Dynamisch-stochastische Entscheidungsmodelle mit mehreren Alternativen und multiplen Attributen

• Antragstellerin: Professorin Dr. Adele Diederich
• Fachliche Zuordnung: Allgemeine, Kognitive und Mathematische Psychologie
• Förderung: Förderung von 2014 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 260116805

Dynamisch-stochastische Modelle, die auf dem Sequential-Sampling Ansatz (Reihenstichprobenentnahme) beruhen, werden in vielen Bereichen der Psychologie zur Erklärung und Vorhersage von Wahlwahrscheinlichkeiten und Wahlantwortzeiten herangezogen, von einfachen Wahrnehmungsaufgaben bis zu mehrdimensionalen Präferenzentscheidungen. Wegen der schnell wachsenden Komplexität beschränken sich die bestehenden Modelle meist auf binäre Entscheidungsaufgaben mit nur einer einzigen Reizdimension. Für anwendungsnahe Situationen ist eine Verallgemeinerung des Sequential-Sampling Ansatzes auf multiple Reizdimensionen und Mehrfachalternativen (multi-attribute multiple choice options) notwendig. Dies wird jedoch dadurch erschwert, dass die formale Herleitung der Modellvorhersagen oft nicht möglich ist, was sowohl ihre psychologische Interpretierbarkeit als auch eine experimentelle Überprüfung einschränkt. Eine Ausnahme ist die von Diederich (1997) entwickelte Multiattribute Decision Field Theory (MDFT), die eine Approximation der stetigen Prozesse mit Hilfe von Matrizen verwendet. MDFT beschränkt sich aber bisher auf binäre Wahlaufgaben und eine festgelegte sequentielle Verarbeitung der Reizdimensionen/Attribute. Das hier vorgeschlagene Projekt soll einen Beitrag zur Weiterentwicklung des Sequential-Sampling Ansatzes als wichtigste Klasse von dynamisch-stochastischen Modellen des Entscheidungsverhaltens liefern. Dazu soll (1) die MDFT so erweitert werden, dass sie verschiedene Mechanismen bei der Verarbeitung der Attribute (feste und zufällige Reihenfolge, Zeitpunkte und Zeitdauern) darstellen kann, die als Hypothesen über die Verteilung der Aufmerksamkeit bei der Reizverarbeitung aufgestellt werden können. Es folgt (2) die Entwicklung eines Entscheidungsmodells für Mehrfachalternativen, das grundlegende Eigenschaften der MDFT beibehält (Box model). Für alle Modelle sollen Vorhersagen in geschlossener Form hergeleitet werden.Im empirischen Teil des Projektes erfolgt eine rigorose experimentelle Überprüfung von verallgemeinerten Versionen der MDFT. In drei Experimentalreihen sollen verschieden Aspekte der Verarbeitung der Attribute bei Diskriminations- und Wahlaufgaben untersucht werden. In der ersten Reihe werden Hypothesen über den Effekt von Payoffs, interpretiert als Attribut, auf die Antworthäufigkeiten bei zwei unterschiedlichen Diskriminationsaufgaben geprüft. In der zweiten Reihe wird der Effekt der zeitlichen Verteilung von Information auf die Aufgabenlösung untersucht. In einem psychophysischen Paradigma werden in der dritten Experimentalreihe Hypothesen über die Effekte unterschiedlicher Anzahlen von Attributen auf Präferenzen unter Risiko getestet.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Privatdozent Keivan Mallahi-Karai, Ph.D.