欢迎光临中国科学院心理研究所!
» 您的位置:首页 > 新闻动态 > 科研进展
心理所成功运用眼动轨迹分析法检验风险决策模型
作者: 中国科学院行为科学重点实验室李纾研究组 周蕾 ║ 日期: 2016/02/15 

  人类在风险环境下的决策与判断行为,对生存和发展有着重大的意义,而人们如何进行风险决策是研究者们现在面临的一大难题。在风险决策理论的发展历程中,涌现出许多不同的决策理论:如,经典的期望家族模型(family of expectation models)假设人们在决策时遵循加权求和的过程;而持有限理性观点的研究者则假设人们在决策时不遵循加权求和的过程,并建立了非补偿的启发式(heuristic)决策模型。由于决策需要实时的视知觉活动参与,眼动追踪技术(eye tracking)已被用于决策模型检验。但现有研究主要关注决策过程中决策者眼动特征的局部属性,例如注视点(fixation)和眼跳(saccade)的位置和时长,罕见研究考察其决策过程中整体、动态,和序列的眼动特征,即眼动轨迹(scanpath)。眼动轨迹是人们视觉加工过程中相对固定注视模式,反映了该过程中注视的整体、序列和动态的变化状况,并且在同一任务多次执行的时候保持相对稳定(Noton & Stark,1971)。眼动轨迹能反映认知加工过程的序列和动态特征,但眼动轨迹的这一独特优势尚未被风险决策研究所开发利用。鉴于眼动轨迹可以反映风险决策的认知加工及其时间特征,因此比较不同风险决策任务眼动轨迹相似性,即可检验执行这些任务的认知加工过程是否相同。 

  为了揭示风险决策的认知加工过程及其时间属性,中国科学院行为科学重点实验室李纾与李兴珊研究组进行了合作研究。我们使用眼动轨迹分析法分析了课题组已发表的三套风险决策眼动研究数据(汪祚军,李纾, 2012; Su et al., 2013; Sun et al., 2013),这些研究均通过比较被试在两类任务(符合加权求和过程的基线任务和被试自主的风险决策任务)中的眼动特征差异,探索风险决策是否遵循加权求和过程。为评估眼动轨迹分析法是否适用于风险决策的模型检验,我们建立了一套标准化步骤用以计算、比较并可视化两类风险决策任务中的眼动轨迹,继而检验了风险决策是否遵循加权求和的过程。 

  首先,本研究使用相似性分数(similarity score)作为度量眼动轨迹相似程度的指标,并建立了一套标准化的步骤来计算和比较眼动轨迹间的相似性分数。为使眼动轨迹分析法更适用于分析决策任务,研究依据决策属性之间的眼跳顺序对所有眼动轨迹进行编码,并基于Needleman-Wunsch算法(Needleman & Wunsch, 1970)计算了眼动轨迹间的相似性分数。其次,本研究创新性地定义了决策任务的“典型试次”(typical trial):在同一任务的所有试次中,如某试次的眼动轨迹与其它试次的相似性分数最高,那么该试次即为该任务的典型试次。我们认为,典型试次的眼动轨迹代表该任务中认知加工过程的典型和基本模式。通过直接观察该任务中典型试次的眼动轨迹,即可观察被试在执行该任务时的认知加工模式是否符合某类风险决策模型所假设的决策过程。 

  对三套数据进行的相似性分数分析表明,两类任务中各任务内(条件内)的眼动轨迹的相似性分数均显著高于两类任务间(条件间)眼动轨迹的相似性分数(见图1),且两类任务的眼动轨迹也可有效地聚集到不同子类别。这表明,三套数据中不同类任务具有不同的眼动轨迹模式和认知加工过程。鉴于基线任务 (如,比例任务和多次风险决策任务)隐含着“加权求和”运算的特征,三套数据的分析结果说明,被试在执行自主决策的单次风险决策任务时没有进行加权求和的运算,这与期望法则家族风险决策模型的假设相悖。 

  对三套数据进行典型试次分析可见,两类任务的眼动轨迹模式大不相同(见图2)。例如,我们可观察到:在比例任务(a1)中,典型眼动轨迹是在概率(如选项A中的20%)和对应报酬(选项A中的¥100)之间进行的扫视,这与加权求和过程所假设的信息搜索模式一致;而概率任务( b1,即单次风险决策任务)中并未出现这种搜索模式;又如,图b2所示的选项特征交叉呈现条件中,典型的眼动轨迹模式在AB选项的最好可能结果(5000元和4500),以及AB选项的最差可能结果(2600元和3000)之间进行的扫视,该过程更符合齐当别模型(equate-to-differentiate approach)假设(Li, 2004) 

  总之,本研究发现自主风险决策中的眼动轨迹模式和认知加工过程均不同于加权求和过程的假设,提示了眼动轨迹分析法是检验风险决策认知加工过程可靠且有效的新工具。本研究与课题组已发表的系列研究一致说明,风险决策可能并不遵循期望法则家族模型所假设的加权求和过程。更重要的是,本研究建立了决策任务中眼动轨迹分析法的标准步骤,证明了眼动轨迹分析法在检验风险决策模型中的可靠性和有效性,为检验和直观理解风险决策的过程提供了新工具,并为未来决策研究指明了方法学上的新方向。 

  研究部分受国家重点基础研究发展规划(973项目2011CB711000),国家自然科学基金(71071150, 71471171, 70871110, 31170976, 31070904, 31200791)北京市优秀博士学位论文指导教师人文社科项目基金(20138012501), 和中科院重点部署项目基金(KJZD-EW-L04)的支持。研究论文已在线发表于行为决策研究领域旗舰期刊Journal of Behavioral Decision Making,并被PsychSource (含British Psychological Society’s 11 journals, plus 32 other key psychology journals)所推介。

  Zhou, L., Zhang, Y-Y., Wang, Z-J., Rao, L-L., Wang, W., Li, S., Li, X-S*., & Liang, Z-Y*. (2016). A Scanpath Analysis of Risky Decision-Making Process. Journal of Behavioral Decision Making. DOI: 10.1002/bdm.1943  


1. 三套数据中各任务的条件内和条件间相似性分数(M±SE)



2. 三套数据中各任务条件在典型试次中的眼动轨迹。其中a1a2a3条件代表基线任务(a1,比例任务;a2,选项特征平行
呈现条件;
a3多次执行风险决策任务条件)b1b2b3条件代表单次执行的风险决策任务。图中箭头表示注视点在眼动轨
迹中的先后顺序,S”和“E”分别表示眼动轨迹的起始点和终点。 

李纾与李兴珊研究组有关眼动轨迹研究的其它论文信息: 

Sun, H-Y., Rao, L-L., Zhou, K., & Li, S. (2014). Formulating an emergency plan based on expectation-maximization is one thing, but applying it to a single case is another. Journal of Risk Research, 17(7), 785-814.  

Su, Y., Rao, L-L., Sun, H-Y., Du, X-L., Li, X., & Li, S. (2013). Is making a risky choice based on a weighting and adding process? An eye-tracking investigation. Journal of Experimental Psychology: Learning, Memory, and Cognition. 39(6), 1765-1780. 

Su, Y., Rao, L-L., Li, X., Wang, Y., & Li, S. (2012). From quality to quantity: The role of common feature in consumer preference. Journal of Economic Psychology. 33(6), 1043–1058. 

版权所有:中国科学院心理研究所 备案编号:京ICP备10049795 京公网安备110402500018号
地址:北京市朝阳区林萃路16号院 邮编:100101 电话:(86-10)64879520
Email:webmaster@psych.ac.cn