Simple Science

La science de pointe expliquée simplement

# Biologie# Neurosciences

Confiance dans la prise de décision : le rôle des éléments visuels

L'étude montre comment les expériences passées influencent la confiance dans les décisions grâce à des motifs visuels.

― 10 min lire


Confiance dans les choixConfiance dans les choixgrâce aux indices visuelsla confiance dans les décisions.caractéristiques visuelles influencentUne étude examine comment les
Table des matières

Chaque jour, les gens prennent plein de décisions basées sur les infos qu'ils recueillent à travers leurs sens. En faisant ces choix, ils ont souvent un sentiment de Confiance en leurs décisions. Ce sentiment de confiance, c'est juste la croyance que le choix est correct selon ce qu'ils voient ou perçoivent. La confiance est super importante parce qu'elle aide les gens à ajuster leurs décisions dans leur vie quotidienne. Par exemple, si quelqu'un se sent confiant par rapport à une réponse qu'il a choisie, il est moins susceptible de la changer plus tard ou de chercher plus d'infos.

Malgré à quel point c'est courant, les chercheurs ne sont toujours pas d'accord sur comment les gens développent leur confiance dans les décisions qu'ils prennent. Certaines études suggèrent que la confiance est influencée par ce que les gens ont appris au fil du temps, notamment sur les infos qu'ils voient régulièrement autour d'eux. Ça peut inclure des trucs comme les couleurs, les formes et les motifs souvent présents dans la nature.

Dans cette étude, on voulait explorer comment les expériences passées et les connaissances aident à façonner la confiance des gens dans leurs décisions. On s'est concentré sur la compréhension des Caractéristiques Visuelles courantes qu'on trouve dans des scènes naturelles, comme des images en extérieur. Ces caractéristiques communes incluent l'orientation des lignes, des formes et d'autres éléments.

Le Rôle de la Confiance dans la Prise de Décision

Face à des décisions, surtout dans des situations incertaines, les gens s'appuient sur leurs sens. Cependant, utiliser ces sens peut amener un peu de bruit ou de confusion, ce qui rend difficile d'être sûr de ce qu'on perçoit. Les chercheurs ont découvert que le sentiment de confiance peut influencer les choix futurs et aider les gens à décider s'ils doivent chercher plus d'infos avant de se engager dans un choix.

On peut estimer la confiance en se basant sur ce que les gens savent grâce à leurs expériences passées. Par exemple, quelqu'un pourrait se sentir plus confiant dans une décision en se basant sur des connaissances accumulées au fil des ans. Ça nous amène à poser des questions sur comment les gens calculent leurs niveaux de confiance quand ils prennent ces jugements.

Comprendre le Calcul de la Confiance

Différentes théories ont été proposées pour expliquer comment les gens arrivent à leurs niveaux de confiance. Une théorie courante dit que les individus utilisent une méthode appelée inférence bayésienne. En termes simples, ça veut dire combiner ce que vous savez déjà (le prior) avec ce que vous percevez sur le moment (la vraisemblance) pour arriver à une conclusion (le posterior).

Cependant, il y a aussi d'autres modèles qui suggèrent que les gens n'utilisent pas toujours un raisonnement optimal pour déterminer leur confiance. Au lieu de ça, ils peuvent compter sur des raccourcis ou des associations apprises des expériences passées. Ça veut dire que parfois, les gens jugent leur confiance en fonction d'indices rapides et faciles au lieu de faire des calculs minutieux.

Bien que beaucoup d'études aient examiné ces idées, les résultats ont été variés. Certaines recherches soutiennent les modèles bayésiens traditionnels, tandis que d'autres études suggèrent que les gens se fient simplement à leurs instincts ou à leurs expériences apprises pour guider leurs jugements.

De plus, un gros souci dans les recherches passées, c'est que les participants recevaient souvent des infos qui ne reflétaient pas le monde naturel. Ça rendait plus difficile pour les chercheurs de comprendre comment les gens internalisaient l'information et s'ils basaient vraiment leur confiance sur des connaissances réelles sur le monde.

