MInPuD: Methoden-Integration von Prognosemarkt und Delphi-Studie
Zusammenfassung der Projektergebnisse
Die Delphi Methode ist ein etabliertes Konzept, um Prognosen über zukünftige Ereignisse und Entwicklungen mit Hilfe eines Gremiums aus Experten zu erstellen. Dabei treffen die Experten nicht in der direkten Diskussion aufeinander, sondern füllen in mehreren Runden Fragebögen aus und geben zu ihren Antworten auch Argumente zur Begründung ihrer Aussagen ab, wobei den Experten in jeder Runde die aggregierten und anonymisierten Resultate aller Teilnehmer der Vorrunde widergespiegelt werden. Ein Vorteil dieser Methode sind vor allem die qualitativen Informationen über Hintergründe und Zusammenhänge, die so erhoben werden können. Nachteile sind allerdings fehlende Ansätze zur Auswahl und Motivation dieser Experten. Dies hat sich durch die Einführung der Online-Variante der Delphi Methode (Real-time Delphi) nicht gebessert. Die Integration von Delphi Studien mit Prognosemärkten konnte hier als möglicher Ansatz evaluiert werden. In Prognosemärkten handeln (eine Vielzahl) von Teilnehmern in einer Art Spiel-Aktienmarkt Kontrakte, die auf Basis der Realisierung von zukünftigen Ereignissen auszahlen. Vorteile dieses Ansatzes sind die gute Anreizbarkeit und Motivation der Teilnehmer sowie häufig sehr gute Prognoseergebnisse. In zugrundeliegenden Forschungsarbeiten konnte gezeigt werden, dass langfristige Motivation und Bindung der Teilnehmer an die Studie durch das Einbetten von sozialen Elementen in das Real-time Delphi möglich ist. Zudem konnte auch gezeigt werden, dass Prognosemärkte einen Ansatz bieten, auf Basis des Handelsverhaltens der Teilnehmer auf die Wahrscheinlichkeit zu schließen, dass diese Teilnehmer valide, relevante und neue Informationen besitzen und in den Markt einbringen. Somit können Prognosemärkte auch zur Rekrutierung und Auswahl von “Experten” für Delphi Studien herangezogen werden. Ein integrierter Ansatz ist, wie ursprünglich und im Antrag auch vermutet, daher in der Lage, verschiedene Schwachpunkte beider Verfahren zu adressieren. Der Ansatz wurde in Kooperation mit der Online Redaktion der Frankfurter Allgemeine Zeitung (FAZ.NET) umgesetzt, wodurch eine hohe Sichtbarkeit gegeben war. Dies führte gleichzeitig zu verschiedenen manipulativen und betrügerischen Angriffen auf die einzelnen Prognosemärkte. Daher wurden im Rahmen dieser Forschungsarbeit auch Ansätze zur Kategorisierung und Eindämmung solcher Angriffe entwickelt, wobei insbesondere der Crowd-basierte Ansatz zur Entdeckung und Einschätzung betrügerischer Vorfälle vielversprechende Ergebnisse gezeigt hat. Über das Forschungsthema hinaus wurden auch Studien zum Thema “Partition Dependence” durchgeführt und veröffentlicht und das Konzept der Micro-Märkte eingeführt. Zudem geht aus dem Projekt die Zusammenarbeit mit der Universität Mannheim, Prof. Gschwend über einen ForDigital Antrag hervor, die das Potential der Integration von Prognosemärkten und Sozialen Netzwerken untersucht, um den Einfluss von “Filter-Bubbles” abzuschätzen und zu reduzieren. Das Projekt um das FAZ.NET-Orakel war vielfach in Artikeln auf der FAZ.NET thematisiert. Die über 20 Artikel können hier eingesehen werden: http://orakel.faz.net/message/press Über das Projekt wurde ein Artikel in der Zeitschrift “KIT Dialog” in der Ausgabe 03/2017 im Rahmen der Bundestagswahl 2017 veröffentlicht.
Projektbezogene Publikationen (Auswahl)
- (2018) Analyzing prediction market trading behaviour to select Delphi-experts. FS (foresight) 20 (4) 364–374
Kloker, Simon; Klatt, Frederik; Höffer, Jan; Weinhardt, Christof
(Siehe online unter https://doi.org/10.1108/FS-01-2018-0009) - (2014). Identifying Individual Party Preferences in Political Stock Markets. In: Proceedings of the IADIS International Conference on E-Society. (Madrid, Spain) (pp. 162–169)
Kranz, T. T., Teschner, F., Roüast, P., & Weinhardt, C.
- (2017). Designing a Crowd Forecasting Tool to Combine Prediction Markets and Real-Time Delphi. In: A. Maedche, J. vom Brocke, & A. Hevner (Eds.), Designing the Digital Transformation. DESRIST 2017. Lecture Notes in Computer Science (10243rd ed., pp. 468–473). Springer, Cham: Springer International Publishing
Kloker, S., Straub, T., & Weinhardt, C.
(Siehe online unter https://doi.org/10.1007/978-3-319-59144-5_33) - (2017). Manipulation in Prediction Markets - Chasing the Fraudsters. In: Proceedings of the 25th European Conference of Information Systems, June 5th-10th 2017, Guimarães, Portugal
Kloker, S., & Kranz, T. T.
- (2017). Partition Dependence Bias in Group Forecasting. In: Proceedings of the 17th International Conference on Group Decision and Negotiation (pp. 9–19)
Kloker, S., Straub, T., Zentek, T., & Weinhardt, C.
- (2018). Fraud and Manipulation Prevention in Prediction Markets. In: Proceedings of the DESRIST Conference, June 3rd-6th 2018, Chennai, India
Kloker, S., Straub, T., Morana, S., & Weinhardt, C.
- (2018). The Effect of Social Reputation on Retention: Designing a Social Real-time Delphi Platform. In: Proceedings of the 26th European Conference on Information Systems, June 26th-28th 2018, Portsmouth, UK
Kloker, S., Straub, T., Morana, S., & Weinhardt, C.
