人間の観察者による信号検出：不確実性下でのカテゴリー化決定におけるカットオフ強化学習モデル

二値カテゴリー化決定に関するこれまでの実験的検討により、信号検出理論（D.M. Green & J.A. Swets, 1966/1988）では予測できない頑健な行動規則性が記録されてきた。本論文では、既知の規則性をレビューし、それらが信号検出理論の最小限の修正、すなわち「理想的観察者」のカットオフ配置ルールをカットオフ強化学習ルールに置き換えることによって説明できることを実証する。この修正は認知ゲーム理論的分析（A.E. Roth & I. Erev, 1995）に由来する。修正されたモデルは、検討された19個すべての実験的規則性を再現する。いずれの場合も、元の説明を上回る結果を示した。これまでの説明の一部は保守性、確率マッチング、「ギャンブラーの誤謬」などの重要な概念に基づいており、今回の結果によって新たな意味が付与される。意思決定研究および従来の信号検出理論の応用に対する意義について議論する。