DECISION FIELD THEORY

EINLEITUNG

Die Decision Field Theory… … ist ein dynamischer-kognitiver Ansatz immenschlichen Entscheidungsverhalten unterUnsicherheit. Busemeyer & Townsend (1993)

Die Decision Field Theorie… … ist ein dynamischer-kognitiver Ansatz immenschlichen Entscheidungsverhalten unterUnsicherheit. Menschen treffen Entscheidungen

Die Decision Field Theory… … ist ein dynamischer-kognitiver Ansatz immenschlichen Entscheidungsverhalten unterUnsicherheit. Präferenzen entwickeln über die Zeit

Die Decision Field Theory… … ist ein dynamischer-kognitiver Ansatz immenschlichen Entscheidungsverhalten unterUnsicherheit. Die Wahrscheinlichkeit des Eintritts vonzukünftigen Umweltzuständen unbekannt. Subjektive Wahrscheinlichkeiten bekannt

Frühere Theorien schlagen keine Erklärungenvor zur Präferenzschwankungen über die Zeit. Deliberationszeitraum

Einteilung der Theorien Deterministische vs. Probabilistische Statische vs. Dynamische

Decision Field Theory = Probabilistische-Dynamische Theorie Empirische Gründe sich von demDeterministischen-Statischen Ansatz zuentfernen

1. Schwankungen derPräferenz A wird öfters gewählt als B, wenn A≥B richtigist und wenn B≥A falsch ist. Pokerhand 1/3 Gewinnchance, 2/3Verlustchance Sollte nach den Deterministen von 0.0 auf 1.0springen

1. Schwankungen derPräferenz

1. Schwankungen derPräferenz Funktion hat S-Form, anstatt Sprung-Funktion Richtung der Präferenz Zusammenfassend: Entscheidungstheorie sollte fähig sein, zuerklären, wie sichEntscheidungswahrscheinlichkeit über die Zeitändert. Deterministische Theorien nicht mehr haltbar

2. Präferenzdauerhaftigkeit undEntscheidungszeit Entscheidungswahrscheinlichkeit ändert sichsystematisch als Funktion des Zeitlimits

2. Präferenzdauerhaftigkeit undEntscheidungszeit Zusammenfassend: Entscheidungswahrscheinlichkeit wird beeinflusstdurch Deliberationszeit und Entscheidungszeit Statische Theorien nicht mehr haltbar

DECISION FIELD THEORYGRUNDLEGENDEANNAHMEN

Experimentelles Paradigma Option A: Antibiotika E1: Fieber E2: viraler Infekt•Option B:Virustatikum•E1: Fieber•E2: viraler Infekt

Stufe 1: Deterministic SubjectiveExpected Utility (SEU) Theory Jede Aktion besitzt ein subjektivesWahrscheinlichkeitsgewicht Es werden der Payoff und dieWahrscheinlichkeiten beider Möglichkeitengebildet und davon die Differenz berechnet vR = w(E1) * u(-500)) + w(E2) * u(+500) vL = w(E1) * u(+200) + w(E2) * u(-200) d= vR - vL d > 0 : AR d < 0: AL RICHTUNG der Präferenz

Stufe 2: Random SEU TheoryDie subjektiven Wahrscheinlichkeitsgewichte könnensich von Versuchsdurchgang zu Versuchsdurchgangverändern Valenz – Differenz: der subjektiv erwartete Nutzen ändert sichpro Versuchsdurchgang Wahrscheinlichkeitsgewicht: Zufallsvariable Valenz einer Aktion: Zufallsvariable VR = W(E1) * u(-500)) + W(E2) * u(+500) VL = W(E1) * u(+200) + W(E2) * u(-200) P= VR – VL P > 0 : AR P < 0 : AL

Stufe 2: Random SEU Theory d = E[VR] – E[VL] = vR – vL Mittlere Valenzdifferenz σ² = Varianz der Valenz – Differenz (Var[VR – VL]) Wahrscheinlichkeit AR über AL zu wählen: Pr(AR,AL) = F[d/σ] d/σ : discriminability index

Stufe 2: Random SEU Theory Erklärung für die Verletzung derUnabhängigkeit von Alternativen Neuer Parameter: σ² Varianz der Valenzdifferenz RICHTUNG und STÄRKE der Präferenz

