A computational account of how positive performance bias supports cognitive effort

Diese Studie liefert eine computergestützte Erklärung, die zeigt, dass eine positive Verzerrung bei der Selbsteinschätzung, bei der Individuen ihre Leistung insbesondere unter hoher kognitiver Beanspruchung überschätzen, dazu beiträgt, die subjektiven Kosten von Anstrengung zu verringern und die Beteiligung an anstrengenden Aufgaben aufrechtzuerhalten.

Das Wesentliche

Stellen Sie sich vor, Ihr Gehirn sei wie ein Automotor. Manchmal müssen Sie einen steilen, felsigen Hügel hinauffahren (eine schwierige mentale Aufgabe). Ihr Gehirn weiß, dass dies viel Kraftstoff (kognitive Anstrengung) verbrauchen wird, und möchte daher natürlicherweise lieber auf der flachen, leichten Straße bleiben. Normalerweise hält uns die Angst, den Kraftstoff auszugehen, davon ab, diese steilen Hügel zu bewältigen.

Dieser Artikel legt jedoch nahe, dass es in unserem Geist einen speziellen „Optimismusfilter" gibt, der uns hilft, weiter die steilen Hügel hinaufzufahren.

Das Experiment: Eigene Leistung schätzen
Die Forscher baten Personen, ein Spiel zu spielen, bei dem sie zwischen leichten und schwierigen Aufgaben wählen mussten. Vor jeder Runde mussten die Spieler einschätzen, wie gut sie ihrer Meinung nach abschneiden würden.

Hier kommt die Wendung: Die Spieler waren fast immer zu selbstbewusst. Sie glaubten, besser abzuschneiden, als sie es tatsächlich taten. Diese Lücke zwischen dem, was sie dachten, sie würden erreichen, und dem, was sie tatsächlich erreichten, wird als „positive Leistungsverzerrung" bezeichnet.

Die Studie ergab etwas Interessantes: Je schwieriger die Aufgabe war, desto mehr überschätzten die Spieler ihren Erfolg. Es ist, als würde der Fahrer bei steilerem Anstieg sich selbst immer mehr einreden: „Das schaffe ich! Ich bin ein Profi darin!", selbst wenn die Straße tatsächlich ziemlich rutschig ist.

Der „Lernende" Motor
Um zu verstehen, warum die Menschen weiterhin die schwierigen Aufgaben wählten, entwickelten die Forscher ein Computermodell, um den Entscheidungsprozess des Gehirns zu simulieren. Sie stellten fest, dass das Gehirn auf eine spezifische Weise lernt:

1. Wenn Sie scheitern: Wenn Sie eine schwierige Aufgabe versuchen und scheitern, wird Ihr Gehirn beim nächsten Mal etwas empfindlicher für die „Kosten" der Anstrengung. Es ist, als würde man sagen: „Ouch, das war zu teuer; ich muss vorsichtiger sein."
2. Wenn Sie erfolgreich sind (mit einem Schub): Wenn Sie eine schwierige Aufgabe versuchen und erfolgreich sind, Sie aber auch dachten, Sie würden noch besser abschneiden als Sie es tatsächlich taten (diese positive Verzerrung), wird Ihr Gehirn tatsächlich weniger empfindlich für die Kosten der Anstrengung. Der Optimismus wirkt wie ein Gutschein und lässt die schwierige Aufgabe beim nächsten Mal günstiger und leichter bewältigbar erscheinen.

Selbstvertrauen vs. Verzerrung
Die Forscher überprüften auch, ob es sich dabei nur um „Selbstvertrauen" handelte (das Gefühl, sicher zu sein). Sie stellten fest, dass einfaches Selbstvertrauen nicht ausreichte, um das Verhalten zu erklären. Es war speziell die Diskrepanz – die Tatsache, dass die Menschen ihre Leistung überschätzten –, die sie motivierte. Es geht nicht nur darum, sich gut zu fühlen; es geht darum, sich besser zu fühlen, als die Realität nahelegt.

Das große Ganze
Kurz gesagt zeigt dieser Artikel, dass unsere Neigung, übermäßig optimistisch bezüglich unserer eigenen Fähigkeiten zu sein, nicht nur eine harmlose Eigenart ist. Sie wirkt wie ein Schutzschild. Indem wir uns davon überzeugen, dass wir besser abschneiden, als wir es tatsächlich tun, senken wir den „Preisschild" der mentalen Anstrengung in unserem Geist. Diese positive Verzerrung hilft uns, das Gefühl der Erschöpfung zu ignorieren und hält uns bei schwieriger geistiger Arbeit engagiert, die wir andernfalls vielleicht vermeiden würden.

