인간 수행 모니터링에서의 의사 결정 과정

오류를 탐지하고 보상하는 능력은 효과적이고 목표 지향적인 행동을 생성하는 데 필수적입니다. 인간 오류 처리는 오류 관련 부정성(Ne/ERN)과 오류 긍정성(Pe)이라는 두 가지 사건 관련 뇌 전위 구성 요소에서 반영되지만, 두 구성 요소의 기능적 의미는 아직 불분명합니다. 우리의 접근 방식은 오류 탐지를 내부 기준에 대한 오류가 발생했음을 나타내는 가용 증거의 평가를 포함하는 의사 결정 과정으로 간주하는 것이었습니다. 이 틀은 오류 탐지의 두 가지 기본 단계를 구분합니다—증거 축적(입력)과 의사 결정 도달(출력)—이 단계들은 내부 기준의 변화에 따라 다르게 영향을 받을 수 있습니다. 이 모델의 예측은 인간 참가자들이 오류를 신호하도록 요구하는 밝기 식별 작업에서 테스트되었으며, 참가자들이 오류 신호를 신호하기 위해 높은 기준 또는 낮은 기준을 채택하도록 장려하기 위해 인센티브가 다양하게 조정되었습니다. Ne/ERN은 이 조작의 영향을 받지 않았지만, Pe는 기준에 따라 일관되게 변동했습니다: 더 높은 기준은 신호된 오류에 대해 더 큰 Pe 진폭과 관련이 있었으며, 이는 Pe가 축적된 증거의 강도를 반영함을 시사합니다. 참가자들 간에 Pe 진폭은 신호 탐지 이론 분석을 통해 추정된 행동 기준의 변화와 예측 가능했습니다. 참가자 내에서 Pe 진폭은 다변량 기계 학습 기술을 통해 강력하게 추정될 수 있었고, 오류 신호 빈도 수준과 개별 신호 응답 수준에서 오류 신호 행동을 예측하는 데 사용되었습니다. 이러한 결과는 Pe가 Ne/ERN보다 오류 탐지와 밀접하게 관련되어 있으며, 특히 오류가 발생했다는 축적된 증거를 반영함을 제안합니다.