領(lǐng)導決策的計算和神經(jīng)生物學基礎(chǔ)

最近，來自蘇黎世大學的Micah G. Edelson等人在SCIENCE上發(fā)文，他們將基于知覺和價值決策的模型結(jié)合起來，以評估被試對每一個決策行為的個人效用，從而梳理出選擇領(lǐng)導或服從的潛在動機。

研究者還用腦成像技術(shù)來檢驗領(lǐng)導決策的神經(jīng)生物學基礎(chǔ)。該研究確定了責任規(guī)避在行為和神經(jīng)生物學層面上對領(lǐng)導者決策的影響，并發(fā)現(xiàn)責任規(guī)避普遍存在，即如果他人的福利受到威脅，決策者就會減少做出決定的意愿。研究者發(fā)現(xiàn)個體的基本偏好、風險趨向、損失厭惡和信息模糊等因素并不能解釋責任厭惡（責任規(guī)避），研究者認為它是由一種二階認知過程驅(qū)動的，反映出當其他人的福利受到影響時，決策者對最佳選擇的確定性的需求增加。

最后，研究者認為他們所構(gòu)建的模型估計了處理不同選擇成分的大腦區(qū)域之間信息流動的水平，這為理解在責任厭惡和領(lǐng)導評分中個體差異的神經(jīng)生物學提供了新見解。

在現(xiàn)實生活中，領(lǐng)導者在進行有關(guān)組織的決策時，必須為他人承擔責任，比如把士兵派入戰(zhàn)場上，或者你為你的孩子挑選一所學校，都有一個基本的屬性：為他人的結(jié)果承擔責任。這一責任在首相和將軍們的角色中，以及在公司經(jīng)理、教師和家長的日常角色中都是固有的。而且這些決策將影響個人、甚至組織和國家的福祉。因此，研究者試圖理解領(lǐng)導決策潛在的行為、計算和神經(jīng)生物學機制。

方法：實驗

為此，研究者設(shè)計了一個實驗，使其能夠區(qū)分領(lǐng)導決策是與基本偏好、風險趨向、損失或信息模糊有關(guān)，還是通過一個單獨的機制影響領(lǐng)導責任感從而影響領(lǐng)導決策。被試最初被分成四組。為了增強個體間關(guān)系而設(shè)計了組織形成任務(wù)（見補充方法2.1.1），每個被試都獨立于其他組成員完成了基線選擇任務(wù)。

在這項任務(wù)中，被試在每次試驗中決定是否接受或拒絕一場涉及收益和損失概率的賭博任務(wù)（圖1A和附錄S1）。研究者考慮到現(xiàn)實的決策情景下，很難得知成功的確切概率，所以這項任務(wù)包括了許多關(guān)于收益和損失的模糊概率的試次。然而，為了區(qū)分個人對風險趨向和信息模糊的態(tài)度，這項任務(wù)也包含了精確概率已知的試驗。在領(lǐng)導者決策（授權(quán)）任務(wù)（圖1B）中，被試面對的是與基線任務(wù)相同的賭博，但是現(xiàn)在他們可以選擇自己做決定（例如舉薦自己為領(lǐng)導者）或服從小組的決定。

領(lǐng)導者決策任務(wù)有兩種類型的試次，即自我試驗和小組試次，在自我試次中，只有進行決策的被試的獎勵受到影響，而其他組織內(nèi)成員的獎勵沒有受到影響。而在小組試次中，決策結(jié)果影響了每個組內(nèi)成員的收益。而且對于每一個匹配的基線和委托試驗,兩個小組成員不會看到相同的部分得失概率分布(圖1 c)。研究者以此在兩個獨立的被試樣本中收集并分析了這些決策數(shù)據(jù)：第一個數(shù)據(jù)集只探查了決策的行為數(shù)據(jù)，而第二個數(shù)據(jù)集，研究者不僅探查了行為實驗的數(shù)據(jù)，也對神經(jīng)成像數(shù)據(jù)進行了采集和分析。

圖1.實驗設(shè)計

磁共振數(shù)據(jù)的處理與分析

磁共振數(shù)據(jù)使用Philips 3T掃描儀采集，TR為2204ms，體素大小為3*3*3mm。數(shù)據(jù)預(yù)處理使用SPM 12完成，具體步驟包括：去除前5張全腦像、頭動校正、時間層校正、兩步配準（T1像配準）、空間平滑。隨后剔除了頭動大于3mm的被試。一階分析中，作者構(gòu)建了三種GLM模型：

