Entscheidungsfeldtheorie

Entscheidungsfeldtheorie (DFT) ist ein dynamisch-kognitiver Ansatz für die Entscheidungsfindung menschlicher. Es ist ein Kognitiver Modell Das beschreibt, wie Menschen tatsächlich Entscheidungen treffen und nicht a rational oder Normative Theorie Das schreibt vor, was die Menschen tun sollten oder sollten. Es ist auch ein Dynamisches Modell von Entscheidung fällen Anstelle eines statischen Modells, weil es beschreibt, wie sich die Präferenzen einer Person im Laufe der Zeit entwickeln, bis eine Entscheidung getroffen wird, anstatt einen festen Präferenzzustand zu übernehmen. Der Präferenzentwicklungsprozess wird mathematisch als stochastischer Prozess als a Diffusionsprozess. Es wird verwendet, um vorherzusagen, wie Menschen Entscheidungen unter Unsicherheit treffen, wie sich Entscheidungen unter dem Zeitdruck ändern und wie die Auswahlkontext die Präferenzen verändert. Dieses Modell kann verwendet werden, um nicht nur die getroffenen Entscheidungen, sondern auch die Entscheidung vorherzusagen oder Reaktionszeit.

Das Papier "Entscheidungsfeldtheorie" wurde von veröffentlicht von Jerome R. Busemeyer und James T. Townsend 1993.[1][2][3][4] Es wurde gezeigt, dass die DFT viele rätselhafte Erkenntnisse bezüglich des Verhaltens des menschlichen Auswahl berücksichtigt stochastische Dominanz, Verstöße gegen starke Stochastik Transitivität,[5][6][7] Unabhängigkeitsverstöße zwischen Alternativen, Serienpositionseffekte In Bezug auf die Präferenz, die Kompromisse der Geschwindigkeitsgenauigkeit, die inverse Beziehung zwischen Wahrscheinlichkeit und Entscheidungszeit, Änderungen der Entscheidungen unter Zeitdruck sowie Präferenzumkehr zwischen Auswahlmöglichkeiten und Preisen. Der DFT bietet auch eine Brücke zu Neurowissenschaften.[8] Vor kurzem haben die Autoren der Entscheidungsfeldtheorie auch begonnen, eine neue theoretische Richtung zu untersuchen, die genannt wurde Quantenkognition.

Einführung

Der Name Entscheidungsfeldtheorie wurde ausgewählt, um die Tatsache widerzuspiegeln, dass die Inspiration für diese Theorie von einem früheren Ansatz zurückzuführen ist - Vermeidungskonfliktmodell, das in enthalten ist Kurt LewinDie allgemeine psychologische Theorie, die er nannte aufstellen Theorie. DFT ist ein Mitglied einer allgemeinen Klasse von sequentiellen Stichprobenmodellen, die üblicherweise in verschiedenen Bereichen in der Wahrnehmung verwendet werden.[9][10][11][12][13][14][15]

Die grundlegenden Ideen, die dem Entscheidungsprozess für sequentielle Stichprobenmodelle zugrunde liegen, sind in Abbildung 1 darunter dargestellt. Angenommen, dem Entscheidungsträger wird zunächst eine Auswahl zwischen drei riskanten Aussichten, A, B, C, zum Zeitpunkt t = 0. Jede Flugbahn in der Abbildung repräsentiert den Präferenzzustand für einen der riskanten Aussichten zu jedem Zeitpunkt.[4]

Abbildung 1 - Probenpfade für einen Diffusionsprozess

Intuitiv denkt der Entscheidungsträger in jedem Zeitpunkt an verschiedene Auszahlungen jedes potenziellen Kunden, was für jede potenzielle Aussicht eine affektive Reaktion oder Wertigkeit hervorbringt. Diese Valenzen sind im Laufe der Zeit integriert, um in jedem Moment den Präferenzzustand zu erzeugen. In diesem Beispiel wird die Aufmerksamkeit in den frühen Stadien der Verarbeitung (zwischen 200 und 300 ms) auf Vorteile gerichtet, die Prospect C bevorzugen. Später (nach 600 ms) wird die Aufmerksamkeit auf die Voraussetzungen für die Bevorzugung der Prospect A. Die Stoppregel für diesen Prozess ist jedoch auf die Aufmerksamkeit geschenkt. Die Stoppregel für diesen Prozess ist gesteuert durch einen Schwellenwert (der in diesem Beispiel 1,0 auf 1,0 festgelegt ist): Die erste Aussicht, die den oberen Schwellenwert erreicht, wird akzeptiert, was in diesem Fall nach etwa zwei Sekunden Aussicht A ist. Die Auswahlwahrscheinlichkeit wird durch die erste Option festgelegt, um das Rennen zu gewinnen und die obere Schwelle zu überqueren, und die Entscheidungszeit entspricht der Überlegungszeit, die von einem der Aussichten für diese Schwelle erforderlich ist.[4]

