निर्णय क्षेत्र सिद्धांत

निर्णय क्षेत्र सिद्धांत (डीएफटी) मानव निर्णय लेने के लिए एक गतिशील-संज्ञानात्मक दृष्टिकोण है। यह एक संज्ञानात्मक मॉडल है जो बताता है कि लोग वास्तव में तर्कसंगत या मानक सिद्धांत के अतिरिक्त कैसे निर्णय लेते हैं जो यह निर्धारित करता है कि लोगों को क्या करना चाहिए या क्या करना चाहिए। यह एक स्थिर मॉडल के अतिरिक्त निर्णय लेने का एक गतिशील मॉडल भी है, क्योंकि यह वर्णन करता है कि प्राथमिकता की एक निश्चित स्थिति मानने के अतिरिक्त निर्णय लेने तक किसी व्यक्ति की प्राथमिकताएं समय के साथ कैसे विकसित होती हैं। वरीयता विकास प्रक्रिया को गणितीय रूप से एक स्टोकेस्टिक प्रक्रिया के रूप में दर्शाया जाता है जिसे प्रसार प्रक्रिया कहा जाता है। इसका उपयोग यह अनुमान लगाने के लिए किया जाता है कि मनुष्य अनिश्चितता के अनुसार कैसे निर्णय लेते हैं, समय के दबाव में निर्णय कैसे परिवर्तित करते हैं, और पसंद का संदर्भ कैसे प्राथमिकताओं को बदलता है। इस मॉडल का उपयोग न केवल चुने गए विकल्पों की पूर्वानुमान करने के लिए किया जा सकता है चूँकि निर्णय या प्रतिक्रिया समय की भी पूर्वानुमान की जा सकती है।

पेपर डिसीजन फील्ड थ्योरी 1993 में जेरोम बुसेमेयर या जेरोम आर. बुसेमेयर और जेम्स टाउनसेंड (मनोवैज्ञानिक) या जेम्स टी. टाउनसेंड द्वारा प्रकाशित किया गया था।  डीएफटी को मानव पसंद व्यवहार के संबंध में अनेक आश्चर्य करने वाले निष्कर्षों के लिए उत्तरदाई माना गया है, जिसमें स्टोकेस्टिक प्रभुत्व का उल्लंघन, सशक्त स्टोकेस्टिक ट्रांजिटिव संबंध का उल्लंघन सम्मिलित है।   जिसमे विकल्पों के बीच स्वतंत्रता का उल्लंघन, वरीयता पर क्रम-स्थिति प्रभाव, गति स्पष्टता ट्रेडऑफ़ प्रभाव, संभाव्यता और निर्णय समय के बीच विपरीत संबंध, समय के दबाव में निर्णयों में परिवर्तन, साथ ही विकल्पों और मूल्यवान के बीच वरीयता व्युत्क्रम डीएफटी न्यूरोसाइंस के लिए एक पुल भी प्रदान करता है। वर्तमान ही में, निर्णय क्षेत्र सिद्धांत के लेखकों ने भी क्वांटम संज्ञान नामक एक नई सैद्धांतिक दिशा की खोज प्रारंभ कर दी है।

