NeuroImage：MEG/EEG数据中常见的错误

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。

导读

像所有人一样，MEG/EEG研究人员在推论时也会犯某些错误。本文阐述了反向推论、以偏概全、草率排除、从群体推论个体、从相关推论因果、非此即彼、二分法悖论等七种常见的错误。这些错误在Libet和同事的经典EEG研究中得到了证实，但许多研究人员(不仅仅是Libet)在所有研究领域(不仅仅是MEG/EEG)中仍然存在这些谬论。本文就如何发现和避免这些谬论给出了一些实用的建议。

如果所有的人都会犯错，如果所有的科学家都是人，那么所有的科学家都会犯错。从事MEG和EEG研究的科学家也不例外。他们受这种普遍倾向的影响，在推论过程中也会犯某些类型的错误，因而会误导和减缓发现这种倾向的速度。这些谬论在研究者们的实验设计和实证方法中非常明显。尽管如此，这些错误仍然经常出现。此外，这些错误不仅存在于MEG和EEG研究中，还致力于存在其他科学分支以及生活中的其他领域。

一些引人注目和普遍存在的谬论可以通过讨论Libet式的EEG实验来说明。Libet及其追随者并不是唯一犯这些谬论的研究者。然而，围绕众所周知的Libet实验和历史上重大研究的几十年争论中所提供的例子，能够清楚地说明这些普遍存在的谬论。

Libet等人(1983)指导参与者随时弯曲手腕，同时让他们看着一个时钟，时钟上有一个点每2.5s旋转一次。参与者报告当他们第一次感到想要移动的冲动时，时钟上点的位置在哪儿(W)。手腕上的电极记录了他们实际移动的时间(M)，头皮上的电极记录了大脑的活动，称为准备电位(RP)。他们惊人的发现，RP比W早几百毫秒出现。许多评论家用这些结果来否定一般意义上的自由意志或精神因果关系，但这种推论存在几个方面的问题。

首先，Libet及其追随者有时写得好像当RP开始时，大脑做了一个无意识的决策，这比W的时间早，此时参与者才开始意识到自己在做决策。他们说“大脑显然决定开始或至少准备在任何可报告的主观意识之前就开始行动了”。这是一个时机问题。即使在所有做出决策的试次中都测量了RP，也不能表明决策与RP同时发生。如果它们在不同的时间发生，那么Libet的结果没有提供证据证明大脑中有任何无意识的决策，因为这个决策可能要到意识意志出现时才会发生(W)。关于在RP过程中的无意识决策论点也证明了一种反向推论的谬论，即在没有充分约束的情况下从大脑事件推断出心理事件。这个论证的一个简单版本是：如果这个心理事件(决策)发生了，那么这个大脑事件(RP)就会发生；这个大脑事件(RP)发生了；所以这个心理事件(决策)就发生了。这种谬论被称为肯定结果(或以果证因)，因为第二个前提(“RP发生”)肯定了“if...，then...”推论形式中的“then”部分，这被称为肯定了其结果。这种形式的论证是无效的，因为决策之外的东西也可能产生一个RP，所以我们不能确定RP对应的是决策而非其他东西。“如果是决策，那么就是RP”而不是“如果是RP，那么就是决策”。通过仔细区分大脑事件和心理事件，并反问大脑数据是否能够反映不同的心理状态，可以避免这种谬误出现(表1)。

其次，一些研究人员基于RP先于Libet实验中的各种动作的前提，得出了RP先于所有动作的结论。这是一种以偏概全的谬误。使用一种特定行为的实验不能证明关于所有行为的结论就是正确的。当背景信息不具有生态有效性，并且所研究的行为是非典型的时候，这个推论尤其可疑。特别是，Libet的实验对象是在没有任何利害关系的情况下任意选择的，而重要的人类行为往往是基于有意识的深思熟虑，并且在行动之前是一个复杂的加工阶段。Libet的实验任务是一种琐碎、随意、简单的行为，这个行为上的发现可能不适用于许多其他的行为。的确，Maoz等人(2019)在任意选择之前发现了RP，但是在慎重选择慈善机构之前没有发现RP，所以Libet样本中的行为不具有代表性。为了避免这种错误，研究人员应该努力使其实验设置具有生态效度，并且应该只对他们所研究的行为类型作结论。

