Approche neuro-computationelle des différences inter-individuelles dans l'apprentissage social stratégique en interaction sociale

par Thibaud Griessinger

Projet de thèse en Sciences cognitives option Neurosciences computationnelles

Sous la direction de Giorgio Coricelli et de Mehdi Réguigne-Khamassi.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de École doctorale Cerveau, cognition, comportement (Paris) , en partenariat avec Laboratoire de Neurosciences Cognitives (laboratoire) , Département de biophysique (equipe de recherche) et de École normale supérieure (Paris ; 1985-....) (établissement de préparation de la thèse) depuis le 01-10-2013 .


  • Résumé

    L'objectif de ce projet de thèse est de caractériser les différents mécanismes cérébraux impliqués dans la représentation et l'utilisation du comportement d'autrui lors d'interactions compétitives entre humains. Pour appréhender cette problématique nous nous sommes focalisés sur les processus cognitifs sous-tendant les différences individuelles observées dans la prise de décision stratégique. Nous avons combiné des techniques de modélisation développées en neurosciences computationnelles et des approches expérimentales issues de l'économie comportementale pour identifier les variables clés déterminant la propension individuelle à s'engager dans un apprentissage sophistiqué au cours d'interactions stratégiques. Ce projet s'inclue dans une perspective à long terme d'améliorer notre compréhension des mécanismes neuronaux impliqués dans la création et la manipulation des représentations sociales au cours d'interactions dynamiques dirigées vers un but.

  • Titre traduit

    Neuro-computational approach of the interindividual differences in strategic learning during social interaction


  • Résumé

    This goal of this Ph.D project is to characterize the different brain mechanisms involved in the representation and use of the other's behavior during competitive human interactions. To tackle this issue we focused on the cognitive processes that underlie the individual differences observed in strategic decision making. We combined modeling techniques developed in computational neuroscience and experimental approaches derived from behavioral economics to identify the key variables driving the individual propensity to engage in sophisticated learning during strategic interactions. This project is part of a longterm goal of improving our understanding of the neural mechanisms involved in the creation and manipulation of the social representations during goal-directed dynamic interactions.