परिचय
नाम निर्णय क्षेत्र सिद्धांत को इस तथ्य को प्रतिबिंबित करने के लिए चुना गया था कि इस सिद्धांत की प्रेरणा कर्ट लेविन के सामान्य मनोवैज्ञानिक सिद्धांत में निहित एक पुराने दृष्टिकोण - परिहार संघर्ष मॉडल से आती है, जिसे उन्होंने क्षेत्र सिद्धांत कहा था। डीएफटी अनुक्रमिक नमूनाकरण मॉडल के एक सामान्य वर्ग का सदस्य है जो समान्यत: अनुभूति के विभिन्न क्षेत्रों में उपयोग किया जाता है।      । अनुक्रमिक नमूनाकरण मॉडल के लिए निर्णय प्रक्रिया में अंतर्निहित मूल विचारों को नीचे चित्र 1 में दर्शाया गया है। मान लीजिए कि निर्णय निर्माता को प्रारंभ में तीन विपत्तिपूर्ण संभावनाओं, ए, बी, C के बीच एक विकल्प के साथ प्रस्तुत किया जाता है, जहाँ समय t = 0 पर चित्र पर क्षैतिज अक्ष विचार-विमर्श के समय (सेकंड में) का प्रतिनिधित्व करता है, और ऊर्ध्वाधर अक्ष वरीयता शक्ति का प्रतिनिधित्व करता है। चित्र में प्रत्येक प्रक्षेपवक्र समय के प्रत्येक क्षण में विपत्तिपूर्ण भरी संभावनाओं में से एक के लिए प्राथमिकता स्थिति का प्रतिनिधित्व करता है। सहज रूप से, समय के प्रत्येक क्षण में, निर्णय निर्माता प्रत्येक संभावना के विभिन्न भुगतानों के बारे में सोचता है, जो प्रत्येक संभावना के लिए एक भावात्मक प्रतिक्रिया, या वैलेंस उत्पन्न करता है। प्रत्येक क्षण में वरीयता स्थिति उत्पन्न करने के लिए इन संयोजकताओं को समय-समय पर एकीकृत किया जाता है। इस उदाहरण में, प्रसंस्करण के प्रारंभिक चरणों (200 और 300 एमएस के बीच) के समय, ध्यान संभावना C के पक्ष में होने वाले लाभों पर केंद्रित होता है, किंतु बाद में (600 एमएस के बाद) ध्यान संभावना ए के पक्ष में होने वाले लाभों की ओर स्थानांतरित हो जाता है। इस प्रक्रिया के लिए रोक नियम है एक सीमा द्वारा नियंत्रित (जो इस उदाहरण में 1.0 के समान सेट है): शीर्ष सीमा तक पहुंचने वाली पहली संभावना स्वीकार की जाती है, जो इस स्थिति में लगभग दो सेकंड के बाद संभावना ए है। जिससे पसंद की संभावना दौड़ जीतने और ऊपरी सीमा को पार करने के पहले विकल्प द्वारा निर्धारित की जाती है, और निर्णय का समय इस सीमा तक पहुंचने के लिए संभावनाओं में से एक के लिए आवश्यक विचार-विमर्श के समय के समान होता है।