（1）第一種GLM只區(qū)分小組試次和自我試次，此外還考慮了RT、SVd、p(l|u)，分別表示反應(yīng)時、主觀價值差異、決定做領(lǐng)導的概率；

（2）第二種GLM類似于第一種，除了區(qū)分小組試次和自我試次，還區(qū)分選擇類型（服從小組決定還是獨自做決定）；

（3）第三種GLM和第二種也類似，又增添了一個表示信息優(yōu)勢的參數(shù)。二階分析（組分析）使用T檢驗，把責任規(guī)避作為協(xié)變量，得出了各種情況的激活腦區(qū)，結(jié)果進行了多重比較校正。隨后作者構(gòu)建了DCM模型，以便利用DCM模型參數(shù)來預(yù)測責任規(guī)避和領(lǐng)導力得分。DCM模型的構(gòu)建選用了4個時間序列（分別來自mPFC、aIns、TG、TPJ，參見表S3），這些腦區(qū)都對應(yīng)GLM模型各種contrast的峰值點?；貧w模型選擇了彈性網(wǎng)絡(luò)回歸，并進行了留一交叉驗證?？偠灾?，大致過程為：預(yù)處理、一階分析、二階分析、構(gòu)建DCM、預(yù)測。

分析與結(jié)果：

基線偏好與領(lǐng)導能力

研究者分析了基線任務(wù)中的風險趨向、損失和信息模糊是否與領(lǐng)導得分（量表測量）有關(guān)。研究者發(fā)現(xiàn)其關(guān)系并不顯著（補充材料表1和圖2）。此外，個體的信息優(yōu)勢的敏感性、響應(yīng)時間和選擇一致性的都與領(lǐng)導得分相關(guān)不顯著（補充材料表S1和補充結(jié)果1、2和7）。

決策權(quán)和控制權(quán)偏好的作用

無論是在自我試次中還是在小組試次中的每一項決策，都要求被試選擇是自己做出決定，還是放棄做出選擇的權(quán)利，并遵循小組其他成員的集體判斷。研究者發(fā)現(xiàn)與不重視個人決策權(quán)的被試相比，高度重視維護其私人決策權(quán)的被試在自我試次中表現(xiàn)出相對較低的延遲率。

研究者還發(fā)現(xiàn)被試一般傾向于在自我試次中保持對自己結(jié)果的控制，并且愿意在具有信息優(yōu)勢的情況下服從小組決定(mean = 62.7%; Wilcoxon signed-rank test versusa random-choice null hypothesis, zscore = 6.0, P = 2 × 10-9)），但是，在自我試次中控制選擇的比例與個人領(lǐng)導得分無關(guān)（圖2A）。

此外，研究者發(fā)現(xiàn)領(lǐng)導者被試就像在自我試次中一樣，更傾向于保持對群體結(jié)果的控制。然而，被試對結(jié)果的控制偏好和領(lǐng)導得分之間相關(guān)不顯著（圖2B）因此，對偏好決策權(quán)利和對自我或他人的控制并不能解釋在領(lǐng)導得分上的個體差異，這表明可能還有其他不同的動機力量在起作用。

領(lǐng)導和責任規(guī)避

大多數(shù)被試更傾向于逃避責任，即大多數(shù)被試在小組試次的服從選擇多于自我試次(Wilcoxon signed-rank test, zscore = 5.4, P = 5 × 10-8)。因此，研究稱之為“偏好責任規(guī)避”。最重要的是，那些表現(xiàn)出較少責任感的人的領(lǐng)導得分更高（圖2 C;r =-0.46, P = 2 × 10-4)。為了驗證其生態(tài)效度，研究者收集了來自被試的真實的領(lǐng)導行為（在強制服兵役期間獲得的等級和在童子軍組織中的領(lǐng)導經(jīng)驗，補充方法2.3.4）。責任規(guī)避是與這些現(xiàn)實生活中的領(lǐng)導表現(xiàn)有顯著相關(guān)的唯一因素（圖2D，r=0.49，P=0.02）。而且，研究者根據(jù)原始行為樣本的基礎(chǔ)上計算出的參數(shù)預(yù)測了fMRI樣本(第二個獨立樣本)的領(lǐng)導分數(shù)的得分。fMRI樣本預(yù)測的領(lǐng)導分數(shù)確實與這些被試的經(jīng)驗觀察結(jié)果有顯著的相關(guān)性（圖2E，r = 0.44, P = 0.004;補充的結(jié)果。）

圖2.責任規(guī)避的行為證據(jù)

