The Role of the Posterior Temporal and Medial Prefrontal Cortices in Mediating Learning from Romantic Interest and Rejection
Notice bibliographique
Résumé
Romantic interest or rejection can be powerful incentives not merely for their emotional impact, but for their potential to transform, in a single interaction, what we think we know about another person--or ourselves. Little is known, though, about how the brain computes expectations for, and learns from, real-world romantic signals. In a novel "speed-dating" paradigm, we had participants meet potential romantic partners in a series of 5-min "dates," and decide whether they would be interested in seeing each partner again. Afterward, participants were scanned with functional magnetic resonance imaging while they were told, for the first time, whether that partner was interested in them or rejected them. Expressions of interest and rejection activated regions previously associated with "mentalizing," including the posterior superior temporal sulcus (pSTS) and rostromedial prefrontal cortex (RMPFC); while pSTS responded to differences from the participant's own decision, RMPFC responded to prediction errors from a reinforcement-learning model of personal desirability. Responses in affective regions were also highly sensitive to participants' expectations. Far from being inscrutable, then, responses to romantic expressions seem to involve a quantitative learning process, rooted in distinct sources of expectations, and encoded in neural networks that process both affective value and social beliefs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».