Multi-Stage Entscheidungsmodell: Weitere Entwicklungen und empirische Tests

• Antragstellerin: Professorin Dr. Adele Diederich
• Fachliche Zuordnung: Allgemeine, Kognitive und Mathematische Psychologie
• Förderung: Förderung von 2015 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 278410049

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 sind die Ansätze von Diederich (1997), die Multiattribute Decision Field Theory (MDFT) und dessen Verallgemeinerung, das Multi-Stage Modell (Diederich & Oswald, 2014), die eine Approximation der stetigen Prozesse mit Hilfe von Matrizen zur Herleitung der Vorhersagen verwenden. 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) das Multi-Stage Modell so erweitert werden, dass verschiedene Mechanismen bei der Verarbeitung der Attribute (feste und zufällige Reihenfolge, Zeitpunkte und Zeitdauern) darstellbar sind die als Hypothesen über die Verteilung der Aufmerksamkeit bei der Reizverarbeitung aufgestellt werden können. Darüber hinaus soll (2) für das Modell ein Mechanismus entwickelt werden, der Nichtantworten (z.B. verpasste Zeitschranke) zulässt. Dazu werden verschiedene Funktionen der Entscheidungsgrenzen (d.h. absorbierende Schranken des stochastischen Prozesses) betrachtet. Für alle Modellversionen sollen Vorhersagen in geschlossener Form hergeleitet werden.Im empirischen Teil des Projektes erfolgt eine rigorose experimentelle Überprüfung des Multi-Stage Modells. 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