गति-स्पष्टता ट्रेडऑफ़ को नियंत्रित करने के लिए सीमा एक महत्वपूर्ण पैरामीटर है। यदि चित्र 1 में सीमा को कम मान (लगभग .30) पर सेट किया गया है, तो संभावना ए के अतिरिक्त संभावना C को चुना जाएगा (और ऐसा पहले भी किया गया था)। इस प्रकार समय के दबाव में निर्णय पलट सकते हैं। उच्च सीमा तक पहुंचने के लिए एक सशक्त प्राथमिकता स्थिति की आवश्यकता होती है, जो नमूना लेने की संभावनाओं के बारे में अधिक जानकारी, विचार-विमर्श प्रक्रिया को लंबा करने और स्पष्टता बढ़ाने की अनुमति देती है। कम सीमाएँ अशक्त प्राथमिकता वाले राज्य को निर्णय निर्धारित करने की अनुमति देती हैं, जो संभावनाओं के बारे में जानकारी का नमूना लेने में कमियां करती है, जिससे विचार-विमर्श प्रक्रिया को छोटा करती है, और स्पष्टता को कम करती है। उच्च समय के दबाव में, निर्णय निर्माताओं को कम सीमा चुननी चाहिए; किंतु कम समय के दबाव में, स्पष्टता बढ़ाने के लिए उच्च सीमा का उपयोग किया जा सकता है। बहुत सावधान और विचार-विमर्श करने वाले निर्णय निर्माता उच्च सीमा का उपयोग करते हैं, और आवेगी और लापरवाह निर्णय निर्माता कम सीमा का उपयोग करते हैं। सिद्धांत का थोड़ा अधिक औपचारिक विवरण प्रदान करने के लिए, मान लें कि निर्णय निर्माता के पास तीन कार्यों में से एक विकल्प है, और सरलता के लिए यह भी मान लें कि केवल चार संभावित अंतिम परिणाम हैं। इस प्रकार प्रत्येक क्रिया को इन चार परिणामों में संभाव्यता वितरण द्वारा परिभाषित किया जाता है। प्रत्येक अदायगी से उत्पन्न भावात्मक मूल्यों को मूल्यों mj द्वारा दर्शाया जाता है. किसी भी समय, निर्णय निर्माता प्रत्येक कार्य के भुगतान की आशा करता है, जो एक क्षणिक मूल्यांकन उत्पन्न करता है जिसमे Ui(t), कार्य के लिए i जो यह क्षणिक मूल्यांकन प्रत्येक अदायगी के भावात्मक मूल्यांकन का ध्यान-आधारित औसत है: Ui(t) = Σ Wij(t)mj समय t, Wij(t) पर ध्यान भार कार्य आई द्वारा प्रस्तावित भुगतान जे के लिए, एक स्थिर स्टोकेस्टिक प्रक्रिया के अनुसार उतार-चढ़ाव माना जाता है। यह इस विचार को दर्शाता है कि ध्यान पल-पल बदल रहा है, जिससे समय-समय पर प्रत्येक क्रिया के प्रत्याशित लाभ में परिवर्तन हो रहा है। प्रत्येक क्रिया के क्षणिक मूल्यांकन की तुलना अन्य क्रियाओं से की जाती है जिससे प्रत्येक क्षण में प्रत्येक क्रिया के लिए एक संयोजकता बनाई जा सकता है, vi(t) = Ui(t) – U.(t), जहां U.(t) सभी क्षणिक क्रियाओं के औसत के समान है। संयोजकता प्रत्येक क्रिया के क्षणिक लाभ या हानि का प्रतिनिधित्व करती है। कुल संयोजकता शून्य पर संतुलित हो जाती है जिससे सभी विकल्प एक साथ आकर्षक न बन सकता है। अंत में, वैलेंस एक गतिशील प्रणाली के इनपुट हैं जो आउटपुट वरीयता स्थिति उत्पन्न करने के लिए समय के साथ वैलेंस को एकीकृत करते हैं। समय t पर क्रिया i के लिए आउटपुट वरीयता स्थिति को Pi(t) के रूप में दर्शाया गया है गतिशील प्रणाली को विचार-विमर्श प्रक्रिया में एक छोटे समय चरण एच के लिए निम्नलिखित रैखिक स्टोकेस्टिक अंतर समीकरण द्वारा वर्णित किया गया है: Pi(t+h) = Σ sijPj(t)+vi(t+h).धनात्मक आत्म प्रतिक्रिया गुणांक, sii = s > 0, प्राथमिकता स्थिति के लिए पिछले इनपुट वैलेंस के लिए मेमोरी को नियंत्रित करता है। sii < 1 का मान समय के साथ मेमोरी में गिरावट या पिछले वैलेंस के प्रभाव का सुझाव देता है, जबकि sii < 1 के मान समय के साथ प्रभाव में वृद्धि (प्रधानता प्रभाव) का सुझाव देता है। ऋणात्मक पार्श्व प्रतिक्रिया गुणांक, sij = sji < 0 क्योंकि i, j के समान नहीं है, कार्यों के बीच प्रतिस्पर्धा उत्पन्न करता है जिससे सशक्त अशक्त को रोक सकता है। दूसरे शब्दों में, जैसे-जैसे एक कार्य के लिए प्राथमिकता सशक्त होती जाती है, तो इससे अन्य कार्यों के लिए प्राथमिकता कम होती जाती है। पार्श्व निरोधात्मक गुणांक के परिमाण को विकल्प विकल्पों के बीच समानता का एक बढ़ता हुआ कार्य माना जाता है। ये पार्श्व निरोधात्मक गुणांक बाद में वर्णित वरीयता पर संदर्भ प्रभावों को समझाने के लिए महत्वपूर्ण हैं। औपचारिक रूप से, यह एक मार्कोव प्रक्रिया है; पसंद की संभावनाओं की गणना और पसंद प्रतिक्रिया समय के वितरण के लिए आव्यूह सूत्र गणितीय रूप से प्राप्त किए गए हैं।

