心理所成功運用眼動軌跡分析法檢驗風險決策模型

　　人類在風險環境下的決策與判斷行為，對生存和發展有著重大的意義，而人們如何進行風險決策是研究者們現在面臨的一大難題。在風險決策理論的發展歷程中，涌現出許多不同的決策理論：如，經典的期望家族模型(family of expectation models)假設人們在決策時遵循加權求和的過程；而持有限理性觀點的研究者則假設人們在決策時不遵循加權求和的過程，并建立了非補償的啟發式(heuristic)決策模型。由于決策需要實時的視知覺活動參與，眼動追蹤技術(eye tracking)已被用于決策模型檢驗。但現有研究主要關注決策過程中決策者眼動特征的局部屬性，例如注視點(fixation)和眼跳(saccade)的位置和時長，罕見研究考察其決策過程中整體、動態，和序列的眼動特征，即眼動軌跡(scanpath)。眼動軌跡是人們視覺加工過程中相對固定注視模式，反映了該過程中注視的整體、序列和動態的變化狀況，并且在同一任務多次執行的時候保持相對穩定(Noton & Stark,1971)。眼動軌跡能反映認知加工過程的序列和動態特征，但眼動軌跡的這一獨特優勢尚未被風險決策研究所開發利用。鑒于眼動軌跡可以反映風險決策的認知加工及其時間特征，因此比較不同風險決策任務眼動軌跡相似性，即可檢驗執行這些任務的認知加工過程是否相同。 

　　為了揭示風險決策的認知加工過程及其時間屬性，中國科學院行為科學重點實驗室李紓與李興珊研究組進行了合作研究。我們使用眼動軌跡分析法分析了課題組已發表的三套風險決策眼動研究數據(汪祚軍,李紓, 2012; Su et al., 2013; Sun et al., 2013)，這些研究均通過比較被試在兩類任務(符合加權求和過程的基線任務和被試自主的風險決策任務)中的眼動特征差異，探索風險決策是否遵循加權求和過程。為評估眼動軌跡分析法是否適用于風險決策的模型檢驗，我們建立了一套標準化步驟用以計算、比較并可視化兩類風險決策任務中的眼動軌跡，繼而檢驗了風險決策是否遵循加權求和的過程。 

　　首先，本研究使用相似性分數(similarity score)作為度量眼動軌跡相似程度的指標，并建立了一套標準化的步驟來計算和比較眼動軌跡間的相似性分數。為使眼動軌跡分析法更適用于分析決策任務，研究依據決策屬性之間的眼跳順序對所有眼動軌跡進行編碼，并基于Needleman-Wunsch算法(Needleman & Wunsch, 1970)計算了眼動軌跡間的相似性分數。其次，本研究創新性地定義了決策任務的“典型試次”(typical trial)：在同一任務的所有試次中，如某試次的眼動軌跡與其它試次的相似性分數最高，那么該試次即為該任務的典型試次。我們認為，典型試次的眼動軌跡代表該任務中認知加工過程的典型和基本模式。通過直接觀察該任務中典型試次的眼動軌跡，即可觀察被試在執行該任務時的認知加工模式是否符合某類風險決策模型所假設的決策過程。 

　　對三套數據進行的相似性分數分析表明，兩類任務中各任務內(條件內)的眼動軌跡的相似性分數均顯著高于兩類任務間(條件間)眼動軌跡的相似性分數(見圖1)，且兩類任務的眼動軌跡也可有效地聚集到不同子類別。這表明，三套數據中不同類任務具有不同的眼動軌跡模式和認知加工過程。鑒于基線任務 (如，比例任務和多次風險決策任務)隱含著“加權求和”運算的特征，三套數據的分析結果說明，被試在執行自主決策的單次風險決策任務時沒有進行加權求和的運算，這與期望法則家族風險決策模型的假設相悖。 

　　對三套數據進行典型試次分析可見，兩類任務的眼動軌跡模式大不相同(見圖2)。例如，我們可觀察到：在比例任務(a1)中，典型眼動軌跡是在概率(如選項A中的20%)和對應報酬(選項A中的￥100)之間進行的掃視，這與加權求和過程所假設的信息搜索模式一致；而概率任務( b1，即單次風險決策任務)中并未出現這種搜索模式；又如，圖b2所示的選項特征交叉呈現條件中，典型的眼動軌跡模式在A、B選項的最好可能結果(5000元和4500元)，以及A、B選項的最差可能結果(2600元和3000元)之間進行的掃視，該過程更符合齊當別模型(equate-to-differentiate approach)假設(Li, 2004)。 

　　總之，本研究發現自主風險決策中的眼動軌跡模式和認知加工過程均不同于加權求和過程的假設，提示了眼動軌跡分析法是檢驗風險決策認知加工過程可靠且有效的新工具。本研究與課題組已發表的系列研究一致說明，風險決策可能并不遵循期望法則家族模型所假設的加權求和過程。更重要的是，本研究建立了決策任務中眼動軌跡分析法的標準步驟，證明了眼動軌跡分析法在檢驗風險決策模型中的可靠性和有效性，為檢驗和直觀理解風險決策的過程提供了新工具，并為未來決策研究指明了方法學上的新方向。 

　　研究部分受國家重點基礎研究發展規劃(973項目2011CB711000)，國家自然科學基金(71071150, 71471171, 70871110, 31170976, 31070904, 31200791)，北京市優秀博士學位論文指導教師人文社科項目基金(20138012501), 和中科院重點部署項目基金(KJZD-EW-L04)的支持。研究論文已在線發表于行為決策研究領域旗艦期刊Journal of Behavioral Decision Making，并被PsychSource （含British Psychological Society’s 11 journals, plus 32 other key psychology journals）所推介。

　　Zhou, L., Zhang, Y-Y., Wang, Z-J., Rao, L-L., Wang, W., Li, S., Li, X-S^*., & Liang, Z-Y^*. (2016). A Scanpath Analysis of Risky Decision-Making Process. Journal of Behavioral Decision Making. DOI: 10.1002/bdm.1943  

圖1. 三套數據中各任務的條件內和條件間相似性分數(M±SE)。

圖2. 三套數據中各任務條件在典型試次中的眼動軌跡。其中a₁，a₂和a₃條件代表基線任務(a₁，比例任務；a₂，選項特征平行
呈現條件；a₃，多次執行風險決策任務條件)，b₁，b₂和b₃條件代表單次執行的風險決策任務。圖中箭頭表示注視點在眼動軌
跡中的先后順序,“S”和“E”分別表示眼動軌跡的起始點和終點。 

李紓與李興珊研究組有關眼動軌跡研究的其它論文信息： 

Sun, H-Y., Rao, L-L., Zhou, K., & Li, S. (2014). Formulating an emergency plan based on expectation-maximization is one thing, but applying it to a single case is another. Journal of Risk Research, 17(7), 785-814.  

Su, Y., Rao, L-L., Sun, H-Y., Du, X-L., Li, X., & Li, S. (2013). Is making a risky choice based on a weighting and adding process? An eye-tracking investigation. Journal of Experimental Psychology: Learning, Memory, and Cognition. 39(6), 1765-1780. 

Su, Y., Rao, L-L., Li, X., Wang, Y., & Li, S. (2012). From quality to quantity: The role of common feature in consumer preference. Journal of Economic Psychology. 33(6), 1043–1058.