No description available.

Neuroeconomics is an interdisciplinary research program with the goal of building a biological model of decision making in economic environments. Neuroeconomists ask, how does the embodied brain enable the mind (or groups of minds) to make economic decisions? By combining techniques from cognitive neuroscience and experimental economics we can now watch neural activity in real time, observe how this activity depends on the economic environment, and test hypotheses about how the emergent mind makes economic decisions. Neuroeconomics allows us to better understand both the wide range of heterogeneity in human behavior, and the role of institutions as ordered extensions of our minds. The brain is the most amazing complex organ in known universe.The brain is a organ with most amazingly magic infinite potential. Neuroplasticity: Transforming the Mind by Changing the Brain.Neuroplasticity refers to structural and functional changes in the brain that are brought about by training and experience. The brain is the organ that is designed to change in response to experience.The decision theories can be categorized into three paradigms:the normative,descriptive and prescriptive theories.The decision processing have four steps:accumulation of sensory evidence,integration of sensory signals with reward expectation and prior knowledge,comparision of current reward expectation with that in prior experience,and the selection of behavioral response.

The thesis discusses the concept of man in the standard economic thinking. It focuses on a critical evaluation of the selected fundamentals. It presents some possible alternative views which show deficiencies in axiomatics of the main currents of economic modeling. Emphasizing the interdisciplinary connections of knowledge about human thought and behavior the thesis is trying to suggest some directions for further development in the approach to human beings in economics to better reflect their defining natural characteristics. It also mentions some of the manifestations of these characteristics, which can be obtained by drawing on the knowledge of psychology, behavioral economics, neuroeconomics and other disciplines and which are inconsistent with standard models, because they lead to errors and irrationality, implicitly produce bounded rationality or attribute the constitutive importance during the formation of thought to completely different elements. In conclusion, the thesis passes to reflect the position of irrationality in the inner world of human's brain and also in the outside world - the economy.

This thesis deals with current discourse whether methods of neuroscience generate useful tools for standard economics to understand, predict and ideally guide behavior of humans, social groups and the whole economies. An initial methodological analysis concluded that the usefulness of neuroeconomics is still only potential, since this approach is not able to answer substantial questions of economics in better way than tools existing. Following sections of thesis summarized representative research in the field of decision neuroscience in the areas of intertemporal decisions, decision-making under risk and uncertainty and the strategic interactions, and social preferences respectively. It has been demonstrated that many findings of decision neuroscience offer a partial confirmation of specific economic models already or provide inspiration for creating new ones.

[pt] A tomada de decisão vem sendo estudada por diversos campos do conhecimento e pode ser entendida como a capacidade de processar informações de um contexto, escolher entre duas ou mais opções e apreender com os resultados destas escolhas. Além de ser relacionada ao processamento cognitivo de informações, nas últimas décadas, diversos estudos têm apontado efeitos do processamento emocional na capacidade decisória. A alexitimia, uma condição caracterizada por dificuldades de identificar, compreender e verbalizar emoções têm sido relacionados com pior desempenho da tomada de decisão. O estresse causado pela pandemia de COVID-19 vem sendo associado com maior prevalência de transtornos mentais e alterações afetivas, contudo, poucos estudos têm explorado o impacto da COVID-19 na tomada de decisão. Sendo assim, o objetivo do presente trabalho é explorar efeitos de contexto na tomada de decisão, explorando a relação desta com níveis de alexitimia dos indivíduos e variáveis relacionadas a pandemia de COVID-19. Para concluir os objetivos desta tese, quatro manuscritos foram produzidos. No primeiro manuscrito foi apresentado uma revisão sobre a história da neuroeconomia, uma perspectiva interdisciplinar do estudo da tomada de decisão que integra cognição, comportamento e o funcionamento do sistema nervoso. O segundo manuscrito apresenta uma comparação entre duas versões brasileiras (uma convertendo o dólar ao real por valor equivalente e outra convertendo pelo câmbio) do Monetary Choice Questionnaire (MCQ-27), uma tarefa de desconto de futuro usada para medir decisões intertemporais. Este trabalho não mostrou diferenças entre as duas versões do MCQ-27. O terceiro manuscrito investigou as relações entre alexitimia e a tomada de decisão intertemporal de risco e de ambiguidade. Neste estudo a alexitimia esteve relacionada a déficits na tomada de decisão em contexto intertemporal e de ambiguidade, e não para risco. Por fim o manuscrito quatro explorou a influência da COVID-19 em ambos os contextos de tomada de decisão. Os resultados mostraram relações positivas apenas para a tomada de decisão sob risco, frente as variáveis gravidade dos sintomas de COVID-19 no participante e gravidade dos sintomas em seus familiares. Para ambos os estudos empíricos uma mesma amostra de 438 voluntários (M = 29.09 anos, DP = 7.80, 67.8 por cento mulheres) foi utilizada. Os resultados deste estudo contribuem para o entendimento da tomada de decisão e para compreensão da influência do processamento emocional e de variáveis de uma pandemia nas escolhas dos indivíduos. / [en] Decision-making has been studied by various fields of knowledge and can be understood as the ability to process information