2020 Fiscal Year Annual Research Report
忘却過程を考慮した強化学習モデルによる計算論的精神医学研究
| Project/Area Number |
20J01464
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Senshu University |
|---|
Principal Investigator |
遠山 朝子 専修大学, 文学研究科, 特別研究員(PD)
|
|---|
| Project Period (FY) |
2020-04-24 – 2023-03-31
|
| Keywords | 計算論モデル / 計算機シミュレーション / 精神障害 / 意思決定 |
|---|
| Outline of Annual Research Achievements |
本研究では，忘却過程を検討できる意思決定課題と計算論モデルを用いて，うつ病などの精神障害を特徴づけることを目的としている。ただし，推定されるモデルパラメータの精度は，データを取り出す行動課題の質に大きく依存する。そこで本年度は、計算機シミュレーションと実データから，忘却過程の個人差を十分に検出できる意思決定課題を構築することを目指し，一連の研究を行った。
課題は，確率逆転学習課題とそれに類する課題であり，参加者は報酬を最大にすることを目的に選択を繰り返す。この課題の試行系列・報酬系列に関して様々なバージョンを予め計算機シミュレーションで試し，忘却過程のパラメータ推定の精度が高くなる系列の候補を５パターンに絞った。その後，オンラインクラウドソーシングを利用して、用意した５パターンの課題をそれぞれ１２０名ずつ，計６００名に実施し，データを得た。
得られたデータでパラメータ推定を行ったところ，実際のヒトの振る舞いでは，シミュレーションで想定していたよりも，パラメータの範囲がかなり狭くなることがわかった。また，課題の一見些細な設定上の違いが，参加者の振る舞いに大きく影響を与え，推定されるパラメータの値にも影響を与えることが示された。
現状，多くの研究では，参加者毎に異なる試行や報酬の系列を用いることも多い。しかし今回得られた結果は，個人差研究において，課題の事前設定の重要性を問い直すものであった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
最初の実験を開始するまでの準備に予定より時間を要したが，概ね当初の計画通りに進んでいる。
|
| Strategy for Future Research Activity |
引き続き，今回の実験で得られたデータを解析し，改良を加えた意思決定課題で同様のサイクルを繰り返して，最適な課題の構築を行う予定である。
また，今回の実験参加者には，精神障害関連の質問紙にも回答してもらいっている。これらのスコアとパラメータとの関連についての解析も引き続き行う予定でる。
|