Statistiques des Images Naturelles et Confiance dans les Décisions

Pour éclaircir ce sujet, on a voulu étudier comment les gens utilisent leur compréhension des statistiques des images naturelles pour informer leur confiance dans leurs décisions. On a examiné comment les caractéristiques souvent vues dans la nature, comme l'orientation et la structure, pouvaient guider les niveaux de confiance des gens.

On a basé notre étude sur une expérience récente qui a montré un lien clair entre les statistiques environnementales et la façon dont les gens perçoivent l'information visuelle. Dans cette expérience, les participants ont vu des images de scènes extérieures et ont dû déterminer ce qu'ils croyaient être l'orientation "droite" de ces images.

Pour faire cette détermination, les participants devaient s'appuyer sur des caractéristiques de bas niveau des images, comme des lignes et des bords, plutôt que sur des structures complexes. On voulait savoir si les participants avaient une compréhension interne de ces caractéristiques, ou un "prior", qui pourrait les aider à guider leurs décisions et leur confiance dans ces décisions.

L'Expérience

Dans notre étude, les participants ont été invités à réaliser une tâche consistant à juger l'orientation des images de scènes naturelles. Après avoir fait leurs jugements d'orientation, ils ont aussi été invités à indiquer leur confiance dans leurs réponses. On voulait spécifiquement apprendre si leurs niveaux de confiance étaient liés à leur compréhension des caractéristiques visuelles courantes trouvées dans les images naturelles.

Pour avoir une meilleure idée de la façon dont les participants abordaient la tâche, on a utilisé plusieurs techniques de traitement d'image. On a examiné de près le lien entre leurs choix et leurs niveaux de confiance, en analysant comment les deux étaient influencés par les caractéristiques naturelles présentes dans les images.

Pendant les essais, chaque participant voyait d'abord un point de fixation central sur l'écran. Ensuite, un patch de bruit apparaissait, suivi de l'image cible, présentée dans une orientation aléatoire. Après que les participants aient ajusté l'image à ce qu'ils croyaient être la position droite, ils devaient indiquer leur niveau de confiance dans leur choix.

On avait un total de 21 participants, et ils ont complété 500 tours de la tâche. Au cours de l'étude, on a recueilli des données sur leur performance perceptuelle et leurs jugements de confiance.

Analyser la Performance

Pour comprendre à quel point les participants prenaient de bonnes décisions, on a calculé la différence entre l'orientation droite réelle des images et les Orientations choisies par les participants. Si les participants n'utilisaient pas les caractéristiques de bas niveau pour juger les images, on s'attendait à ce que leurs réponses soient aléatoires. Cependant, on a découvert que la plupart des participants avaient tendance à choisir des orientations qui correspondaient étroitement à la position droite attendue, montrant une compréhension claire des caractéristiques sous-jacentes des images.

Ensuite, on a examiné comment les niveaux de confiance étaient liés à la justesse de leurs décisions. On a découvert que les participants se sentaient le plus confiants lorsque leurs jugements s'alignaient avec l'orientation droite réelle des images. Ça suggère que les participants avaient une certaine conscience de la façon dont leurs perceptions correspondaient aux orientations attendues.

Modèles de Confiance

Pour aller plus loin, on a créé un modèle pour prédire les niveaux de confiance des participants. On a proposé plusieurs façons d'évaluer à quel point leurs décisions reflétaient les caractéristiques communes des images naturelles.

La première mesure regardait l'énergie d'orientation globale dans les images par rapport à ce que l'on trouve généralement dans la nature. On voulait voir s'il y avait une relation entre la façon dont les participants alignaient leurs réponses avec les statistiques naturelles et leurs niveaux de confiance.

On a aussi pris en compte d'autres indices potentiels qui pourraient avoir un impact sur la confiance, comme le contraste des images et le temps que les participants prenaient pour faire leurs décisions. En incorporant ces facteurs dans notre modèle, on cherchait à mieux comprendre ce qui influence la confiance des gens.

De notre analyse, il est devenu clair que la connaissance de l'énergie d'orientation et d'autres indices visuels jouaient un rôle dans la façon dont les participants jugeaient leur confiance. Par exemple, un contraste plus élevé dans les images conduisait à une plus grande confiance parmi les participants. Ça correspond avec l'idée que des images plus claires fournissent des informations visuelles plus fiables.