निर्णय क्षेत्र सिद्धांत को निर्णय लेने के एक गतिशील और स्टोकेस्टिक रैंडम वॉक सिद्धांत के रूप में भी देखा जा सकता है, जिसे निचले स्तर के न्यूरल सक्रियण पैटर्न और मनोविज्ञान और अर्थशास्त्र में पाए जाने वाले निर्णय लेने की अधिक सम्मिश्र धारणाओं के बीच स्थित एक मॉडल के रूप में प्रस्तुत किया जाता है।

संदर्भ प्रभावों की व्याख्या करना
डीएफटी उन संदर्भ प्रभावों को समझाने में सक्षम है जिन्हें अनेक निर्णय लेने वाले सिद्धांत समझाने में असमर्थ हैं। पसंद के अनेक उत्कृष्ट संभाव्य मॉडल दो तर्कसंगत प्रकार के पसंद सिद्धांतों को संतुष्ट करते हैं। एक सिद्धांत को अप्रासंगिक विकल्पों की स्वतंत्रता कहा जाता है, और इस सिद्धांत के अनुसार, यदि केवल X,Y उपलब्ध होने पर विकल्प X को चुनने की संभावना विकल्प Y से अधिक है, तो विकल्प चॉइस सेट में नया विकल्प Z जोड़ा गया है। दूसरे शब्दों में, एक विकल्प जोड़ने से विकल्पों की मूल जोड़ी के बीच वरीयता संबंध नहीं बदलना चाहिए। दूसरे सिद्धांत को नियमितता कहा जाता है, और इस सिद्धांत के अनुसार, केवल X और Y वाले सेट से विकल्प X चुनने की संभावना विकल्प X,Y वाले बड़े सेट से विकल्प X चुनने की संभावना से अधिक या उसके समान होनी चाहिए। और एक नया विकल्प Z. दूसरे शब्दों में, एक विकल्प जोड़ने से विकल्पों की मूल जोड़ी में से किसी एक को चुनने की संभावना कम हो जानी चाहिए। चूँकि, मानव पसंद व्यवहार का अध्ययन करने वाले उपभोक्ता शोधकर्ताओं द्वारा प्राप्त अनुभवजन्य निष्कर्षों में व्यवस्थित संदर्भ प्रभाव पाए गए हैं जो इन दोनों सिद्धांतों का व्यवस्थित रूप से उल्लंघन करते हैं।

पहला संदर्भ प्रभाव समानता प्रभाव है। यह प्रभाव तीसरे विकल्प S की प्रारंभ के साथ होता है जो X के समान है किंतु इसमें X का वर्चस्व नहीं है। उदाहरण के लिए, मान लीजिए कि X एक बीएमडब्ल्यू है, Y एक फोर्ड फोकस है, और S एक ऑडी है। ऑडी बीएमडब्ल्यू के समान है क्योंकि दोनों बहुत लाभान्वित नहीं हैं किंतु वे उच्च गुणवत्ता और स्पोर्टी दोनों हैं। फोर्ड फोकस बीएमडब्ल्यू और ऑडी से अलग है क्योंकि यह अधिक लाभान्वित किंतु कम गुणवत्ता वाला है। मान लीजिए कि बाइनरी विकल्प में, X को Y की तुलना में अधिक बार चुना जाता है। इसके बाद मान लीजिए कि एक विकल्प S जोड़कर एक नया विकल्प सेट बनाया जाता है जो X के समान है। यदि X S के समान है, और दोनों Y से बहुत अलग हैं, तो लोग X और S को एक समूह के रूप में और Y को दूसरे विकल्प के रूप में देखते हैं। इस प्रकार Y की संभावना वही रहती है चाहे S को एक विकल्प के रूप में प्रस्तुत किया जाए या नहीं। चूँकि, S की प्रारंभ के साथ X की संभावना लगभग आधी हो जाएगी। इससे जब S को विकल्प सेट में जोड़ा जाता है, तो X को चुनने की संभावना Y से कम हो जाती है। यह अप्रासंगिक वैकल्पिक गुण की स्वतंत्रता का उल्लंघन करता है क्योंकि बाइनरी विकल्प में, X को Y की तुलना में अधिक बार चुना जाता है, किंतु जब S जोड़ा जाता है, तो Y को X की तुलना में अधिक बार चुना जाता है।

