Neurophysiologische Einblicke in sequenzielle Entscheidungsfindung: Untersuchung des Sekretärproblems durch ERPs und TBR-Dynamik

Entscheidungsfindung unter Unsicherheit, ein Grundpfeiler der menschlichen Kognition, wird durch das "Sekretärproblem" in der Theorie des optimalen Abbrechens veranschaulicht. Unsere Studie untersucht diese Entscheidungsherausforderung, bei der die Teilnehmer sequenziell bewerten und irreversible Entscheidungen unter Bedingungen treffen müssen, die kognitive Überlastung simulieren. Wir untersuchten neurophysiologische Reaktionen, indem 27 Studierende an einer Sekretärproblem-Simulation teilnahmen, während sie EEG-Messungen unterzogen wurden, mit Fokus auf Event-Related Potentials (ERPs) P200 und P400 sowie Theta-Beta-Verhältnis (TBR) Dynamiken. Die Ergebnisse zeigten ein differenziertes Muster: Die Amplitude der P200-Komponente nahm von den Anfangs- zu den mittleren Angeboten ab, was auf eine abnehmende Aufmerksamkeitsspanne hindeutet, während sich die Teilnehmer an die Aufgabe gewöhnten. Diese Abschwächung kehrte beim letzten Angebot um, was eine erhöhte kognitive Verarbeitung zum Abschluss der Aufgabe anzeigt. Im Gegensatz dazu erreichte die Amplitude der P400-Komponente beim mittleren Angebot ihren Höhepunkt, was auf eine verstärkte kognitive Bewertung hinweist, und verringerte sich bei der finalen Entscheidung. Zudem zeigten die TBR-Dynamiken Schwankungen in der Aufmerksamkeitskontrolle und emotionalen Regulierung über die gesamte Entscheidungssequenz hinweg, was unser Verständnis der eingesetzten kognitiven Strategien vertieft. Die Forschung verdeutlicht das dynamische Zusammenspiel kognitiver Prozesse in hochkritischen Umgebungen, wobei neurophysiologische Marker während der Navigation durch sequenzielle Entscheidungen signifikant schwanken. Durch die Korrelation dieser Schwankungen mit dem Entscheidungsverhalten bieten wir Einblicke in sich entwickelnde Strategien von erhöhter Wachsamkeit bis hin zur strategischen Bewertung. Unsere Ergebnisse liefern Erkenntnisse, die die Nutzung neurophysiologischer Daten bei der Entwicklung von Entscheidungsmodellen unterstützen könnten und somit zur praktischen Anwendung kognitiver Forschung in realen Kontexten beitragen.