Spelling suggestions: "subject:"heuristische entscheidungsfindung"" "subject:"heuristische entscheidungsfindungen""
1 |
Heuristic Decision Making in World Earth ModelsKolb, Jakob J. 09 December 2020 (has links)
Die Dynamik des Erdsystems im Anthropozän wird durch eine zunehmende Verschränkung von Prozessen auf physikalischer und ökologischer sowie auf sozioökonomischer Ebene bestimmt. Wenn Modelle als Entscheidungshilfen in diesem Umfeld nützlich sein sollen, müssen sie diese komplexen Rückkopplungen ebenso berücksichtigen wie die inhärent emergenten und heterogenen Qualitäten gesellschaftlicher Dynamik. Diese Arbeit schlägt vor, den Menschen als begrenzten rationalen Entscheidungsträger zu modellieren, die (soziales) Lernen nutzen, um Entscheidungsheuristiken zu erwerben, die in einer gegebenen Umgebung gut funktionieren. Dies wird in einem Wirtschaftsmodell mit zwei Sektoren veranschaulicht, in dem ein Sektor eine fossile Ressource für die wirtschaftliche Produktion verwendet und die Haushalte ihre Investitionsentscheidungen in der zuvor beschriebenen Weise treffen. In der Modellökonomie können individuelle Entscheidungsfindung und soziale Dynamik die CO 2 Emissionen nicht auf ein Niveau begrenzen, das eine globale Erwärmung über 1,5◦C verhindert. Eine Kombination aus kollektivem Handeln und koordinierter öffentlicher Politik allerdings kann. Eine Folgestudie analysiert das soziale Lernen der individuellen Sparquoten in einer Ein-Sektor-Wirtschaft. Hier nähert sich die aggregierte Sparquote der eines intertemporär optimierenden allwissenden Sozialen Planers an, wenn die soziale Interaktionsrate ausreichend niedrig ist. Gleichzeitig führt eine abnehmende Interaktionsrate einem plötzlichen Übergangs von einer unimodalen zu einer stark bimodalen Verteilung des Vermögens unter den Haushalten. Schließlich schlägt diese Arbeit eine Kombination verschiedener Methoden vor, die zur Ableitung analytischer Näherungen für solche vernetzten heterogenen Agentenmodelle verwendet werden können, bei denen Interaktionen zwischen Agenten sowohl auf individueller als auch auf aggregierter Ebene auftreten. / The trajectory of the Earth system in the Anthropocene is governed by an increasing entanglement of processes on a physical and ecological as well as on a socio-economic level. If models are to be useful as decision support tools in this environment, they ought acknowledge these complex feedback loops as well as the inherently emergent and heterogeneous qualities of societal dynamics. This thesis improves the capability of social-ecological and socio-economic models to picture emergent social phenomena and uses and extends techniques from dynamical systems theory and statistical physics for their analysis. It proposes to model humans as bounded rational decision makers that use (social) learning to acquire decision heuristics that function well in a given environment. This is illustrated in a two sector economic model in which one sector uses a fossil resource for economic production and households make their investment decisions in the previously described way. In the model economy individual decision making and social dynamics can not limit CO 2 emissions to a level that prevents global warming above 1.5 ◦ C. However, a combination of collective action and coordinated public policy actually can. A follow up study analyzes social learning of individual savings rates in a one sector investment economy. Here, the aggregate savings rate in the economy approaches that of an intertemporarily optimizing omniscient social planner if the social interaction rate is sufficiently low. Sumultaneously, a decreasing interaction rate leads to emergent inequality in the model in the form of a sudden transition from a unimodal to a strongly bimodal distribution of wealth among households. Finally, this thesis proposes a combination of different moment closure techniques that can be used to derive analytic approximations for such networked heterogeneous agent models where interactions between agents occur on an individual as well as on an aggregated level.
|
Page generated in 0.1132 seconds