from a context, choose between two or more options, and learn from the results of these choices. In addition to being related to cognitive processing of information, in recent decades, several studies have pointed out the effects of emotion and context on decision-making ability. Alexithymia, a condition characterized by difficulties in identifying, understanding, and verbalizing emotions, has been associated with poorer decision-making performance. The stress caused by the COVID-19 pandemic has been associated with a higher prevalence of mental disorders and affective changes, however, few studies have explored the impact of COVID-19 on decision-making. Therefore, the objective of this study is to explore context effects on decision-making, investigating its relationship with individuals levels of alexithymia and variables related to the COVID-19 pandemic. To achieve the objectives of this thesis, four manuscripts were produced. The first manuscript presented a review of the history of neuroeconomics, an interdisciplinary perspective of decision-making that integrates cognition, behavior, and nervous system functioning. The second manuscript compares two Brazilian versions of the Monetary Choice Questionnaire (MCQ-27; one converting the dollar to the equivalent value of the real and the other converting it by exchange rate), a task of delay discounting used to measure intertemporal decisions. This study showed no differences between the two versions of the MCQ-27. The third manuscript investigated the relationships between alexithymia and intertemporal decision-making under risk and ambiguity. In this study, alexithymia was related to deficits in decision-making in intertemporal and ambiguous contexts, but not for risk. Finally, the fourth manuscript explored the influence of COVID-19 on both decision-making contexts. The results showed positive relationships only for decision-making under risk, with the severity of COVID-19 symptoms in the participant and severity of symptoms in their family members. For both empirical studies, a same sample of 438 volunteers (M = 29.09 years, SD = 7.80, 67.8 percent female) was used. The results of this study contribute to the understanding of decision-making and to the comprehension of the influence of alexithymia and pandemic-related variables on individuals choices.

Ausgangspunkt dieser Dissertation ist, dass mit stabilen Präferenzen unvereinbares Verhalten für die Standardökonomik eine Herausforderung darstellt. Eines der sich stellenden Probleme ist, dass sich wandelnde Präferenzen der normativen Analyse abträglich sind: Wenn nicht vorhersagbar ist, ob und wie Präferenzen abhängig von der Situation und von institutionellen Arrangements variieren, lässt sich keine optimale Wirtschaftspolitik bestimmen. Es wird argumentiert, dass die Ökonomik daher auch in Betracht ziehen muss, wie Präferenzen evolvieren und wie ökonomische Akteure Informationen - z. B. Wahrscheinlichkeiten und Auszahlungen -verarbeiten. In den folgenden Kapiteln werden zwei Studien vorgestellt, die dieses Ziel verfolgen, indem sie den Prozess der Entscheidungsfindung experimentell untersuchen. Die erste Studie, "Kognitive Last erhöht Risikoaversion", zeigt, dass eine spezifische Änderung des Entscheidungsumfelds - nämlich eine Erhöhung der kognitiven Last - einen messbaren Einfluss auf die Risikoeinstellungen der Versuchspersonen hatte. Zudem werden die beobachteten Verhaltensänderungen in Verbindung zu existierenden Mehr-System-Modellen der Entscheidungsfindung gesetzt. Die ebenfalls gemessenen Reaktionszeiten bestätigt die Interpretation, dass die Entscheidungsfindung unter Risiko das Produkt interagierender Systeme im menschlichen Hirn ist. Die zweite Studie, "Soziales Lernen auf Finanzmärkten", verfolgt das Ziel, die normalerweise verborgenen Komponenten Präferenzen und Überzeugungen beobachtbar zu machen. Zu diesem Zweck absolvierten Versuchspersonen ein Experiment, während ihre Hirnaktivierung per funktioneller Magnetresonanztomografie gemessen wurde. Dies erweitert den analysierbaren Datensatz über die getroffenen Entscheidungen hinaus um Maße der Hirnaktivierung. Dadurch trägt diese Studie zur Identifizierung der Faktoren bei, die bestimmen, in welchem Umfang wir aus der Beobachtung der Entscheidungen anderer lernen. / The point of departure of this dissertation is that behavior which is inconsistent with stable preferences poses a challenge for mainstream economics. One of the issues that arise is that changing preferences are detrimental to the objective of normative economics: If one cannot predict whether and how people’s preferences vary across situations or institutions, one cannot determine which economic policy would be optimal. Based on this, it is argued that economics has to take into account how preferences evolve and how information - e.g., probabilities and payoffs - is processed by economic agents. In the following two chapters, two experimental studies are presented that pursue this goal by investigating the process by which people make decisions. The first study, "Cognitive load increases risk aversion," shows that a specific change in the environment - in this case, an increase in cognitive load - had a measurable impact on subjects’ risk attitudes. Importantly, it also relates the observed changes to existing dual-system models of decision making. The response times which were recorded in addition to subjects’ choices contribute to the interpretation of the study’s findings, since they support the view that decision making under risk is the product of interacting systems in the human brain. The second study, "Social learning in asset markets," has the objective of making the latent components preferences and beliefs observable. To this end, subjects participated in a social-learning experiment while their brain activation was recorded via functional magnetic-resonance imaging. This enlarges the analyzable dataset through measures of subjects’ brain activation in addition to subjects’ choices. In doing so, the study contributes to identifying the factors that shape to what extent we learn from observing the choices of other human beings.