Der Schwellenwert ist ein wichtiger Parameter für die Steuerung von Geschwindigkeitsgenauigkeitskompromenten. Wenn der Schwellenwert in Abbildung 1 auf einen niedrigeren Wert (ca. 0,30) eingestellt ist, wird Prospect C anstelle von Prospect A (und dies früher) ausgewählt. Somit können Entscheidungen unter Zeitdruck umkehren.[16] Hohe Schwellenwerte erfordern einen starken Präferenzzustand, mit dem weitere Informationen über die Aussichten befragt werden können, die Beratungsprozess verlängern und die Genauigkeit steigern. Niedrige Schwellenwerte ermöglichen es einem schwachen Präferenzzustand, die Entscheidung zu bestimmen, die die Probenahmeinformationen über die Aussichten, die Verkürzung des Überlegungsverfahrens und die Verringerung der Genauigkeit abbricht. Unter dem Zeitpunkt müssen Entscheidungsträger einen niedrigen Schwellenwert wählen. Unter niedriger Zeitdruck kann jedoch ein höherer Schwellenwert verwendet werden, um die Genauigkeit zu erhöhen. Sehr sorgfältige und beratende Entscheidungsträger neigen dazu, eine hohe Schwelle zu verwenden, und impulsive und nachlässige Entscheidungsträger verwenden eine niedrige Schwelle.[4] Um die Theorie ein bisschen formeller zu beschreiben, gehen Sie davon aus, dass der Entscheidungsträger die Wahl zwischen drei Aktionen hat, und nehmen Sie auch an, dass es nur vier mögliche endgültige Ergebnisse gibt. Somit wird jede Aktion durch eine Wahrscheinlichkeitsverteilung über diese vier Ergebnisse definiert. Die durch jede Auszahlung erzeugten affektiven Werte werden durch die Werte m dargestelltj. Der Entscheidungsträger erwartet jederzeit die Auszahlung jeder Aktion, die eine momentane Bewertung erzeugt, ui(t) für Aktion i. Diese momentane Bewertung ist ein aufmerksamer Durchschnitt der affektiven Bewertung jeder Auszahlung: ui(t) = σ wij(t) mj. Das Aufmerksamkeitsgewicht zum Zeitpunkt t, wij(t) Für die Auszahlung, die von Action I angeboten wird, wird angenommen, dass sie nach einem stationären stochastischen Prozess schwankt. Dies spiegelt die Idee wider, dass sich die Aufmerksamkeit von Moment zu Moment verschiebt und Änderungen bei der erwarteten Auszahlung jeder Aktion im Laufe der Zeit verursacht. Die momentane Bewertung jeder Aktion wird mit anderen Aktionen verglichen, um für jede Aktion in jedem Moment eine Valenz zu bilden, vi(t) = ui(t) - U. (t), wobei U. (t) dem Durchschnitt über alle momentanen Aktionen entspricht. Die Valenz repräsentiert den momentanen Vorteil oder den Nachteil jeder Aktion. Die Gesamtvalenz ist auf Null ausgewirkt, sodass alle Optionen nicht gleichzeitig attraktiv werden können. Schließlich sind die Valences die Eingänge für ein dynamisches System, das die Valences im Laufe der Zeit integriert, um die Ausgangspräferenzzustände zu generieren. Der Ausgangspräferenzzustand für Aktion i zum Zeitpunkt t wird als p symbolisierti(t). Das dynamische System wird durch die folgende lineare stochastische Differenzgleichung für einen kleinen Zeitschritt H im Beratungsprozess beschrieben: P.i(t+h) = σ sijPj(t)+vi(T+H). Der positive Selbstkoeffizient für Selbstkoeffizienten, sII = S> 0 steuert den Speicher für frühere Eingangsvalences für einen Präferenzzustand. Werte von sII < 1 suggest decay in the memory or impact of previous valences over time, whereas values of sII > 1 schlägt ein Wachstum der Auswirkungen im Laufe der Zeit (Primateffekte) vor. Die negativen lateralen Rückkopplungskoeffizienten, sij = sji < 0 for i not equal to j, produce competition among actions so that the strong inhibit the weak. In other words, as preference for one action grows stronger, then this moderates the preference for other actions. The magnitudes of the lateral inhibitory coefficients are assumed to be an increasing function of the similarity between choice options. These lateral inhibitory coefficients are important for explaining context effects on preference described later. Formally, this is a Markov process; matrix formulas have been mathematically derived for computing the choice probabilities and distribution of choice response times.[4]

