抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
行動科学における広範な研究は,時間にわたって一定に留まる静止確率を学習する人々の能力に対処してきたが,最近,人々が学習し,非定常確率を学習する認知プロセスをモデル化する試みが試みられている。この文脈において,学習が関連するか,あるいは世界の遠位状態についての信念を表す仮説間の機会シフトにより起こるかどうかに関する古い議論が再表された。Galistel et al.(2014)は非定常確率学習タスクにおいて互いに2つの理論をピッチした。彼らは,それらのデータにおける様々な定性的パターンが,試行ごとの連想学習とは両立せず,仮説検定モデルによってのみ説明できると結論した。ここでは,その主張と,それが早期であることを証明する。最初に,それらの実験的パラダイムは,確率追跡(推定タスク)と変化検出(意思決定タスク)という2つの異なるタスクから成ると主張した。次に,確率追跡タスクのための(連想)デルタ学習ルールと変化検出タスクのための有界証拠蓄積を使用するモデルを提示する。著者らは,2つの高度に確立された理論のこの組合せが,すべての定性的現象を十分に説明し,定量的モデル比較においてGallistelらによって提案された代替モデルより優れていることを見出した。累積科学の精神において,非定常確率の人間学習に関する現在の実験データは,連想学習と有界証拠蓄積の組合せとして説明でき,新しいモデルを必要としないと結論した。【JST・京大機械翻訳】