfügbaren Optionen. Unsere neue Theorie geht über bisherige Ansätze hinaus, indem sie spezifische Vorhersagen sowohl hinsichtlich des Suchprozesses als auch der Entscheidungsprozesse macht. Diese Vorhersagen werden wir in einer Reihe empirischer Studien testen, bei denen sowohl Blickbewegungen mittels Eye-Tracking als auch neuronale Prozesse mittels der Elektroenzephalographie (EEG) erfasst werden. Umfangreiche kognitive Modellierung wird dabei unterstützend zum Einsatz kommen, um ein besseres Verständnis der zugrundeliegenden kognitiven Mechanismen zu erlangen. In den geplanten Verhaltensparadigmen zu multi-attributen Entscheidungen und probabilistischen Inferenzen werden wir die Unsicherheit der verfügbaren Informationen systematisch variieren. In Work Package A werden wir die Modellvorhersagen beim Vorliegen aggregierter Information mit geringer Unsicherheit überprüfen. In Work Package B werden die Informationen mit substanzieller Unsicherheit behaftet sein, was einen intensiveren Sampling-Prozess erforderlich macht. Schließlich werden wir in Work Package C die Hypothese testen, dass Zwangspatient/innen und Menschen, die Zwangssymptomatik aufweisen (aber nicht diagnostiziert sind), besondere Schwierigkeiten haben, eine gute Balance von Genauigkeit und Effizienz zu finden. Unsere konkrete Vorhersage ist hierbei, dass Zwangsstörung und Zwangssymptomatik mit einer Übergewichtung von Genauigkeit verbunden ist, was sich sowohl in der Auswahl spezifischer Informationen als auch in der Ausdehnung des Suchprozesses manifestiert. Unser Projekt wird fundamentale Einsichten in die computationalen und neurokognitiven Prinzipien effizienter Informationssuche in komplexen Entscheidungs- und Inferenzproblemen liefern. Darüber hinaus wird es die mit Zwangssymptomatik assoziierten maladaptiven Mechanismen aufdecken, die einer effizienten Informationssuche im Wege stehen können.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Schweiz
• Partnerorganisation: Schweizerischer Nationalfonds (SNF)
• Mitverantwortlich(e): Professorin Dr. Anja Riesel
• Kooperationspartner: Professor Dr. Jörg Rieskamp