第三，相关谬论(但带有否定)从“not those”推断出“only these”。例如，Libet等人没有发现在被试没有身体运动的情况下感到感觉(S)之前的RP，但却发现了在身体运动(M)之前的RP。他们和其他人推断只有身体运动之前才有一个RP。例如，Schurger等人(2021)将RP定义为与自主运动相关的大脑信号。然而，出现在M之前而不是S之前的RP并不能证明除了M之外没有任何RP。相反，Alexander等人(2016)发现了心理行为之前的RP，是在没有任何身体运动的情况下。因此，将RP排除在被研究的行为之外是错误的，可以描述为草率排除(匆忙排除)。同样的谬论也出现在只有身体运动的范式中，即研究人员假设当参与者不运动时，RP的缓慢形成特征不会发生。研究人员通常将他们的分析锁定在运动时间(M)上，所以当没有运动时，他们不会测量其他时间。因此，他们的分析并不能表明在其他时间没有出现类似的波形。为了防止这种谬论，研究人员应该准确地定义他们希望其结论涵盖哪些情况类型，尽可能多地测试这些类型的情况，而不是假设他们所测量的只发生在他们所测量的那种情况或时间。

然而，以偏概全和草率排除涉及普遍的结论，第四种谬误发生在将总的概括应用于个体时，有时被称为从群体推论个体或G2I问题。就算注意到如前所述的相关谬论的经验教训的评论员仍然可能得出结论，即RP先于简单、琐碎、任意的手部运动。有些人可能会推断，在这个实验设置中，每个特定的手部运动之前都必须有一个RP。这是不可能的。Libet等人计算了平均超过40个试次的RP，但每次Libet式的研究都发现一些运动试次没有明显的RP。这可能反映了该测量的局限性，但这也是在一个又一个试次的基础上难以检测出RP的原因。事实上，许多研究发现一些个体被试的试次在叠加平均后也没有RP。这说明了为什么不应该简单地从“group average”推论至“this one”，无论是对于试次还是对于被试而言。这种谬论似乎是社会中许多有害刻板印象的幕后黑手，而且当M/EEG技术用于刑事或民事法庭时，也具有重要的实际意义，例如当EEG用于检测证人是否说谎时。在将平均值和概括应用到单个案例之前，研究人员应该仔细考虑有多少案例偏离了平均值，它们偏离了多远，以及这个案例是否与用于计算平均值的其他案例有任何相关的差异。

第五个众所周知的错误是根据相关推断因果关系。即使在Libet式的实验中，W几乎总是发生在M之前，W仍然可能不是导致M的原因。相反，第三方因素-可能的RP-可能导致W和M。的确，Schlegel等人(2015)发现，当参与者被催眠时，没有意识到自己选择移动，因此没有意识到自己的意愿(W)，但是他们在这种琐碎、随意的手腕运动(M)之前会有一个RP。这一发现反驳了W是导致M的必要因素的观点，但也与另一种观点一致，即RP(或偏侧化RP)导致M，也许在未被催眠的参与者中也会导致W。这种可选择的因果故事仍然是有问题的，使用复杂相关性来支持因果假设有很多更好的方法，但仅从简单相关性来推断因果结论仍然是错误的。在这里，研究人员需要谨慎使用隐含因果关系的语言，如“影响”，除非实验方法是专门设计用来检验因果关系的。

如果我们以某种方式得出了RP导致M的结论，那么第六种谬误就容易迷惑人了。一些评论者似乎认为，要么RP导致M，要么W导致M，所以，如果RP导致M，那么W不导致M。这一结论否定了有意识地选择或愿意(W)移动手部的心理状态或事件会导致手部移动(M)。大多数人认为他们的手部移动是因为他们选择移动它(至少在这种情况下是如此)，这种说法十分令人惊讶。好在这个论点没有能够建立起支撑它的结论，因为这其中犯了一个叫做非此即彼的逻辑错误。这种推论是错误的，因为RP和W可能都导致M，比如当RP导致W，然后又导致M，所以RP、W和M形成了一个跨越时间的原因链。只有当“or”被解释为排他性分离(“一个或另一个，而不是两者”)时，才能作出这样的结论，但随后论述者需要排除“both”，这正是问题所在。这种谬论可以通过列出正在考虑的选项，并寻求两者的任何组合是否都是正确的来进行避免。

