SPANIEN / LONDON (IT BOLTWISE) – Eine Online-Studie mit 226 Studierenden zeigt: ADHS-ähnliche Merkmale verschieben das Gleichgewicht zwischen bewusster Hemmung und automatischem statistischem Lernen. Normalerweise führt schwächere Impulskontrolle dazu, dass Menschen versteckte Wahrscheinlichkeiten schneller ausnutzen. Bei Personen mit hohen ADHS-ähnlichen Symptomen verschwindet dieser Lernvorteil jedoch zunehmend. Die Ergebnisse liefern Hinweise darauf, dass aufgabenrelevante Stoppsignale besonders als „Ablenkreiz“ wirken können.
Wer im Alltag schneller Muster erkennt als andere, tut das meist ohne bewusste Anstrengung. Forschung zur Kognition beschreibt dabei ein Grundprinzip: Das Gehirn handelt nicht nur mit gezielter Selbstkontrolle, sondern parallel auch mit automatisierten Routinen. In der vorliegenden Untersuchung ging es genau um diese Verhandlung zwischen zwei Wegen der Informationsverarbeitung – einerseits aktives, zielorientiertes Steuern, andererseits das unbewusste Lernen von Wahrscheinlichkeiten im Hintergrund.
Der theoretische Rahmen ist relativ klar: Bewusstes, regelbasiertes Verhalten hängt besonders stark mit Netzwerken im präfrontalen Kortex zusammen, während automatische Habitbildung vor allem mit tieferen Strukturen wie dem Striatum in Verbindung gebracht wird. In vielen psychologischen Modellen wirken diese Systeme nicht einfach additiv, sondern konkurrieren um Aufmerksamkeits- und Verarbeitungsressourcen. Wenn die „gedankliche Bremse“ weniger stark greift, kann das Gehirn laut diesen Annahmen mehr Energie für die Nebenaufgabe freimachen – nämlich dafür, statistische Strukturen aus der Umgebung aufzunehmen. Genau diese Logik wollten die Forschenden bei ADHS-ähnlichen Merkmalen testen.
Zum Einsatz kam dafür eine experimentelle Reaktionszeitaufgabe, in der auf einem Bildschirm abwechselnd Bilder von Hund oder Katze erschienen. Die Teilnehmenden mussten bei einem Zielreiz zügig eine Taste drücken; in einem kleinen Teil der Durchläufe tauchte stattdessen ein Stoppsignal mit dem jeweils anderen Tier auf. Diese Stop-Phase misst, ob man die erste Handlungsimpuls-Neigung unterdrücken kann. Parallel war in den Bildpositionen eine versteckte mathematische Struktur eingebettet: Bestimmte Orte tauchten häufiger in einer konsistenten Abfolge auf, während andere Positionen zufällig streuten. Die Teilnehmenden wurden nicht über diese Struktur informiert; dennoch reagierten sie im Verlauf zunehmend schneller auf Sequenzen, was als statistisches Lernen im Sinne automatischer Habitbildung interpretiert wird.
Die Datenauswertung offenbarte dann ein zweistufiges Muster. Zunächst zeigte sich, dass höhere Ausprägungen ADHS-ähnlicher Merkmale mit einer schwächeren Antworthemmung zusammenhingen: Wer beim Stoppsignal häufiger „zu schnell“ war, zeigte also auch weniger stabile Hemmprozesse. Gleichzeitig beobachteten die Forschenden im Gesamtsample erwartbare Trade-off-Effekte: Teilnehmende mit schwächerer Hemmung reagierten oft schneller auf die versteckte statistische Sequenz. Die entscheidende Abweichung kam aber am oberen Ende des Spektrums: Personen mit stark ausgeprägten ADHS-ähnlichen Symptomen profitierten nicht im gleichen Ausmaß von dieser automatischen Lernkomponente. Obwohl ihre Impulskontrolle im Stop-Test schlechter ausfiel, nahm der Vorteil durch statistisches Lernen bei ihnen mit der Zeit zunehmend ab.
Um diese Entkopplung zu erklären, greifen die Autorinnen und Autoren auf Befunde aus Tierstudien zurück, in denen Lernverhalten in „goal-trackers“ und „sign-trackers“ unterschieden wird. Goal-Tracker richten den Fokus auf den Ort, an dem die Belohnung letztlich erwartet wird, während Sign-Tracker stärker am Hinweisreiz selbst „hängen bleiben“ – etwa an einem Hebel oder Cue, der das Eintreten der Belohnung ankündigt. Übertragen auf das menschliche Experiment lautet die Vermutung: Bei hohen ADHS-ähnlichen Traits könnte das Stoppsignal weniger als reiner Kontrolltest funktionieren, sondern als besonders greifbarer Ablenkreiz. Wenn der Hinweisreiz die Aufmerksamkeit absorbiert, kann der eigentlich geplante Aufgabenstrategie-Mechanismus weniger wirksam werden; dadurch würde das unbewusste Aufnehmen der räumlichen Wahrscheinlichkeiten nicht zuverlässig „einrasten“.
Daneben nennen die Forschenden auch die Möglichkeit von unkontrolliertem Mind-Wandering. Wenn sich die Aufmerksamkeit spontan vom aktuellen Ziel abwendet, wird die kontinuierliche Arbeit der zielorientierten Systeme unterbrochen. Für das statistische Lernen bedeutet das: Selbst wenn Hemmung schwach ist, kann die Lernspur dennoch ausfallen, wenn die Verarbeitungstiefe für Wahrscheinlichkeiten nicht stabil genug ist. Gleichzeitig ordnet die Studie ihre Ergebnisse mit Blick auf Limitationen ein: Das Sample bestand überwiegend aus jungen, hochgebildeten Studierenden; zudem lag eine deutliche Geschlechterungleichheit vor, denn mehr als 80 % der Teilnehmenden waren weiblich. Hinzu kommt, dass die Aufgabe auf persönlichen Computern ohne direkte Betreuung durch das Forschungsteam lief und dass die ADHS-ähnlichen Ausprägungen über Selbstberichte statt über klinische Diagnoseinstrumente erfasst wurden.
Entsprechend plädieren die Autorinnen und Autoren für Folgestudien unter stärker kontrollierten Bedingungen sowie mit zusätzlichen, externen Einschätzungen, etwa über Berichte aus dem Umfeld oder klinische Skalen. Für die Praxis könnte der Ansatz dennoch relevant sein: Statt ausschließlich auf einen formalen Schwellenwert zu warten, der zu einer Diagnose führt, könnte ein Spektrum-orientiertes Screening früh Hinweise geben, welche kognitiven Funktionen – Hemmung, Fokusstabilität und prädiktive Prozesse – bei einer Person besonders instabil sind. Wenn sich diese Zusammenhänge robust replizieren lassen, könnten therapeutische Strategien künftig stärker darauf abzielen, den Wechsel zwischen aktiver Fokussierung und automatischer Lernverarbeitung gezielt zu optimieren. Die Arbeit wurde von Karolina Horváth, Bianka Breżoczki, Adrienn Holczer, Teodóra Véxony und Dezső Németh verfasst und trägt den Titel „ADHD-Like Traits Reshape the Balance Between Inhibitory Control and Predictive Processes“.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "ADHS-ähnliche Merkmale stören statistisches Lernen trotz schlechter Impulskontrolle" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "ADHS-ähnliche Merkmale stören statistisches Lernen trotz schlechter Impulskontrolle" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »ADHS-ähnliche Merkmale stören statistisches Lernen trotz schlechter Impulskontrolle« bei Google Deutschland suchen, bei Bing oder Google News!