The Effects of Learnability and Reward Responsiveness on Reward Processing

Die Studie zeigt, dass die Lernbarkeit einer Aufgabe zwar die Motivation steigert, aber der Einfluss auf die reward positivity (RewP) erst bei hohen Leistungern und in Abhängigkeit von der individuellen Belohnungsreaktivität sichtbar wird, was für die Nutzung der RewP als Biomarker relevant ist.

Das Wesentliche

Stell dir vor, du spielst ein Videospiel. Es gibt zwei Modi:

1. Der "Lern-Modus": Du merkst schnell, dass Tür A öfter einen Schatz enthält als Tür B. Du lernst die Regeln, wirst besser und fühlst dich mächtig.
2. Der "Zufalls-Modus": Es ist völlig egal, welche Tür du wählst. Der Schatz erscheint einfach zufällig. Du kannst nichts lernen, du hast keine Kontrolle.

Wissenschaftler haben sich gefragt: Macht es einen Unterschied für unser Gehirn, ob wir lernen können oder nicht? Und noch wichtiger: Reagiert das Gehirn von Leuten, die sehr auf Belohnungen stehen (wie bei Glücksspiel oder Motivation), anders als das von Leuten, die eher gleichgültig sind?

Hier ist die Geschichte der Studie von Abigail Oloriz und Cameron D. Hassall, einfach erklärt:

Das Experiment: Die Tür des Schicksals

Die Forscher haben 40 Studenten gebeten, ein einfaches Spiel zu spielen. Auf dem Bildschirm waren zwei identische Türen. Man musste eine auswählen.

• In manchen Runden (Lern-Modus) war eine Tür tatsächlich besser als die andere (60 % Chance auf Gewinn vs. 10 %). Man konnte das lernen.
• In anderen Runden (Zufalls-Modus) war es komplett zufällig. Die "bessere" Tür war nur eine Illusion, die Ergebnisse wurden zufällig gemischt, egal welche Tür man wählte.

Während sie spielten, saßen die Teilnehmer mit einem Helm voller Sensoren (EEG) auf dem Kopf, der ihre Gehirnströme maß. Besonders interessant war ein Signal im Gehirn, das sie RewP nennen. Man kann sich das wie einen kleinen elektrischen "Jubel-Schrei" vorstellen, der im Gehirn aufleuchtet, wenn man einen Gewinn bekommt.

Was sie erwartet haben vs. was passiert ist

Die Erwartungen:
Die Forscher dachten:

1. Im Lern-Modus würden sich die Leute mehr motiviert und glücklich fühlen (weil sie Fortschritte machen).
2. Der "Jubel-Schrei" (RewP) im Gehirn wäre im Lern-Modus lauter, weil das Gehirn die Belohnung als "verdient" und "wichtig" für das Lernen empfindet.
3. Leute, die von Natur aus sehr belohnungssensibel sind (hohe "Reward Responsiveness"), würden im Lern-Modus besonders stark reagieren.

Die Realität:

1. Das Gefühl: Die Teilnehmer hatten recht! Sie fühlten sich im Lern-Modus tatsächlich motivierter, hatten mehr Spaß und glaubten, sie seien besser. Das Gehirn liebt es, Muster zu erkennen und Fortschritte zu machen.
2. Der "Jubel-Schrei" (RewP): Hier kam die Überraschung. Im Durchschnitt gab es keinen Unterschied. Ob das Spiel lernbar war oder nicht – der elektrische Jubel im Gehirn war fast gleich laut. Das war für die Forscher eine große Enttäuschung, da sie dachten, das Lernen würde das Signal verstärken.
3. Die Persönlichkeit: Auch hier gab es keine einfache Regel. Ob jemand sehr motiviert war oder nicht, machte im Durchschnitt keinen Unterschied für die Stärke des Signals.

Der geheime Clou: Die "High Performer"

Aber dann passierte etwas Magisches, als die Forscher genauer hinschauten. Sie teilten die Spieler in zwei Gruppen: Die, die das Spiel wirklich gut spielten (die "High Performer", die die Muster erkannt hatten), und die, die eher zufällig geklickt haben.

Da geschah das, was die Forscher eigentlich gesucht hatten, aber nur bei einer kleinen Gruppe:

• Bei den guten Spielern, die das Spiel verstanden hatten, reagierte das Gehirn von Leuten mit geringer Belohnungssensibilität im Lern-Modus viel stärker!
• Es war, als ob diese Leute, die normalerweise nicht so aufgeregt auf Belohnungen reagieren, im Lern-Modus plötzlich "aufgewacht" sind, weil sie spürten: "Hey, ich habe die Kontrolle! Ich habe es geschafft!"

Was bedeutet das für uns?

Stell dir das RewP-Signal wie einen Thermometer für unsere Motivation vor.