Die Entscheidungsfeldtheorie kann auch als dynamische und stochastische Zufalls Walk-Theorie der Entscheidungsfindung angesehen werden, die als Modell vorgestellt wird, das zwischen neuronalen Aktivierungsmustern auf niedrigerer Ebene und komplexere Vorstellungen von Entscheidungsfindung in Psychologie und Wirtschaftswissenschaften positioniert ist.[4]

Kontexteffekte erklären

Die DFT kann Kontexteffekte erklären, die viele Entscheidungsmaking -Theorien nicht erklären können.[17]

Viele klassische probabilistische Modelle der Wahl erfüllen zwei rationale Arten von Auswahlprinzipien. Ein Prinzip heißt Unabhängigkeit irrelevanter Alternativenund nach diesem Prinzip, wenn die Wahrscheinlichkeit, Option X zu wählen einstellen. Mit anderen Worten sollte das Hinzufügen einer Option die Präferenzbeziehung zwischen dem ursprünglichen Optionenpaar nicht ändern. Ein zweites Prinzip wird als Regelmäßigkeit bezeichnet, und nach diesem Prinzip sollte die Wahrscheinlichkeit, Option X aus einem Satz mit nur X und y zu wählen, größer oder gleich der Wahrscheinlichkeit, Option X aus einem größeren Satz mit Optionen X, y, zu wählen, und gleich der Wahrscheinlichkeit, Option X auszuwählen. und eine neue Option Z. Mit anderen Worten sollte das Hinzufügen einer Option nur die Wahrscheinlichkeit der Auswahl eines der ursprünglichen Optionenpaare verringern. Empirische Ergebnisse, die von Verbraucherforschern, die das Verhalten des menschlichen Auswahl untersuchen, erhalten, haben jedoch systematische Kontexteffekte festgestellt, die systematisch diese dieser dieser Prinzipien verletzen.

Der erste Kontexteffekt ist der Ähnlichkeitseffekt. Dieser Effekt erfolgt bei der Einführung einer dritten Option S, die X ähnlich ist, aber nicht von X dominiert wird. Angenommen, X ist ein BMW, y ist ein Ford -Fokus und S ist ein Audi. Der Audi ähnelt dem BMW, da beide nicht sehr wirtschaftlich sind, aber sowohl hochwertig als auch sportlich sind. Der Ford -Fokus unterscheidet sich von BMW und Audi, da er wirtschaftlicher, aber niedrigere Qualität ist. Nehmen wir in einer binären Auswahl an, X wird häufiger ausgewählt als Y. Als nächst Neigen Sie dazu, X und S als eine Gruppe und Y als eine andere Option zu betrachten. Somit bleibt die Wahrscheinlichkeit von y gleich, ob S als Option dargestellt wird oder nicht. Die Wahrscheinlichkeit von X nimmt jedoch mit der Einführung von S. um ungefähr die Hälfte ab. Dies führt dazu, dass die Auswahl von X unter y sinkt, wenn S zum Auswahlsatz hinzugefügt wird. Dies verstößt gegen die Unabhängigkeit irrelevanter Alternativeneigenschaften, da X in einer binären Auswahl häufiger ausgewählt wird als y, aber wenn S hinzugefügt wird, wird y häufiger ausgewählt als X.

