Как люди оценивают причинно-следственные связи: новая модель pARIsmean для многозначных переменных

Как люди оценивают причинно-следственные связи: новая модель pARIsmean для многозначных переменных

Интересное сегодня

Как социально-экономические факторы и генетика влияют на стр...

Влияние социально-экономических факторов на развитие мозгаСоциально-экономическое неравенство в детс...

Исследование связи между соотношением мочевой кислоты и липо...

Введение Депрессия является одним из самых распространенных и тяжелых заболеваний в мире, привлекая ...

Краткая форма анкетирования лидерских добродетелей: адаптаци...

ВведениеЭтические скандалы, произошедшие в недавнем прошлом, укрепили необходимость соблюдения этики...

Роль расширенной семьи в поддержке аутичных людей и их родит...

Краткий обзор аутизма и роли расширенной семьи Аутизм представляет собой нейроразвивающее расстройст...

Влияние спортивных платформ на пользовательский опыт: эмпири...

Введение Исследование фокусируется на двух вопросах: какие факторы влияют на пользовательский опыт н...

Ответственное использование нулевых выстрелов ИИ для оценки ...

Введение Искусственный интеллект (ИИ) имеет огромный потенциал для облегчения процесса оценки и улуч...

figure 1
figure 1
figure 2
figure 2
figure 3
figure 3
Thumbnail 1
Thumbnail 2
Thumbnail 3
Thumbnail 4
Thumbnail 5
Thumbnail 6
Оригинал исследования на сайте автора
Читать короткую версию
Кликните еще раз для перехода

Введение

Способность человека выявлять причинно-следственные связи на основе наблюдательных данных — ключевой вопрос когнитивной науки. Предыдущие исследования показали, что модель pARIs наиболее точно описывает человеческие оценки причинности для бинарных переменных. В данной работе мы расширяем pARIs для многозначных переменных и предлагаем новую модель — pARIsmean.

Методология

Мы провели когнитивный эксперимент с участием 63 человек, где участники оценивали силу влияния многозначных причин на бинарные исходы. Было предложено шесть кандидатов в модели-расширения pARIs, включая pARIsmerge, pARIsmean и другие. Для анализа использовались:

  • Критерий AICc и BIC
  • Коэффициент корреляции Пирсона
«pARIsmean демонстрирует наилучшее соответствие экспериментальным данным (r = 0.976), что указывает на ее высокую описательную силу»

Заключение

Модель pARIsmean подтвердила свою эффективность как:

  1. Описательная модель человеческих суждений
  2. Надежный estimator взаимной информации при малых выборках

Результаты согласуются с принципом рационального анализа: человеческое мышление оптимизировано для работы с редкими событиями и ограниченными данными.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода