MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407553292 · doi:10.1523/jneurosci.2233-24.2025

In Search of a Neural Mechanism for Domain-General Value Comparison in Decision Making

2025· article· en· W4407553292 sur OpenAlexafffund
Ahmad Samara, Zaid Zada

Notice bibliographique

RevueJournal of Neuroscience · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural and Behavioral Psychology Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institutes of HealthUniversity of British ColumbiaBC Children's Hospital
Mots-clésMechanism (biology)Value (mathematics)Computer scienceDomain (mathematical analysis)Artificial intelligenceMachine learningMathematicsEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Decision making requires comparing the costs and benefits associated with available options. Decision costs include the expected effort to be exerted, whether cognitive or physical. Benefits, on the other hand, include the anticipated reward or positive outcome of the decision (Kurzban et al., 2013). For example, if you feel hungry during the day, you might opt for a quick snack to satisfy your hunger temporarily, or you could invest the additional effort to prepare a well-rounded meal. Despite the importance of effort-based decision making in everyday life, it remains unclear how the brain resolves the tension between maximizing reward and minimizing costs to come to a decision. Designing experiments to study decision making in the brain requires consideration of factors such as valuation comparison (i.e., the relative value of the options) and decision difficulty. Studying decision making as an effort–reward trade-off is further complicated by phenomena such as effort discounting (i.e., the devaluation of rewards as cognitive effort increases) and the subjective value of rewards (Apps et al., 2015). Considering all these factors, it is perhaps unsurprising that the neural mechanisms involved in effort-based decision making remain an area of active investigation, as well as a topic of broad interest in daily life. From a mechanistic perspective, cost–benefit decision making requires dynamic assessment of estimated effort expenditure and expected reward, both of which are subjective and can fluctuate over time. The dorsal anterior cingulate cortex (dACC) has been identified as a candidate area for encoding aspects of effort-based decision making in humans and rodents (Westbrook et al., 2019). dACC is located in the midcingulate cortex in the medial surface of the frontal lobe and is connected to regions involved in cognitive control, executive function, and decision making (e.g., dorsolateral prefrontal cortex, parietal cortex, and … Correspondence should be addressed to Ahmad Samara at asamara1{at}student.ubc.ca.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,196
Tête enseignante GPT0,472
Écart entre enseignants0,276 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience→Même sujetNeural and Behavioral Psychology Studies→Travaux en français237 207→