Der zweite Kontexteffekt ist der Kompromisseffekt. Dieser Effekt tritt auf, wenn eine Option C hinzugefügt wird, die ein Kompromiss zwischen x und y ist. Wenn beispielsweise zwischen C = Honda und X = BMW wählt, ist letzteres weniger wirtschaftlich, aber höher. Wenn jedoch eine andere Option Y = Ford Focus zum Auswahlsatz hinzugefügt wird, wird C = Honda zu einem Kompromiss zwischen x = BMW und y = Ford Focus. Angenommen, X (BMW) wird in einer binären Wahl häufiger ausgewählt als C (Honda). Wenn jedoch Option Y (Ford Focus) zum Auswahlsatz hinzugefügt wird, wird Option C (Honda) zum Kompromiss zwischen X (BMW) und Y (Ford Focus), und C wird dann häufiger ausgewählt als X. Dies ist ein weiterer Verstoß Von der Unabhängigkeit irrelevanter Alternativen, da X häufiger als C in einer binären Auswahl ausgewählt wird, aber C, wenn Option y ad zu dem Auswahlsatz hinzugefügt wird, wird C häufiger ausgewählt als X.

Der dritte Effekt wird als Anziehungseffekt bezeichnet. Dieser Effekt tritt auf, wenn die dritte Option D X sehr ähnlich ist, aber D ist im Vergleich zu X defekt . Daher gibt es kaum oder gar keinen Grund, D über x zu wählen, und in dieser Situation wird D selten über X gewählt. Fügen Sie jedoch die Wahrscheinlichkeit der Auswahl von X zu. Insbesondere die Wahrscheinlichkeit, X auszuwählen Ein Satz, der X, Y, D enthält, ist größer als die Wahrscheinlichkeit, X aus einem Satz zu wählen, der nur X und Y enthält Erhöhen Sie die Popularität einer Option gegenüber der ursprünglichen Teilmenge.

DFT berücksichtigt alle drei Effekte mit denselben Prinzipien und denselben Parametern über alle drei Ergebnisse. Laut DFT ist der Aufmerksamkeitsschaltmechanismus für die Erzeugung des Ähnlichkeitseffekts von entscheidender Bedeutung, aber die lateralen Hemmverbindungen sind entscheidend für die Erklärung der Kompromisse und der Anziehungseffekte. Wenn der Aufmerksamkeitsswechselungsprozess beseitigt wird, verschwindet der Ähnlichkeitseffekt, und wenn die lateralen Verbindungen auf Null eingestellt sind, verschwinden die Anziehungs- und Kompromisseffekte. Diese Eigenschaft der Theorie beinhaltet eine interessante Vorhersage über die Auswirkungen des Zeitdrucks auf Präferenzen. Die durch lateralen Hemmung erzeugten Kontrasteffekte erfordern Zeit, um sich aufzubauen, was impliziert, dass die Anziehungs- und Kompromisseffekte unter verlängertem Überlegen größer werden sollten (siehe Roe, Busemeyer & Townsend 2001). Alternativ, wenn Kontexteffekte durch Wechsel von einer gewichteten durchschnittlichen Regel unter binärer Wahl zu einer schnellen heuristischen Strategie für die triadische Auswahl erzeugt werden, sollten diese Effekte unter Zeitdruck größer werden. Empirische Tests zeigen, dass die Verlängerung des Entscheidungsprozesses die Auswirkungen erhöht[18][19] und Zeitdruck verringert die Auswirkungen.[20]

Neurowissenschaften

Die Entscheidungsfeldtheorie hat die Fähigkeit gezeigt, eine Vielzahl von Ergebnissen aus Verhaltensentscheidungen zu berücksichtigen, für die die rein algebraischen und deterministischen Modelle, die häufig in Wirtschaft und Psychologie verwendet werden, nicht berücksichtigen können. Jüngste Studien, die neuronale Aktivierungen in nichtmenschlichen Primaten während der Wahrnehmungsentscheidungsaufgaben erfassen, haben gezeigt, dass Neuronierungsraten die Akkumulation von Präferenz-theoretisiert durch verhaltens abgeleitete Diffusionsmodelle der Entscheidungsfindung imitieren.[8]

Die Entscheidungsprozesse sensorisch-motorischer Entscheidungen werden sowohl auf der Verhaltens- als auch auf der neuronalen Ebene ziemlich gut verstanden. Typische Ergebnisse deuten darauf hin, dass die neuronale Aktivierung in Bezug auf Stimulusbewegungsinformationen über die Zeit bis zu einem Schwellenwert angesammelt wird, und eine Verhaltensantwort erfolgt, sobald die Aktivierung im aufgezeichneten Bereich den Schwellenwert überschreitet.[21][22][23][24][25] Eine Schlussfolgerung, die man ziehen kann, ist, dass die für die Planung oder Durchführung bestimmter Handlungen verantwortlichen neuronalen Bereiche auch für die Entscheidung über die Ausführung der Maßnahmen verantwortlich sind, eine ausgesprochen verkörperte Vorstellung.[8]

