The hare or the tortoise? Modeling optimal speed-accuracy tradeoff settings - Samenvatting

UvA-DARE is a service provided by the library of the University of Amsterdam (https://dare.uva.nl)

UvA-DARE (Digital Academic Repository)

The hare or the tortoise? Modeling optimal speed-accuracy tradeoff settings

van Ravenzwaaij, D.

Publication date

2012

Link to publication

Citation for published version (APA):

van Ravenzwaaij, D. (2012). The hare or the tortoise? Modeling optimal speed-accuracy

tradeoff settings.

General rights

It is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), other than for strictly personal, individual use, unless the work is under an open content license (like Creative Commons).

Disclaimer/Complaints regulations

If you believe that digital publication of certain material infringes any of your rights or (privacy) interests, please let the Library know, stating your reasons. In case of a legitimate complaint, the Library will make the material inaccessible and/or remove it from the website. Please Ask the Library: https://uba.uva.nl/en/contact, or a letter to: Library of the University of Amsterdam, Secretariat, Singel 425, 1012 WP Amsterdam, The Netherlands. You will be contacted as soon as possible.

Samenvatting

Het valt niet mee in een paar pagina’s de vruchten van vier jaar wetenschappelijk werk samen te vatten. Tijdens mijn promotie heb ik vanuit verschillende perspectieven nagedacht over de processen die een rol spelen bij het nemen van beslissingen, in het bijzonder onder tijdsdruk. In het leven is het vaak zo dat het voordelig is beslissingen zo snel mogelijk te nemen, zonder dat je door de snelheid de verkeerde beslissing neemt. Denk bijvoor-beeld aan het kopen van een kaartje voor een populaire theatervoorstelling. Stel, er is een voorstelling die je graag zou willen zien, maar de kaartjes zijn behoorlijk duur. Aan de ene kant zou je er graag even rustig over na willen denken, zodat je zorgvuldig de voors en tegens kunt afwegen (is dit kaartje het geld wel waard, spaar ik niet liever voor die nieuwe laptop?) en de juiste beslissing kunt nemen. Aan de andere kant wil je niet t´e lang nadenken, anders zijn de kaartjes misschien uitverkocht. In het onderzoek naar beslissingen nemen wordt dit probleem de speed–accuracy trade–off, oftewel het negatieve verband tussen snelheid en nauwkeurigheid, genoemd.

Je kunt je voorstellen dat de beslissing naar een theater te gaan niet van doorslaggevend belang is, maar wat te denken van een belangrijke vaardighedentest? Stel, een bedrijf heeft een vacature en twee geschikte kandidaten: Pietje en Marietje. Om de doorslag te geven neemt het bedrijf beide kandidaten een test af. Pietje rondt de test in 1 uur af en heeft 75% van de vragen goed beantwoord. Marietje heeft anderhalf uur over de test gedaan, maar heeft 80% van de vragen goed beantwoord. Wat geeft nu de doorslag? Is het bedrijf strikt ge¨ınteresseerd in het hoogste percentage correct en neemt het Marietje aan? Of wil het bedrijf liever een kandidaat die gemiddeld het hoogste aantal vragen per minuut goed beantwoordt en neemt het Pietje aan? Hoe kunnen we de twee kandidaten nu objectief vergelijken, wie is de beste?

Om het nemen van beslissingen onder tijdsdruk in de psychologie te kunnen onder-zoeken, laten we mensen vaak experimenten uitvoeren, waarbij in korte tijd een grote hoeveelheid betrekkelijk eenvoudige beslissingen moet worden genomen. Mensen zien bij-voorbeeld een verzameling letters in beeld staan en moeten zo snel mogelijk beslissen of deze groep letters een bestaand Nederlands woord vormt (LATER) of een niet–bestaand woord (LERTA). Deze beslissingen duren doorgaans niet veel langer dan een seconde per stuk en worden redelijk goed, maar niet foutloos, genomen. Een dergelijke taak levert dus voor iedere beslissing een reactietijd op en een goed/fout–score.

Om terug te komen op Pietje en Marietje, het probleem is dat we graag op grond van geobserveerde, maar niet zo informatieve gegevens (de scores op een test) conclusies willen trekken over niet geobserveerde, maar zeer informatieve gegevens (cognitieve

S

paciteiten). Het vertalen van de beschikbare gegevens in betekenisvolle psychologische processen kunnen we doen met behulp van wiskundige procesmodellen. Een model dat succesvol is in het beschrijven van gegevens die voortkomen uit beslissingen onder tijds-druk is het zogenaamde diffusiemodel. Het diffusiemodel is in staat met behulp van de verdeling van reactietijden en het percentage correct aan te geven wat de reden is van een verschil in prestatie bij beslissingstaken. Bijvoorbeeld, is Pietje sneller dan Marietje, om-dat hij een hogere informatieverwerkingssnelheid heeft? Of is Pietje sneller dan Marietje, omdat Marietje veel zorgvuldiger is dan Pietje en haar antwoorden langer overdenkt? Een derde mogelijkheid is dat Pietje sneller is dan Marietje, omdat hij sneller is met het indrukken van de knoppen op de testcomputer, hij heeft wellicht een hogere motorische snelheid. In het eerste geval zal het fictieve bedrijf Pietje willen aannemen, in het tweede geval is Marietje waarschijnlijk de betere keuze en in het derde geval hangt het af van de specifieke vereisten van de functie.

