Testing the dual-system theory of decision-making: a pilot study using electroencephalography (EEG)
Bibliographic record
Abstract
La prise de décision est un élément essentiel de la vie. La capacité de discrimination entre risque et sécurité ou la capacité de prévoir les conséquences à long terme des actions et donc de modifier les attentes grâce à l'expérience sont essentiels dans le processus de prise de décision avantageuse et stratégique dans la vie quotidienne (Rothkirch, Schmack, Schlagenhauf, et Sterzer, 2012). En outre, une prise de décision désavantageuse a été observée chez les patients souffrant de lésions du cortex préfrontal ventromédian, ainsi que dans différents troubles psychiatriques (Adida et al, 2011; Cella, Dymond, & Cooper, 2010; Malloy - Diniz, Neves, Abrantes, Fuentes, et Correa, 2009; Murphy et al, 2001). L'amélioration de notre compréhension des mécanismes de prise de décision normal et pathologique est donc important. Différents modèles ont été développés pour expliquer la prise de décision. L'hypothèse des marqueurs somatiques (Bechara, 1997) a proposé que, pour être en mesure de prendre des décisions avantageuses dans des situations incertaines, des signaux corporels automatiques et inconscients (les marqueurs dits somatiques) sont essentiels. Plus généralement, la «théorie du système duel» de la prise de décision (Evans, 2008; Kahneman, 2011) postule que la prise de décision repose sur deux systèmes cérébraux, l'une étant inconscient, implicite et rapide, et le second étant conscient, explicite et nécessite un effort. L'objectif des travaux présentés ici était d'explorer les processus implicites guidant la prise de décision, notamment ceux précédant immédiatement une décision risquée volontaire. Dans ce but, nous avons utilisé l'électroencéphalographie (EEG) et l'Iowa Gambling task chez 35 participants sains. Nous avons identifié une onde négative nommée «decision-preceding negativity» (DPN) dans les régions préfrontales et centrales du cortex. Les résultats de l' étude appuient l'hypothèse des marqueurs somatiques notamment que des processus implicites guident la prise de décision (Bechara et al., 2005). En outre, ces marqueurs pourraient être utiles dans de futures recherches pour étudier le comportement de prise de décision aberrante dans les populations cliniques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".