Les études neurophysiologiques de la prise de décision, traditionnellement ancrées dans des principes neuro-économiques, ont évoluées pour inclure une variété d’aires du cerveau. Partant d’abord du lobe frontal associé aux jugements de valeur, le champ s’est élargi pour inclure d’autres types de décisions incluant les décisions perceptuelles et les décisions incarnées qui impliquent notamment les aires sensorimotrices du cerveau. La théorie moderne de la prise de décision modèle l’activité neurale dans ces régions comme une compétition entre les différents stimuli et actions considérés par un individu. Cette compétition est résolue lorsque l’activité neurale associée à un stimulus ou une action choisie atteint un seuil critique. Toutefois, il reste à éclaircir comment ce modèle s’applique aux décisions effectuées alors que l’individu est déjà engagé dans une activité. Dans ce mémoire nous examinons ce type de décision chez des sujets humains dans une tâche de suivi continu. Des cibles « choix » apparaissaient sur un écran pendant que le sujet suivait de la main une cible qui se déplaçait doucement en continu. Le sujet pouvait ignorer ces cibles choix, ou abandonner la cible suivie pour toucher une cible choix, dans quel cas la cible sélectionnée devenait la nouvelle cible à suivre du doigt. Tel qu’attendu, nous avons observé que les sujets favorisaient les cibles plus proches, plus grandes, et les cibles alignées avec l’axe du mouvement. Toutefois nous avons été surpris de constater que les sujets ignoraient les coûts énergétiques du mouvement, tel que modélisés. Un biais pour minimiser les coûts du mouvement fut réintroduis lorsque la tâche fut divisée en séries de mouvements point-à-point, plutôt qu’un mouvement continu. Même si nous ne pouvons expliquer ce résultat surprenant, nous espérons qu’il inspire de futures études utilisant le paradigme expérimental de décision durant l’action. / Neurophysiological studies of decision-making have expanded over decades to involve many brain areas. The field broadened from neuroeconomics, mainly concerned with frontal regions, to perceptual or embodied decision-making involving several sensorimotor areas where neural activity is linked to the stimuli and actions necessary for the decision process. Current models of decision-making envision this neural activity as a competition between different actions that is resolved when enough activity favors one over the other. However, it is unclear how such models can explain decisions often present in natural behavior, where deliberation takes place while already engaged in an action. In this thesis, we examined the choices human subjects made as they were engaged in a continuous tracking task. While they were manually tracking a target on a flat screen, subjects were occasionally presented with a new target to which they could freely choose to switch, whereupon it became the new tracked target. As expected, we found that subjects were more likely to move to closer targets, bigger targets, or targets that were aligned to the direction of movement. However, we were surprised that subjects did not choose targets that minimized energetic cost, as calculated by a biomechanical model of the arm. A biomechanical bias was restored when the continuous movement was broken up into a series of point to point movements. While we cannot yet explain these findings with certainty, we hope they will inspire further studies using decide-while-acting paradigms.