Mathematisch kann das Spike -Aktivierungsmuster sowie die Auswahl- und Antwortzeitverteilungen durch die sogenannten Diffusionsmodelle - insbesondere in, gut beschrieben werden Zwei-Alternative erzwungene Wahl Aufgaben.[26] Diffusionsmodelle wie die Entscheidungsfeldtheorie können als stochastische wiederkehrende neuronale Netzwerkmodelle angesehen werden, mit der Ausnahme, dass die Dynamik durch lineare Systeme angenähert wird. Die lineare Näherung ist wichtig für die Aufrechterhaltung einer mathematisch verfolgbaren Analyse von Systemen, die durch verrückte Eingaben gestört sind. Zusätzlich zu diesen neurowissenschaftlichen Anwendungen wurden Diffusionsmodelle (oder deren diskrete Zeit, Zufalls Walk, Analoga) von kognitiven Wissenschaftlern verwendet, um die Leistung in verschiedenen Aufgaben zu modellieren, die von der sensorischen Erkennung reichen.[13] und Wahrnehmungsdiskriminierung,[11][12][14] zur Gedächtniserkennung,[15] und Kategorisierung.[9][10] Daher bieten Diffusionsmodelle das Potenzial, eine theoretische Brücke zwischen neuronalen Modellen von sensorisch-motorischen Aufgaben und Verhaltensmodellen komplexer kognitiver Aufgaben zu bilden.[8]

