Mood impacts confidence through biased learning of reward likelihood

Dit artikel toont aan, via computationele modellering en twee onafhankelijke studies, dat stemmingsstoornissen het vertrouwen in beloningsgebaseerde besluitvorming beïnvloeden, niet door zelfvertrouwen rechtstreeks te veranderen, maar door de geleidelijke accumulatie van beloningsleersignalen te vervormen, een mechanisme dat wordt versterkt bij personen met verhoogde hypomanische trekken.

De kern

Stel je voor dat je brein een slimme navigatie-app is die probeert de beste route naar een bestemming (je doelen) te vinden. Deze app leert voortdurend van verkeersberichten (beloningen) om je te vertellen hoe groot de kans is dat je slaagt. Normaal gesproken update hij zijn kaart op basis van de werkelijke gegevens die hij ontvangt.

Maar wat gebeurt er wanneer je stemming fungeert als een defecte filter over die kaart?

Dit artikel onderzoekt precies dat. De onderzoekers wilden begrijpen waarom ons vertrouwen in onze vaardigheden wild kan schommelen wanneer we ons neerslachtig of opgetogen voelen, zelfs als onze werkelijke vaardigheden niet zijn veranderd. Ze testten twee hoofdtheorieën:

1. De "Directe Overschrijving"-theorie: Stemming fungeert als een handmatige knop die de app direct dwingt te zeggen: "Je zult slagen!" of "Je zult falen!", ongeacht de werkelijke verkeersgegevens.
2. De "Verzakte Data"-theorie: Stemming verandert het eindantwoord niet direct; in plaats daarvan vervormt het de verkeersberichten terwijl ze binnenkomen. De app denkt dat de gegevens anders zijn dan ze werkelijk zijn, waardoor het langzaam een verkeerde conclusie bouwt over hoe groot de kans op succes is.

Hoe ze het testten:
De onderzoekers voerden twee studies uit (één in een laboratorium en één online) waarbij ze de stemmingen van mensen manipuleerden en hen vervolgens vroegen een spel te spelen waarbij ze moesten raden welke keuzes beloningen zouden opleveren. Na elke gok moesten de spelers aangeven hoe zeker ze waren.

Wat ze vonden:
De "Directe Overschrijving"-theorie bleek onjuist. Stemming keerde het vertrouwen niet gewoon direct om. In plaats daarvan bleek de "Verzakte Data"-theorie de winnaar.

Hier is de belangrijkste ontdekking:

• De Langzame Brand: Toen de stemmingen van mensen werden gemanipuleerd, veranderde hun vertrouwen niet direct. Het kostte tijd. Naarmate ze het spel bleven spelen en leerden, dreef hun vertrouwen langzaam in de richting van hun stemming.
• De Geest in de Machine: Zelfs nadat de stemmingmanipulatie stopte en mensen weer "normaal" voelden, bleef het vertrouwen dat ze hadden opgebouwd tijdens de periode van de "defecte" stemming hangen. Het was alsof de stemming in het geheim de geschiedenis van het spel in hun hoofd had herschreven.
• De Vergrootglas: De studie vond dat mensen die van nature onstabielere stemmingen hebben (specifiek diegenen met hogere "hypomanische trekken") gevoeliger waren voor deze storing. Hun navigatie-apps werden makkelijker vervormd door de stemmingfilter.

De Conclusie:
Het artikel concludeert dat wanneer we op een bepaalde manier voelen, het ons niet alleen laat voelen dat we meer of minder zelfvertrouwen hebben. In plaats daarvan beïnvloedt onze stemming eigenlijk hoe we leren van onze ervaringen. Het past de manier aan waarop ons brein het "bewijs" van succes of falen verwerkt. Na verloop van tijd creëert deze vervormde leerervaring een vals gevoel van vertrouwen (of gebrek daaraan) dat zeer echt voelt, ook al zijn de feitelijke feiten niet veranderd.

Denk er eens over als het dragen van getinte brillen terwijl je autorijden leert. Je voelt je niet alleen alsof je een slechte bestuurder bent; de bril zorgt er daadwerkelijk voor dat de verkeersborden er anders uitzien, waardoor je anders leert rijden dan wanneer je een heldere bril zou dragen.

Technische samenvatting

Technische Samenvatting: Stemming Beïnvloedt Zelfvertrouwen via Gekantelde Leerprocessen van Beloningswaarschijnlijkheid

Probleemstelling
Stemmingsstoornissen worden gekenmerkt door significante, vaak irrationele schommelingen in zelfeffectiviteit en doelgericht gedrag. De specifieke mechanismen die affectieve toestanden koppelen aan deze gedrags- en cognitieve verschuivingen blijven echter slecht begrepen. De centrale vraag is of stemming invloed heeft op het vertrouwen bij beslissingen op basis van beloning via een directe, bewijsonafhankelijke verschuiving in vertrouwen, of dat stemming de onderliggende accumulatie van beloningsleersignalen vervormt, waaruit vervolgens vertrouwen wordt afgeleid. Bovendien onderzoekt de studie of deze effecten worden versterkt door trait-instabiliteit in stemming en zelfeffectiviteit.

Methodologie
Het onderzoek maakte gebruik van een computationele modelleringbenadering om zowel vertrouwen als stemming te formaliseren binnen een versterkingsleerframework. Het onderzoeksontwerp bestond uit twee onafhankelijke onderzoeken:

1. Een laboratoriumexperiment met 35 deelnemers.
2. Een vooraf geregistreerde online replicatie met 106 deelnemers.

In beide studies namen deelnemers deel aan een versterkingsleertaak met stemmingsmanipulatie en herhaalde vertrouwensschattingen. De onderzoekers gebruikten computationele modellen om te kiezen tussen twee concurrerende verklaringen:

• De Directe Verschuivingsverklaring: Stelling legt een directe, bewijsonafhankelijke bias op aan vertrouwen.
• De Gekantelde Leerverklaring: Stelling vervormt de accumulatie van beloningsleersignalen, wat leidt tot rationeel afgeleid maar gekanteld vertrouwen.

Belangrijkste Resultaten
De empirische data toonden aan dat stemming systematisch vertrouwensschattingen beïnvloedde zonder de objectieve nauwkeurigheid te veranderen. Cruciaal was dat de temporele dynamiek van deze bias de "Gekantelde Leer"-verklaring ondersteunde boven de "Directe Verschuiving"-verklaring:

• De bias in vertrouwen cumuleerde geleidelijk gedurende het leerproces in plaats van direct na de stemmingsinductie te verschijnen.
• Deze accumulatie bleef bestaan, zelfs toen de geïnduceerde stemmingsstaat zelf terugkeerde naar basale niveaus.

Een computationeel model met een stemmingsbiasparameter slaagde erin deze dynamiek te vangen. In dit model beïnvloedt stemming de accumulatie van schattingen van beloningskansen. Deze enkele parameter verklaarde:

• De waargenomen verschuivingen in vertrouwen.
• De gekantelde waardering van stimuli die onder verschillende stemmingsstaten werden geleerd.
• De versterking van deze effecten bij individuen met verhoogde hypomanische traits.

Betekenis en Beweringen
Het artikel beweert een mechanistische verklaring te bieden die stemming-geïnduceerde vervormingen in vertrouwen koppelt aan verstoord doelgericht handelen en zelfeffectiviteit bij stemmingsstoornissen. Door aan te tonen dat vertrouwensstoornissen voortkomen uit door stemming beïnvloede leersignalen in plaats van directe, bewijsonafhankelijke verschuivingen, suggereren de bevindingen dat de kernpathologie mogelijk ligt in de manier waarop affectieve toestanden de verwerking van beloningsinformatie in de loop van de tijd veranderen. Dit biedt een specifieke computationele verklaring voor de irrationele veranderingen in zelfeffectiviteit die worden waargenomen bij klinische populaties, en maakt onderscheid tussen de directe staat van stemming en de blijvende impact ervan op het leerproces.