Detailansicht
Social versus algorithmic framing in prediction-error based belief updating
the role of social framing, prior uncertainty and autistic and schizotypal traits in a probabilistic prediction task
Antonia Philena Elisabeth Zenker
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Claus Lamm
Mitbetreuer*in
Bianca Schuster
DOI
10.25365/thesis.82180
URN
urn:nbn:at:at-ubw:1-29601.66686.106718-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Bayesian Brain Theorien beschreiben menschliche Wahrnehmung als das Produkt eines kontinuierlichen Inferenzprozess des Gehirns in dem interne Modelle der Welt, unter Berücksichtigung der Unsicherheit sensorischer Daten und des Vorwissens über die Umwelt, erstellt werden. Diese Modelle aktualisieren sich, wenn Erwartungen nicht erfüllt werden. Eine offene Frage ist, ob sich der Prozess der Aktualisierung dieser Modelle unterscheidet, wenn identische Informationen aus einer sozialen (menschlichen) oder einer nicht-sozialen (künstlichen Intelligenz) Quelle stammend dargestellt werden, und ob neurodivergente Personen Unterschiede in dieser Kontextsensitivität aufweisen. Diese Arbeit analysiert eine computergestützte probabilistische Vorhersageaufgabe, bei der die Teilnehmer:innen das Wettverhalten entweder fiktiver menschlicher Spieler:innen oder eines KI-Systems vorhersagten. Als Moderatoren wurden die durch Agentenbeschreibungen manipulierte Prior-Unsicherheit, subklinische autistische Merkmale (Comprehensive Autistic Trait Inventory, CATI) und schizotype Merkmale (Schizotypal Personality Questionnaire; SPQ) untersucht. Die Daten von 17 gesunden deutschsprachigen Erwachsenen wurden unter Verwendung linearer gemischter Modelle analysiert. Vorhersagefehler sagten in beiden Aufgaben die anschließende Aktualisierung der Überzeugungen über die Agenten voraus, doch entgegen den theoretischen Erwartungen war die auf Vorhersagefehlern basierende Aktualisierung der Überzeugungen bei geringer Prior-Unsicherheit stärker als bei hoher. Weder das soziale versus algorithmische Framing der Aufgabe noch autistische oder schizotypische Merkmale sagten Unterschiede voraus. Diese Ergebnisse werden im Kontext von Designbeschränkungen und deren Implikationen für die zukünftige Forschung zu sozialen Manipulationen in computerisierten Tasks diskutiert.
Abstract
(Englisch)
Bayesian Brain theories describe the brain as building internal models of the world to guide behavior under uncertainty, continuously revising beliefs when expectations are violated. An open question in computational psychiatry is whether belief updating differs depending on whether identical evidence is framed as coming from a social (human) versus non-social (artificial intelligence) source and if neurodivergent individual characteristics represent differences in this context sensitivity. This thesis analyzed a computerized probabilistic prediction task in which participants predicted the betting behavior of either fictional human players or an AI system. Prior uncertainty, manipulated via agent descriptions, subclinical autistic traits (Comprehensive Autistic Trait Inventory, CATI) and schizotypal traits (Schizotypal Personality Questionnaire; SPQ) were observed as moderators. Data from 17 healthy German-speaking adults were analyzed with linear mixed-effects models. Prediction errors robustly predicted subsequent belief updating in both tasks. Contrary to the main hypothesis, PE-based belief updating did not differ between social and algorithmic framing, suggesting that framing alone may not be sufficient to alter belief updating in an otherwise identical non-reciprocal learning task. Additionally, contrary to theoretical expectations, prediction-error-based belief updating was stronger under low than high prior uncertainty. Autistic and schizotypal traits did not predict differences in framing sensitivity. These results are discussed in the context of design constraints and their implications for future research on socially embedded belief updating.
Schlagwörter
Schlagwörter
(Deutsch)
Baysianisches Gehirn Soziales Lernen Computationale Psychiatrie Vorhersagefehler Unsicherheit
Autor*innen
Antonia Philena Elisabeth Zenker
Haupttitel (Englisch)
Social versus algorithmic framing in prediction-error based belief updating
Hauptuntertitel (Englisch)
the role of social framing, prior uncertainty and autistic and schizotypal traits in a probabilistic prediction task
Publikationsjahr
2026
Umfangsangabe
52 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Claus Lamm
AC Nummer
AC18056271
Utheses ID
81826
Studienkennzahl
UA | 066 | 840 | |