• Früher dachte man: Dieses Thermometer zeigt immer genau an, wie sehr jemand Belohnungen mag (z. B. bei Depressionen ist es oft "kalt" oder "abgeschaltet").
• Die neue Erkenntnis: Das Thermometer ist nicht nur ein Maß für die Persönlichkeit. Es reagiert auch auf die Umgebung. Wenn das Spiel so ist, dass man nichts lernen kann (wie ein reines Glücksspiel), zeigt das Thermometer vielleicht nicht das volle Potenzial, besonders bei Leuten, die sonst eher ruhig sind.

Die große Lektion:
Wenn wir versuchen, das Gehirn von Menschen mit Depressionen oder anderen Störungen zu verstehen, dürfen wir nicht nur auf das "Was" (die Belohnung) schauen, sondern auch auf das "Wie" (die Aufgabe). Ein Spiel, das man lernen kann, weckt andere Teile des Gehirns als ein reines Glücksspiel.

Es ist wie beim Sport: Ein Anfänger, der lernt, wie man einen Ball wirft, fühlt sich vielleicht mehr belohnt, wenn er es schafft, als ein Profi, der es schon immer kann. Oder andersherum: Jemand, der sonst nicht gerne Sport macht, fühlt sich plötzlich super, wenn er merkt, dass er durch Üben besser wird.

Zusammenfassend:
Unser Gehirn liebt es zu lernen. Aber ob dieses Lernen auch unser "Belohnungs-Feuerwerk" (RewP) heller macht, hängt davon ab, wie gut wir das Spiel verstehen und wie wir persönlich darauf reagieren. Es ist nicht nur eine Frage von "Ich mag Belohnungen", sondern von "Ich verstehe die Regeln und habe die Kontrolle".

Technische Zusammenfassung

Titel

Die Auswirkungen von Lernbarkeit und Reaktionsfähigkeit auf Belohnung
(Originaltitel: The Effects of Learnability and Reward Responsiveness on Reward Processing)

1. Problemstellung und Hintergrund

Die Verarbeitung von Belohnungen wird in der Forschung häufig mit zufälligen Rückmeldungen und nicht lernbaren Aufgaben untersucht, um methodische Verzerrungen durch Erwartungswerte zu vermeiden. Ein zentrales neurophysiologisches Maß hierfür ist die Reward Positivity (RewP), ein frontozentrales ERP-Komponente (ca. 240–340 ms nach Feedback), die als kortikale Expression eines dopaminergen Vorhersagefehlers gilt und mit der Aktivität des anterioren cingulären Cortex (ACC) in Verbindung steht.

Das Problem besteht darin, dass die gängige „Doors"-Aufgabe (eine Zwei-Alternativen-Forced-Choice-Aufgabe) per Design nicht lernbar ist (die Ergebnisse sind zufällig und unabhängig von der Handlung). Es bleibt unklar, ob die Lernbarkeit einer Aufgabe (die Möglichkeit, Handlung-Ergebnis-Assoziationen zu erwerben) die neuronale Belohnungsverarbeitung beeinflusst. Zudem ist ungewiss, ob dieser Effekt von individuellen Unterschieden, insbesondere der Reaktionsfähigkeit auf Belohnung (gemessen über die Reward Responsiveness-Subskala des Behavioral Activation System, BAS), moderiert wird. Dies ist klinisch relevant, da die RewP als Biomarker für Störungen der Belohnungsverarbeitung (z. B. Depression) dient.

2. Methodik

Probanden:

• 40 Studierende der MacEwan University (nach Ausschluss von 2 Personen mit zu vielen EEG-Artefakten: $N=38$).
• Alter: $M = 21,58$ Jahre.

Aufgabenparadigma:

• Doors-Aufgabe: Eine Zwei-Choice-Aufgabe, bei der Teilnehmer zwischen zwei Türen wählen.
• Bedingungen:
  • Lernbar (Learnable): Eine Tür hatte eine höhere Gewinnwahrscheinlichkeit (60 %) als die andere (10 %). Die Zuordnung wurde pro Block randomisiert.
  • Nicht lernbar (Unlearnable): Die Ergebnisse waren zufällig und nicht an die Wahl gebunden (yoked zu den Ergebnissen der lernbaren Blöcke, aber in zufälliger Reihenfolge).
• Design: 20 Blöcke à 20 Trials. Die Reihenfolge wurde pseudorandomisiert.
• Belohnung: Gewinn (+0,05 $) oder Verlust (-0,02 $).

