Springe direkt zu Inhalt

Rasmus Bruckner

Rasmus Bruckner

Arbeitsbereich Biologische Psychologie und Kognitive Neurowissenschaft

Wissenschaftlicher Mitarbeiter

Adresse
Habelschwerdter Allee 45
Raum JK 24/221e
14195 Berlin

Ich habe an der Radboud Universität Nijmegen und der Humboldt Universität Berlin Psychologie studiert. Während meines Studiums habe ich Forschungspraktika in der Arbeitsgruppe von Markus Ullsperger in Nijmegen sowie in der Gruppe von Michael Frank an der Brown University absolviert. Außerdem habe ich als studentische Hilfskraft bei Ben Eppinger und Shu-Chen Li am Max-Planck-Institut für Bildungsforschung Berlin gearbeitet. Momentan bin ich Mitglied der neu etablierten Graduiertenschule Max Planck School of Cognition und der International Max Planck Research School LIFE

Die Software, die ich für meine Forschungsprojekte entwickelt habe, finden Sie auf meinem GitHub account. Hier finden Sie auch meine Google ScholarResearch Gate und Twitter Profile.

Ich entwickle und verwende komputationale Modelle um Lernen und Entscheidungsfindung formal zu beschreiben. Der Schwerpunkt meiner Forschung liegt auf Lernen durch Erfahrungen in sogenannten unsicheren Umgebungen, die eine komplexe Informationsverarbeitung erfordern. Zur Untersuchung der neuronalen und kognitiven Prozesse, die diesen Lernfähigkeiten beim Menschen zugrunde liegen, führe ich Verhaltens- und Neuroimaging-Experimente durch.

Viele Umgebungen liefern nicht unmittelbar relevante Informationen, die für erfolgreiche Entscheidungen notwendig sind (z.B. Wo soll ich mein Geld investieren?). Stattdessen müssen wir oft Informationen aus vielen Erfahrungen kombinieren, um die Regelmäßigkeiten in der Umgebung zu lernen. In meinen aktuellen Hauptforschungsprojekten untersuche ich (1) menschliches Lernen unter perzeptueller Unisicherheit und (2) altersbedingte Unterschiede in der Lernenfähigkeit von Kindern und älteren Erwachsenen.

Lernen unter perzeptueller Unsicherheit: Zusammen mit meinen Betreuern Hauke Heekeren und Dirk Ostwald untersuche ich die komputationalen Grundlagen des belohnungsbasierten Lernens unter perzeptueller Unsicherheit. Wenn man beispielsweise lernt, welche Beerensorten im Wald essbar sind, ist dies besonders schwierig, wenn die Beeren sehr ähnlich aussehen. In diesem Projekt haben wir alogrithmen entwickelt und experimentell überprüft, die beschreiben wie Menschen perzeptuelle Unsicherheit beim Lernen in solchen Situationen berücksichtig. In einem laufenden fMRT Experiment untersuchen wir die neuronalen Mechanismen, die es dem Gehirn ermöglichen, sich beim Lernen an perzeptuelle Unsicherheit anzupassen.

Altersbedingte Unterschiede in der Lernenfähigkeit von Kindern und älteren Erwachsenen: In einer Kollaboration mit Matt Nassar (Brown University, Providence) und Ben Eppinger (Concordia University, Montreal) versuche ich, besser zu verstehen, welche Faktoren altersbedingte Lernunterschiede in sich dynamisch verändernden Umgebungen erklären. Beim Lernen in solchen Umgebungen müssen wir neue Informationen mit Informationen aus früheren Erfahrungen flexibel kombinieren. Dies erfordert eine Abwägung der möglichen Ereignisse, die zu Veränderungen in der Umgebung geführt haben könnten (z.B. ist die Ursache für das schlechte Essen in einem Restaurant ein neuer Koch oder ein Fauxpas, der sich wahrscheinlich nicht wiederholen wird?) und wie viel bereits über eine Umgebung gelernt wurde (war ich schon einmal in diesem Restaurant oder ist es der erste Besuch?). In einer kürzlich durchgeführten Studie mit jüngeren (20-30 Jahre) und älteren Erwachsene (60-80 Jahre), haben wir bei älteren Erwachsenen Belege für eine geringere Berücksichtigung von Unsicherheit beim Lernen gefunden. Dies deutet darauf hin, dass ältere Menschen beim Lernen weniger vorhergende Erfahrungen berücksichtigen. In einem Folgeprojekt untersuchen wir derzeit Unterschiede in der Lernenfähigkeit von Kindern und älteren Erwachsenen über die Lebensspanne.

Laufende Projekte

Bruckner, R., Heekeren, H. R., and Ostwald, D. (2019). Perceptual uncertainty modulates human reward-based learning. Conference on Cognitive Computational Neuroscience, 13-16 September 2019, Berlin, Germany. View PDF

Bruckner, R., Nassar, M. R., Li, S.-C., and Eppinger, B. (in prep.). Perseveration facilitates adaptive learning under uncertainty across the lifespan.

Publikationen

Nassar, M. R., Bruckner, R., and Frank, M., J. (2019). Statistical context dictates therelationship between feedback-related EEG signals and learning. eLife. View PDF

Ostwald, D., Schneider, S., Bruckner, R., and Horvarth, L. (2019). Power, positive predictive value, and sample size calculations for random field theory-based fMRI inference. BioRxiv. View PDF

Ostwald, D., Schneider, S., Bruckner, R., and Horvarth, L. (2019). Random field theory-based p-values: a review of the SPM implementation. arXiv. View PDF

van den Bos, W., Bruckner, R., Nassar, M. R., Mata, R., and Eppinger, B. (2018). Computational neuroscience across the lifespan: Promises and pitfalls. Developmental Cognitive Neuroscience, 33:42–53. View PDF

Nassar, M. R., Bruckner, R., and Eppinger, B. (2016). What do we GANE with age? [Invited peer commentary]. Behavioral and Brain Sciences, 39:e218. Link

Nassar, M. R., Bruckner, R., Gold, J. I., Li, S.-C., Heekeren, H. R., and Eppinger, B. (2016). Age differences in learning emerge from an insufficient representation of uncertainty in older adults. Nature Communications, 7:11609. View PDF

Eppinger, B. and Bruckner, R. (2015).Towards a mechanistic understanding of age-related changes in learning and decision making: A neuro-computational approach. NewYork: Academic Press. View PDF