Ardışık örnekleme modeli çerçevesinde seçim kaynaklı tercih değişikliği

Seçimlerimiz neden hoşlandıklarımızı yeniden şekillendirir

Eşit derecede sevdiğiniz bir çikolata barı ile bir portakal arasında seçim yaptığınızı hayal edin. Garip bir biçimde, birini seçtikten sonra seçtiğiniz atıştırmalığı daha çok sevme, reddettiğinizi ise daha az sevme eğilimine girebilirsiniz. Seçim kaynaklı tercih değişikliği olarak bilinen bu günlük tuhaflık onlarca yıldır belgelenmiştir. Buna rağmen karar verme kuramlarının birçok önde gelen matematiksel modeli bunu açıklamakta zorlanmıştır. Bu makale, ardışık örnekleme modelleri olarak adlandırılan popüler bir model sınıfının, karar süreci sırasında değerlerin evrilmesine izin verdiğimizde bu tercih kaymasını doğal olarak üretebileceğini gösterir.

Psikologların kararları genellikle nasıl düşündüğü

Karar verme üzerine yapılan birçok araştırma iki seçenek arasındaki basit seçimlere odaklanır. Seçimler yapılmadan önce insanlar sıklıkla her seçeneği ne kadar sevdiklerini puanlarlar. Klasik bulgular, seçenekler benzer çekicilikteyken seçimlerin daha yavaş ve daha öngörülemez olduğunu; bir seçenek açıkça öne çıktığında ya da her iki seçenek de yüksek değere sahip olduğunda ise daha hızlı ve daha tutarlı olduğunu gösterir. Seçimler ayrıca tadın sağlık gibi temel özelliklerde güçlü farklılık gösterdiği durumlarda daha çabuk gerçekleşir. Beynin, bir seçenek karar eşiğini aşana dek gürültülü kanıt parçalarını kademeli olarak topladığı hayali üzerine kurulan ardışık örnekleme modelleri bu desenleri çok iyi yakalar.

Karar verdikten sonra beğeninin değiştiği durumlar

Seçim kaynaklı tercih değişikliği bu standart kalıpların ötesine geçer. Pek çok deneyde insanlar öğeleri puanlar, çiftler halinde seçimler yapar ve ardından öğeleri tekrar puanlar. Genellikle seçilen öğenin puanı artar, reddedilen öğenin puanı düşer ve aralarındaki fark genişler. Bu "alternatiflerin yayılması" en çok zor kararlar için—başlangıç puanları birbirine yakın veya daha belirsiz olduğunda—ve her seçeneğin farklı özelliklerde güçlü olduğu seçimlerde görülür. Ayrıca insanlar hızlı karar verip kendinden eminse daha büyük olma eğilimindedir. Saf ölçüm gürültüsüne dayanan basit açıklamalar zorluk, özellikler ve tepki süreleri ile bu güvenilir bağlantıları tamamen hesaplayamaz.

Karar verme sırasında değerlerin evrilmesine izin vermek

Standart ardışık örnekleme modelleri, karar sırasında her seçeneğin sabit bir temel değere sahip olduğunu varsayar; model sadece bu değeri kanıt biriktirerek açığa çıkarır. Bu varsayım altında değerlerin kendilerinin değişmesi için yer yoktur. Yazarlar bunu sorgulayarak kanıt kalitesinin zamanla değişmesine izin verir. Onların çerçevesinde erken kanıt kaba ön izlenimleri yansıtırken, daha zor kararlar karar vericiyi başlangıçta tam olarak değerlendirilmemiş ek özellikleri veya bilgileri göz önüne almaya iter. Örneğin sadece lezzet çikolata ile portakalı ayırt etmeye yetmediğinde, kişi sağlığı da hesaba katmaya başlayabilir; bu da gelişen kanıtı portakala doğru kaydırır ve iki atıştırmalık arasındaki içsel değer farkını değiştirir.

Gerçek veriler üzerinde farklı karar motorlarını test etmek

Bu fikrin pratikte işe yarayıp yaramadığını görmek için yazarlar önceki atıştırmalık-seçimi deneylerinden gerçek verileri kullanarak seçimleri simüle ettiler. Katılımcılar yiyecekleri genel değerlerinin yanı sıra zevk ve besin açısından puanlamış, sonra seçim yapmış ve tekrar puanlamışlardı. Yazarlar her kişinin seçimlerine ve tepki sürelerine üç ilişkili karar modelini uydurdular: değeri tek bir nicelik olarak ele alan temel bir drift–diffusion modeli; zevk ve besin için kanıtı ayrı ayrı biriktiren çok-özellikli bir versiyon; ve farklı özelliklerin kararda farklı zamanlarda etkili olmaya başladığı genişletilmiş bir model. Uydurulan modeller kullanılarak çok sayıda karar simüle edildi ve modelin "nihai" değer farkının ilk puanlamalardan çıkarılanla ne kadar farklılaştığına dayanarak içsel bir tercih değişikliği ölçüsü hesaplandı.

Zihin değişiklikleri hakkında modellerin ortaya koydukları

Üç model çeşidinin tümü, tercih yayılmasının ortalamada pozitif olduğu ve zor kararlar için daha büyük olduğu gerçeğini tekrarladı. Temel model bunu esas olarak gürültü aracılığıyla başardı: kanıt yavaşça kaydığında rastgele dalgalanmalar nihai değer farkını başlangıçtan uzaklaştırmak için daha fazla zaman bulur. Ancak, tercih yayılmasının seçeneklerin özellik karışımında güçlü farklılıklar olduğunda arttığına dair ampirik bulguyu sadece ayrı özellikleri açıkça izleyen modeller taklit edebildi. Bu daha zengin modeller ayrıca daha hızlı kararlar ile daha büyük tercih kaymaları arasındaki gözlemlenen bağı da yakaladı; bunun nedeni daha güçlü etkili kanıtın hem seçimleri hızlandırması hem de içsel değerleri daha fazla uzaklaştırmasıydı. Özelliklerin karara farklı zamanlarda girmesine izin vermek verilere en yakın nitel eşleşmeyi sağladı.

Günlük seçimlerimiz için bunun anlamı

Bir uzman olmayan için ana mesaj şudur: seçim yaparken sabit tercihleri sadece keşfetmiyoruz; seçme eylemi sırasında onları aktif olarak rafine eder ve bazen yeniden şekillendiririz. İyi oturmuş bir karar çerçevesini birden çok evrilen kanıt akışıyla zenginleştirerek, bu çalışma seçtiklerimize yönelik seçim sonrası çekimin aynı temel süreçten türebileceğini gösterir; bu süreç seçimlerin ne kadar hızlı ve güvenilir olduğunu belirler. Başka bir deyişle, zihnin farklı özellikleri kademeli olarak tartması yalnızca hangi seçeneğin kazandığını belirlemiyor, aynı zamanda daha sonra neyi sevdiğimiz hakkındaki anlattığımız hikâyeyi de yazmaya yardımcı oluyor.

Atıf: Lee, D.G., Pezzulo, G. Choice-induced preference change under a sequential sampling model framework. Sci Rep 16, 14455 (2026). https://doi.org/10.1038/s41598-026-44610-5

Anahtar kelimeler: karar verme, tercih değişikliği, drift diffusion modeli, değer-temelli seçim, kognitif modelleme