下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
抑郁癥患者的社會學(xué)習(xí)過程存在異常在社會互動中,個體常常需要根據(jù)對方的行為來預(yù)測對方的態(tài)度、心理狀態(tài)以及未來的行為,從而靈活地調(diào)整自己在互動中如何回應(yīng)他人,這種能力稱為社會學(xué)習(xí)。社會學(xué)習(xí)體現(xiàn)在生活的方方面面。在實(shí)驗(yàn)室中,可以用博弈游戲來模擬。比如,在經(jīng)典的信任博弈中,投資者將一筆錢投給被信任者,如果被信任者返回一部分收益,那么投資者會繼續(xù)選擇投資;反之,則不會繼續(xù)投資。在這個過程中通過社會學(xué)習(xí),雙方建立了信任,投資得以繼續(xù)。因此,社會學(xué)習(xí)在社會互動中扮演重要地位。抑郁癥患者存在普遍而顯著的社會功能損傷。那么,抑郁癥患者是否存在社會學(xué)習(xí)異常呢?既往研究使用非社會性的概率學(xué)習(xí)范式,發(fā)現(xiàn)抑郁癥患者的學(xué)習(xí)功能異常,比如對負(fù)面反饋的過度學(xué)習(xí)、對于預(yù)期偏差的編碼異常等。然而,在社會學(xué)習(xí)中,抑郁癥患者是否也存在同樣的學(xué)習(xí)障礙仍然未知。近期,中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗(yàn)室的周媛研究員帶領(lǐng)團(tuán)隊(duì)使用重復(fù)信任博弈范式,構(gòu)建了高生態(tài)效度的社會學(xué)習(xí)場景,搭建強(qiáng)化學(xué)習(xí)計(jì)算模型(Rescorla-WagnerReinforcementLearningModel,R-WRLModel),探究了抑郁癥患者在社會學(xué)習(xí)過程中,對于他人守信與背叛行為的學(xué)習(xí)率與健康人之間是否存在差異,以及差異大小是否受到情景不確定程度的影響。研究招募了68名未服藥抑郁癥患者和52名健康對照,作為投資者完成了改編的重復(fù)信任博弈。在實(shí)驗(yàn)中,研究者操控了對手返還概率(10%,30%,50%,70%,90%)和是否事先披露對手可信度信息,來增加實(shí)驗(yàn)場景的生態(tài)效度(圖1).圖1.實(shí)驗(yàn)流程對投資行為的分析發(fā)現(xiàn),在未知對手可信度信息條件下,抑郁癥患者的投資行為顯著低于健康被試;在已知對手可信度信息條件下,只有面對50%和70%返還概率對手時(shí)抑郁癥患者的投資行為顯著低于健康被試(圖2)。這一結(jié)果表明高情景不確定性(未知對手信息和對手返還概率趨于基線)時(shí)抑郁癥患者更難以與對手建立信任關(guān)系。
圖2.被試類型、對手返還概率和是否事先披露可信度信息對投資行為影響的交互作用圖(a)沒有事先披露可信度信息條件;(b)事先披露了可信度信息條件為了刻畫信任建立背后的學(xué)習(xí)過程,研究者構(gòu)建了4種候選模型。模型1是基線R-W模型;模型2在基線R-W模型的基礎(chǔ)上區(qū)分了對于對手(正性)守信返還結(jié)果以及(負(fù)性)背叛不返還結(jié)果的學(xué)習(xí)率;模型3在基線R-W模型基礎(chǔ)上添加了可信度判斷的心理結(jié)構(gòu);模型4在模型3的基礎(chǔ)上區(qū)分了對于對手(正性)守信返還結(jié)果以及(負(fù)性)背叛不返還結(jié)果的學(xué)習(xí)率。研究發(fā)現(xiàn),模型2在每種實(shí)驗(yàn)條件中都具有最好的擬合度(圖3a),且模型2在ParameterRecovery中具有良好的復(fù)現(xiàn)穩(wěn)定性表現(xiàn)(圖3b),在ModelRecovery中生成的模擬數(shù)據(jù)能夠很好的復(fù)刻原始數(shù)據(jù)特征(圖3c)。圖3.最優(yōu)模型(M2)的模型評估基于模型2的學(xué)習(xí)率估計(jì),進(jìn)一步進(jìn)行2(被試類型,組間)*2(是否已知對手可信度,組內(nèi))混合方差分析,結(jié)果發(fā)現(xiàn):(1)抑郁癥患者與健康被試的正性結(jié)果學(xué)習(xí)率沒有組間差異;(2)抑郁癥患者對負(fù)性結(jié)果的學(xué)習(xí)率顯著高于健康被試,在未知對手可信度條件下組間差異呈現(xiàn)出更大的趨勢;(3)抑郁癥患者的選擇溫參顯著高于健康被試,這說明抑郁癥患者的投資行為更加隨機(jī)并更少依賴于選項(xiàng)效價(jià)(圖4)。在Rstan中使用分層貝葉斯估計(jì)方法對上述模型評估與參數(shù)組間比較結(jié)果進(jìn)行重復(fù)驗(yàn)證,可以得出一致結(jié)論。圖4.對個體參數(shù)估計(jì)的方差分析結(jié)果該研究使用強(qiáng)化學(xué)習(xí)模型,首次揭示了抑郁癥患者在社會學(xué)習(xí)過程中存在異常,體現(xiàn)在對于負(fù)性人際背叛的學(xué)習(xí)率較健康人更高,且在高不確定性情境下表現(xiàn)出更大的學(xué)習(xí)率差異。該研究為抑郁癥社會功能復(fù)健提供了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024年商用電器買賣協(xié)議模板
- 2024安徽省農(nóng)民工勞務(wù)協(xié)議模板
- 城市電纜布設(shè)施工協(xié)議文本
- 2024年金融權(quán)利質(zhì)押協(xié)議模板
- 文書模板-《幫忙辦事協(xié)議書》
- 2024年店面租賃協(xié)議模板
- 2024年管理局服務(wù)協(xié)議條款
- 2024年技術(shù)顧問服務(wù)協(xié)議樣本
- 中餐分餐課件教學(xué)課件
- 廣東省清遠(yuǎn)市陽山縣2024-2025學(xué)年上學(xué)期期中質(zhì)檢八年級數(shù)學(xué)試卷(含答案)
- 2024-2029年中國水上游樂園行業(yè)十四五發(fā)展分析及投資前景與戰(zhàn)略規(guī)劃研究報(bào)告
- 節(jié)能電梯知識培訓(xùn)課件
- 小班美術(shù)《小刺猬背果果》課件
- 檔案移交方案
- 高中英語外研版(2019)選擇性必修第一冊各單元主題語境與單元目標(biāo)
- 人教版數(shù)學(xué)三年級上冊《1-4單元綜合復(fù)習(xí)》試題
- 2024年水利工程行業(yè)技能考試-水利部質(zhì)量檢測員筆試歷年真題薈萃含答案
- (新版)三級物聯(lián)網(wǎng)安裝調(diào)試員技能鑒定考試題庫大全-上(單選題匯總)
- 2024年室內(nèi)裝飾設(shè)計(jì)師(高級工)考試復(fù)習(xí)題庫(含答案)
- 教育培訓(xùn)行業(yè)2024年生產(chǎn)與制度改革方案
- 快消行業(yè)品牌分析
評論
0/150
提交評論