核磁共振太貴，腦電準(zhǔn)備工作太繁瑣，眼動(dòng)儀器不便攜……拿什么拯救研究動(dòng)態(tài)決策過程的實(shí)驗(yàn)者呢？
生活中我們幾乎每時(shí)每刻都要做出決策，正因如此，了解決策的過程對(duì)于理解人的思考和行為有著重大意義。但是，受限于動(dòng)態(tài)研究工具（比如功能性核磁共振、眼動(dòng)儀、腦電等）的不便攜性和昂貴的價(jià)格，決策相關(guān)的研究通常都是關(guān)注決策過程結(jié)束時(shí)的狀態(tài)，也就是最終的決策結(jié)果（即被試選擇了哪個(gè)選項(xiàng)），而忽略了決策的動(dòng)態(tài)過程。對(duì)決策者來說，不同的選項(xiàng)各有利弊，有不同的價(jià)值，因此不同選項(xiàng)間存在沖突（conflict）。在決策過程中，個(gè)體不斷權(quán)衡每個(gè)選項(xiàng)的價(jià)值，大腦對(duì)價(jià)值信息不斷編碼并發(fā)射信號(hào)，使得決策者更傾向于選擇或者回避某個(gè)選項(xiàng)。當(dāng)一個(gè)選項(xiàng)的主觀價(jià)值明顯高于其他選項(xiàng)時(shí)，支持該選項(xiàng)的累計(jì)信號(hào)強(qiáng)度高于其他選項(xiàng)，選項(xiàng)間沖突很小，決策者能夠很果斷地做出選擇；而當(dāng)不同選項(xiàng)的主觀價(jià)值十分接近時(shí)，沒有一致的信號(hào)表明哪個(gè)選項(xiàng)是最優(yōu)選擇，這時(shí)沖突就會(huì)較大，決策者可能會(huì)猶豫不決，在不同選項(xiàng)間反復(fù)橫跳。決策者做出決策的過程因此可以看作解決沖突的過程。常用的量化沖突的指標(biāo)是反應(yīng)時(shí)（Response Time，RT），研究者通常會(huì)通過建模從反應(yīng)時(shí)中提取沖突成分。但是除了沖突外，RT還包含發(fā)生在決策過程之外的成分，比如閱讀屏幕內(nèi)容所用的時(shí)間和按鍵所需的時(shí)間。舉個(gè)例子，被試可能走神或者按鍵的時(shí)候猶豫了一下，這個(gè)反應(yīng)時(shí)就會(huì)很長(zhǎng)。因此，RT并不是精準(zhǔn)量化沖突的指標(biāo)。那么，有什么技術(shù)可以更準(zhǔn)確地量化沖突以展現(xiàn)決策的動(dòng)態(tài)過程呢？今天要介紹的這篇文章的研究者認(rèn)為，鼠標(biāo)追蹤（Mouse tracking）是一種方便、便宜、且靈敏的研究方法，也許是更好的選擇。研究者認(rèn)為鼠標(biāo)追蹤可以讓研究者觀察到?jīng)Q策的動(dòng)態(tài)過程：當(dāng)被選擇的選項(xiàng)相比未被選擇的選項(xiàng)有更大的主觀價(jià)值時(shí)，鼠標(biāo)運(yùn)動(dòng)軌跡相對(duì)更直；當(dāng)未被選擇的選項(xiàng)的價(jià)值越來越接近選擇的選項(xiàng)時(shí)，選項(xiàng)間沖突更大，鼠標(biāo)軌跡沒前者直接。鼠標(biāo)的運(yùn)動(dòng)軌跡反映了更平滑的證據(jù)累積過程，時(shí)間分別率高達(dá)毫秒級(jí)，有更高的表面效度。同時(shí)，鼠標(biāo)追蹤的記錄方式方便、便宜，即使在實(shí)驗(yàn)室外也能做實(shí)驗(yàn)。不過，鼠標(biāo)追蹤相比反應(yīng)時(shí)真的是一個(gè)更好的指標(biāo)嗎？研究者通過三個(gè)風(fēng)險(xiǎn)決策實(shí)驗(yàn)來檢驗(yàn)鼠標(biāo)追蹤的優(yōu)越性。三個(gè)實(shí)驗(yàn)采用了相同的范式（如下圖所示）。實(shí)驗(yàn)有兩種賭博模式，每種模式都有兩個(gè)選擇：安全選項(xiàng)和風(fēng)險(xiǎn)選項(xiàng)。在混合賭博（Mixed Gambles）中，安全選項(xiàng)（PASS）就是固定零收益，風(fēng)險(xiǎn)選項(xiàng)（GAMBLE）則是50%的概率贏錢和50%的概率輸錢。在只有收益的賭博（Gain-only Gambles）中，安全選項(xiàng)（CERTAIN）會(huì)給被試一個(gè)固定收益，風(fēng)險(xiǎn)選項(xiàng)（GAMBLE）則是50%的概率贏更多的錢和50%的概率沒有收益。實(shí)驗(yàn)1和實(shí)驗(yàn)2，3的區(qū)別在于混合賭博中風(fēng)險(xiǎn)選項(xiàng)對(duì)應(yīng)的損失金額計(jì)算方式不同。