決定場理論

決定場理論( DFT ) は、人間の意思決定に対する動的認知アプローチです。これは、人々が何をすべきか、またはすべきであると規定する合理的または規範的な理論ではなく、人々が実際に意思決定を行う方法を説明する認知モデルです。また、これは静的モデルではなく、意思決定の動的モデルです。なぜなら、これは、固定された好みの状態を想定するのではなく、決定に達するまで人の好みが時間の経過とともにどのように変化するかを説明するからです。好みの進化プロセスは、数学的には拡散過程と呼ばれる確率過程として表されます。これは、不確実性の下で人間がどのように意思決定を行うか、時間的プレッシャーの下で決定がどのように変化するか、選択コンテ​​キストがどのように好みを変えるかを予測するために使用されます。このモデルは、行われる選択だけでなく、決定または応答時間を予測するためにも使用できます。

論文「決定場理論」は、ジェローム・R・ブセマイヤーとジェームズ・T・タウンゼントによって1993年に発表されました。 ^{[1] [2] [3] [4] DFTは、}確率的優位性の違反、強い確率的推移性の違反、^{[5] [6] [7]選択肢間の独立性の違反、選好に対する}連続位置効果、速度と精度のトレードオフ効果、確率と決定時間の逆関係、時間的プレッシャー下での決定の変化、選択肢と価格の選好の逆転など、人間の選択行動に関する多くの不可解な発見を説明できることが示されています。DFTは神経科学への架け橋も提供します。^{[8]最近、決定場理論の著者らは、}量子認知と呼ばれる新しい理論的方向性の探求も始めています。

決定場理論という名前は、この理論の着想が、クルト・レヴィンの一般心理学理論（彼が場理論と呼んだ）に含まれる回避葛藤モデルという以前のアプローチから来ていることを反映して選ばれました。DFTは、認知のさまざまな分野で一般的に使用されている一般的なクラスのシーケンシャルサンプリングモデルのメンバーです。^{[9] [10] [11] [12] [13] [14] [15]}

シーケンシャルサンプリングモデルの意思決定プロセスの基本的な考え方は、以下の図1に示されています。意思決定者は、最初にt = 0の時点で3つのリスクの高い見込み客A、B、Cの中から選択を迫られているとします。図の横軸は熟考時間（秒単位）を表し、縦軸は選好の強さを表します。図の各軌跡は、各時点におけるリスクの高い見込み客の選好状態を表しています。^[4]

直感的に、意思決定者は各瞬間に各見込み客のさまざまな見返りについて考え、それが各見込み客に対する感情的な反応、つまり価を生み出します。これらの価は時間とともに統合され、各瞬間の選好状態を生み出します。この例では、処理の初期段階 (200 ～ 300 ミリ秒) では見込み客 C に有利な利点に注意が集中しますが、後 (600 ミリ秒後) では見込み客 A に有利な利点に注意が移ります。このプロセスの停止ルールはしきい値 (この例では 1.0 に設定) によって制御されます。つまり、約 2 秒後に上限しきい値に到達した最初の見込み客 (この場合は見込み客 A) が受け入れられます。選択確率は、競争に勝って上限しきい値を超える最初のオプションによって決定され、決定時間は見込み客の 1 人がこのしきい値に到達するのに必要な熟考時間に等しくなります。^[4]

