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

Потенциал психоделиков в лечении хронической боли

Введение Хроническая боль представляет собой загадочное состояние, которое является как распр...

Как младенцы в 6 месяцев используют синхронность для распозн...

Раннее распознавание коммуникативных сигналов у младенцевСпособность человека адаптировать неязыковы...

Неявное сенсомоторное обучение в баллистических движениях дл...

Влияние задержки обратной связи на неявное сенсомоторное обучение Для повышения и поддержания...

Влияние разнообразия команд на их эффективность: вариативнос...

Введение Разнообразие в современных организациях превратилось из прогрессивного идеала в стратегичес...

Влияние времени предупреждений перед воспроизведением на сни...

Введение Исследователи неоднократно демонстрировали, что воздействие постсобытийной информации (PEI)...

Влияние функциональных компонентов естественных сцен на эпиз...

Введение В повседневных сценариях люди часто должны вспомнить объекты, присутствующие в естественных...

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