La prise de décision est un processus computationnel fondamental dans de nombreux aspects du comportement animal. Le modèle le plus souvent rencontré dans les études portant sur la prise de décision est appelé modèle de diffusion. Depuis longtemps, il explique une grande variété de données comportementales et neurophysiologiques dans ce domaine. Cependant, un autre modèle, le modèle d’urgence, explique tout aussi bien ces mêmes données et ce de façon parcimonieuse et davantage encrée sur la théorie. Dans ce travail, nous aborderons tout d’abord les origines et le développement du modèle de diffusion et nous verrons comment il a été établi en tant que cadre de travail pour l’interprétation de la plupart des données expérimentales liées à la prise de décision. Ce faisant, nous relèveront ses points forts afin de le comparer ensuite de manière objective et rigoureuse à des modèles alternatifs. Nous réexaminerons un nombre d’assomptions implicites et explicites faites par ce modèle et nous mettrons alors l’accent sur certains de ses défauts. Cette analyse servira de cadre à notre introduction et notre discussion du modèle d’urgence. Enfin, nous présenterons une expérience dont la méthodologie permet de dissocier les deux modèles, et dont les résultats illustrent les limites empiriques et théoriques du modèle de diffusion et démontrent en revanche clairement la validité du modèle d'urgence. Nous terminerons en discutant l'apport potentiel du modèle d'urgence pour l'étude de certaines pathologies cérébrales, en mettant l'accent sur de nouvelles perspectives de recherche. / Decision‐making is a computational process of fundamental importance to many aspects of animal behavior. The prevailing model in the experimental study of decision‐making is the drift‐diffusion model, which has a long history and accounts for a broad range of behavioral and neurophysiological data. However, an alternative model – called the urgency‐gating model – has been offered which can account equally well for much of the same data in a more parsimonious and theoretically‐sound manner. In what follows, we will first trace the origins and development of the DDM, as well as give a brief overview of the manner in which it has supplied an explanatory framework for a large number of behavioral and physiological studies in the domain of decision‐making. In so doing, we will attempt to build a strong and clear case for its strengths so that it can be fairly and rigorously compared to potential alternative models. We will then re‐examine a number of the implicit and explicit theoretical assumptions made by the drift‐diffusion model, as well as highlight some of its empirical shortcomings. This analysis will serve as the contextual backdrop for our introduction and discussion of the urgency‐gating model. Finally, we present a novel experiment, the methodological design of which uniquely affords a decisive empirical dissociation of the models, the results of which illustrate the empirical and theoretical shortcomings of the drift‐diffusion model and instead offer clear support for the urgency‐gating model. We finish by discussing the potential for the urgency gating model to shed light on a number of clinical disorders, highlighting a number of future directions for research.

Making decisions is a dynamic process. Especially when we face a decision between conflicting options, different forces seem to drag our mind from one option to the other one (James, 1890), again and again. This process may last for a long time, sometimes only coming to a decision when we are finally forced to choose, e.g. by an important deadline. Psychology and many other disciplines were interested in how humans make decisions from their beginnings on. Many different influences on decisions were discovered (e.g. Kahneman & Tversky, 1979; Todd & Gigerenzer, 2000). In the face of these advances, it seems odd, that knowledge about the ongoing process of reaching a decision is rare and much of the investigation has focused on the final outcome of choice situations (Townsend & Busemeyer, 1995). A very recent approach, called neuroeconomics, started out to investigate what happens behind the scenes of a final decision. Using modern neuroimaging methods, many neuroeconomists explain decision making in the brain in terms of a hierarchy of different neural modules that work together like a big corporation to finally make the best possible decision (Sanfey, Loewenstein, McClure, & Cohen, 2006). However, the focus on neural modules also limits this approach to a quite static view of decision making and many questions, related to the dynamic aspects of decision making, still remain open: How do we continuously control impulsive or habitual tendencies in our decisions when we pursue long-term goals? How do we shift attention back and forth between (goal) relevant properties of choice options? How do we adjust and readjust our focus of attention to relevant information in order to avoid distraction by irrelevant or misleading information? And how are we influenced by