حامد اختیاری - National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran.
امیر دزفولی - University of Electronic and Computer Science, Tehran University, Tehran, Iran.
محمدمهدی کرامتی - School of Economics and Management, Sharif University, Tehran, Iran.
هومن صفایی - National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran.
کارو لوکس - University of Electronic and Computer Science, Tehran University, Tehran, Iran.
آذرخش مکری - National Center for Addiction Studies, Tehran University of Medical Science, Tehran, Iran.

هدف: هدف این پژوهش، بررسی اختلالات تصمیم ­گیری معتادان به مواد افیونی، در شرایط مخاطره آمیز، با استفاده از روش مدل­سازی شناختی است. روش: در این پژوهش، ابتدا نظام تصمیم­ گیری آزمودنی­ها (گروه شاهد و گروه معتادان درمان­جو)، با استفاده از نسخه فارسی آزمون قمار آیوا  بررسی و سپس، یافته ­­های آزمون با استفاده از مدل­سازی شناختی تحلیل شد. در این راستا و بر اساس یادگیری تقویتی و شرایط آزمون قمار، مدل های مختلف تصمیم­گیری در شرایط مخاطره­آمیز آزمون قمار طراحی شد. در مرحله بعد، مدل­ها در محیط آزمون قمار شبیه ­سازی و جداگانه بر داده­ های هر دو گروه برازش داده شدند. سپس، مدلی که مطابقت بیشتری با رفتار آزمودنی­ های آن گروه داشت، مشخص شد. یافته­ ها: نتایج نشان داد که هر دو گروه معتادان درمان­جو (۲۱۷=n) و شاهد (۱۳۰=n) عملکرد ضعیفی در آزمون داشتند (امتیاز خالص کمتر از ۱۰). علاوه بر آن، عملکرد گروه معتاد ضعیف­تر از گروه شاهد بود (P<۰/۰۷). نتایج مدل­سازی نشان می­دهد که مدل بهینه هر دو گروه مدلی است که در ارزیابی انتخاب­های مختلف فقط به تعداد دفعات دریافت پاداش و زیان (و نه مقادیر آنها) توجه می­کرد. روش تحلیل حساسیت آشکار کرد که مدل بهینه برای گروه معتاد، علاوه بر توجه صرف به تعداد دفعات پاداش و زیان، بیشتر از گروه شاهد تحت تاثیر آسیب گریزی قرار دارد. نتیجه­ گیری: نتایج فوق گویای آن است که علت کم بودن امتیاز کسب شده در هر دو گروه، نادیده گرفتن اندازه پاداش و زیان و توجه به دفعات آن است. ضمن این که، دلیل پایین بودن بازده گروه معتاد نسبت به گروه شاهد، عدم تعادل آسیب­گریزی و پاداش جویی و گرایش به سمت آسیب گریزی است. این گرایش به آسیب­ گریزی می­تواند بر شرایط خاص معتادان درمان جو منطبق باشد.

Reinforcement Learning, Gambling Task, Drug Dependence, Computational Modeling, Decision Making Process, یادگیری تقویتی, آزمون قمار, اعتیاد, مدل سازی محسباتی, مدل سازی شناختی, نظام تصمیم گیری