दूसरा संदर्भ प्रभाव समझौता प्रभाव है। यह प्रभाव तब होता है जब एक विकल्प C जोड़ा जाता है जो कि X और Y के बीच एक समझौता है। उदाहरण के लिए, जब C = होंडा और X = बीएमडब्ल्यू के बीच चयन किया जाता है, तो बाद वाला कम लाभान्वित था किंतु उच्च गुणवत्ता वाला होता है। चूँकि, यदि विकल्प सेट में एक अन्य विकल्प Y = फोर्ड फोकस जोड़ा जाता है, तो C = होंडा X = बीएमडब्ल्यू और Y = फोर्ड फोकस के बीच एक समझौता बन जाता है। मान लीजिए कि बाइनरी विकल्प में, X (बीएमडब्ल्यू) को C (होंडा) की तुलना में अधिक बार चुना जाता है। किंतु जब विकल्प Y (फोर्ड फोकस) को विकल्प सेट में जोड़ा जाता है, तो विकल्प C (होंडा) X (BMW) और Y (फोर्ड फोकस) के बीच समझौता बन जाता है, और C को X की तुलना में अधिक बार चुना जाता है। यह एक और उल्लंघन है अप्रासंगिक वैकल्पिक गुण की स्वतंत्रता की क्योंकि बाइनरी विकल्प में X को C की तुलना में अधिक बार चुना जाता है, किंतु C जब विकल्प Y को विकल्प सेट में जोड़ा जाता है, तो C को X की तुलना में अधिक बार चुना जाता है।

तीसरे प्रभाव को आकर्षण प्रभाव कहा जाता है। यह प्रभाव तब होता है जब तीसरा विकल्प D, X के समान होता है किंतु D, X की तुलना में दोषपूर्ण होता है। उदाहरण के लिए D एक नए निर्माता द्वारा विकसित एक नई स्पोर्टी कार हो सकती है जो विकल्प X = बीएमडब्ल्यू के समान है, किंतु इसकी मूल्य बीएमडब्ल्यू से अधिक है. इसलिए, X के ऊपर D को चुनने का बहुत कम या कोई कारण नहीं है, और इस स्थिति में D को संभवतः ही कभी X के ऊपर चुना जाता है। चूँकि, D को एक विकल्प सेट में जोड़ने से X को चुनने की संभावना बढ़ जाती है। विशेष रूप से, X को चुनने की संभावना X , Y , D युक्त एक सेट केवल X और Y वाले सेट से X को चुनने की संभावना से बड़ा है। दोषपूर्ण विकल्प डी X को चमकदार बनाता है, और यह आकर्षण प्रभाव नियमितता के सिद्धांत का उल्लंघन करता है, जो कहता है कि जोड़नाकोई अन्य विकल्प मूल उपसमुच्चय की तुलना में किसी विकल्प की लोकप्रियता नहीं बढ़ा सकता है।

डीएफटी सभी तीन निष्कर्षों में समान सिद्धांतों और समान मापदंडों का उपयोग करके सभी तीन प्रभावों का गणना लगाता है। डीएफटी के अनुसार, समानता प्रभाव उत्पन्न करने के लिए ध्यान स्विचिंग तंत्र महत्वपूर्ण है, किंतु समझौते और आकर्षण प्रभावों को समझाने के लिए पार्श्व निरोधात्मक कनेक्शन महत्वपूर्ण हैं। यदि ध्यान बदलने की प्रक्रिया समाप्त हो जाती है, तो समानता प्रभाव विलुप्त हो जाता है, और यदि पार्श्व कनेक्शन शून्य पर सेट हो जाते हैं, तो आकर्षण और समझौता प्रभाव विलुप्त हो जाते हैं। सिद्धांत की यह गुण प्राथमिकताओं पर समय के दबाव के प्रभावों के बारे में एक रौचक पूर्वानुमान पर जोर देती है। पार्श्व अवरोध द्वारा उत्पन्न विपरीत प्रभावों को बनने में समय लगता है, जिसका अर्थ है कि लंबे समय तक विचार-विमर्श के अनुसार आकर्षण और समझौता प्रभाव बड़े होने चाहिए (देखें) ). वैकल्पिक रूप से, यदि संदर्भ प्रभाव द्विआधारी विकल्प के अनुसार भारित औसत नियम से त्रियादिक विकल्प के लिए त्वरित अनुमानी रणनीति पर स्विच करके उत्पन्न होते हैं, तो ये प्रभाव समय के दबाव में बड़े होने चाहिए। अनुभवजन्य परीक्षणों से पता चलता है कि निर्णय प्रक्रिया को लंबा करने से प्रभाव बढ़ जाता है और समय का दबाव प्रभाव को कम कर देता है।

