Das Thema dieser Dissertation ist die Anwendung des „Matching Law” als Verhaltensannahme bei der Erklärung sozialer Phänomene. Das „Matching Law” ist ein Modell der behavioristischen Lerntheorie und sagt aus, dass die relative Häufigkeit der Wahl einer Handlung mit der relativen Häufigkeit der Belohnung dieser Handlung übereinstimmt.
In der Dissertation werden verschiedene Probleme in Bezug auf die soziologische Anwendung des „Matching Law” erörtert. Aufbauend auf diesen Erkenntnissen wird das Entsprechungsgesetz in die ökonomische Entscheidungstheorie integriert und mit bestehenden Verhaltensprognosen theoretisch verglichen.
Anschließend wird das Entsprechungsgesetz auf mehrere soziale Situationen angewandt. Dabei kommt ein Lernmodell zum Einsatz, welches als „Melioration Learning” bezeichnet wird und unter bestimmten Bedingungen zum Entsprechungsgesetz führt. Mit Hilfe dieses Lernmodells und agentenbasierter Simulationen werden Hypothesen zu sozialem Verhalten hergeleitet.
Zunächst werden einfache Situationen mit nur zwei interagierenden Akteuren betrachtet. Dabei lassen sich durch das Entsprechungsgesetz einige Lösungskonzepte der Spieltheorie replizieren, obwohl weniger Annahmen bezüglich der kognitiven Fähigkeiten der Akteure und der verfügbaren Informationen gesetzt werden.
Außerdem werden Interaktionen zwischen beliebig vielen Akteuren untersucht. Erstens lässt sich die Entstehung sozialer Konventionen über das Entsprechungsgesetz erklären. Zweitens wird dargestellt, dass die Akteure lernen, in einem Freiwilligendilemma oder einem Mehrpersonen-Gefangenendilemma zu kooperieren.
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:15207 |
Date | 20 December 2016 |
Creators | Zschache, Johannes |
Contributors | Voss, Thomas, Flache, Andreas, Universität Leipzig |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | English |
Detected Language | German |
Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds