Non-decision time-informed collapsing threshold diffusion model: A joint modeling framework with identifiable time-dependent parameters

Resumo Técnico: Modelo de difusão de limiar de colapso informado pelo tempo de não-decisão

Problema
Modelos de acumulação de evidência têm servido como uma estrutura dominante por sessenta anos na explicação dos mecanismos neurais e comportamentais da tomada de decisão, atuando frequentemente como instrumentos de medição para construtos cognitivos latentes. Uma premissa fundamental desses modelos é que os tomadores de decisão acumulam evidências ruidosas até que um limiar de decisão fixo seja atingido. No entanto, considerações comportamentais, neurocientíficas e de otimalidade teórica sugerem que os limiares de decisão não são estáticos, mas variam ao longo do tempo. Embora modelos de limiar dependentes do tempo frequentemente forneçam explicações superiores aos dados empíricos em comparação com modelos de limiar fixo, eles sofrem de uma limitação crítica: a estimativa não confiável de seus parâmetros. Essa instabilidade de estimativa forçou pesquisadores a priorizar comparações de ajuste de modelo em detrimento da interpretação de valores específicos de parâmetros ou da análise de diferenças individuais na dinâmica do limiar de decisão.

Metodologia
Para abordar os problemas de confiabilidade inerentes aos modelos de difusão de limiar dependentes do tempo, os autores propõem uma estrutura de modelagem conjunta que integra observações externas de tempo de não-decisão ($t_{nd}$) diretamente ao modelo. A inovação central reside em vincular o modelo de difusão a medições ruidosas de nível de tentativa do tempo de não-decisão derivadas de registros de eletroencefalografia (EEG). Essas medições de tempo de não-decisão foram extraídas utilizando o método de padrão multivariado oculto. Ao restringir o parâmetro de tempo de não-decisão com essas observações externas baseadas em EEG, a estrutura visa estabilizar a estimativa dos parâmetros de limiar dependentes do tempo restantes.

Principais Contribuições e Resultados
O artigo apresenta duas linhas primárias de evidência que apoiam a estrutura proposta:

1. Simulações de Recuperação de Parâmetros: Os autores conduziram simulações demonstrando que informar o modelo de difusão com medições ruidosas de nível de tentativa do tempo de não-decisão melhora substancialmente a confiabilidade da estimativa de parâmetros para modelos de limiar dependentes do tempo. Esta abordagem mitiga efetivamente a instabilidade de estimativa que historicamente assolou tais modelos.
2. Reanálise Empírica: A estrutura foi aplicada para reanalisar dados experimentais de duas tarefas de tomada de decisão perceptual. Os resultados confirmaram a viabilidade da abordagem, mostrando que restringir o tempo de não-decisão não apenas permite uma estimativa de parâmetros confiável, mas também melhora o ajuste absoluto aos dados comportamentais.

Significância
O artigo afirma que esta abordagem de modelagem conjunta resolve uma barreira de longa data na aplicação de modelos de limiar dependentes do tempo. Ao permitir uma estimativa de parâmetros confiável, a estrutura permite que pesquisadores avancem além de simples métricas de comparação de modelos e comecem a interpretar valores específicos de parâmetros. Além disso, abre as portas para investigar diferenças individuais nas dinâmicas do limiar de decisão, uma capacidade que era anteriormente dificultada pela não confiabilidade da estimativa. O trabalho demonstra que integrar dados neurofisiológicos (EEG) com modelagem comportamental pode aumentar tanto a robustez estatística quanto o poder explicativo dos modelos de acumulação de evidência.