人类判断中离散、重复且可缩放的模式构成了情感图片评分的基础
人机交互
2025-01-23 v1 理论经济学
神经元与认知
摘要
操作性按键任务中每个动作都有后果，其被类比为“想要”的构念，并在人类中产生量化趋近与回避行为偏好的规律性关系。目前尚不清楚无操作框架的评分任务（可类比为“喜欢”）是否展现类似的规律性关系。我们研究了由两个不同机构收集的三个独立参与者队列（N = 501、506 和 4,019），使用相同的 7 点 Likert 量表对来自 International Affective Picture Set 的图片从负向到正向偏好进行评分。无操作框架的图片评分产生了与文献中操作性按键任务报道的相似的价值函数、极限函数与权衡函数，拟合优度均高于 0.75。这些价值、极限与权衡函数在数学表述上是离散的，在所有三个独立队列中重复出现，并展示了个体与群体曲线间的缩放关系。在所有三个实验中，损失厌恶的计算显示 95% 置信区间低于数值 2，反对了相对于收益强烈高估损失的观点，而后者此前见于操作性按键任务或具有校准不确定性的机会游戏。三个队列的图示特征相似，表明偏好评估满足规律性四条标准中的三条，提供了一种简单、简短且低成本的定量评估偏好方法，无需强迫选择决策、机会游戏或操作性按键。该方法可轻易部署于任何带屏幕的数字设备（如手机）。
引用
@article{arxiv.2203.06448,
title = {Discrete, recurrent, and scalable patterns in human judgement underlie affective picture ratings},
author = {Emanuel A. Azcona and Byoung-Woo Kim and Nicole L. Vike and Sumra Bari and Shamal Lalvani and Leandros Stefanopoulos and Sean Woodward and Martin Block and Aggelos K. Katsaggelos and Hans C. Breiter},
journal= {arXiv preprint arXiv:2203.06448},
year = {2025}
}