圖1 本研究所用的風(fēng)險(xiǎn)決策的實(shí)驗(yàn)范式有多種鼠標(biāo)追蹤指標(biāo)可以用來量化沖突，本研究采用了曲線下面積（Area under the curve，AUC），即實(shí)際軌跡和直線軌跡間的面積。研究者假設(shè)，安全選項(xiàng)和風(fēng)險(xiǎn)選項(xiàng)的主觀價(jià)值越接近，沖突就越大，相應(yīng)的AUC就會(huì)越大。 圖2 鼠標(biāo)追蹤指標(biāo)——曲線下面積（Area under the curve，AUC），即圖中淺色陰影區(qū)域首先，混合效應(yīng)分析的結(jié)果表明，在三個(gè)實(shí)驗(yàn)中更大的主觀差異都對(duì)應(yīng)著更小的AUC（實(shí)驗(yàn)1：b = - 0.02，SE = 0.006，p < .001；實(shí)驗(yàn)2：b = - 0.04，SE = 0.006，p < .001；實(shí)驗(yàn)3：b = - 0.03，SE = 0.003，p < .001），即使在控制RT后結(jié)果依然成立，這說明鼠標(biāo)追蹤是一種高度敏感的測(cè)量方式，其提供的信息和RT不是重復(fù)的。研究者根據(jù)主觀價(jià)值差異將對(duì)每個(gè)被試的所有試次分成10份（從最相似到最不相似），再平均每種差異程度下的鼠標(biāo)移動(dòng)軌跡。如下圖所示，被選擇選項(xiàng)和未被選擇的選項(xiàng)間的主觀價(jià)值越不相似，鼠標(biāo)軌跡越接近直線，這表明鼠標(biāo)追蹤對(duì)被試內(nèi)主觀價(jià)值的差異也很敏感。 圖3 不同的選項(xiàng)間主觀價(jià)值差異水平對(duì)應(yīng)的平均鼠標(biāo)移動(dòng)軌跡為了進(jìn)一步證明鼠標(biāo)追蹤對(duì)很小的主觀價(jià)值差異也很敏感，研究者把所有試次基于主觀價(jià)值差異分成5組。如下圖所示，Quintile 1組由主觀價(jià)值差異最小的20%的試次組成，而Quintile 5組由主觀價(jià)值差異最大的20%的試次組成。研究者分析發(fā)現(xiàn)：1）主觀值差異較小的組AUC顯著更大；2）在各組內(nèi)，主觀價(jià)值差異與AUC呈顯著負(fù)相關(guān)。這些結(jié)果表明，沖突是連續(xù)變化的，而非簡(jiǎn)單的二分水平；AUC能夠敏感地測(cè)量沖突，甚至能夠檢測(cè)主觀價(jià)值差異的細(xì)微差別。 圖4 不同的選項(xiàng)間主觀價(jià)值差異水平對(duì)應(yīng)的平均鼠標(biāo)移動(dòng)軌跡以上分析表明鼠標(biāo)跟蹤能反映決策的動(dòng)態(tài)過程并且AUC可以敏感地測(cè)量沖突，但AUC的預(yù)測(cè)價(jià)值仍然不清楚。接下來，研究者檢驗(yàn)了AUC的預(yù)測(cè)力，即在每個(gè)人都做出了相同選擇的單個(gè)試次中，AUC所代表的沖突是否能夠預(yù)測(cè)參與者的風(fēng)險(xiǎn)偏好。本研究中的風(fēng)險(xiǎn)厭惡包括兩部分：1）損失厭惡（loss aversion）：個(gè)體更傾向于避免損失而不是獲得相等的收益， 用λ表示；2）邊際遞減效用（diminishing marginal utility）：當(dāng)收益增加時(shí)，等量的后續(xù)收益的主觀價(jià)值小于之前獲得的收益，用ρ表示。研究者從每個(gè)實(shí)驗(yàn)的兩種賭博類型下各選擇兩個(gè)試次。在這兩個(gè)試次的一個(gè)試次中，幾乎所有被試都選了風(fēng)險(xiǎn)選項(xiàng)，而在另一個(gè)試次中幾乎所有被試都拒絕了風(fēng)險(xiǎn)選項(xiàng)。如果一個(gè)被試在選擇有風(fēng)險(xiǎn)的選項(xiàng)時(shí)表現(xiàn)出很少的沖突，那么相對(duì)于在做出同樣選擇時(shí)表現(xiàn)出高度沖突的人來說，該被試風(fēng)險(xiǎn)厭惡更低。同樣地，在選擇確定選項(xiàng)時(shí)沒有沖突的人可能比有沖突的人更厭惡風(fēng)險(xiǎn)。研究者發(fā)現(xiàn)，對(duì)于混合賭博，AUC在接受風(fēng)險(xiǎn)選項(xiàng)的試次中和λ正相關(guān)，在拒絕風(fēng)險(xiǎn)選項(xiàng)的試次中和λ負(fù)相關(guān)；對(duì)于只有收益的賭博，AUC在接受風(fēng)險(xiǎn)選項(xiàng)的試次中和λ負(fù)相關(guān)，在拒絕風(fēng)險(xiǎn)選項(xiàng)的試次中和ρ正相關(guān)。