閾値は、速度と精度のトレードオフを制御するための重要なパラメータです。図 1 で閾値を低い値 (約 .30) に設定すると、見込み客 C が見込み客 A ではなく (より早く) 選択されます。したがって、時間的プレッシャーの下では決定が逆転する可能性があります。^[16]閾値を高くするには、強い選好状態に到達する必要があり、これにより見込み客に関するより多くの情報がサンプリングされ、審議プロセスが長引いて、精度が向上します。閾値を低くすると、弱い選好状態で決定が下されるため、見込み客に関するサンプリング情報がカットされ、審議プロセスが短縮され、精度が低下します。時間的プレッシャーが高い場合、意思決定者は低い閾値を選択する必要がありますが、時間的プレッシャーが低い場合は、精度を高めるために高い閾値を使用できます。非常に慎重で慎重な意思決定者は高い閾値を使用する傾向があり、衝動的で不注意な意思決定者は低い閾値を使用します。^[4] 理論をもう少し正式に説明するために、意思決定者は 3 つのアクションから選択でき、単純化のために最終的な結果は 4 つしかないと仮定します。したがって、各アクションは、これら 4 つの結果にわたる確率分布によって定義されます。各ペイオフによって生成される感情的価値は、値 m _jによって表されます。任意の瞬間に、意思決定者は各アクションのペイオフを予想し、アクション i の瞬間評価 U _i (t) を生成します。この瞬間評価は、各ペイオフの感情的評価の注意加重平均です。U _i (t) = Σ W _ij (t)m _j。アクション i によって提供されるペイオフ j に対する時刻 t での注意加重 W _ij (t) は、定常確率過程に従って変動すると想定されます。これは、注意が瞬間ごとにシフトし、時間の経過とともに各アクションの予測ペイオフが変化するという考えを反映しています。各アクションの瞬間評価は他のアクションと比較され、各瞬間の各アクションの価値 v _i (t) = U _i (t) – U.(t) を形成します。ここで、U.(t) はすべての瞬間アクションの平均に等しくなります。価は、各行動の瞬間的な利点または欠点を表します。合計価はゼロにバランスするため、すべてのオプションが同時に魅力的になることはありません。最後に、価は、時間の経過とともに価を統合して出力の好みの状態を生成する動的システムへの入力です。時刻 t での行動 i の出力の好みの状態は、P _i (t) と表されます。動的システムは、審議プロセスにおける小さな時間ステップ h について、次の線形確率差分方程式で記述されます。P _i (t+h) = Σ s _ij P_j (t)+v _i (t+h)。正の自己フィードバック係数、s _ii = s > 0 は、選好状態に対する過去の入力値の記憶を制御します。s _ii < 1 の値は、以前の値の記憶または影響が時間の経過とともに減少することを示唆し、s _ii > 1 の値は、時間の経過とともに影響が増大することを示唆します (プライマシー効果)。負の横方向フィードバック係数、i が j に等しくない場合の s _ij = s _ji < 0 は、アクション間の競争を生み出し、強いアクションが弱いアクションを抑制します。言い換えると、1 つのアクションの選好が強くなると、他のアクションの選好が緩和されます。横方向抑制係数の大きさは、選択肢間の類似性の増加関数であると想定されます。これらの横方向抑制係数は、後述する選好に対するコンテキスト効果を説明するために重要です。正式には、これはマルコフ過程です。選択確率と選択応答時間の分布を計算するための行列式が数学的に導出されています。^[4]

意思決定場理論は、意思決定の動的かつ確率的なランダムウォーク理論として見ることもでき、低レベルの神経活性化パターンと心理学や経済学に見られるより複雑な意思決定の概念の中間に位置するモデルとして提示されます。^[4]

DFTは多くの意思決定理論では説明できない文脈効果を説明することができます。^[17]

多くの古典的な選択確率モデルは、2 つの合理的なタイプの選択原理を満たしています。1 つの原理は、無関係な選択肢の独立性と呼ばれ、この原理によれば、X と Y のみが利用可能な場合にオプション X を選択する確率がオプション Y よりも高い場合、新しいオプション Z が選択セットに追加されたとしても、オプション X が Y よりも選択される可能性が高いままになります。言い換えると、オプションを追加しても、元のオプションのペア間の選好関係は変更されません。2 つ目の原理は規則性と呼ばれ、この原理によれば、X と Y のみを含むセットからオプション X を選択する確率は、オプション X、Y、および新しいオプション Z を含むより大きなセットからオプション X を選択する確率以上である必要があります。言い換えると、オプションを追加すると、元のオプションのペアのいずれかを選択する確率のみが減少するはずです。ただし、人間の選択行動を研究する消費者研究者によって得られた経験的発見は、これらの原理の両方を体系的に違反する体系的なコンテキスト効果を発見しました。

最初のコンテキスト効果は類似性効果です。この効果は、X に類似しているが X によって支配されていない 3 番目のオプション S の導入によって発生します。たとえば、X が BMW、Y が Ford focus、S が Audi であるとします。Audi は、どちらもそれほど経済的ではありませんが、高品質でスポーティであるため、BMW に似ています。Ford focus は、より経済的ですが品質が低いため、BMW や Audi とは異なります。バイナリ選択で、X が Y よりも頻繁に選択されるとします。次に、X に類似したオプション S を追加することで、新しい選択セットが形成されたとします。X が S に類似し、どちらも Y とは非常に異なる場合、人々は X と S を 1 つのグループとして、Y を別のオプションとして見る傾向があります。したがって、S がオプションとして提示されているかどうかに関係なく、Y の確率は同じままです。ただし、S の導入により、X の確率は約半分に減少します。これにより、S が選択セットに追加されると、X を選択する確率が Y を下回ります。これは、無関係な選択肢の独立性という性質に違反します。なぜなら、バイナリ選択では、X は Y よりも頻繁に選択されるが、S が追加されると、Y が X よりも頻繁に選択されるためです。

2 つ目のコンテキスト効果は妥協効果です。この効果は、X と Y の妥協であるオプション C が追加されたときに発生します。たとえば、C = Honda と X = BMW のどちらかを選択する場合、後者は経済的ではありませんが、品質は高くなります。ただし、別のオプション Y = Ford Focus が選択セットに追加されると、C = Honda は X = BMW と Y = Ford Focus の妥協になります。バイナリ選択で、X (BMW) が C (Honda) よりも頻繁に選択されるとします。しかし、オプション Y (Ford Focus) が選択セットに追加されると、オプション C (Honda) が X (BMW) と Y (Ford Focus) の妥協になり、C が X よりも頻繁に選択されます。これは、無関係な選択肢の独立性プロパティの別の違反です。バイナリ選択では X が C よりも頻繁に選択されますが、オプション Y が選択セットに追加されると、C が X よりも頻繁に選択されるためです。

