Temporal dynamics of decision making: A synthesis of computational and neurophysiological approaches
Notice bibliographique
Résumé
As interest in the temporal dynamics of decision-making has grown, researchers have increasingly turned to computational approaches such as the drift diffusion model (DDM) to identify how cognitive processes unfold during choice. At the same time, technological advances in noninvasive neurophysiological methods such as electroencephalography and magnetoencephalography now allow researchers to map the neural time course of decision making with millisecond precision. Combining these approaches can potentially yield important new insights into how choices emerge over time. Here we review recent research on the computational and neurophysiological correlates of perceptual and value-based decision making, from DDM parameters to scalp potentials and oscillatory neural activity. Starting with motor response preparation, the most well-understood aspect of the decision process, we discuss evidence that urgency signals and shifts in baseline activation, rather than shifts in the physiological value of the choice-triggering response threshold, are responsible for adjusting response times under speeded choice scenarios. Research on the neural correlates of starting point bias suggests that prestimulus activity can predict biases in motor choice behavior. Finally, studies examining the time dynamics of evidence construction and evidence accumulation have identified signals at frontocentral and centroparietal electrodes associated respectively with these processes, emerging 300-500 ms after stimulus onset. These findings can inform psychological theories of decision-making, providing empirical support for attribute weighting in value-based choice while suggesting theoretical alternatives to dual-process accounts. Further research combining computational and neurophysiological approaches holds promise for providing greater insight into the moment-by-moment evolution of the decision process. This article is categorized under: Psychology > Reasoning and Decision Making Neuroscience > Cognition Economics > Individual Decision-Making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».