เท็จโดยประมาณเป็น forearmed - รูปแบบการอธิบายวิธีการที่ข้อมูลมีผลต่อการรับรู้ของเรา
เมื่อเราประเมินบางสิ่งบางอย่างเราใช้ประสบการณ์ล่าสุดโดยไม่รู้ตัว นักวิจัยจาก Ludwig Maximilians University (LMU) Munich และ Bernstein Center Munich ขอให้ผู้เข้าทดสอบประเมินระยะทางในสภาพแวดล้อมเสมือนจริง ผลลัพธ์ของพวกเขามีแนวโน้มไปสู่ค่าเฉลี่ยของเส้นทางทั้งหมดที่วิ่งไปถึงจุดนั้น เป็นครั้งแรกที่นักวิทยาศาสตร์สามารถทำนายผลการทดลองได้เป็นอย่างดีโดยใช้แบบจำลองทางคณิตศาสตร์ มันรวมกฎของจิตฟิสิกส์ที่รู้จักกันดีสองข้อด้วยความช่วยเหลือของโจทย์จากทฤษฎีความน่าจะเป็น ดังนั้นการศึกษาจึงมีความสำคัญขั้นพื้นฐานสำหรับการวิจัยการรับรู้ (Journal of Neuroscience, 23 พฤศจิกายน 2011)
ทำไมเราถึงประมาณระยะทางเท่ากันหนึ่งครั้งยาวและอีกระยะสั้น? ปัจจัยชี้ขาดคือระยะทางที่เราครอบคลุมทันทีก่อนหน้านี้ สิ่งที่อาจฟังดูไม่สำคัญให้ข้อมูลที่สำคัญเกี่ยวกับวิธีที่สมองประมวลผลสิ่งเร้าของจุดแข็งที่แตกต่างกันและแม้แต่องค์ประกอบที่เป็นนามธรรมเช่นตัวเลข นี่คือสิ่งที่ดร. Stefan Glasauer (LMU) ผู้จัดการโครงการที่ Bernstein Center Munich และ Frederike Petzschner นักศึกษาปริญญาเอกของเขาได้ทดลองและตามทฤษฎี พวกเขาปล่อยให้ตัวแบบทดสอบครอบคลุมระยะทางในห้องเสมือนแล้วสร้างซ้ำที่นั่นอย่างแม่นยำที่สุด เช่นเดียวกับในการศึกษาก่อนหน้านี้ผลลัพธ์จะถูกเปลี่ยนจากค่าที่ถูกต้องไปเป็นค่าเฉลี่ยของระยะทางที่วิ่งก่อนหน้านี้เสมอ
ขณะนี้นักวิจัยได้ให้คำอธิบายทั่วไปสำหรับปรากฏการณ์นี้เป็นครั้งแรก ใช้แบบจำลองทางคณิตศาสตร์พวกเขาสามารถคำนวณว่าสิ่งเร้าก่อนหน้านี้ส่งผลกระทบต่อการประมาณการในปัจจุบัน “ อิทธิพลของประสบการณ์ก่อนหน้านี้น่าจะเป็นไปตามหลักการทั่วไปและอาจนำไปใช้กับการประมาณปริมาณหรือปริมาตร” Glasauer อธิบาย ผู้ที่ได้รับอิทธิพลอย่างมากจากประสบการณ์ก่อนหน้านี้ในการประมาณเส้นทางยังให้ความสำคัญกับประสบการณ์ก่อนหน้ามากขึ้นด้วยการประมาณมุม ในทั้งสองกรณีพวกเขาเรียนรู้โดยไม่ทราบเกี่ยวกับความสำเร็จหรือความล้มเหลวของการปฏิบัติงาน ในขณะที่วิธีการเรียนรู้หลายวิธีนั้นต้องการข้อเสนอแนะดังกล่าว
จนถึงตอนนี้มันยังเป็นที่ถกเถียงกันอยู่ว่าหลักการพื้นฐานกำหนดการรับรู้สิ่งเร้าเช่นปริมาตรความสว่างหรือระยะทาง กฎหมายสำคัญสองฉบับของนักจิตบำบัดดูเหมือนจะขัดแย้งกัน: กฎหมาย Weber-Fechner ตีพิมพ์ก่อน 150 ปีที่แล้วและ 50 ปีหน้าที่พลัง Stevensian อย่างไรก็ตามนักวิทยาศาสตร์มิวนิคได้แสดงให้เห็นว่าอย่างน้อยสองกฎหมายในบางกรณีสามารถคืนดีได้เป็นอย่างดี
สำหรับเรื่องนี้กฎหมาย Weber-Fechner ถูกรวมเข้ากับทฤษฎีความน่าจะเป็นของ Bayes (1763) ซึ่งช่วยให้การถ่วงน้ำหนักของผลลัพธ์เป็นผลและแปลงเป็นฟังก์ชันพลังงานของสตีเวนเซียน “ เราสามารถช่วยแก้ปัญหาที่มีอยู่แล้วนักวิจัยรับรู้มานานหลายปี 50” Glasauer เชื่อว่า จากนั้นนักวิจัยต้องการวิเคราะห์ข้อมูลในอดีตและชี้แจงว่าแบบจำลองได้รับการยืนยันด้วยรังสีกระตุ้นต่าง ๆ เช่นระดับเสียงและความสว่าง
Bernstein Centre Munich เป็นส่วนหนึ่งของ National Bernstein Network Computational Neuroscience (NNCN) NNCN ก่อตั้งขึ้นโดย BMBF โดยมีจุดประสงค์ในการรวมเครือข่ายและพัฒนาขีดความสามารถของระเบียบวินัยการวิจัยทางประสาทวิทยาใหม่ เครือข่ายนี้ตั้งชื่อตาม Julius Bernstein นักสรีรวิทยาชาวเยอรมัน (1835-1917)
งานเดิม:
Petzschner F, Glasauer S (2011): การประเมินซ้ำแบบเบย์เป็นคำอธิบายสำหรับช่วงและผลการถดถอย J Neurosci 2011, 31 (47): 17220 17229
ที่มา: มิวนิค [LMU]