MétaCan
Menu
← Retour à la cohorte
Enregistrement W3082085696 · doi:10.1101/2020.09.01.278168

Gains and Losses Affect Learning Differentially at Low and High Attentional Load

2020· preprint· en· W3082085696 sur OpenAlexaff
Kianoush Banaie Boroujeni, Marcus R. Watson, Thilo Womelsdorf

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensYork University
Organismes subventionnairesNational Institute of Mental HealthNational Institutes of Health
Mots-clésStimulus (psychology)Cognitive psychologyCognitionAffect (linguistics)PsychologyCognitive loadTask (project management)Learning effectAttentional controlNeuroscienceCommunication

Résumé

récupéré en direct d'OpenAlex

Abstract Prospective gains and losses modulate cognitive processing, but it is unresolved whether gains and losses can facilitate flexible learning in changing environments. The prospect of gains might enhance flexible learning through prioritized processing of reward-predicting stimuli but is unclear how far this learning benefit extends when task demands increase. Similarly, experiencing losses might facilitate learning when they trigger attentional re-orienting away from loss-inducing stimuli, but losses may also impair learning by reducing the precise encoding of loss-inducing stimuli. To clarify these divergent views, we tested how varying magnitudes of gains and losses affect the flexible learning of object values in environments that varied attentional load by increasing the number of interfering object features during learning. With this task design we found that larger prospective gains improved learning efficacy and learning speed, but only when attentional load was low. In contrast, expecting losses generally impaired learning efficacy and this impairment was larger at higher attentional load. These findings functionally dissociate the contributions of prospective gains and losses on flexible learning, suggesting they operate via separate control mechanisms. One process is triggered by experiencing loss and seems to disrupt the encoding of specific loss-inducing features which leads to less efficient exploration during learning. The second process is triggered by experiencing gains which enhances learning through a more efficient prioritizing of reward-predicting stimulus features as long as the interference of distracting information is limited. These results demonstrate strengths and limitations of motivational regulation of learning efficacy in multidimensional environments having variable attentional loads. Significance statement Increasing the prospective gains is assumed to enhance flexible learning, but there is no consensus on whether imposing losses enhances or impairs flexible learning. We show that anticipating loss of already attained assets generally reduced learning changes in the relevance of visual objects and that this learning impediment is more pronounced when learning demands higher attentional control of interference from distracting object features. Moreover, we show that increasing the prospective gains indeed facilitates learning, but only when the learning problem has intermediate or low attentional demands. These findings document that the beneficial effects of gains hit a limit when task demands increase, and that prospective losses reduce cognitive flexibility already at low task demands which is exacerbated when task demands increase. These findings provide novel insight into the strengths and limitations of gains and of losses to support flexible learning in multidimensional environments imposing variable attentional loads.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,293
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→