the environmental context when we make decisions? The present work aims to show how an approach based on the concepts of dynamic systems theory could complement the module oriented approach and enhance our knowledge of the processes of decision making. Chapter 2 elaborates the limits of the module oriented approach, with a special focus on decisions under conflict, when we are faced with conflicting information, and introduces the principles of a complementary dynamic approach. Chapter 3 deduces the dynamic hypothesis of this work: ongoing processes interactions at different time scales can explain specific cognitive functions without postulating specialized modules for this function. To approach this hypothesis, chapter 4 will develop a theoretical and empirical framework to study decision making dynamically. The empirical part, building on the empirical framework, starts with chapter 5 presenting an EEG experiment. Chapter 6 presents two mouse tracking experiments, and chapter 7 presents a modelling study, reproducing the empirical data of chapters 5 and 6. The general discussion in chapter 8 summarizes the theoretical and empirical results and discusses possible limitations. Finally, chapter 9 discusses the implications of the dynamic approach to decision making, presents an outlook on future research projects, and closes the work by offering a dynamic picture of the processes behind the stage of a final decision. / „Man kann nicht beides haben: Den Rahm und die Butter.“ - „Wer die Wahl hat, hat die Qual.“ Mit diesen Sprichwörtern beklagt der Volksmund, womit das Leben uns immer wieder konfrontiert: wir müssen entscheiden, und oftmals führt uns das in Entscheidungskonflikte. Im Dilemma solcher Konflikte mag es begründet sein, dass das Thema der vorliegenden Arbeit, die Entscheidungsforschung, nicht nur in der Psychologie schon immer eine wichtige Rolle spielte, sondern auch in anderen Disziplinen, wie der Ökonomie, der angewandten Mathematik und der Philosophie. Die langjährigen Bestrebungen, diese unterschiedlichen Fachbereiche zu integrieren (z.B. Kahneman & Tversky, 1979; von Neumann & Morgenstern, 1944; Savage, 1972), münden aktuell in das Forschungsgebiet der Neuroökonomie (Camerer, Loewenstein, & Prelec, 2005; Loewenstein, Rick, & Cohen, 2008; Sanfey, Loewenstein, McClure, & Cohen, 2006). Neuroökonomen nutzen vielfach die Methoden der bildgebenden Hirnforschung, um durch die Lokalisierung der neuronalen Basis hierarchisch gegliederter Module Entscheidungsprozesse zu erklären (z.B. Sanfey et al., 2006; Fellows, 2004). Während die Anwendung bildgebender Methoden Potential birgt (z.B. Harrison, 2008), ist es vor allem der modulorientierte Ansatz, der das Risiko einer zu eingeschränkten Sichtweise auf Entscheidungsprozesse trägt (z.B. Ortmann, 2008; Oullier & Kelso, 2006). Dies zeigt sich zum Beispiel im von der kognitiven Psychologie intensiv erforschten Bereich von Entscheidungen unter Konflikt. Eine zentrale Rolle bei dieser Art von Entscheidungen spielen kognitive Kontrollprozesse, die der Umsetzung zielorientierten Verhaltens (Norman & Shallice, 2000) durch Konfliktlösung und -anpassung dienen. Als Bindeglied dieser beiden Prozesse gilt die Detektion von Entscheidungskonflikten, welche die vorherrschende Conflict Monitoring Theory (Botvinick, Braver, Barch, Carter, & Cohen, 2001) entsprechend dem modulorientiertem Ansatz einem speziellen neuronalen Modul zuordnet, das im anterioren cingulären Cortex lokalisiert ist (Botvinick, Cohen, & Carter, 2004). Die Probleme eines einseitigen modulorientierten Ansatzes verdeutlichen hier unter anderem die widersprüchliche Befundlage (z.B. Mansouri, Tanaka, & Buckley, 2009) und die letztlich weiterhin ungeklärte Frage nach den zugrundeliegenden Prozessen. Die Arbeit hat deshalb zum Ziel, den modulorientierten Ansatz um einen komplementären Ansatz auf Basis der Theorie dynamischer Systeme (Dynamical Systems Theory, DST) zu ergänzen. Aus dem grundlegenden DST-Prinzip der kontinuierlichen (z.B. Spivey, 2007) Interaktion rückgekoppelter Komponenten (z.B. Kelso, 1995; Van Orden, Holden, & Turvey, 2003) wird zunächst die dynamische Hypothese abgeleitet, dass sich Effekte auf verschiedenen Zeitskalen gegenseitig bedingen und einander hervorbringen. Für Entscheidungen unter Konflikt bedeutet dies, dass sich die Prozesse der Konfliktlösung und anpassung durch ihre direkte Interaktion im kognitiven System gegenseitig erzeugen. Zur Überprüfung dieser Hypothese werden innerhalb der Arbeit generelle empirische Strategien entwickelt, welche die Untersuchung von Entscheidungsprozessen auf verschiedenen Zeitskalen ermöglichen. Im empirischen Teil der Arbeit werden sodann zwei dieser Strategien zur Anwendung gebracht, um den Erkenntnisgewinn des dynamischen Ansatzes zu illustrieren. Zunächst wird in einer EEG-Studie eine Frequency-Tagging-Methode (z.B. Müller & Hübner, 2002; Müller, Andersen, & Keil, 2007) auf die Untersuchung der kognitiven Kontrollprozesse in einer Flanker-Aufgabe (Eriksen & Eriksen, 1974) adaptiert. Die neue Kombination einer kontinuierlichen