Metode:
Para peneliti dari menempatkan lima sukarelawan dalam percobaan pengambilan keputusan berbasis komputer yang sama, di mana masing-masing dari mereka disajikan dengan dua simbol abstrak. Tujuan mereka adalah untuk mengetahui simbol mana yang akan menghasilkan lebih banyak imbalan uang dalam jangka panjang. Di setiap putaran percobaan, setiap orang pertama-tama membuat pilihan di antara dua simbol, dan kemudian mereka mengamati simbol mana yang telah dipilih oleh empat orang lainnya; selanjutnya, setiap orang dapat memutuskan untuk tetap menggunakan pilihan awal mereka atau beralih ke simbol alternatif.
Akhirnya, hasil moneter, baik menang atau kalah, disampaikan kepada setiap orang menurut keputusan kedua mereka. “Dengan cara ini, kami memungkinkan interaksi waktu nyata di antara relawan, yang sangat meningkatkan validitas ekologis,” kata pemimpin studi Lei Zhang, yang saat itu di UKE dan sekarang menjadi peneliti pascadoktoral di Universitas Wina.
Padahal, simbol mana yang terkait dengan lebih banyak hadiah selalu berubah. Pada awal eksperimen, salah satu dari dua simbol mengembalikan hadiah uang dalam waktu 70%, dan setelah beberapa putaran, simbol tersebut memberikan imbalan hanya dalam 30% waktu. Perubahan ini terjadi beberapa kali selama percobaan.
“Paradigma pembelajaran reversal ini akan menciptakan ketidakpastian bagi relawan sehingga mereka akan selalu perlu belajar dan belajar kembali untuk mendapatkan hasil yang lebih banyak. Khususnya, ketika pembalikan baru saja terjadi, beberapa orang dalam kelompok mungkin mengambilnya lebih cepat dari yang lain, dan jika demikian, pihak lain dapat menggabungkan informasi sosial ini ke dalam proses pengambilan keputusan mereka sendiri, “jelas Jan Gläscher, yang memimpin kelompok penelitian penilaian dan pengambilan keputusan sosial di UKE.
Diharapkan, para relawan lebih sering berpindah ketika mereka dihadapkan pada pilihan yang berlawanan dari yang lain, tetapi yang menarik, pilihan kedua (setelah mempertimbangkan informasi sosial) mencerminkan struktur penghargaan yang lebih baik daripada pilihan pertama.
Pembahasan
Para peneliti menggunakan model canggih untuk mengukur perilaku relawan, dan mereka meluncurkan strategi komputasi terpisah untuk pembelajaran langsung dan pembelajaran sosial. “Pada awal setiap putaran, para sukarelawan menggabungkan pengalaman belajar langsung mereka sendiri dan pengalaman belajar sosial untuk memandu pilihan mereka,” kata Zhang, “di mana pembelajaran langsung mengikuti algoritma pembelajaran penguatan sederhana, dan pembelajaran sosial dibuat dengan melacak yang lain. ‘sejarah penghargaan. “
Dalam setiap kelompok, para peneliti memindai salah satu otak relawan menggunakan pencitraan resonansi magnetik fungsional, yang memungkinkan mereka untuk mengukur kapan dan di mana otak melakukan pembelajaran langsung dan pembelajaran sosial, dan untuk mengkarakterisasi apakah kedua jenis pembelajaran tersebut benar-benar terkait. dengan tanda tangan saraf yang berbeda.
Pemindaian otak menunjukkan bahwa pembelajaran langsung diwakili di area yang disebut korteks prefrontal ventromedial, sedangkan pembelajaran sosial diwakili di area yang disebut korteks cingulate anterior. Kedua area ini juga berinteraksi dengan area di tengah otak yang disebut striatum, “yang menghitung kesalahan prediksi hadiah dan kesalahan prediksi sosial, mengukur pembelajaran coba-coba untuk menginformasikan perilaku” kata Gläscher. “Ini menunjukkan jaringan otak terintegrasi yang mendukung pengaruh sosial dalam pengambilan keputusan manusia.”
Temuan ini menunjukkan bahwa dua jenis sinyal pembelajaran yang unik dihitung di wilayah yang berbeda tetapi berinteraksi di otak manusia, dan mewakili strategi komputasi terpisah untuk pengambilan keputusan dalam konteks sosial. “Pembelajaran langsung efisien dalam situasi yang stabil,” jelas Gläscher, “dan ketika situasi berubah dan tidak pasti, pembelajaran sosial dapat memainkan peran penting bersama dengan pembelajaran langsung untuk beradaptasi dengan situasi baru, seperti menentukan menu makan siang di perusahaan baru . “
“Ada banyak penelitian tentang pembelajaran langsung tetapi relatif sedikit tentang pembelajaran sosial dan bagaimana mereka berinteraksi,” kata Zhang. Apa selanjutnya? “Area penting untuk penelitian lebih lanjut akan mengganggu bagian dari jaringan yang diidentifikasi menggunakan teknik stimulasi otak non-invasif, dan untuk menentukan bagaimana perilaku dan strategi komputasi diubah dalam pengambilan keputusan sosial,” kata Gläscher.
“Dan mengingat pandemi COVID-19 yang sedang berlangsung, tidak mungkin individu dan pemerintah belajar dari kesalahan sendirian, dan sebaliknya, masyarakat global dan kolektif diperlukan untuk mengatasi semua tantangan ini.”
Jurnal Referensi:
- Lei Zhang, Jan Gläscher. 2020. A brain network supporting social influences in human decision-making. Science Advances, 2020; 6 (34): eabb4159 DOI: 10.1126/sciadv.abb4159
Tinggalkan komentar