Stufe 3: Sequential SEU Theory Aufmerksamkeit schwankt auch innerhalb eineseinzigen Versuchdurchgangs Dynamischer Prozess des Präferenzstatus Es werden mehrere ‚Stichproben‘ gezogen Dabei wird immer ein momentaner Präferenzstatuserzeugt Deliberationsprozess schreitet fort, bis diezusammengefügten Präferenzstadien einenSchwellenwert ( θ ) überschreiten P(n) = P(n-1) + [VR(n) – VL(n)] = ∑[VR(k) – VL(k)],k=1,..,n P(n) > θ : AR

VeranschaulichungSchwellenwert

Stufe 3: Sequential SEU Theory Neuer Parameter: θ Hemmender Schwellenwert Zusammenhang mit Entscheidungsgenauigkeit Wichtige Entscheidung: hoher Schwellenwert Unwichtige Entscheidung: niedriger Schwellenwert

Rückblick

Stufe 4: Random Walk SEUTheory Vorherige Stufen gehen von einem neutralenPunkt aus bei Beginn desÜberlegungsprozess P(0)=0 Nun Prozess beginnt mit einer bestimmten,beliebigen (random) Präferenz, die den Verlauf(walk) seiner Überlegung beeinflusst. P(0)=z P(n)=P(n-1)+[VR(n)-VL(n)] P(n)=z+ ∑k[VR(k)-VL(k)], k=1,…,n

Stufe 4: Random Walk SEUTheory Je weiter das anfängliche Stadium vomSchwellenwert entfernt ist, desto länger dauertes den Schwellenwert zu überschreiten. Ist das anfängliche Stadium stark verzerrt indie Richtung von AR, dann ist die mittlere ZeitAR zu wählen kurz und AL zu wählen lang.

Stufe 5: Linear System SEU-Modell Hat zeitliche Position der Valenzdifferenzeinen Effekt auf die Präferenzstärke? Es besteht eine Auswirkung ob dieValenzdifferenz spät (recency effect) oder früh(primacy effect) auftritt. P(n)= (1-s)*P(n-1)+[VR(n)-VL(n)] s= growth-decay rate parameter Präferenzstatus= gewichteter Kompromiss ausdem vorherigen Präferenzstatus und neuenValenzdifferenz multitpliziert mit dem neuenParameter

Stufe 5: Linear System SEU-Modell Ist s zwischen 0 und 1, so ergibt die lineareRegel einen recency effect Ist s kleiner als 0, so ergibt die lineare Regeleinen primacy effect Bisherige Stufen beziehen nicht denAnnäherungs- Vermeidungskonflikt mit ein

Konfliktanalyse Annäherungs-Annäherungs-Konflikt + P + Vermeidungs-Vermeidungs-Konflikt - P - Annäherungs-Vermeidungs-Konflikt + - P + -

Stufe 6: Approach-AvoidanceTheory Je näher sich der Präferenzzustand demSchwellenbereich nähert, desto auffälligerwerden die Konsequenzen der Option Neuer Parameter: c= goal gradient

Stufe 6: Approach-AvoidanceTheory

Stufe 6: Approach-AvoidanceTheory Gemäß der Formel wird zum aktuellenPräferenzstatus c noch dazugerechnet c≠ 0 um welchen Konflikt handelt es sich? c= positiv im avoidance-avoidance Konflikt c= negativ im approach-approach Konflikt

Stufe 7: Decision field theory Bisher keine quantitative Vorhersage überEntscheidungszeit Zeiteinheit für jede Valenzdifferenz-Stichprobe [VR(n) – VL(n)] Deliberationszeit (t) ergibt sich als Summe t = n*h

Rückblick

Decision Field Theory Deliberationsprozess: alle möglichenKonsequenzen werden abgewogen, evaluiertund integriert Sequentieller Prozess Endet, wenn Schwellenwert überschritten wird

Decision Field Theory

ANWENDUNG DERDECISION FIELDTHEORY

Stochastische Dominanz Stochastische Dominanz A: Gewinn 4 Euro, Verlust 1 Euro B: Gewinn 1 Euro, Verlust 1 Euro A dominiert B

Studie von Katz (1964) und Myersand Suydam (1964)

Studie von Katz (1964) und Myersand Suydam (1964)

Studie von Katz (1964) und Myersand Suydam (1964)

Studie von Katz (1964) und Myersand Suydam (1964)

Studie von Katz (1964) und Myersand Suydam (1964)

Verletzung der stochastischenDominanz Vorhersagen der DFT sind abhängig von derKorrelation der Payoff Matrix