Anmerkungen

  1. ^ J. R. Busemeyer & J. T. Townsend (1993) Entscheidungsfeldtheorie: Ein dynamischer Kognitionsansatz für die Entscheidungsfindung. Psychological Review, 100, 432–459.
  2. ^ Bussemeyer, J. R. & Diederich, A. (2002). Übersicht über die Entscheidungsfeldtheorie. Mathematische Sozialwissenschaften, 43 (3), 345-370.
  3. ^ J. R. Busemeyer & J. G. Johnson (2004). Computermodelle der Entscheidungsfindung. Blackwell Handbuch für Urteils- und Entscheidungsfindung, 133-154.
  4. ^ a b c d e f J. R. Busemeyer & J. G. Johnson (2008). Mikroprozessmodelle der Entscheidungsfindung. Cambridge Handbook of Computational Psychology, 302-321.
  5. ^ Oliveira, I.F.D.; Zehavi, S.; Davidov, O. (August 2018). "Stochastische Transitivität: Axiome und Modelle". Zeitschrift für mathematische Psychologie. 85: 25–35. doi:10.1016/j.jmp.2018.06.002. ISSN 0022-2496.
  6. ^ Regenwetter, Michel; Dana, Jason; Davis-Stober, Clintin P. (2011). "Transitivität der Vorlieben". Psychologische Überprüfung. 118 (1): 42–56. doi:10.1037/a0021150. ISSN 1939-1471. PMID 21244185.
  7. ^ Tversky, Amos (1969). "Intransitivität der Vorlieben". Psychologische Überprüfung. 76 (1): 31–48. doi:10.1037/h0026750. ISSN 0033-295X.
  8. ^ a b c d Busemeyer, J. R.; Jessup, R. K.; Johnson, J. G.; Townsend, J. T. (2006). "Brücken zwischen neuronalen Modellen und komplexem Entscheidungsverhalten aufbauen". Neuronale Netze. 19 (8): 1047–1058. doi:10.1016/j.neunet.2006.05.043. PMID 16979319.
  9. ^ a b Ashby, F. G. (2000). "Eine stochastische Version der allgemeinen Erkennungstheorie". Zeitschrift für mathematische Psychologie. 44 (2): 310–329. doi:10.1006/jmps.1998.1249. PMID 10831374.
  10. ^ a b Nosofsky, R. M.; Palmeri, T. J. (1997). "Ein beispielhaftes Zufallswandermodell der beschleunigten Klassifizierung". Psychologische Überprüfung. 104 (2): 226–300. doi:10.1037/0033-295x.104.2.266. PMID 9127583.
  11. ^ a b Laming, D. R. (1968). Informationstheorie der Auswahlreaktionszeiten. New York: Akademische Presse. OCLC 425332.
  12. ^ a b Link, S. W.; Heath, R. A. (1975). "Eine sequentielle Theorie der psychologischen Diskriminierung". Psychometrika. 40: 77–111. doi:10.1007/bf02291481. S2CID 49042143.
  13. ^ a b Smith, P. L. (1995). "Psychophysisch prinzipielle Modelle visueller einfacher Reaktionszeit". Psychologische Überprüfung. 102 (3): 567–593. doi:10.1037/0033-295x.102.3.567.
  14. ^ a b Usher, M.; McClelland, J. L. (2001). "Der zeitliche Verlauf der Wahrnehmungswahl: das undichte, konkurrierende Akkumulatormodell". Psychologische Überprüfung. 108 (3): 550–592. doi:10.1037/0033-295x.108.3.550. PMID 11488378.
  15. ^ a b Ratcliff, R. (1978). "Eine Theorie des Gedächtnisabrufs". Psychologische Überprüfung. 85 (2): 59–108. doi:10.1037/0033-295x.85.2.59.
  16. ^ Diederich, A. (2003). "MDFT -Bericht über die Entscheidungsfindung unter Zeitdruck". Psychonomisches Bulletin und Bewertung. 10 (1): 157–166. doi:10.3758/bf03196480. PMID 12747503.
  17. ^ Roe, R. M.; Busemeyer, J. R.; Townsend, J. T. (2001). "Multi-Alternative Entscheidungsfeldtheorie: Ein dynamisches Verbindungsmodell der Entscheidungsfindung". Psychologische Überprüfung. 108 (2): 370–392. doi:10.1037/0033-295x.108.2.370. PMID 11381834.
  18. ^ Pettibone, J. C. (2012). "Testen Sie den Effekt des Zeitdrucks auf die asymmetrische Dominanz und Kompromisse bei der Auswahl." (PDF). Urteils- und Entscheidungsfindung. 7 (4): 513–523.
  19. ^ Simonson, I. (1989). "Auswahl an Gründen: Der Fall von Anziehung und Kompromisseffekten". Journal of Consumer Research. 16 (2): 158–174. doi:10.1086/209205.
  20. ^ Dhar, R.; Nowlis, S. M.; Sherman, S. J. (2000). "Versuchen Sie es mit schwerem oder kaum Versuch: eine Analyse von Kontexteffekten in der Wahl". Journal of Consumer Psychology. 9 (4): 189–200. doi:10.1207/S15327663JCP0904_1.
  21. ^ Schall, J. D. (2003). "Neuronale Korrelate von Entscheidungsprozessen: neuronale und mentale Chronometrie". Aktuelle Meinung in der Neurobiologie. 13 (2): 182–186. doi:10.1016/s0959-4388 (03) 00039-4. PMID 12744971. S2CID 2816799.
  22. ^ Gold, J. I.; Shadlen, M. N. (2000). "Darstellung einer Wahrnehmungsentscheidung bei der Entwicklung von Ockulomotorbefehlen". Natur. 404 (6776): 390–394. Bibcode:2000natur.404..390g. doi:10.1038/35006062. PMID 10746726. S2CID 4410921.
  23. ^ Mazurek, M. E.; Roitman, J. D.; Ditterich, J.; Shadlen, M. N. (2003). "Eine Rolle für neuronale Integratoren bei der Wahrnehmungsentscheidung". Zerebraler Kortex. 13 (11): 1257–1269. doi:10.1093/cercor/bhg097. PMID 14576217.
  24. ^ Ratcliff, R.; Cherian, A.; Segraves, M. (2003). "Ein Vergleich des Makakenverhaltens und des überlegenen kollikulus neuronalen Aktivität mit Vorhersagen aus Modellen von Zwei-Wahl-Entscheidungen". Journal of Neurophysiology. 90 (3): 1392–1407. doi:10.1152/jn.01049.2002. PMID 12761282.
  25. ^ Shadlen, M. N.; Newsome, W. T. (2001). "Neuronale Basis einer Wahrnehmungsentscheidung im parietalen Kortex (Gebietslippe) des Rhesusaffen". Journal of Neurophysiology. 86 (4): 1916–1936. doi:10.1152/jn.2001.86.4.1916. PMID 11600651.
  26. ^ Für eine Zusammenfassung siehe Smith, P. L.; Ratcliff, R. (2004). "Psychologie und Neurobiologie einfacher Entscheidungen". Trends in den Neurowissenschaften. 27 (3): 161–168. doi:10.1016/j.tins.2004.01.006. PMID 15036882. S2CID 6182265.

Verweise