Advances in Cognitive Sciences

fa تحلیل رفتار معتادان در آزمون قمار آیوا با استفاده از مدل یادگیری تقویتی Analysis of Behavior of Drug Addicts in Lowa Gambling Task Using Reinforcement Learning Model تخصصي Special پژوهشي اصیل Research <div style="text-align: justify;">هدف: هدف این پژوهش، بررسی اختلالات تصمیم گیری معتادان به مواد افیونی، در شرایط مخاطره‌آمیز، با استفاده از روش مدلسازی شناختی است. روش: در این پژوهش، ابتدا نظام تصمیم گیری آزمودنیها (گروه شاهد و گروه معتادان درمانجو)، با استفاده از نسخۀ فارسی آزمون قمار آیوا  بررسی و سپس، یافته های آزمون با استفاده از مدلسازی شناختی تحلیل شد. در این راستا و بر اساس یادگیری تقویتی و شرایط آزمون قمار، مدل‌های مختلف تصمیمگیری در شرایط مخاطرهآمیزِ آزمون قمار طراحی شد. در مرحلۀ بعد، مدلها در محیط آزمون قمار شبیه سازی و جداگانه بر داده های هر دو گروه برازش داده شدند. سپس، مدلی که مطابقت بیشتری با رفتار آزمودنی های آن گروه داشت، مشخص شد. یافته ها: نتایج نشان داد که هر دو گروه معتادان درمانجو (۲۱۷=n) و شاهد (۱۳۰=n) عملکرد ضعیفی در آزمون داشتند (امتیاز خالص کمتر از ۱۰). علاوه بر آن، عملکرد گروه معتاد ضعیفتر از گروه شاهد بود (P<۰/۰۷). نتایج مدلسازی نشان میدهد که مدل بهینۀ هر دو گروه مدلی است که در ارزیابی انتخابهای مختلف فقط به تعداد دفعات دریافت پاداش و زیان (و نه مقادیر آنها) توجه میکرد. روش تحلیل حساسیت آشکار کرد که مدل بهینه برای گروه معتاد، علاوه بر توجه صرف به تعداد دفعات پاداش و زیان، بیشتر از گروه شاهد تحت تأثیر آسیب‌گریزی قرار دارد. نتیجه گیری: نتایج فوق گویای آن است که علت کم بودن امتیاز کسب شده در هر دو گروه، نادیده گرفتن اندازۀ پاداش و زیان و توجه به دفعات آن است. ضمن این که، دلیل پایین بودن بازده گروه معتاد نسبت به گروه شاهد، عدم تعادل آسیبگریزی و پاداش‌جویی و گرایش به سمت آسیب‌گریزی است. این گرایش به آسیب گریزی میتواند بر شرایط خاص معتادان درمان‌جو منطبق باشد.</div> <div style="text-align: justify;">Objective: The aim of this study was to assess decision making disorders in opioid dependents in riskful situations, using cognitive modeling. Method: First, the decision making process of participants (treatment-seeking dependents and the normal group) was evaluated using the Farsi version of Iowa gambling task; and then the data were analyzed using cognitive modeling. Different models of decision making in riskful situations in the gambling task were designed based on reinforcement learning and gambling task circumstances. In the next step, the models were simulated in gambling task environment and were separately fitted on the data of both groups. Thereafter, the model with higher correspondence with the subject behavior in each group was determined. Results: Both the group of treatment-seeking dependents (n=127) and the control group (n=130) showed a weak performance in the task (pure scores lower than 10). In addition, the performance of the dependent group was weaker than that of the normal group (p<0.07). Modeling results indicated that the optimum model in both groups was the model that was focused only on the frequency of reward and punishment (not on their size), in the assessment of different choices. Sensitivity revealing method revealed that the optimum model for the dependent group, in addition to merely focusing on the frequency of reward and punishment, is affected by harm-avoidance more than the control group. Conclusion: The above-mentioned results indicate that the reason for the low scores obtained in both groups, is ignoring the size of reward and punishment and focusing on their frequency. Moreover, the reason for the lower output in the dependent group in comparison with the control group is a lack of balance between harm avoidance and reward dependence and a bias toward harm avoidance. The mentioned bias toward harm avoidance could be associated with the specific circumstances of treatment seeking drug dependents. </div> یادگیری تقویتی, آزمون قمار, اعتیاد, مدل سازی محسباتی, مدل سازی شناختی, نظام تصمیم گیری Reinforcement Learning, Gambling Task, Drug Dependence, Computational Modeling, Decision Making Process 15 28 http://icssjournal.ir/browse.php?a_code=A-10-2-69&slc_lang=fa&sid=1 Hamed Ekhtiari حامد اختیاری h_ekhtiari@razi.tums.ac.ir 10031947532846003777 10031947532846003777 Yes National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran. مرکز ملی مطالعات اعتیاد ایران، دانشگاه علوم پزشکی تهران، تهران، ایران. Amir Dezfoli امیر دزفولی 10031947532846003778 10031947532846003778 No University of Electronic and Computer Science, Tehran University, Tehran, Iran. دانشکده برق و کامپیوتر، دانشگاه تهران، تهران، ایران. Mohammad Mehdi Karamati محمدمهدی کرامتی 10031947532846003779 10031947532846003779 No School of Economics and Management, Sharif University, Tehran, Iran. دانشکدۀ مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایران. Houman Safaie هومن صفایی 10031947532846003780 10031947532846003780 No National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran. مرکز ملی مطالعات اعتیاد ایران، دانشگاه علوم پزشکی تهران، تهران، ایران. Karo Looks کارو لوکس 10031947532846003781 10031947532846003781 No University of Electronic and Computer Science, Tehran University, Tehran, Iran. دانشکده برق و کامپیوتر، دانشگاه تهران، تهران، ایران. Azarakhsh Mokri آذرخش مکری 10031947532846003782 10031947532846003782 No National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran. مرکز ملی مطالعات اعتیاد ایران، دانشگاه علوم پزشکی تهران، تهران، ایران.