Exkurs: Studie zur Verletzung derstochastischen Dominanz von Busemeyer(1999) Unter welchen Bedingungen kommt es zuVerletzungen der stochastischen Dominanzund welche Zusammenhänge bestehen mitder Entscheidungszeit Jede Versuchsperson bekam zwei Buchstabenzur Auswahl Sie musste sich für einen Buchstabenentscheiden A dominierte stochastisch immer B und C A und B: negative Korrelation A und C: positive Korrelation

Exkurs: Studie zur Verletzung derstochastischen Dominanz von Busemeyer(1999)

Exkurs: Studie zur Verletzung derstochastischen Dominanz von Busemeyer(1999) Hypothese: Nach der DFT wird unter der negativenKorrelation der Payoffmatrix (hoher Konflikt) eineVerletzung der stochastischen Dominanzerwartet, unter der positiven Korrelation (keinKonflikt) hingegen nicht

Exkurs: Studie zur Verletzung derstochastischen Dominanz von Busemeyer(1999) Ergebnisse Positive Korrelation: es wurde immer diestochastisch dominante Aktion gewählt Negative Korrelation: stochastische Dominanzwurde teilweise verletzt Entscheidungszeit: die dominante Alternativewurde schneller gewählt als die Alternative, diedominiert wurde

Ergebnisse

Ergebnisse

Zusammenfassung - Verletzungder stochastischen Dominanz Verletzungen bei negativen Korrelationen derPayoff – Matrix Grund: Schwankungen in der Aufmerksamkeit Veränderungen in der Valenzdifferenz

Unabhängigkeit von irrelevantenAlternativen Wenn Pr(A,C) > Pr(B,C), dann Pr(A,D) >Pr(B,D) Hinzufügen einer weiteren Alternative sollte Hinzufügen einer weiteren Alternative solltenicht, die ursprüngliche Präferenzbeziehungbeeinflussen

Verletzung der Unabhängigkeit vonirrelevanten Alternativen•A: Gewinne oder verliere 5Cent•B: Gewinne oder verliere 50Cent•C: Verliere 1 Cent•D: Gewinne 1 Cent

Exkurs: Studie zur Decisionmaking under time pressure (1999) Hat Zeitdruck einen Effekt auf dieEntscheidungsfindung unter Risiko? Spiel Black Jack (21) Aufgabe der VP: Zieht sie noch eine neue Karte oder nicht?

Exkurs: Studie zur Decisionmaking under time pressure (1999) Ergebniss: Unter Zeitdruck, hohem Risiko, Tendenz zurneuen Karte Unter Zeitdruck, niedrigem Risiko, Tendenz zurkeinen neuen KarteDFT: Mittlere Änderung des Präferenzstatus ist DFT: Mittlere Änderung des Präferenzstatus istdeterminiert durch Vermeidungs- oderAnnäherungstendenz

Zusammenfassung – DecisionField Theory Stochastischer, dynamischer Ansatz In Entscheidungssituationen werden nicht immerdie gleichen Wahlen getroffen Deliberationsprozess von entscheidenderBedeutung Konsequenzen werden sequentiell überdacht undintegriert Kontinuierlich werden momentane Präferenzstadiengebildet Aufmerksamkeit schwankt Übersteigt ein Präferenzstatus einen Schwellenwert,wird eine Entscheidung getroffen

Multiattribute Decision Field Theory(1997) Binäre, aber multiattribute Wahlen Bsp. Autokauf Im Deliberationsprozess werden die Attributejeder Aktion betrachtet Attributgewichte sind aufmerksamkeitsabhängig Vorhersagen über mittlere Entscheidungszeit

Quellen Busemeyer, J.R., Diederich, A., (1999) Conflict and the Stochastic –Dominance principle of Decision Making. Psychological Science1999. Vol. 10, No.4, 353 - 359 Busemeyer, J.R., Diederich, A. (2002). Survey of Decsion FieldTheory., Mathematical Social Science, 43, 345 - 370 Busemeyer, J.R., Townsend, J.T., (1993). Decision field theory: ADynamic-Cognitive Approach to Decision Making in an UncertainEnvironment. Psycholgical Review 1993. Vol.100, No.3, 432-459 Diederich, A. (1997). Dynamic stochastic models for decisionmaking under time constraints. Journal of MathematicalPsychology, 41(3), 260 – 274 Dror, I., Busemeyer, J.R., Basola, B., (1999). Decision makingunder time pressure: An independent test of sequential samplingmodels. Memory&Cognition 1999,27(4) 713-725 Roe, R., Busemeyer, J.R., & Townsend, J.T. (2001). Multi –Alternative Decision Field Theory: A Dynamic Connectionist Modelof Decision – Making, Psychological Review, Vol. 108, No. 2, 370 –392