Šiuo tyrimu siekiama išanalizuoti populiariausių vartotojo sąsajos tyrimų metodus ir įvertinti juos įvairiais aspektais bei nustatyti jų taikymo atvejus. Taip pat suprojektuoti eksperimentinę erdvę ir atlikti tyrimą su vienu iš vartotojo sąsajos tyrimo metodu. Išanalizuoti rezultatus ir juos palyginti su panašiu vartotojo sąsajos tyrimo metodu. Galiausiai ieškosime būdų pagerinti šio metodo tikslumui. Analizės metu buvo įvertinta 15 vartotojo sąsajos metodų. Remiantis žiniomis įgautomis atliekant literatūros analizę apie vartotojo sąsajos tyrimų atlikimo eigą ir vertinimo parametrus buvo atliktas eksperimentas, kurio tikslas ištirti pelės sekimo tikslumą lyginant su akių sekimo metodo tikslumu. Išaiškinus priežastis lemiančias pelės sekimo metodo tikslumą, jas pašalinome ir pakartojome eksperimentą. Atlikus eksperimentus paaiškėjo, kad pagrindinis veiksnys lemiantis pelės sekimo metodo tikslumą yra dalyvių pasyvumas, o dalyvius informavus apie pelės judinimo būtinybę kartu su akių judesiais, užfiksuotas šio metodo tikslumo padidėjimas iki 47% - 77%. / In this research we are going to analyze most popular user interface research methods and evaluate them in different aspects and determinate their use of cases. In addition, create experimental space for one of the user interface methods research. Analyze results and compare with similar method. Lastly, we will look for solutions to increase its accuracy. 15 user interface research methods were evaluated in analyze stage. From gathered knowledge about user interface research methods and evaluation parameters, experiment was performed. His purpose was to evaluate mouse tracking accuracy as user interface method and compare it with eye tracking method. After causes for its accuracy were found, they were removed and repeated the experiment. After conducting the experiment we found out that the main factor in mouse tracking accuracy is user's inability to move mouse actively. After asking experiment participants to sync their eyes movement with mouse movements we witnessed 47% - 77% accuracy comparing with eye tracking method.

abstract: Research on the psychology of social power has shown how experiences of power tend to promote goal-oriented behavior and sexual perception in individuals. These experiences need not be generated through real-life power dynamics, but can be primed experimentally in the lab. A recent study has explored how power affects even lower level goal-oriented motor movement, showing how increased power facilitates the initiation of goal-oriented motor actions (Maner et al., 2010). However, this research did not explore how these goal-oriented motor movements promoted by power dynamically evolve over time, or can be influenced by sexual perceptual processes. Using an experimental paradigm known as computer mouse-tracking, we designed an experimental task to asses how participants’ – primed with either a High or Low sense of power – motor movements and sexual perceptual processes co-evolved and influenced one another during decision-making. We analyzed four distinct mouse-tracking variables, including traditional reaction time measures and novel measures indexing real-time decision-making processes. Several hypotheses are proposed and discussed. No significant findings emerged, however general trends showed promising signs for future iterations of the study. The study limitations and proposed future directions for studying these phenomena are discussed. / Dissertation/Thesis / Masters Thesis Psychology 2016