3 番目の効果はアトラクション効果と呼ばれます。この効果は、3 番目のオプション D が X に非常に似ているが、D が X に比べて欠陥がある場合に発生します。たとえば、D は新しいメーカーが開発した、オプション X = BMW に似ているが BMW よりも高価な新しいスポーティな車である可能性があります。したがって、X よりも D を選択する理由はほとんどないかまったくなく、この状況では D が X よりも選択されることはほとんどありません。ただし、選択セットに D を追加すると、X を選択する確率が高まります。特に、X、Y、D を含むセットから X を選択する確率は、X と Y のみを含むセットから X を選択する確率よりも大きくなります。欠陥のあるオプション D により X が目立ち、このアトラクション効果は、別のオプションを追加しても元のサブセットよりもオプションの人気度が上がることはないという規則性の原則に違反しています。

DFT は、3 つの発見すべてにおいて同じ原理と同じパラメータを使用して、3 つの効果すべてを説明します。DFT によると、類似性効果を生み出すには注意の切り替えメカニズムが重要ですが、妥協効果と魅力効果を説明するには側方抑制接続が重要です。注意の切り替えプロセスが排除されると、類似性効果は消え、側方接続がすべてゼロに設定されると、魅力効果と妥協効果は消えます。この理論の特性は、時間的プレッシャーが選好に与える影響について興味深い予測を伴います。側方抑制によって生成されるコントラスト効果は、構築に時間を要するため、長時間の熟考では魅力効果と妥協効果が大きくなるはずです (Roe、Busemeyer、Townsend 2001 を参照)。あるいは、2 値選択での加重平均ルールから 3 値選択での迅速なヒューリスティック戦略に切り替えることでコンテキスト効果が生成される場合、これらの効果は時間的プレッシャーの下で大きくなるはずです。実証テストでは、意思決定プロセスを長引かせると効果が増大し^{[18] [19]}、時間的プレッシャーによって効果が減少することが示されています。^[20]

決定場理論は、経済学や心理学でよく使われる純粋に代数的で決定論的なモデルでは説明できない行動的意思決定のさまざまな発見を説明できることを実証しています。知覚的意思決定タスク中の非ヒト霊長類の神経活動を記録する最近の研究では、神経発火率が意思決定の行動由来の拡散モデルによって理論化された選好の蓄積を非常によく模倣していることが明らかになりました。^[8]

感覚運動決定の決定プロセスは、行動レベルと神経レベルの両方でかなりよく理解され始めています。典型的な発見は、刺激運動情報に関する神経活動が時間の経過とともに閾値まで蓄積され、記録された領域の活動が閾値を超えるとすぐに行動反応が行われることを示しています。^{[21] [22] [23] [24] [25]}そこから得られる結論は、特定の行動を計画または実行する責任がある神経領域は、実行する行動を決定する責任も負っているということです。これは明らかに具体化された概念です。^[8]

数学的には、スパイク活性化パターン、選択および応答時間の分布は、特に2つの選択肢から選択を強制するタスクにおいて、いわゆる拡散モデルによってうまく説明できます。^[26]決定場理論などの拡散モデルは、ダイナミクスが線形システムで近似されることを除いて、確率的リカレントニューラルネットワークモデルとして考えることができます。線形近似は、ノイズの多い入力によって乱されたシステムの解析を数学的に扱いやすくするために重要です。これらの神経科学への応用に加えて、拡散モデル（またはその離散時間、ランダムウォーク、類似物）は、感覚検出^[13]や知覚識別^{[11] [12] [14]}から記憶認識^[15]や分類に至るまで、さまざまなタスクのパフォーマンスをモデル化するために認知科学者によって使用されています。^{[9] [10]}このように、拡散モデルは、感覚運動課題の神経モデルと複雑認知課題の行動モデルの間に理論的な橋渡しをする可能性を秘めている。^[8]

• Busemeyer, JR; Diederich, A. (2002). 「決定場理論の調査」(PDF) .数学社会科学. 43 (3): 345– 370. doi :10.1016/S0165-4896(02)00016-1.
• Busemeyer, JR; Johnson, JJ (2004)。「意思決定の計算モデル」(PDF)。Koehler, D.、Harvey, N. (編)。判断と意思決定のハンドブック。Blackwell。pp.  133– 154。
• Busemeyer, JR; Johnson, JJ (2008)。「意思決定のマイクロプロセス モデル」(PDF)。Sun, R. (編)。ケンブリッジ ハンドブック オブ コンピューティング 認知モデル。ケンブリッジ大学出版局。