這表明，即使選擇結(jié)果一樣，AUC所表征的沖突也能夠預(yù)測(cè)參與者的風(fēng)險(xiǎn)偏好，沖突越大，風(fēng)險(xiǎn)厭惡越高。考慮到上述選擇試次的方式可能太過武斷，研究者接下來探究了每個(gè)試次中AUC和風(fēng)險(xiǎn)偏好之間的關(guān)系。結(jié)果如圖5所示，在407個(gè)試次（占總試次數(shù)的75.37%）中AUC與λ/ρ顯著相關(guān)。這些結(jié)果為AUC的預(yù)測(cè)力提供了強(qiáng)有力的支持—— 即使選擇結(jié)果保持不變，AUC所代表的沖突可以為促進(jìn)選擇的潛在決策過程提供豐富的信息。 圖5 單個(gè)試次上AUC對(duì)損失厭惡（λ）和邊際遞減效用（ρ）的預(yù)測(cè)那么，回到一開始的問題，AUC和RT哪個(gè)是更好的指標(biāo)呢？研究者比較了單個(gè)試次中AUC和RT各自對(duì)λ和ρ的預(yù)測(cè)能力，結(jié)果表明AUC預(yù)測(cè)效力顯著好于RT（AUC：r = 0.25， p < .001；RT：r = 0.17， p < .001）。接下來研究者進(jìn)行了一項(xiàng)Bootstrap分析來證明在更大的數(shù)據(jù)集上鼠標(biāo)追蹤的優(yōu)勢(shì)依然存在。結(jié)果如圖6所示，AUC和λ的相關(guān)的點(diǎn)估計(jì)值始終高于RT，并且比RT更快地達(dá)到漸近線，相關(guān)系數(shù)估計(jì)值的置信區(qū)間也明顯小于RT的置信區(qū)間。這表明鼠標(biāo)追蹤比RT更能反映風(fēng)險(xiǎn)偏好。 圖6 Bootstrap分析的結(jié)果（黑點(diǎn)和紅點(diǎn)表示點(diǎn)估計(jì)值，黑色和紅色陰影區(qū)域表示95%的置信區(qū)間）以上所有的分析都是相關(guān)分析。為了更好的說明AUC能預(yù)測(cè)風(fēng)險(xiǎn)偏好是因?yàn)轱L(fēng)險(xiǎn)偏好會(huì)影響決策時(shí)個(gè)體解決沖突的反應(yīng)，研究者在實(shí)驗(yàn)3中進(jìn)行了實(shí)驗(yàn)操縱。被試被要求在每次決策前采用狹隘的思考方式（Narrow bracket）或者寬闊的思考方式（Broad bracket）。狹隘的思考方式是讓被試單獨(dú)考慮每一個(gè)試次的決策，將當(dāng)前決策和其他決策分開，以往研究發(fā)現(xiàn)這種操作會(huì)增強(qiáng)風(fēng)險(xiǎn)厭惡；寬闊的思考方式讓被試將每個(gè)試次的決策看作很多決策中的一次，把自己想象成一個(gè)交易者，這種操縱方式被發(fā)現(xiàn)能降低風(fēng)險(xiǎn)厭惡。結(jié)果如圖7所示，與狹隘的思考方式相比，寬闊的思考方式會(huì)讓被試在拒絕風(fēng)險(xiǎn)選項(xiàng)時(shí)經(jīng)歷更大的沖突（表現(xiàn)為AUC更大），而在接受風(fēng)險(xiǎn)選項(xiàng)時(shí)經(jīng)歷更小的沖突（表現(xiàn)為AUC更?。＿@表明，對(duì)風(fēng)險(xiǎn)偏好的操縱可以反映到鼠標(biāo)追蹤的結(jié)果上。 圖7 風(fēng)險(xiǎn)偏好的改變會(huì)影響AUC的大小總的來說，這篇研究表明鼠標(biāo)追蹤對(duì)風(fēng)險(xiǎn)決策中的沖突非常敏感，相較RT能更好地預(yù)測(cè)被試的風(fēng)險(xiǎn)偏好，即使在選擇結(jié)果保持不變的情況下也能很好的預(yù)測(cè)被試的風(fēng)險(xiǎn)偏好，因此是一種值得考慮的研究方式。看到這里，各位朋友有沒有很心動(dòng)呢？畢竟鼠標(biāo)追蹤方便又便宜，靈敏又好用，連軟件都有現(xiàn)成的（http://www.mousetracker.org/）還不快速速get~！Stillman, P. E., Krajbich, I., & Ferguson, M. J. (2020). Using dynamic monitoring of choices to predict and understand risk preferences. Proceedings of the National Academy of Sciences, 117(50), 31738-31747.
作者 | 王佳卉
圖文編輯 | 不曉心讀寫
審核 | 神經(jīng)的羅貝爾博士
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
