漂移扩散模型的那些事

分享嘉宾：陈梁杰
单位：北京大学心理与认知科学学院，博士研究生

报告简介

认知模型的建构有助于研究者从全新的视角审视实验数据，重拾起那些常被”遗忘”的数据特征。漂移扩散模型（DDM）以还原论的视角看待决策过程，个体在消耗时间的过程中通过累计决策所需的”证据”来完成0或1的输出。本次报告试图回顾DDM建构的根本逻辑，以及其如何模拟个体的决策过程。此外，我还将介绍不同场景下DDM是如何适应被试的反应差异和模式带来的影响。我希望这些介绍能够帮助你更为理性的了解DDM的作用，以及判断自己的研究是否适合应用这个模型。

报告时间

北京时间 [GMT+8] 2022年10月30日 (周日) 20:00-21:30

会议信息： 腾讯会议 663-6637-979

报告语言： 中文

主持人： 温秀娟

参考文献

Ratcliff, R., & McKoon, G. (2008). The diffusion decision model: theory and data for two-choice decision tasks. Neural computation, 20(4), 873-922.

其他

录屏
PPT