Scholay

学术搜索 · AI 审稿 · LaTeX 协作

Nature Communications:fMRI 神经表征可预测群体选择语境效应,决策偏差建模多了一条“潜在属性”路径

顶级刊物论文速递 · 发布 2026-06-21T19:32:00+08:00 · 更新 2026-06-21T19:37:18+08:00

核心结论

Nature Communications 6 月 21 日发表 Asaf Madar 等团队论文,尝试用选择选项的神经表征相似性预测群体层面的 choice context effects。传统模型通常要求研究者预先把选项拆成两个显式数值属性;该研究先在行为样本中估计彩票选择的语境效应,再用两个预注册 fMRI 样本估计各彩票在非选择语境下的神经表征,发现仅凭选项间神经相似度即可改善样本内和样本外预测。它为行为经济学和神经科学提供了访问“潜在属性”的方法,但结论仍局限于群体层面和实验彩票任务。

Nature Communications 论文页显示,Asaf Madar、Tom Zemer、Ido Tavor 和 Dino J. Levy 等作者 6 月 21 日发表“Neural similarity between choice options predicts group-level context effects”。研究处理的是一个经典问题:人们对一个选项的偏好会被同场出现的其他选项影响,也就是选择语境效应;但传统模型通常要求研究者事先定义少数显式属性,例如收益和风险。

论文的创新点在于绕开“只能手工定义属性”的限制。作者先用行为样本估计彩票任务中不同组合会诱发怎样的语境效应,再招募两个具有预注册设计的 fMRI 样本,在没有选择语境的情况下估计每个彩票选项的神经表征。随后,他们只用单个选项之间的神经表征相似性来预测群体层面的语境效应,而不是依赖研究者明确写出的属性模型。

摘要显示,这种神经相似性方法在样本外和样本内预测中均优于传统方法,并且这些神经表征编码了显式属性和此前行为方法难以访问的潜在属性混合体。换言之,大脑对选项的表征可能已经包含了参与者实际考虑的更完整特征集;研究者不必完全预设“人们究竟看重哪两个维度”,也能从神经数据里获得对决策偏差的解释线索。

为什么重要,在于它把神经表征从“解释选择后的脑区活动”推进到“预测选择语境如何改变群体偏好”。这对行为经济学、消费决策、风险沟通和 AI 个性化推荐研究都有启发:如果选项之间的心理/神经相似性会改变选择结构,那么产品组合、临床方案、公共政策选项的呈现方式都可能影响最终偏好。不过,该研究目前不能直接外推到个人预测或真实市场行为;fMRI 成本高、任务简化明显,群体层面的可预测性也不等于个体层面的稳定干预工具。

信息来源

可信度说明

主要证据来自 Nature Communications 同行评议论文页面、DOI/Crossref 记录和摘要;页面显示 2026 年 6 月 21 日发表。证据边界在于实验基于彩票选择和 fMRI 样本,结果强调群体层面预测,距离个人化决策干预和真实应用仍有方法学距离。

同主题情报