EEG příznaky předpovídající úspěch v ekonomické výměně

Abstract

Tato diplomová práce se zabývá neuronálními koreláty výše zisku pomocí metody hyperscanning, což je technika současného záznamu mozkové aktivity dvou nebo více osob. Zvolili jsme paradigma Trust Game vycházející z teorie her, které nám umožňuje zkoumat vzájemnou interakci mezi investorem a bankéřem. Pro vyhodnocení této interakce byly vytvořeny dva lineární smíšené modely. Jeden pro fázi investování a druhý pro fázi splácení. Modely byly natrénovány na datových sadách obsahující behaviorální data, data spektrálního výkonu a data mezimozkové konektivity. Příznaky konektivity a spektrálního výkonu byly vybrány na základě rozdílů v mozkové aktivitě během Trust Game a srovnávacího gaze experimentu. Ačkoliv modely založené na behaviorálních datech dosahovaly nejvyšší přesnosti predikce investice i splácení, modely trénované na datech spektrálního výkonu odhalily statisticky významné příznaky v pásmu beta, které měly negativní vztah jak k výši investice, tak ke splacené částce. Z toho usuzujeme, že vysoká aktivita v beta pásmu během zobrazení splacené částky může odrážet neuspokojivou výši splátky zaslanou bankéřem investorovi, což následně vede ke ztrátě důvěry investora. Pro tuto interpretaci však nemáme dostatek důkazů, jelikož velikost našeho datasetu je omezená a naše výsledky nebylo možné generalizovat.

This thesis investigates neural correlates of income with the use of hyperscanning, which is a method where the activity of two or more brains is recorded simultaneously. We chose one of the game theory-based paradigms in order to study the interaction of the investor and trustee. The behavior of both players performance during the game was assesed by two linear mixed models of repayment and investment based on behavioral, spectral power, and connectivity features that were selected based on a comparison of the neural activity from the trust game and the gaze paradigm. Although behavioral models had the best performance in repayment and investment prediction, the models based on spectral power data revealed significant features in the beta band with a negative relationship to both investment and repayment. We conclude that the high beta frequency during the repayment revelation is triggered by the unreciprocated repayment by the trustee, which leads to a breach of the trust by the investor. However, we are cautious with this interpretation due to the limited size of our dataset and the impossibility of testing the generalisation of our results.