Modelo estímulo-resposta

O modelo estímulo-resposta é uma caracterização de uma unidade estatística (como um neurônio). O modelo permite a previsão de uma resposta quantitativa a um estímulo quantitativo, por exemplo um administrado por um pesquisador. Em psicologia, a teoria da resposta ao estímulo forma o condicionamento clássico no qual um estímulo se torna uma resposta emparelhada na mente de um sujeito.

Campos de aplicação

Os modelos estímulo-resposta são aplicados nas relações internacionais, psicologia, avaliação de risco, neurociência, design de sistema de inspiração neural, e muitos outros campos.

As relações farmacológicas dose-resposta são uma aplicação de modelos estímulo-resposta.

Outro campo ao qual este modelo pode ser aplicado são os problemas/distúrbios psicológicos, como a síndrome de Tourette. A pesquisa mostra que a síndrome de Gilles de la Tourette (GTS) pode ser caracterizada por funções cognitivas aprimoradas relacionadas à criação, modificação e manutenção de conexões entre estímulos e respostas (ligações S-R). Especificamente, duas áreas, aprendizagem de sequência processual e, como descoberta nova, também ligação de arquivos de eventos, mostram evidências convergentes de hiperfuncionamento no GTS.

Pesquisas anteriores sobre E-learning provaram que estudar on-line pode ser ainda mais assustador para professores e alunos que mudam repentinamente seus padrões de aprendizagem das salas de aula para os virtuais. Isto ocorre principalmente porque a rapidez dessa mudança torna difícil para os professores se prepararem totalmente para lecionar no ambiente virtual de aprendizagem. À luz dos fatos acima mencionados, esta pesquisa propõe um novo modelo e integra a teoria do fluxo na teoria do modelo de aceitação de tecnologia (TAM), baseada na teoria estímulo-organismo-resposta (S-O-R), o modelo SOR tem sido amplamente utilizado em estudos anteriores sobre o comportamento do cliente online, e a teoria do modelo inclui três componentes: estímulo, organismo e resposta. Assumir que os estímulos contidos no ambiente externo provocam mudanças nas pessoas, o que afeta o seu comportamento.

Formulação matemática

O objetivo de um modelo estímulo-resposta é estabelecer uma função matemática que descreva a relação f entre o estímulo x e o valor esperado (ou outra medida de localização) da resposta Y:

$(Y)=f(x)}$

Uma simplificação comum assumida para tais funções é linear, portanto esperamos ver uma relação como

${displaystyle mathrm {E} (Y)=alpha +beta x.}$

A teoria estatística para modelos lineares tem sido bem desenvolvida há mais de cinquenta anos, e uma forma padrão de análise chamada regressão linear foi desenvolvida.

Funções de resposta limitada

Como muitos tipos de resposta têm limitações físicas inerentes (por exemplo, contração muscular máxima mínima), é frequentemente aplicável usar uma função limitada (como a função logística) para modelar a resposta. Da mesma forma, uma função de resposta linear pode ser irrealista, pois implicaria respostas arbitrariamente grandes. Para variáveis dependentes binárias, análise estatística com métodos de regressão, como o modelo probit ou modelo logit, ou outros métodos, como o método Spearman-Kärber. Modelos empíricos baseados em regressão não linear são geralmente preferidos ao uso de alguma transformação dos dados que linearize a relação estímulo-resposta.

Um exemplo de um modelo de logit para a probabilidade de uma resposta à entrada real (estimulo) $Não.$,${displaystyle xin mathbb Não.$)

${displaystyle p(x)={frac {1}{1+e^{-(beta _{0}+beta _{1}x)}}}}$

Onde? ${displaystyle beta _{0},beta _{1}}$ são os parâmetros da função.

Por outro lado, um modelo Probit teria a forma

${displaystyle p(x)=Phi (beta _{0}+beta _{1}x)}$

Onde? $(x)}$ é a função de distribuição cumulativa da distribuição normal.

Equação de colina

Na bioquímica e na farmacologia, a equação de Hill refere-se a duas equações estreitamente relacionadas, uma das quais descreve a resposta (a saída fisiológica do sistema, como a contração muscular) à Droga ou à Toxina, como função da concentração da droga. A equação Hill é importante na construção de curvas de dose-resposta. A equação Hill é a seguinte fórmula, onde $Não.$ é a magnitude da resposta, $[A]}$ é a concentração de drogas (ou equivalente, intensidade de estímulo), ${displaystyle mathrm {EC} _{50}}$ é a concentração de drogas que produz uma resposta meio-maximal e $Não.$ é o coeficiente de Hill.

${displaystyle {frac {E}{E_{mathrm {max}} }}}={frac {1}{1+left({frac {mathrm {EC} _{50}}{[A]}}right)^{n}}}}$

Observe que a equação de Hill se reorganiza em uma função logística em relação ao logaritmo da dose (semelhante a um modelo logit).

Fundador do Modelo

Ivan Pavlov

Pavlov começou a estudar o sistema digestivo em cães realizando implantes crônicos de fístulas no estômago, através dos quais conseguiu mostrar com extrema clareza que o sistema nervoso desempenha um papel dominante na regulação do processo digestivo. Experimentos sobre digestão levaram ao desenvolvimento do primeiro modelo experimental de aprendizagem, no qual um estímulo neutro adquire a capacidade de evocar uma resposta específica após repetidos emparelhamentos com outro estímulo que evoca a resposta.

Edward Thorndike

Thorndike, que propôs o modelo, acreditava que a aprendizagem resultava de estímulo e resposta. Pavlov popularizou e revolucionou a teoria fazendo experiências com cães.