Internaliser les Priors Naturels

Un résultat important de notre étude, c'est que les participants semblent puiser dans un modèle internalisé des caractéristiques visuelles communes pour informer à la fois leurs décisions et leur confiance. On n'a pas donné d'instructions spécifiques sur quelles caractéristiques se concentrer. Pourtant, les participants se sont naturellement orientés vers les caractéristiques les plus courantes qu'on trouve dans les scènes naturelles.

De plus, notre recherche a montré que garder simplement une trace de la distribution complète des caractéristiques visuelles n'était pas essentiel pour faire des jugements de confiance. Au lieu de cela, les participants s'appuyaient sur certaines caractéristiques clés, comme les orientations verticales et horizontales, qu'ils reconnaissaient comme étant plus répandues dans la nature.

Ces résultats soulignent l'idée que la confiance des gens dans leurs décisions peut dépendre de manière significative de leurs expériences passées et des motifs visuels communs qu'ils ont appris à reconnaître au fil du temps.

Implications pour les Futures Recherches

Nos résultats ont des implications importantes pour les recherches futures sur la prise de décision et la confiance. En utilisant les connaissances existantes sur les statistiques naturelles, les chercheurs pourraient mieux explorer comment la confiance se forme et quels éléments y contribuent.

Un domaine à explorer davantage est la nécessité de différencier différents types de connaissances antérieures. Par exemple, ce serait utile de voir comment des caractéristiques visuelles spécifiques interagissent entre elles et comment elles pourraient influencer les jugements de confiance.

De plus, les études devraient prendre en compte comment les participants traitent l'information au fil du temps et leur capacité à internaliser les statistiques dans des environnements plus dynamiques. Ça pourrait mener à une compréhension plus complète de la confiance et des processus de prise de décision.

Conclusion

Dans cette étude, on a examiné comment les gens utilisent leur compréhension des caractéristiques visuelles communes dans des scènes naturelles pour informer leur confiance dans des décisions perceptuelles. Nos résultats suggèrent que la confiance est en effet façonnée par des expériences passées et des connaissances sur les statistiques visuelles.

Les participants ont pris des décisions basées sur des caractéristiques de bas niveau et se sont sentis confiants lorsque leurs choix reflétaient des motifs couramment observés. Cette connexion entre perception et confiance offre un aperçu de la façon dont les gens naviguent de manière adaptative dans un monde visuel complexe.

Nos résultats indiquent qu'utiliser des environnements naturalistes et des tâches qui reflètent des caractéristiques du monde réel peut être une approche précieuse dans la recherche psychologique. En s'appuyant sur des priors établis, on peut encore approfondir la base computationnelle de la confiance et les nuances des processus de prise de décision.

Source originale

Titre: Priors for natural image statistics inform confidence in perceptual decisions

Résumé: Decision confidence plays a critical role in humans ability to make adaptive decisions in a noisy perceptual world. Despite its importance, there is currently little consensus about the computations underlying confidence judgements in perceptual decisions. In order to better understand these mechanisms, in this study we sought to address the extent to which confidence is informed by a naturalistic prior probability distribution. Contrary to previous research, we did not require participants to internalise the parameters of an arbitrary prior distribution. Instead we used a novel psychophysical paradigm which allowed us to capitalise on probability distributions of low-level image features in natural scenes, which are well-known to influence perception. Participants reported the subjective upright of naturalistic image target patches, and then reported their confidence in their orientation responses. We used computational modelling to relate the statistics of the low-level features in the targets to the distribution of these features across many natural images. As expected, we found that participants used an internalised prior of the regularities of low-level natural image statistics to inform their perceptual judgements. Critically, we also show that the same low-level image statistics predict participants confidence judgements. Overall, our study highlights the importance of using naturalistic task designs that capitalise on existing, long-term priors to further our understanding of the computational basis of confidence.

Auteurs: Rebecca K West, E. J. A-Izzeddin, D. K. Sewell, W. J. Harrison

Dernière mise à jour: 2024-01-21 00:00:00

Langue: English

Source URL: https://www.biorxiv.org/content/10.1101/2023.02.19.529102

Source PDF: https://www.biorxiv.org/content/10.1101/2023.02.19.529102.full.pdf

Licence: https://creativecommons.org/licenses/by-nc/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires