The Representational Geometry of (Dis)Belief: A Multidimensional Space Organized by Belief Direction and Extremity

Resumo Técnico: A Geometria Representacional da (Des)Crença

Problema e Motivação
Em uma era caracterizada por narrativas concorrentes e desinformação, compreender como o cérebro representa estados de crença é crítico. Enquanto pesquisas anteriores estudaram extensivamente os processos de formação de crença (por exemplo, como expectativas prévias moldam a aceitação), a geometria representacional da crença — como a informação é codificada em padrões neurais sob diferentes estados de crença — permanece subexplorada. Estudos de neuroimagem anteriores focaram amplamente em julgamentos discretos de afirmações verdadeiras/falsas, que capturam a tomada de decisão após a apresentação da informação, em vez da evolução da representação do significado durante a compreensão narrativa naturalística. Além disso, modelos existentes frequentemente assumem que a crença é representada ao longo de um único eixo linear (crença vs. descrença). Este estudo desafia essa suposição, propondo que a representação da crença pode ser multidimensional, organizada por eixos distintos como posição direcional, extremidade ou proximidade categórica.

Metodologia
O estudo empregou uma abordagem de fMRI naturalística, reanalisando um conjunto de dados de Braun et al. (2025) composto por 68 participantes ouvindo seis narrativas auditivas estendidas de estilo jurídico. Informações contextuais precedendo cada narrativa manipularam a credibilidade do falante para induzir uma ampla distribuição de avaliações de crença (escala 0–100).

A estrutura analítica central foi a Análise de Similaridade Representacional Inter-Sujeitos (IS-RSA). Os autores construíram cinco modelos de similaridade comportamental concorrentes para testar diferentes hipóteses sobre como a crença organiza a atividade neural:

1. $f_{dist}$ (Distância): Similaridade baseada na proximidade absoluta ao longo do continuum crença-descrença.
2. $f_{mean\_belief}$ (Direcionalidade): Similaridade baseada na posição direcional (média das avaliações), distinguindo o movimento em direção à crença do movimento em direção à descrença.
3. $f_{side}$ (Lado Compartilhado): Similaridade baseada na ocupação do mesmo polo (crença vs. descrença), independentemente da magnitude.
4. $f_{extremity}$ (Extremidade): Similaridade baseada na força da convicção, agrupando crentes fortes e descrentes fortes contra participantes ambivalentes.
5. $f_{3cat}$ (Categórica): Similaridade baseada em bins discretos (descrença, incerteza, crença).

Matrizes de similaridade neural foram computadas para 1.026 parcelas corticais. Elas foram correlacionadas com as matrizes de modelos comportamentais usando vetores transformados por ranking e escoreados em z. A significância foi avaliada via randomização de fase e permutações do tipo Mantel com correção FDR.

Para abordar se os padrões neurais eram dominados por um único eixo ou por uma mistura, os autores realizaram uma análise de Ridge RSA, modelando a similaridade neural como uma combinação ponderada de todos os cinco preditores. Eles calcularam uma métrica de "número efetivo de modelos" para quantificar a dimensionalidade da representação.

Para interpretar o achado neural de um eixo de "extremidade", um experimento comportamental de acompanhamento pré-registrado ($N=105$) foi conduzido. Os participantes avaliaram sua crença e sua certeza em relação à interpretação das mesmas narrativas para testar uma relação quadrática entre a extremidade da crença e a certeza.

Principais Resultados

1. Eixos Dominantes: Em uma competição de modelo "vencedor leva tudo", a similaridade neural foi significativamente explicada apenas por dois modelos: posição de crença direcional ($f_{mean\_belief}$) e extremidade da crença ($f_{extremity}$). Modelos baseados em distância simples, lado compartilhado ou bins categóricos não produziram resultados significativos.
2. Distribuição Anatômica: Efeitos significativos foram generalizados, localizados principalmente na Rede de Modo Padrão (DMN), Rede de Controle e regiões Temporo-Parietais. Tanto efeitos positivos quanto negativos de RSA foram observados, indicando que diferentes regiões cerebrais rastreiam o movimento em direção à crença ou descrença, e diferentes regiões rastreiam extremidade versus ambivalência.
3. Multidimensionalidade: A análise de Ridge RSA revelou que parcelas significativas eram raramente explicadas por um único modelo isoladamente. O "número efetivo de modelos" foi alto (média de 3.88–4.27), indicando que a geometria representacional da crença é uma mistura multidimensional de eixos. No entanto, os preditores dominantes nessas misturas permaneceram a direcionalidade e a extremidade.
4. Validação Comportamental: O acompanhamento comportamental confirmou uma relação quadrática entre avaliações de crença e certeza de interpretação. A certeza foi mais alta em ambos os extremos (crença forte e descrença forte) e mais baixa próximo ao ponto médio (incerteza). Isso apoia a hipótese de que o eixo de "extremidade" neural reflete o grau de certeza interpretativa ou a resolução de uma narrativa em um modelo mental estável.

Significância e Alegações
O artigo afirma caracterizar a geometria representacional da crença como um espaço multidimensional e sensível ao contexto, organizado primariamente em torno de dois eixos: direcionalidade da crença (distinguindo crença de descrença) e extremidade da crença (distinguindo estados comprometidos de ambivalência).

Principais contribuições incluem:

• Reenquadramento da Representação da Crença: Indo além da visão da crença como uma única dimensão linear ou um estado binário simples, o estudo demonstra que crença e descrença são direções representacionais distintas que podem ambas estar associadas a uma alta certeza (extremidade).
• Elo Neural-Comportamental: O estudo fornece um elo direto entre uma geometria representacional neural específica (o eixo da extremidade) e uma assinatura comportamental (certeza na interpretação), sugerindo que crença forte e descrença forte são psicologicamente semelhantes em termos da resolução da narrativa, mesmo que difiram em conteúdo.
• Dependência de Contexto: Os achados ressaltam que a representação da crença não é localizada em um único "hub de crença", mas é distribuída e varia dependendo da narrativa específica e da tarefa de interpretação. Diferentes narrativas elicitaram diferentes mapas neurais, sugerindo que conceitos abstratos como crença são construídos dinamicamente através da interação entre estímulo, tarefa e conhecimento prévio.

Os autores concluem que a representação da crença é melhor compreendida como uma interação entre a estrutura latente do cérebro e o contexto específico da narrativa, onde a direcionalidade e a extremidade servem como os princípios organizadores primários para como os ouvintes sincronizam suas respostas neurais ao significado compartilhado.