Интересное сегодня
Давина Макколл: Восстановление уверенности и значение благоп...
Введение Давина Макколл – известная телеведущая, которая делится своим личным опытом восстановления ...
Пик эмпатии: как молодость формирует наше понимание боли дру...
В новом исследовании, проведенном Школой психологии Университета Кента, было обнаружено, что молодые...
Игровое время и импульсивность как независимые, но взаимодоп...
Введение Гейминг стал популярным времяпрепровождением, с более чем 3 миллиардами геймеров по всему м...
Древняя демография Леванта следует экологической стохастично...
Введение Раскрытие движущих сил за колонизацией, поселением и оставлением территорий на протя...
Как справляться с обвинениями от взрослых детей
Воспитание не заканчивается, когда дети достигают совершеннолетия, и их способность вызывать у вас э...
Исследование выявляет алкоголь как главный фактор перехода к...
Недавнее исследование, проведенное Университетом Техаса в Хьюстоне, выявило, что употребление алкого...
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:
- Описательная модель человеческих суждений
- Надежный estimator взаимной информации при малых выборках
Результаты согласуются с принципом рационального анализа: человеческое мышление оптимизировано для работы с редкими событиями и ограниченными данными.