证据积累模型的行为与认知神经证据

证据积累模型(evidence accumulation models, EAM)是关于人类决策过程的主要认知模型之一,其假定决策者不断搜集信息并将信息整合成与决策有关的证据,当累积证据量达到某个阈值时做出决策并反应.虽然EAM在研究中得到广泛应用,甚至有研究者认为其已经达到了理论的高原期,但EAM的理论预设并未被严格检验.以最具有代表性的EAM计算模型——漂移扩散模型(drift diffusion model, DDM)为例,其存在5个模型预设:(1)证据积累的普适性,(2)证据积累的选择性,(3)证据以存在噪音的线性方式积累,(4)决策标准恒定,(5)决策与运动执行过程独立.回顾对这5个基本预设进行检验的实证研究,可以发现:尽管DDM被广泛应用于知觉决策、记忆和基于价值的决策任务,但研究者仅验证了证据积累是否存在于知觉决策任务中;证据积累的选择性目前较缺乏实证研究;证据以存在噪音的线性方式积累的预设得到了较多知觉决策实验数据的支持,但在基于价值的决策中其是否成立仍然存在争议;决策标准恒定的预设则存在较大争议;决策独立于反应执行的预设近年来受到关注,但较多实证研究质疑了这一预设.总...