neurophysiologischen Methode und eines klassischen Konflikt-Paradigmas ermöglicht die gleichzeitige Untersuchung kontinuierlicher Veränderungen der Aufmerksamkeit auf relevante und irrelevante Information. Die Ergebnisse der Studie stützen die Hypothese einer direkten Interaktion von Prozessen der Konfliktlösung und -anpassung und stellen bereits einen Widerspruch zur Conflict Monitoring Theory dar. Als weitere empirische Strategie wird in zwei Experimenten die Methode des Maus-Tracking (z.B. Buetti & Kerzel, 2009; Song & Nakayama, 2009; Spivey, Grosjean, & Knoblich, 2005) im Rahmen einer Simon-Aufgabe (Simon, 1969) eingesetzt. Die erneute Kombination einer kontinuierlichen Methode, diesmal auf Reaktionsebene, mit einem klassischen Konflikt-Paradigma erlaubt die Messung von Verhaltenstendenzen im Verlauf des gesamten Entscheidungsprozesses. Mit Hilfe einer neu entwickelten regressionsbasierten Analysemethode werden die Subprozesse einzelner Entscheidungen separiert und Einblicke in die Dynamik von Konfliktlösung und -anpassung gewonnen. Die Ergebnisse zeigen ein komplexes Muster zeitlicher Interaktion zwischen den beiden kognitiven Kontrollprozessen, wobei die Konfliktanpassung zeitlich unabhängig von der Verarbeitung irrelevanter Information ist. Dies steht erneut im Widerspruch zu Annahmen der Conflict Monitoring Theory. Zusammenfassend stützen die empirischen Ergebnisse die dynamische Hypothese der kontinuierlichen Interaktion rückgekoppelter Komponenten und werden im nächsten Schritt in einem dynamisch-konnektionistischen Netzwerkmodell integriert. Als Alternative zum Modell der Conflict Monitoring Theory verzichtet es entsprechend dem dynamischen Ansatz auf ein Conflict Monitoring Modul (Botvinick et al., 2001). Es verfügt stattdessen über Verarbeitungs-Prozesse auf verschiedenen Zeitskalen (Kiebel, Daunizeau, & Friston, 2008) und eine Rückkopplung zwischen der Netzwerkschicht, die der Informationsverarbeitung dient, und jener, die der Zielrepräsentation dient (Gilbert & Shallice, 2002; Cohen & Huston, 1994). Die Ergebnisse der Simulation zeigen, dass das Modell sowohl die klassischen Befunde zur Konfliktlösung und anpassung (z.B. Gratton, Coles, & Donchin, 1992), als auch das in den empirischen Studien gefundene kontinuierliche Datenmuster von Entscheidungsprozessen reproduziert. Die empirischen Befunde und die Ergebnisse der Modellierung bestätigen somit die postulierte dynamische Hypothese, dass sich Effekte auf verschiedenen Zeitskalen gegenseitig bedingen und einander hervorbringen. Dies verdeutlicht den komplementären Wert des dynamischen Ansatzes zum modulorientierten Ansatz, welcher vielfach in der Neuroökonomie verfolgt wird. Der hier entwickelte DST-basierte Ansatz bietet somit sowohl ein komplementäres Denkmodell, welches wie der modulorientierte Ansatz eine Verbindung zwischen den Phänomenen auf neuronaler und Verhaltensebene herstellt, als auch neue empirische Methoden zur dynamischen Erforschung von Entscheidungen. Daraus wird abschließend eine Fokuserweiterung für die zukünftige Forschung abgeleitet: zum einen auf die kontinuierlichen Prozesse, welche zu einer Entscheidung führen, und zum anderen auf die Interaktionsdynamik dieser Prozesse. Die Arbeit schließt mit dem Bild eines Entscheidungsprozesses als einer selbstorganisierten, metastabilen Balance (z.B. Kelso, 1995) bei der Lösung verschiedener Entscheidungsdilemmata (Goschke, 2003).

Making decisions is a dynamic process. Especially when we face a decision between conflicting options, different forces seem to drag our mind from one option to the other one (James, 1890), again and again. This process may last for a long time, sometimes only coming to a decision when we are finally forced to choose, e.g. by an important deadline. Psychology and many other disciplines were interested in how humans make decisions from their beginnings on. Many different influences on decisions were discovered (e.g. Kahneman & Tversky, 1979; Todd & Gigerenzer, 2000). In the face of these advances, it seems odd, that knowledge about the ongoing process of reaching a decision is rare and much of the investigation has focused on the final outcome of choice situations (Townsend & Busemeyer, 1995). A very recent approach, called neuroeconomics, started out to investigate what happens behind the scenes of a final decision. Using modern neuroimaging methods, many neuroeconomists explain decision making in the brain in terms of a hierarchy of different neural modules that work together like a big corporation to finally make the best possible decision (Sanfey, Loewenstein, McClure, & Cohen, 2006). However, the focus on neural modules also limits this approach to a quite static view of decision making and many questions, related to the dynamic aspects of decision making, still remain open: How do we continuously control impulsive or habitual tendencies in our decisions when we pursue long-term goals? How do we shift attention back and forth between (goal) relevant properties of choice options? How do we adjust and readjust our focus of attention