Messverfahren:

• EEG: 32-Kanal-Kappe, abgetastet mit 1000 Hz. Analyse im Zeitfenster 240–340 ms post-Feedback an Elektrode FCz. Die RewP wurde als Differenzwelle (Gewinn minus Verlust) berechnet.
• Verhaltensdaten: Erfassung von Reaktionszeiten, Gewinn-Verlust-Raten und explizitem Wissen (Post-Block-Umfrage: „Welche Tür war besser?").
• Fragebögen: BIS/BAS-Skala (Carver & White, 1994) zur Erfassung der Reaktionsfähigkeit auf Belohnung. Nach jedem Block wurden subjektive Bewertungen (Spaß, Motivation, wahrgenommene Leistung) auf Likert-Skalen erhoben.

Statistische Analyse:

• Gepaarte t-Tests für Verhaltens- und EEG-Daten zwischen Bedingungen.
• Korrelationen zwischen BAS-Scores und der Lernbarkeits-Differenz der RewP ($\Delta$RewP = lernbar – nicht lernbar).
• Explorative multiple Regression zur Untersuchung der Interaktion zwischen Reaktionsfähigkeit, Aufgabenleistung (gemessen als Win-Stay-Wahrscheinlichkeit) und dem $\Delta$RewP.

3. Wichtige Ergebnisse

Verhaltensdaten:

• Lernerfolg: Teilnehmer zeigten im lernbaren Block eine signifikante Leistungssteigerung über die Zeit und identifizierten korrekt die bessere Tür.
• Engagement: Im lernbaren Block wurden signifikant höhere Werte für Spaß, Motivation und wahrgenommene Leistung berichtet als im nicht lernbaren Block, trotz identischer Gewinnwahrscheinlichkeiten über die Blöcke hinweg.

EEG-Ergebnisse (RewP):

• Haupteffekt Lernbarkeit: Es gab keinen signifikanten Unterschied in der RewP-Amplitude zwischen den lernbaren und nicht lernbaren Blöcken ($p = .56$).
• Haupteffekt Reaktionsfähigkeit: Die individuelle Reaktionsfähigkeit auf Belohnung (BAS-Score) korrelierte nicht direkt mit dem Unterschied in der RewP-Amplitude zwischen den Bedingungen ($r = .04, p = .81$).
• Explorative Analyse (Interaktion): Eine signifikante Interaktion wurde zwischen Aufgabenleistung (Win-Stay-Verhalten) und Reaktionsfähigkeit gefunden ($p = .004$).
  • Bei hohen Performern zeigte sich der erwartete negative Zusammenhang: Teilnehmer mit niedriger Reaktionsfähigkeit zeigten eine stärkere RewP-Verstärkung im lernbaren Block.
  • Bei niedrigen Performern war das Muster umgekehrt.

4. Schlüsselbeiträge und Signifikanz

1. Einfluss der Lernbarkeit auf das subjektive Erleben: Die Studie bestätigt, dass Aufgaben, die Lernfortschritt ermöglichen, die intrinsische Motivation und das Gefühl der Kontrolle erhöhen, selbst wenn die objektive Belohnungswahrscheinlichkeit gleich bleibt.
2. Nuancierte Rolle der Lernbarkeit für die RewP: Entgegen der Hypothese führt reine Lernbarkeit nicht zu einer generellen Verstärkung der RewP auf Gruppenebene. Dies deutet darauf hin, dass die RewP auch in nicht lernbaren Umgebungen robust als Differenzierung zwischen Gewinn und Verlust auftritt.
3. Kontextabhängigkeit individueller Unterschiede: Der wichtigste Befund ist, dass der Einfluss der Lernbarkeit auf die neuronale Belohnungsverarbeitung von der Aufgabenleistung abhängt. Nur bei Teilnehmern, die die Struktur der Aufgabe tatsächlich erkannten und nutzten (hohe Performer), interagierten individuelle Merkmale (Reaktionsfähigkeit) mit der Lernbarkeit.
4. Implikationen für klinische Biomarker: Da die RewP oft als Biomarker für Depression und andere Störungen verwendet wird, zeigt diese Studie, dass die Interpretation von „abgeflachten" RewP-Antworten kontextsensitiv sein muss. Die wahrgenommene Lernbarkeit und die Strategie des Teilnehmers könnten die Messwerte verzerren. Klinische Studien sollten berücksichtigen, ob die gewählten Paradigmen für die jeweilige Population ausreichend lernbar sind, um die zugrundeliegende Reaktionsfähigkeit korrekt zu erfassen.

Fazit

Die Studie schlussfolgert, dass die neuronale Reaktion auf Belohnung (RewP) nicht einfach durch die Lernbarkeit einer Aufgabe bestimmt wird, sondern durch ein komplexes Zusammenspiel aus Aufgabenkontext, individueller Reaktionsfähigkeit und der tatsächlichen Fähigkeit des Teilnehmers, die Aufgabenstruktur zu lernen. Dies unterstreicht die Notwendigkeit, sowohl kontextuelle als auch individuelle Faktoren bei der Verwendung der RewP als Biomarker zu berücksichtigen.