Wenn wir etwas abschätzen, nutzen wir unbewusst kürzlich gemachte Erfahrungen. Forscher der Ludwig-Maximilians-Universität (LMU) München und des Bernstein Zentrums München ließen Probanden in einer virtuellen Umgebung Entfernungen schätzen. Deren Ergebnisse tendierten jeweils zum Mittelwert aller bis dahin gelaufenen Wege. Erstmals konnten die Wissenschaftler die experimentellen Ergebnisse mit einem mathematischen Modell sehr gut vorhersagen. Es verbindet zwei altbekannte Gesetze der Psychophysik mit Hilfe eines Satzes aus der Wahrscheinlichkeitstheorie. Damit könnte die Studie   für die Wahrnehmungsforschung von grundsätzlicher Bedeutung sein. (Journal of Neuroscience, 23. November 2011)

Wenn wir etwas abschätzen, nutzen wir unbewusst kürzlich gemachte Erfahrungen. Forscher der Ludwig-Maximilians-Universität (LMU) München und des Bernstein Zentrums München ließen Probanden in einer virtuellen Umgebung Entfernungen schätzen. Deren Ergebnisse tendierten jeweils zum Mittelwert aller bis dahin gelaufenen Wege. Erstmals konnten die Wissenschaftler die experimentellen Ergebnisse mit einem mathematischen Modell sehr gut vorhersagen. Es verbindet zwei altbekannte Gesetze der Psychophysik mit Hilfe eines Satzes aus der Wahrscheinlichkeitstheorie. Damit könnte die Studie   für die Wahrnehmungsforschung von grundsätzlicher Bedeutung sein. (Journal of Neuroscience, 23. November 2011)

Warum schätzen wir dieselbe Entfernung das eine Mal lang und das andere Mal kurz ein? Entscheidend ist, welche Strecken wir direkt zuvor zurückgelegt haben. Was trivial klingen mag, gibt wichtige Aufschlüsse darüber, wie das Gehirn Reize unterschiedlicher Stärke und selbst abstrakte Elemente wie Zahlen verarbeitet. Dies untersuchten Dr. Stefan Glasauer (LMU), Projektleiter am Bernstein Zentrum München, und seine Doktorandin Frederike Petzschner experimentell und theoretisch. Sie ließen Probanden in einem virtuellen Raum Entfernungen zurücklegen und diese anschließend dort so genau wie möglich  reproduzieren. Die Ergebnisse waren, wie in früheren Studien, immer vom richtigen Wert hin zum Mittelwert der zuvor gelaufenen Strecken verschoben.

Die Forscher liefern nun erstmals eine allgemeine Erklärung für dieses Phänomen. Mit Hilfe eines mathematischen Modells können sie berechnen, wie sich vorangegangene Reize auf die aktuelle Schätzung auswirken. „Dieser Einfluss von Vorerfahrungen folgt höchstwahrscheinlich einem allgemeinen Prinzip und gilt wohl auch für das Abschätzen von Mengen oder Lautstärken“, erklärt Glasauer. Versuchspersonen, die sich bei der Streckenschätzung stark von vorheriger Erfahrung beeinflussen ließen, legten auch bei Winkelschätzung mehr Gewicht auf ihre Vorerfahrung. In beiden Fällen lernten sie auch ohne über den Erfolg oder Misserfolg ihrer Leistung Bescheid zu wissen. Viele Lernverfahren setzen dagegen ein solches Feedback voraus.

Bislang war umstritten, ob ein grundlegendes Prinzip die Wahrnehmung von Reizstärken wie Lautstärke, Helligkeit oder auch Entfernungen bestimmt. Zwei wichtige Gesetze der Psychophysik schienen sich dabei zu widersprechen: das vor 150 Jahren veröffentlichte Weber-Fechner-Gesetz und die 50 Jahre alte Stevens'sche Potenzfunktion. Die Münchner Wissenschaftler zeigten nun aber, dass sich die beiden Gesetze zumindest in bestimmten Fällen sehr gut miteinander in Einklang bringen lassen.

Dafür wird das Weber-Fechner-Gesetz mit dem wahrscheinlichkeitstheoretischen Satz von Bayes (1763), der die Gewichtung von Ergebnissen erlaubt, kombiniert und so in die Stevens'sche Potenzfunktion überführt. „Wir konnten damit zur Lösung eines Problem beitragen, das Wahrnehmungsforscher schon über 50 Jahre beschäftigt“, zeigt sich Glasauer überzeugt. Als nächstes wollen die Forscher historische Daten analysieren und klären, ob sich das Modell bei unterschiedlichen Reizmodalitäten wie Lautstärke und Helligkeit bestätigt.

Das Bernstein Zentrum München ist Teil des Nationalen Bernstein Netzwerks Computational Neuroscience (NNCN). Das NNCN wurde vom BMBF mit dem Ziel gegründet, die Kapazitäten im Bereich der neuen Forschungsdisziplin Computational Neuroscience zu bündeln, zu vernetzen und weiterzuentwickeln. Das Netzwerk ist benannt nach dem deutschen Physiologen Julius Bernstein (1835-1917).

Originalveröffentlichung:

Petzschner F, Glasauer S (2011): Iterative Bayesian estimation as an explanation for range and regression effects - A study on human path integration. J Neurosci 2011, 31(47): 17220-17229

Quelle: München [ LMU ]

Kommentare (0)

Bisher wurden hier noch keine Kommentare veröffentlicht

Einen Kommentar verfassen

  1. Kommentar als Gast veröffentlichen.
0 Zeichen
Anhänge (0 / 3)
Deinen Standort teilen
Gib den Text aus dem Bild ein. Nicht zu erkennen?