preprocessed_good_trials.csv

包含动物行为数据的预处理良好试验数据集

A well-preprocessed experimental dataset containing animal behavior data

原始信息汇总

数据集概述

数据集内容

• csv/ 目录：包含动物行为数据文件 preprocessed_good_trials.csv 以及用于绘图的预计算CSV文件。
• fits/ 目录：存放使用混合BDT模型进行拟合的Stan拟合对象。
• plots/ 目录：目前为空，将存储绘图函数的输出。
• figure_x 目录：包含用于制作特定图表的绘图函数。

使用说明

• 设置工作目录至本地存储库位置：setwd(xx/perceptual-gambling/)。
• 加载 init.R 文件，并确保已安装相关软件包。
• 访问每个 figure_x.R 文件，并运行 make_figure_x 函数以生成图表。

搜集汇总

数据集介绍

构建方式

该数据集构建于一项研究啮齿动物在不对称奖励条件下感知决策的实验中。实验通过记录动物在特定任务中的行为反应，收集了包括选择行为、反应时间等关键数据。数据经过预处理，剔除了无效试验，确保了数据的质量和可靠性。最终，这些数据被整理为`preprocessed_good_trials.csv`文件，供进一步分析使用。

特点

该数据集的特点在于其专注于不对称奖励条件下的感知决策行为，提供了丰富的动物行为数据。数据集不仅包含了动物的选择行为，还记录了反应时间等细节，为研究感知决策的神经机制提供了宝贵的数据支持。此外，数据集还附带了用于绘图的预计算文件，方便用户进行数据可视化分析。

使用方法

使用该数据集时，用户需首先将工作目录设置为本地存储库的位置，并确保安装了相关的R包。通过运行`init.R`脚本，用户可以加载所需的函数和依赖项。随后，用户可以直接运行`figure_x.R`文件中的`make_figure_x`函数，生成相应的图表。这一流程简化了数据分析过程，使得用户能够快速进行数据可视化和结果展示。

背景与挑战

背景概述

preprocessed_good_trials.csv数据集由Xiaoyue Zhu等人创建，旨在研究不对称奖励条件下的感知决策行为。该数据集主要包含啮齿类动物的行为数据，通过预处理的实验数据，研究人员能够深入探讨动物在奖励不对称情境下的决策机制。这一研究不仅为神经科学领域提供了宝贵的行为数据，还为理解感知决策的神经基础提供了新的视角。数据集的核心研究问题聚焦于动物如何在不同的奖励条件下做出感知决策，其研究成果对行为经济学和认知神经科学领域具有重要的参考价值。

当前挑战

该数据集在解决感知决策行为的研究中面临多重挑战。首先，如何在不影响动物自然行为的前提下，精确记录和分析其决策过程，是实验设计中的一大难题。其次，数据预处理过程中，如何有效剔除噪声数据并保留有效信息，对数据质量提出了较高要求。此外，模型的构建与拟合过程中，如何选择合适的统计模型来准确描述动物的决策行为，也是研究中的关键挑战。这些挑战不仅考验了研究人员的实验设计能力，也对数据分析技术提出了更高的要求。

常用场景

经典使用场景

在神经科学和行为学研究中，`preprocessed_good_trials.csv`数据集常用于分析啮齿类动物在不对称奖励条件下的感知决策行为。研究者通过该数据集能够深入探讨动物在不同奖励结构下的选择策略，揭示其决策过程中的认知机制。

解决学术问题

该数据集为解决感知决策中的奖励不对称性问题提供了关键数据支持。通过分析动物在实验中的行为数据，研究者能够量化奖励对决策的影响，验证混合贝叶斯决策理论模型的有效性，从而推动决策神经科学领域的发展。

衍生相关工作

基于该数据集的研究成果，衍生了一系列关于决策神经机制的重要工作。例如，研究者利用该数据集验证了混合贝叶斯决策模型在复杂奖励结构中的适用性，并进一步开发了新的计算模型，用于预测动物在不同实验条件下的行为表现。