Emotion can influence important user behaviors, including purchasing decisions, technology use, and customer loyalty. The ability to easily assess users' emotion during live system use therefore has practical significance for the design and improvement of information systems. In this paper, we discuss using human-computer interaction input devices to infer emotion. Specifically, we utilize attentional control theory to explain how movement captured via a computer mouse (i.e., mouse cursor movements) can be a real-time indicator of negative emotion. We report three studies. In Study 1, an experiment with 65 participants from Amazon's Mechanical Turk, we randomly manipulated negative emotion and then monitored participants' mouse cursor movements as they completed a number-ordering task. We found that negative emotion increases the distance and reduces the speed of mouse cursor movements during the task. In Study 2, an experiment with 126 participants from a U.S. university, we randomly manipulated negative emotion and then monitored participants' mouse cursor movements while they interacted with a mock e-commerce site. We found that mouse cursor distance and speed can be used to infer the presence of negative emotion with an overall accuracy rate of 81.7 percent. In Study 3, an observational study with 80 participants from universities in Germany and Hong Kong, we monitored mouse cursor movements while participants interacted with an online product configurator. Participants reported their level of emotion after each step in the configuration process. We found that mouse cursor distance and speed can be used to infer the level of negative emotion with an out-of-sample R-2 of 0.17. The results enable researchers to assess negative emotional reactions during live system use, examine emotional reactions with more temporal precision, conduct multimethod emotion research, and create more unobtrusive affective and adaptive systems.

abstract: Social categories such as race and gender are associated by people with certain characteristics (e.g. males are angry), which unconsciously affects how people evaluate and react to a person of specific social categories. This phenomenon, referred to as implicit bias, has been the interest of many social psychologists. However, the implicit bias research has been focusing on only one social category at a time, despite humans being entities of multiple social categories. The research also neglects the behavioral contexts in which implicit biases are triggered and rely on a broad definition for the locus of the bias regulation mechanism. These limitations raise questions on whether the current bias reduction strategies are effective. The current dissertation sought to address these limitations by introducing an ecologically valid and multidimensional method. In Chapters 1 and 2, the mouse-tracking task was integrated into the implicit association task to examine how implicit biases were moderated in different behavioral contexts. The results demonstrated that the manifestation of implicit biases depended on the behavioral context as well as the distinctive identity created by the combinations of different social categories. Chapter 3 laid groundwork for testing working memory as the processing capacity for the bias regulation mechanism. The result suggested that the hand-motion tracking indices of working memory load could be used to infer the capacity of an individual to suppress the influence of implicit bias. In Chapter 4, the mouse-tracking paradigm was integrated into the Stroop task with implicit associations serving as the Stroop targets. The implicit associations produced various effects including the conflict adaptation effect, like the Stroop targets, which suggested that implicit associations and Stroop stimuli are handled by overlapping cognitive mechanisms. Throughout these efforts, the current dissertation, first, demonstrated that a more ecologically valid and multidimensional approach is required to understand biased behaviors in detail. Furthermore, the current dissertation suggested the cognitive control mechanism as a finer definition for the locus of the bias regulation mechanism, which could be leveraged to offer solutions that are more adaptive and effective in the environment where collaboration and harmony are more important than ever. / Dissertation/Thesis / Doctoral Dissertation Human Systems Engineering 2019

This thesis analyses how users' mouse behaviour during a video stall gets influenced by the type of video, either branched or linear, and by the presence of a playback bar. An experiment was conducted with thirty-two participants divided into six groups. Each group was watching a different combination of four videos with stalls, the first two videos belonging to the same type of video and either with or without a playback bar, and the last two videos changed in one of the two aspects. With mouse-tracking, these aspects were studied through the variables of mouse activity, average speed, average distance between the cursor and the playback bar, and the total distance moved on the screen. The participants also filled in questionnaires about their mouse behaviour, after watching each video, and their answers were later analysed through a thematic analysis. The results showed no significant differences between the groups in any of the main dependent variables. In general, within all groups, the participants moved the mouse very scarcely, indicating that the results about mouse movement should be interpreted carefully. During videos with a playback bar, mouse movements appeared to be concentrated to the stalls, focusing the movements to the bottom of the screen where the playback bar is located. Mouse behaviour during videos without a playback bar was more evenly divided between the different parts of the video and of the screen, or the user were not moving the mouse at all. Watching branched or linear videos influenced the mouse behaviour in such a way that branched videos seemed to engage the user to interact with the video player more than the linear videos. However, no difference was noticed between these conditions for active users during stalls when a playback bar was present. The thematic analysis gave clear indications that the playback bar was an important component for understanding a stall. Based on these findings, conclusions are drawn that a stall is a situation of watching videos during which mouse behaviour may be less affected by the type of video, and more influenced by the access to a playback bar. The playback bar was shown to be a source of information about the system and the situation.