責任規(guī)避

研究者為了了解責任厭惡的認知驅(qū)動過程，通過建模來進一步確定潛在的責任規(guī)避機制。研究者發(fā)現(xiàn)服從選擇的模式（圖3A）和反應(yīng)時間（圖3B）提供了一個初步的線索。研究者估計了被試的偏好參數(shù)（例如使用前景理論模型（補充方法3.1;對風險、損失、模糊和概率權(quán)重的態(tài)度）還請參閱補充結(jié)果9），并使用這些參數(shù)來計算在試次中接受和拒絕選項之間的主觀價值差異。

研究者發(fā)現(xiàn)當主觀價值差異較低時，反應(yīng)時間是最高的。在給定的試驗中接受（或拒絕）賭博是最好的選擇時，參與者通常是自己做決定，而不是讓團隊來決定。然而，當不能以損失、風險和模糊來判斷什么時最佳選擇時（確定性低），即主觀價值的差異很小時，被試更頻繁地服從于群體。服從閾值是由接受和拒絕賭博之間的關(guān)鍵的主觀價值差異定義的（例如在圖3 C的垂直線條中，主體在不同的位置之間切換）。因此，不愿承擔責任的被試在在小組試次中要求最好的選擇是具有更高確定性，這就等于在小組試次中更大的差別閾限（圖3C和D）。

圖3.服從行為的模式

計算模型解釋領(lǐng)導行為和責任規(guī)避

研究者建立了一個計算模型，在這個模型中，個人偏好參數(shù)和他們的服從閾值是根據(jù)他們在自我和小組試次中的行為同時估計的。如果標準的偏好在不同的條件之間有很大的差異，而服從閾值保持不變，那么對責任的規(guī)避最好的解釋是傳統(tǒng)偏好的變化。然而，如果傳統(tǒng)的偏好估計在群體和自我試次中保持不變，而服從閾值則各不相同，那么責任規(guī)避可以歸因于服從閾值的變化，以及關(guān)于服從的相對效用的信念。

計算模型準確地捕捉了決策行為的模式（圖4A和B;請參見表S2中的表S2和參數(shù)恢復(fù)練習的模型比較結(jié)果）。這使研究者能夠使用它來確定決策過程的哪些潛在因素受其他人收益的影響。對不同條件下的模型參數(shù)的直接測試表明，小組試次導致了服從閾值的增加（mean change (±SD) is 1.26 (±0.23);posteriorprobability of a difference between the conditions is >0.999），但沒有影響任何其他模型參數(shù)（圖4 C）。

因此，對他人負責并沒有改變參與者處理關(guān)鍵決策相關(guān)信息的方式，比如獎勵大小、風險或信息模糊性，而是導致了服從閾值的變化，這又表明被試對小組中最佳選擇的確定性需求更高。幾乎所有的被試在小組試次中的服從閾值都相對于自我試驗增加（圖4D）。此外，這些在服從閾值上的個體水平變化與領(lǐng)導得分相關(guān)（r= -0.46，P= P = 3 × 10-4），且更穩(wěn)定的閾值與更高的領(lǐng)導得分相關(guān)。

研究者的研究結(jié)果提出了選擇領(lǐng)導或者服從的理論解釋：被試根據(jù)他們對最佳選擇的確定性的需求，再在主觀價值空間中進行評估，從而做出選擇領(lǐng)導或服從的決策。

圖4.計算模型結(jié)果

責任規(guī)避的神經(jīng)機制

研究者發(fā)現(xiàn)，相比于自我試次，小組試次中TG的活動更高。在TG活動的前提下，觀察到了在更強的責任規(guī)避下，mPFC對aIns的影響是不同的； TG活動的升高與mPFC對aIns的抑制效應(yīng)有關(guān)。領(lǐng)導者一般表現(xiàn)出較少的抑制。這或許是差別閾限改變的潛在神經(jīng)機制。這些發(fā)現(xiàn)支持了責任規(guī)避是與mPFC活動有關(guān)的主觀價值計算的一個二階過程結(jié)果。

圖5. DCM模型預(yù)測與真實值的相關(guān)（A,差別閾限，B,領(lǐng)導力得分）；mPFC對aIns的影響受到TG活動的調(diào)節(jié)（C）。

綜上所述，這些結(jié)果表明，責任厭惡是一個強有力的且生態(tài)效度高的領(lǐng)導預(yù)測因子。這些結(jié)果表示，當個人面臨領(lǐng)導他人進行決策時，決策過程中的一些關(guān)鍵的潛在因素必須改變，而不是面對相同決策時僅僅單獨為自己考慮。