第七种谬论与此密切相关，因为它也依赖于分离(与“either … or …”有关)，但这种分离是错误的，因此这种谬论被称为二分法悖论。这里的问题不在于选项列表中的两项可能都是正确的，而在于列表不完整，因为它没有包括一些看似合理且可能重要的选项。当比较整体理论时，Libet及其合作者考虑了三种选择：自由意志(L)，即W是M的原因，但没有任何原因导致W；反向因果关系(B)，即RP导致M和W导致RP(尽管RP比W更早出现)；副现象论(E)，即RP是M的原因，但W不会导致M。Libet和同事拒绝(L)，因为每一个事件都有一个原因，他们拒绝(B)，因为原因永远不会在结果之后出现。所以他们得出结论(E)必须为真，所以W不导致M。这个论证假设(L)、(B)或(E)三个选项中的一个为真，但这个假设是有问题的。例如，如果RP导致W，然后W才导致M，这是一个常识。Libet的论证错误在于忽略了这一看似合理的选择，而假设了其他三个中的一个一定是正确的。避免这种逻辑错误的最好方法是与其他人合作，包括那些持有不同观点或来自不同领域的人，因为他们通常更擅长想到被忽视的可能性。（俗称旁观者清）

本文的作者推荐了训练逻辑相关的网站和书籍，感兴趣的小伙伴可以多去看看，争取避免文章中提到的这些错误，顺顺利利发表SCI。

网站：

Walter Sinnott-Armstrong的音频“How to Argue Better”。如下：

https://www.himalaya.com/courses/how-to-argue-better-2498780

Walter Sinnott-Armstrong和Ram Neta的“Think Again”，在慕课平台上。如下：

https://www.coursera.org/specializations/logic-critical-thinking-duke

书籍：

Walter Sinnott-Armstrong的书籍《Think Again: How to Reason and Argue》，2018。

Walter Sinnott-Armstrong和Robert J. Fogelin编写的教材《Understanding Arguments: An Introduction to Informal Logic》，(9th edition，2014)。

原文：Some common fallacies in arguments from M/EEG data.

https://doi.org/10.1016/j.neuroimage.2021.118725

获取更多资讯看下图

NeuroImage：MEG/EEG数据中常见的错误相关推荐

数据可视化过程中常见的错误类型
数据可视化是一个沟通复杂信息的强大武器.通过可视化信息,我们的大脑能够更好地抓取和保存有效信息,增加信息的印象.但如果数据可视化做的较弱,反而会带来负面效果.错误的表达会损害数据的传播,完全曲解他们. ...
php中常见的错误类型有,JavaScript中常见的错误类型有哪些？（详细介绍）
在JavaScript中,当发生错误时会生成描述错误类型的错误对象,此错误对象包含错误类型和编号等信息,这些信息可用于后续处理等,在本篇文章中将给大家介绍常见的错误类型以及如何处理这些错误. Java ...
错误未找到引用源_你不理解的EXCEL函数中常见的错误值，都在这里
今天我们来聊聊EXCEL函数中常见的错误值使用EXCEL一定会用到函数公式,,使用函数公式计算分析数据,不免会遇到出错的情况, 但是出错后不知道错误原因,为什么会返回错误值,所以你的函数还不能自己优 ...
计算机错误符号,解析Excel中常见的错误符号以及解决方法
解析Excel中常见的错误符号以及解决方法分享给大家, Excel 电子表格是很多人都要使用的软件,也相信很多人都会用,但是用得好不好就差别很大了,用得好的话可以让工作效率大大提高,但关于Excel的 ...
ASP 中常见的错误 80004005 信息
ASP 中常见的错误 80004005 信息错误信息 Microsoft JET Database Engine 错误 '80004005' 未指定的错误 (Provider 错误) 原因: 权限问 ...
大数据分析中常见的错误
大数据产生的背景是整个社会走向数字化,特别是社交网络和各种传感设备的发展.云计算和搜索引擎的发展,使得对大数据的高效分析成为可能,核心问题是如何在种类繁多.数量庞大的数据中快速获取有价值信息.通过数据 ...
java常见的报错_Java中常见的错误有哪些?
原标题:Java中常见的错误有哪些? 1.java.lang.Error 错误.是所有错误的基类,用于标识严重的程序运行问题.这些问题通常描述一些不应被应用程序捕获的反常情况. 原因: 1.对系统所访 ...
大数据中常见的端口号总结汇总大全（最新）
大数据中常见的端口号总结大全如图所示: 常见端口汇总: Hadoop: 50070:HDFS WEB UI端口 8020 : 高可用的HDFS RPC端口 9000 : 非高可用的HDFS RPC ...
7、大数据中常见的文件存储格式以及hadoop中支持的压缩算法
Hadoop系列文章目录 1.hadoop3.1.4简单介绍及部署.简单验证 2.HDFS操作 - shell客户端 3.HDFS的使用(读写.上传.下载.遍历.查找文件.整个目录拷贝.只拷贝文件.列 ...

NeuroImage：MEG/EEG数据中常见的错误

NeuroImage：MEG/EEG数据中常见的错误相关推荐

最新文章

热门文章