to relevant information in order to avoid distraction by irrelevant or misleading information? And how are we influenced by the environmental context when we make decisions? The present work aims to show how an approach based on the concepts of dynamic systems theory could complement the module oriented approach and enhance our knowledge of the processes of decision making. Chapter 2 elaborates the limits of the module oriented approach, with a special focus on decisions under conflict, when we are faced with conflicting information, and introduces the principles of a complementary dynamic approach. Chapter 3 deduces the dynamic hypothesis of this work: ongoing processes interactions at different time scales can explain specific cognitive functions without postulating specialized modules for this function. To approach this hypothesis, chapter 4 will develop a theoretical and empirical framework to study decision making dynamically. The empirical part, building on the empirical framework, starts with chapter 5 presenting an EEG experiment. Chapter 6 presents two mouse tracking experiments, and chapter 7 presents a modelling study, reproducing the empirical data of chapters 5 and 6. The general discussion in chapter 8 summarizes the theoretical and empirical results and discusses possible limitations. Finally, chapter 9 discusses the implications of the dynamic approach to decision making, presents an outlook on future research projects, and closes the work by offering a dynamic picture of the processes behind the stage of a final decision.:Statement I Brief Contents III Contents V Figures IX Chapter 1 Introduction 1 Chapter 2 Decision making under conflict 3 Chapter 3 Investigating decision making under conflict dynamically 14 Chapter 4 Making decisions with a continuous mind 17 Chapter 5 The dynamics of cognitive control: evidence for within trial conflict adaptation from frequency tagged EEG 56 Chapter 6 How decisions evolve: the temporal dynamics of action selection 77 Chapter 7 Dynamic goal states: adapting cognitive control at different time scales without conflict monitoring 97 Chapter 8 General discussion 115 Chapter 9 Conclusion and outlook 123 References 130 Deutsche Zusammenfassung 153 Appendix I Supplementary material for chapter 5 159 Appendix II Model formulas for chapter 7 163 / „Man kann nicht beides haben: Den Rahm und die Butter.“ - „Wer die Wahl hat, hat die Qual.“ Mit diesen Sprichwörtern beklagt der Volksmund, womit das Leben uns immer wieder konfrontiert: wir müssen entscheiden, und oftmals führt uns das in Entscheidungskonflikte. Im Dilemma solcher Konflikte mag es begründet sein, dass das Thema der vorliegenden Arbeit, die Entscheidungsforschung, nicht nur in der Psychologie schon immer eine wichtige Rolle spielte, sondern auch in anderen Disziplinen, wie der Ökonomie, der angewandten Mathematik und der Philosophie. Die langjährigen Bestrebungen, diese unterschiedlichen Fachbereiche zu integrieren (z.B. Kahneman & Tversky, 1979; von Neumann & Morgenstern, 1944; Savage, 1972), münden aktuell in das Forschungsgebiet der Neuroökonomie (Camerer, Loewenstein, & Prelec, 2005; Loewenstein, Rick, & Cohen, 2008; Sanfey, Loewenstein, McClure, & Cohen, 2006). Neuroökonomen nutzen vielfach die Methoden der bildgebenden Hirnforschung, um durch die Lokalisierung der neuronalen Basis hierarchisch gegliederter Module Entscheidungsprozesse zu erklären (z.B. Sanfey et al., 2006; Fellows, 2004). Während die Anwendung bildgebender Methoden Potential birgt (z.B. Harrison, 2008), ist es vor allem der modulorientierte Ansatz, der das Risiko einer zu eingeschränkten Sichtweise auf Entscheidungsprozesse trägt (z.B. Ortmann, 2008; Oullier & Kelso, 2006). Dies zeigt sich zum Beispiel im von der kognitiven Psychologie intensiv erforschten Bereich von Entscheidungen unter Konflikt. Eine zentrale Rolle bei dieser Art von Entscheidungen spielen kognitive Kontrollprozesse, die der Umsetzung zielorientierten Verhaltens (Norman & Shallice, 2000) durch Konfliktlösung und -anpassung dienen. Als Bindeglied dieser beiden Prozesse gilt die Detektion von Entscheidungskonflikten, welche die vorherrschende Conflict Monitoring Theory (Botvinick, Braver, Barch, Carter, & Cohen, 2001) entsprechend dem modulorientiertem Ansatz einem speziellen neuronalen Modul zuordnet, das im anterioren cingulären Cortex lokalisiert ist (Botvinick, Cohen, & Carter, 2004). Die Probleme eines einseitigen modulorientierten Ansatzes verdeutlichen hier unter anderem die widersprüchliche Befundlage (z.B. Mansouri, Tanaka, & Buckley, 2009) und die letztlich weiterhin ungeklärte Frage nach den zugrundeliegenden Prozessen. Die Arbeit hat deshalb zum Ziel, den modulorientierten Ansatz um einen komplementären Ansatz auf Basis der Theorie dynamischer Systeme (Dynamical Systems Theory, DST) zu ergänzen. Aus dem grundlegenden DST-Prinzip der kontinuierlichen (z.B. Spivey, 2007) Interaktion rückgekoppelter Komponenten (z.B. Kelso, 1995; Van Orden, Holden, & Turvey, 2003) wird zunächst die dynamische Hypothese abgeleitet, dass sich Effekte