뇌는 우리가 좋아하는 사람들로부터 배우도록 '프로그램'되어 있습니다.

우리의 두뇌는 우리가 좋아하는 사람들에게서 더 많이 배우고, 우리가 싫어하는 사람들에게서는 덜 배우도록 “프로그램”되어 있습니다. 이는 인지 신경과학 연구자들이 일련의 실험을 통해 보여주었습니다.

기억은 중요한 기능을 수행하여 새로운 경험을 통해 배우고 기존 지식을 업데이트할 수 있게 해줍니다. 우리는 개인의 경험과 이를 연결함으로써 세상에 대한 새로운 결론을 도출합니다. 이런 식으로 우리는 직접 경험하지 않아도 되는 것들에 대해 추론을 할 수 있습니다. 이를 메모리 통합이라고 하며 학습을 빠르고 유연하게 만듭니다.

Lund University의 심리학 부교수인 Inês Bramão는 기억 통합의 예를 제공합니다. 공원을 걷고 있다고 가정해 보겠습니다. 개를 키우는 남자가 보입니다. 몇 시간 후, 도시에서 여자와 함께 있는 개를 봅니다. 당신의 두뇌는 남자와 여자가 ​​함께 있는 것을 한 번도 본 적이 없는데도 그 남자와 여자가 ​​커플이라는 것을 빠르게 연결합니다.

“그러한 추론을 하는 것은 적응력이 있고 도움이 됩니다. 하지만 물론 우리의 뇌가 잘못된 결론을 내리거나 선택적으로 기억할 위험이 있습니다”라고 Inês Bramão는 말합니다.

정보를 제공하는 사람이 누구인지 중요

무엇이 우리의 학습 및 추론 능력에 영향을 미치는지 조사하기 위해 Inês Bramão는 동료 Marius Boeltzig 및 Mikael Johansson과 함께 참가자들에게 다양한 대상을 기억하고 연결하는 실험을 시작했습니다. 그릇, 공, 숟가락, 가위 또는 기타 일상적인 물건이 될 수 있습니다. 기억 통합, 즉 학습 이벤트 전반에 걸쳐 정보를 기억하고 연결하는 능력은 정보를 제시한 사람이 누구인지에 따라 영향을 받는 것으로 나타났습니다. 참가자가 좋아하는 사람일 경우, 참가자가 싫어하는 사람에게서 정보를 얻었을 때보다 정보 연결이 더 쉬웠습니다. 참가자들은 정치적 견해, 전공, 식습관, 좋아하는 스포츠, 취미, 음악 등의 측면을 바탕으로 ‘좋아요’와 ‘싫어요’에 대한 개별적인 정의를 제공했습니다.

정치로 번역될 수 있다

연구진은 이번 연구 결과가 실생활에 적용될 수 있다고 밝혔다. Inês Bramão는 정치에서 가상의 예를 취합니다.

“한 정당에서 의료 혜택을 위해 세금을 인상해야 한다고 주장합니다. 나중에 의료 센터를 방문하여 개선 사항이 있음을 확인했습니다. 세금 인상을 통해 의료 개선을 원하는 정당에 공감한다면 개선의 원인을 다음과 같이 돌릴 가능성이 높습니다. 비록 개선의 원인이 완전히 달랐을지라도 세금 인상이 필요합니다.”

기본 메커니즘 정보

사람들이 정보 출처에 따라 정보를 다르게 학습하고 이것이 양극화 및 지식 저항의 특징을 어떻게 설명하는지 설명하는 광범위한 연구가 이미 있습니다.

룬드대학교 심리학과 교수인 미카엘 요한슨(Mikael Johansson)은 “우리 연구가 보여주는 것은 이러한 중요한 현상이 어떻게 우리의 기억이 작동하는 방식을 지배하는 기본 원리로 부분적으로 추적될 수 있는지를 보여준다”고 말했다. ”

우리는 우리가 선호하는 그룹이 제공하는 정보로부터 새로운 연결을 형성하고 지식을 업데이트하려는 경향이 더 큽니다. 이러한 선호 그룹은 일반적으로 우리의 기존 신념 및 아이디어와 일치하는 정보를 제공하여 잠재적으로 양극화된 관점을 강화합니다.”

정보를 처리하는 타고난 방법

양극화의 근원, 새로운 지식에 대한 저항, 기본 뇌 기능의 관련 현상을 이해하면 이러한 복잡한 행동에 대한 더 깊은 통찰력을 얻을 수 있다고 연구자들은 주장합니다. 따라서 이는 소셜 미디어의 필터 버블뿐만 아니라 정보를 동화하는 타고난 방법에 관한 것이기도 합니다.

“특히 놀라운 점은 정보가 완전히 중립적일지라도 말하는 사람에 따라 정보를 다르게 통합한다는 것입니다. 정보가 종종 더 강한 반응을 촉발하는 실제 생활에서는 이러한 효과가 훨씬 더 두드러질 수 있습니다”라고 Mikael Johansson은 말합니다.

출처: https://www.sciencedaily.com/releases/2024/02/240215113642.htm