No description available.

隨著互動式資料視覺化工具越來越多，設計者需要一個方法來衡量其作品是否好用、能否被理解、使用效率高低。互動式資料視覺化需要透過使用者的互動才能觀察到資料的不同面向，再進一步產生洞見，然而現有的評估方式多僅聚焦於靜態資料圖表，設計者無法從中得知使用者的操作困難之處，並據此進行加強與改善，因此本研究提出一個整合量化分析與質化記錄的系統性評估方式，應用於互動式資料視覺化的優使性(usability)分析。 本研究的方法為追蹤使用者的眼動和滑鼠操作過程，先將其記錄成量化數據，透過興趣區域的標定與將轉換使用者行為成序列後，進行序列運算和統計分析；同時，從使用者經驗研究方法得到實驗過程的質化記錄，用來輔助解釋量化分析的結果。 本論文藉由兩個互動式資料視覺化工具來驗證以眼動與滑鼠追蹤評估互動式資料視覺化是可行的，我們提出了具體的實驗流程、量化紀錄與分析方式，並建議以下評估指標：吸引力、易發現性、困難度、易識別性、易理解性、精準表達程度、細部困難度、使用效率。 / As more and more interactive data visualization tools emerge, designers need an organized evaluation method to provide timely feedback and understand user behavior. In contrast to traditional graphical presentations, interactive data visualization tools call for user manipulation to gain specific insights. It is therefore imperative to study the intermediate operation process, rather than the final outcome, to provide a critical understanding of the developed tool. Toward this objective, we propose a systematic approach combining quantitative analysis and qualitative assessment to gauge the usability of interactive data visualization tools in this research. Firstly, quantitative data including gaze and mouse movements are collected. By combining the definition of area of interest, these trajectories can be converted into user sequences, which are conveniently accessible for further statistical analysis as well as path comparison. Secondly, qualitative information obtained by observing user operation is gathered to offer additional insight and complement/support conclusions obtained from quantitative analysis. Two interactive data visualization tools are employed to examine the feasibility and universality of our experimental and analytical procedure. To conclude, we come up with several key indicators to evaluate interactive data visualization, including attraction, discoverability, difficulty, identifiability, comprehensibility, precision of expression, difficulty(detailed) and efficiency.

In the present study, we used mouse tracking to investigate two processes underlying prospective memory (PM) retrieval: First, we aimed to explore to what extent spontaneous retrieval of already completed PM intentions is supported by reflexive-associative and discrepancy-plus-search processes. Second, we aimed to disentangle whether costs to an ongoing task during the pursuit of a PM intention are associated with presumably resource-demanding monitoring processes or with a presumably resource-sparing strategic delay of ongoing-task responses. Our third aim was to explore the interaction of processes underlying costs to the ongoing task and processes of spontaneous retrieval. Our analyses replicated response-time patterns from previous studies indicating aftereffects of completed intentions and costs to ongoing-task performance, as well as increased aftereffects while pursuing a PM intention. Notably, based on our mouse-tracking analyses, we argue that aftereffects of completed intentions are best explained by a reflexive initiation of an already completed intention. If the completed intention is not performed in its entirety (i.e., no commission error), the reflexive initiation of the completed intention is followed by a subsequent movement correction that most likely represents a time-consuming response-verification process. Regarding performance costs in the ongoing task, our analyses suggest that actively pursuing a PM intention most likely leads to a strategic delay of ongoing activities. Lastly, we found that pursuing a novel PM task after intention completion exacerbated orienting responses to all deviant stimuli, exacerbated the readiness to initiate the completed intention reflexively, and substantially prolonged the response-verification process following this reflexive intention retrieval.

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