In de verschillende hoofdstukken van mijn proefschrift probeer ik via diverse kanten de voordelen te belichten van het gebruik van wiskundige modellen zoals het diffusiemodel. In het eerste deel van mijn proefschrift, bestaande uit hoofdstukken 2 t/m 5, behandel ik dit modelleren van psychologische processen vanuit een theoretisch perspectief, waarbij veel computersimulaties komen kijken. In het tweede deel, bestaande uit hoofdstukken 6 t/m 8, kijk ik naar wat mensen daadwerkelijk doen.

In hoofdstuk 2 beschrijf ik een aantal statistische verschijnselen die in het onderzoeks-gebied van intelligentie met regelmaat gevonden worden. Ik laat zien hoe al deze schijn-baar verschillende fenomenen in feite allemaal verklaard kunnen worden door eenzelfde parameter van het diffusiemodel: informatieverwerkingssnelheid. Hoofdstuk 3 vergelijkt het diffusiemodel met twee andere wiskundige beslismodellen die gebaseerd zijn op de werking van neuronen in het brein: het leaky competing accumulator model en het feed-forward inhibition model. Het hoofdstuk beschrijft dat het diffusiemodel onder bepaalde aannames wiskundig equivalent is aan de twee neuronale beslismodellen. In hoofdstuk 4 beschrijf ik beslissingen waarbij een van de twee alternatieven op voorhand waarschijn-lijker is dan de andere (bijvoorbeeld: wie gaat er vanavond winnen, Ajax of Manchester United?). Aan de orde komen de verschillende strategie¨en die mensen gebruiken bij het maken van keuzes tussen twee opties die op voorhand niet even waarschijnlijk zijn. Het laatste hoofdstuk van het eerste deel, hoofdstuk 5, beschrijft verschillende manieren om het diffusiemodel te ‘passen’ op data uit de praktijk. In dit hoofdstuk worden drie verschillende methoden voor het terugschatten van diffusiemodelparameters, zoals infor-matieverwerkingssnelheid, antwoordnauwkeurigheid en motorische snelheid, met elkaar vergeleken.

Het praktische deel van mijn proefschrift begint met hoofdstuk 6, waarin ik de effecten van alcohol op het nemen van beslissingen onderzoek. Uiteraard heeft alcohol zowel cog-nitief als motorisch een negatieve invloed op onze beslissnelheid en zorgvuldigheid, maar bij welke dosis? In dit hoofdstuk laat ik zien dat de effecten van alcohol eerder toeslaan op het brein dan op het lichaam. In hoofdstuk 7 onderzoek ik met behulp van het dif-fusiemodel de Implicit Association Test, of IAT. De IAT is een instrument dat ontworpen is om te meten in hoeverre mensen raciale vooroordelen hebben. In dit hoofdstuk laat ik zien dat het IAT–effect in feite niet veroorzaakt wordt door raciale vooroordelen, maar simpelweg door een grotere bekendheid met namen van de ingroup (bijvoorbeeld Ned-erlandse namen) dan met namen van de outgroup (bijvoorbeeld Marokkaanse namen). In het 8ste en laatste hoofdstuk vergelijk ik verschillende modellen die bedoeld zijn om te kwantificeren in hoeverre mensen risico nemen bij de Balloon Analogue Risk Test, of BART. Het best passende model wordt vervolgens toegepast op de data van mensen die

Samenvatting

beslissingen nemen onder invloed van alcohol. Uit de resultaten blijkt dat alcoholcon-sumptie leidt tot het nemen van meer risico en een minder consistente antwoordstrategie. In de conclusie beschrijf ik tenslotte drie belangrijke criteria waaraan een wetenschap-pelijk model moet voldoen om in de praktijk gebruikt te kunnen worden. Ten eerste moet een goed model in staat zijn de modelparameters terug te schatten uit de data. Dit betekent dat als je met een model een fictieve dataset genereert en vervolgens de parameters terugschat op basis van de gegenereerde data, de teruggeschatte parameters overeen moeten komen met de parameters die je gebruikt hebt om de data te genereren. Een tweede criterium waaraan een goed model moet voldoen is dat het parameters moet hebben die specifiek be¨ınvloed kunnen worden. Stel, ik voer een experiment uit met een experimentele conditie waarin ik een bepaald psychologisch proces manipuleer en een con-troleconditie. Vervolgens pas ik een model op de data uit het experiment. Nu wil ik graag dat alleen de parameter die geacht wordt het gemanipuleerde psychologische proces weer te geven verschilt tussen beide condities. Als dit het geval is en alle parameters uit mijn model doorstaan een soortgelijke test, dan vervult mijn model het criterium van specifieke be¨ınvloeding. Het derde en laatste criterium is dat het model in staat moet zijn op data uit veel verschillende wetenschapsdisciplines te passen. Ik beschijf voor elk van deze drie criteria hoe het diffusiemodel hieraan voldoet. Ik sluit af met de hoofdboodschap van dit proefschrift: als we goed willen begrijpen hoe mensen beslissingen nemen, is het gebruik van een wiskundig procesmodel onontbeerlijk!