==न्यूरोसाइंस                                                                                                                                                                                                         == निर्णय क्षेत्र सिद्धांत ने व्यवहारिक निर्णय लेने से लेकर निष्कर्षों की एक विस्तृत श्रृंखला को ध्यान में रखने की क्षमता का प्रदर्शन किया है, जिसके लिए अधिकांशतः अर्थशास्त्र और मनोविज्ञान में उपयोग किए जाने वाले विशुद्ध रूप से बीजगणितीय और नियतात्मक मॉडल उत्तरदाई नहीं हो सकते हैं। वर्तमान के अध्ययनों से पता चला है कि अवधारणात्मक निर्णय लेने के कार्यों के समय गैर-मानव प्राइमेट्स में न्यूरल सक्रियण अंकित किए गए हैं, जिससे पता चला है कि न्यूरल फायरिंग दरें निर्णय लेने के व्यवहारिक रूप से व्युत्पन्न प्रसार मॉडल द्वारा सिद्धांतित वरीयता के संचय की निकटता से नकल करती हैं।

संवेदी-मोटर निर्णयों की निर्णय प्रक्रियाओं को व्यवहारिक और न्यूरल दोनों स्तरों पर अधिक अच्छी तरह से समझा जाने लगा है। विशिष्ट निष्कर्षों से संकेत मिलता है कि उत्तेजना आंदोलन की जानकारी के बारे में न्यूरल सक्रियण समय-समय पर एक सीमा तक जमा होता है, और जैसे ही रिकॉर्ड किए गए क्षेत्र में सक्रियता सीमा से अधिक हो जाती है, एक व्यवहारिक प्रतिक्रिया होती है।    एक निष्कर्ष जो निकाला जा सकता है वह यह है कि कुछ कार्यों की योजना बनाने या उन्हें क्रियान्वित करने के लिए उत्तरदाई न्यूरल क्षेत्र कार्य को पूरा करने का निर्णय लेने के लिए भी उत्तरदाई हैं, यह एक निश्चित रूप से सन्निहित धारणा है।

गणितीय रूप से, स्पाइक सक्रियण पैटर्न, साथ ही विकल्प और प्रतिक्रिया समय वितरण, को प्रसार मॉडल के रूप में जाना जाता है - विशेष रूप से दो-वैकल्पिक विवश विकल्प कार्यों में अच्छी तरह से वर्णित किया जा सकता है। डिफ्यूजन मॉडल, जैसे कि निर्णय क्षेत्र सिद्धांत, को स्टोकेस्टिक आवर्तक न्यूरल नेटवर्क मॉडल के रूप में देखा जा सकता है, अतिरिक्त इसके कि गतिशीलता रैखिक प्रणालियों द्वारा अनुमानित होती है। ध्वनि इनपुट से परेशान प्रणालियों के गणितीय रूप से सुव्यवस्थित विश्लेषण को बनाए रखने के लिए रैखिक सन्निकटन महत्वपूर्ण है। इन न्यूरल विज्ञान अनुप्रयोगों के अतिरिक्त, प्रसार मॉडल (या उनके अलग समय, यादृच्छिक चलना, एनालॉग्स) का उपयोग संज्ञानात्मक वैज्ञानिकों द्वारा संवेदी पहचान से लेकर विभिन्न प्रकार के कार्यों में प्रदर्शन को मॉडल करने के लिए किया गया है। और अवधारणात्मक भेदभाव,  मेमोरी पहचान के लिए, और वर्गीकरण. इस प्रकार, प्रसार मॉडल संवेदी-मोटर कार्यों के न्यूरल मॉडल और सम्मिश्र -संज्ञानात्मक कार्यों के व्यवहार मॉडल के बीच एक सैद्धांतिक पुल बनाने की क्षमता प्रदान करते हैं।