auf verschiedenen Zeitskalen gegenseitig bedingen und einander hervorbringen. Für Entscheidungen unter Konflikt bedeutet dies, dass sich die Prozesse der Konfliktlösung und anpassung durch ihre direkte Interaktion im kognitiven System gegenseitig erzeugen. Zur Überprüfung dieser Hypothese werden innerhalb der Arbeit generelle empirische Strategien entwickelt, welche die Untersuchung von Entscheidungsprozessen auf verschiedenen Zeitskalen ermöglichen. Im empirischen Teil der Arbeit werden sodann zwei dieser Strategien zur Anwendung gebracht, um den Erkenntnisgewinn des dynamischen Ansatzes zu illustrieren. Zunächst wird in einer EEG-Studie eine Frequency-Tagging-Methode (z.B. Müller & Hübner, 2002; Müller, Andersen, & Keil, 2007) auf die Untersuchung der kognitiven Kontrollprozesse in einer Flanker-Aufgabe (Eriksen & Eriksen, 1974) adaptiert. Die neue Kombination einer kontinuierlichen neurophysiologischen Methode und eines klassischen Konflikt-Paradigmas ermöglicht die gleichzeitige Untersuchung kontinuierlicher Veränderungen der Aufmerksamkeit auf relevante und irrelevante Information. Die Ergebnisse der Studie stützen die Hypothese einer direkten Interaktion von Prozessen der Konfliktlösung und -anpassung und stellen bereits einen Widerspruch zur Conflict Monitoring Theory dar. Als weitere empirische Strategie wird in zwei Experimenten die Methode des Maus-Tracking (z.B. Buetti & Kerzel, 2009; Song & Nakayama, 2009; Spivey, Grosjean, & Knoblich, 2005) im Rahmen einer Simon-Aufgabe (Simon, 1969) eingesetzt. Die erneute Kombination einer kontinuierlichen Methode, diesmal auf Reaktionsebene, mit einem klassischen Konflikt-Paradigma erlaubt die Messung von Verhaltenstendenzen im Verlauf des gesamten Entscheidungsprozesses. Mit Hilfe einer neu entwickelten regressionsbasierten Analysemethode werden die Subprozesse einzelner Entscheidungen separiert und Einblicke in die Dynamik von Konfliktlösung und -anpassung gewonnen. Die Ergebnisse zeigen ein komplexes Muster zeitlicher Interaktion zwischen den beiden kognitiven Kontrollprozessen, wobei die Konfliktanpassung zeitlich unabhängig von der Verarbeitung irrelevanter Information ist. Dies steht erneut im Widerspruch zu Annahmen der Conflict Monitoring Theory. Zusammenfassend stützen die empirischen Ergebnisse die dynamische Hypothese der kontinuierlichen Interaktion rückgekoppelter Komponenten und werden im nächsten Schritt in einem dynamisch-konnektionistischen Netzwerkmodell integriert. Als Alternative zum Modell der Conflict Monitoring Theory verzichtet es entsprechend dem dynamischen Ansatz auf ein Conflict Monitoring Modul (Botvinick et al., 2001). Es verfügt stattdessen über Verarbeitungs-Prozesse auf verschiedenen Zeitskalen (Kiebel, Daunizeau, & Friston, 2008) und eine Rückkopplung zwischen der Netzwerkschicht, die der Informationsverarbeitung dient, und jener, die der Zielrepräsentation dient (Gilbert & Shallice, 2002; Cohen & Huston, 1994). Die Ergebnisse der Simulation zeigen, dass das Modell sowohl die klassischen Befunde zur Konfliktlösung und anpassung (z.B. Gratton, Coles, & Donchin, 1992), als auch das in den empirischen Studien gefundene kontinuierliche Datenmuster von Entscheidungsprozessen reproduziert. Die empirischen Befunde und die Ergebnisse der Modellierung bestätigen somit die postulierte dynamische Hypothese, dass sich Effekte auf verschiedenen Zeitskalen gegenseitig bedingen und einander hervorbringen. Dies verdeutlicht den komplementären Wert des dynamischen Ansatzes zum modulorientierten Ansatz, welcher vielfach in der Neuroökonomie verfolgt wird. Der hier entwickelte DST-basierte Ansatz bietet somit sowohl ein komplementäres Denkmodell, welches wie der modulorientierte Ansatz eine Verbindung zwischen den Phänomenen auf neuronaler und Verhaltensebene herstellt, als auch neue empirische Methoden zur dynamischen Erforschung von Entscheidungen. Daraus wird abschließend eine Fokuserweiterung für die zukünftige Forschung abgeleitet: zum einen auf die kontinuierlichen Prozesse, welche zu einer Entscheidung führen, und zum anderen auf die Interaktionsdynamik dieser Prozesse. Die Arbeit schließt mit dem Bild eines Entscheidungsprozesses als einer selbstorganisierten, metastabilen Balance (z.B. Kelso, 1995) bei der Lösung verschiedener Entscheidungsdilemmata (Goschke, 2003).:Statement I Brief Contents III Contents V Figures IX Chapter 1 Introduction 1 Chapter 2 Decision making under conflict 3 Chapter 3 Investigating decision making under conflict dynamically 14 Chapter 4 Making decisions with a continuous mind 17 Chapter 5 The dynamics of cognitive control: evidence for within trial conflict adaptation from frequency tagged EEG 56 Chapter 6 How decisions evolve: the temporal dynamics of action selection 77 Chapter 7 Dynamic goal states: adapting cognitive control at different time scales without conflict monitoring 97 Chapter 8 General discussion 115 Chapter 9 Conclusion and outlook 123 References 130 Deutsche Zusammenfassung 153 Appendix I Supplementary material for chapter 5 159 Appendix II Model formulas for chapter 7 163