< Terug naar vorige pagina

Project

Op weg naar een mechanistisch begrip van vertrouwen.

Elke dag moeten we talloze beslissingen nemen, vaak op basis van onvolmaakte informatie. Sommige beslissingen zijn erg belangrijk, bijvoorbeeld beslissen of het veilig is om een drukke straat over te steken. Onze beslissingen gaan doorgaans gepaard met een gevoel van vertrouwen dat we de juiste keuze hebben gemaakt. Het maken van nauwkeurige zelfevaluaties is van het grootste belang, omdat vertrouwen kan worden gebruikt om gedrag aan te passen. Als we weinig vertrouwen hebben in de beslissing dat het veilig is om de straat over te steken, zullen we extra voorzichtig zijn. Bestaand onderzoek naar vertrouwen heeft grotendeels getest 'wat' een vertrouwensrapport weerspiegelt. Er zijn modellen voorgesteld die betrouwbaarheidsrapporten kunnen verklaren, en deze modellen zijn in verband gebracht met neurale activiteit. Wat momenteel echter ontbreekt, is een mechanistisch begrip van vertrouwen. Hoe leren mensen hun beslissingen nauwkeurig zelf te evalueren? De grote uitdaging voor dit vakgebied is dan ook om het 'hoe' van vertrouwen te ontrafelen. Om de 'hoe'-vraag aan te pakken, stel ik een model voor waarmee mensen leren zichzelf te evalueren op basis van externe feedback (doelstelling 1), en ik zal dit model gebruiken om vooroordelen in vertrouwen te verklaren (doelstelling 2). Het beantwoorden van deze vragen is van cruciaal belang, omdat inzicht in hoe mensen leren vertrouwen te hebben ook verklaart hoe suboptimaal vertrouwen ontstaat. Een mechanistisch begrip van dergelijke suboptimaliteit kan helpen deze tegen te gaan. Dit heeft gevolgen voor het echte leven, aangezien vertrouwen veel keuzes beïnvloedt, zoals wel of niet gokken en wat te kopen.

Datum:1 okt 2020 →  30 sep 2023
Trefwoorden:decisions, suboptimal confidence, behavior
Disciplines:Gedragswetenschappen