Technische Zusammenfassung

Technische Zusammenfassung: Ein rechnerisches Modell, wie eine positive Leistungsverzerrung kognitive Anstrengung unterstützt

Problemstellung
Die Bereitschaft, kognitive Anstrengung aufzubringen, ist ein grundlegender Bestandteil adaptiven Verhaltens, doch sie ist inhärent durch die subjektiven Kosten der Anstrengung begrenzt. Während Individuen oft anstrengende Aufgaben vermeiden, deuten die Literatur darauf hin, dass positive Verzerrungen bezüglich der eigenen Leistung als Mechanismus dienen können, um die Engagement bei kognitiven Anforderungen aufrechtzuerhalten. Die spezifischen rechnerischen Mechanismen, durch die solche Verzerrungen die anstrengungsbasierte Entscheidungsfindung beeinflussen, bleiben jedoch unklar.

Methodik
Um dies zu untersuchen, verwendeten die Autoren eine anstrengungsbasierte Entscheidungsaufgabe, bei der die Teilnehmer zwischen Optionen mit geringer und hoher Anstrengung wählen mussten. Entscheidend war, dass die Teilnehmer vor der Aufgabenausführung auf jeder Trial ihre Vorhersagen bezüglich ihrer eigenen Leistung berichteten. Dieses Design ermöglichte es den Forschern, den Vorhersagefehler der Leistung (Performance Prediction Error, PPE) zu quantifizieren, definiert als die Diskrepanz zwischen subjektiven Leistungsvorhersagen und objektiver Genauigkeit.

Die Studie nutzte einen neuartigen rechnerischen Modellierungsansatz zur Analyse dieser Entscheidungen. Die Autoren verglichen ein Lernmodell, das davon ausgeht, dass der PPE die Sensitivität gegenüber Anstrengungskosten aktualisiert, mit einem Selbstvertrauen-basierten Kontrollmodell. Das Lernmodell testete spezifisch, wie erfolglose Ergebnisse und belohnte Trials, die mit einem positiven PPE einhergingen, die nachfolgende Anstrengungssensitivität beeinflussten.

Hauptergebnisse
Die empirischen Daten ergaben zwei Hauptbefunde bezüglich des PPE:

1. Überwiegend positive Verzerrung: Der PPE war bei den Teilnehmern überwiegend positiv, was auf eine allgemeine Tendenz zur Überschätzung der Leistung hindeutet.
2. Anstrengungsabhängige Überschätzung: Das Ausmaß dieser positiven Verzerrung nahm mit dem erforderlichen Anstrengungsniveau zu, was darauf schließen lässt, dass Individuen ihre Leistung unter höheren kognitiven Anforderungen stärker überschätzen.

In Bezug auf die rechnerische Modellierung zeigten die Ergebnisse, dass die Entscheidungen der Teilnehmer am besten durch das Lernmodell erklärt wurden. Spezifisch:

• Erfolglose Ergebnisse führten zu einer Erhöhung der nachfolgenden Anstrengungssensitivität (wodurch Individuen nach einem Misserfolg empfindlicher gegenüber den Kosten der Anstrengung werden).
• Belohnte Trials, die mit einem positiven PPE einhergingen, führten zu einer Verringerung der nachfolgenden Anstrengungssensitivität (wodurch Individuen weniger empfindlich gegenüber den Kosten der Anstrengung werden).

Das Selbstvertrauen-basierte Kontrollmodell konnte keine überlegene Erklärung für die beobachteten Entscheidungen liefern, was darauf hindeutet, dass der Effekt besser durch den spezifischen Mechanismus der positiven Leistungsverzerrung erfasst wird als durch das Selbstvertrauen allein.

Bedeutung und Behauptungen
Der Artikel behauptet, einen rechnerischen Account dafür zu liefern, wie eine verzerrte Selbstevaluation funktioniert, um die subjektiven Kosten kognitiver Anstrengung zu mindern. Indem gezeigt wird, dass eine positive Leistungsverzerrung spezifisch die Anstrengungssensitivität nach belohnten Trials moduliert, erweitert die Studie die bestehende Literatur zur positiven Verzerrung auf den Bereich des Bedarfs an kognitiver Anstrengung. Die Ergebnisse legen nahe, dass die Überschätzung der eigenen Leistung nicht lediglich ein kognitiver Fehler ist, sondern eine funktionale Rolle dabei spielen kann, das Engagement bei schwierigen Aufgaben aufrechtzuerhalten, indem sie die wahrgenommenen Kosten der Anstrengung reduziert.