Predicting the behavior of groups and how it emerges from the behaviours of individuals is a difficult task. Not only are individuals and their behaviors affected by the group and vice versa, but the way individuals are affected by and react to various conditions is difficult to predict due to the complex nature of human beings. However, if one could build models that sufficiently capture the behavior of individuals, it would be possible to simulate groups and make a prediction for the emergent behavior that way. Public Goods Games (PGGs) are a type of economic game that explores how individuals engage in cooperation and where different types of collective behaviors emerge. In group-based settings such as PGGs, there is a high level behavior pattern belonging to the group as a whole. In this work, we study how the group behavior emerges from the collection of behaviors belonging to individuals in the group. To this end, we create a model that predicts the emergent collective behavior in a PGG given a set of individual behaviors present within the group. We devise a classification scheme that groups individuals into a small set of phenotypes based on the behavior they exhibit in a PGG. We then create a model that simulates the long term behavior of groups playing a PGG based on the relative distribution of these phenotypes. Our simulation uses cognitive modeling with ACT-R to individually simulate each participant in a game. We find that our model is able to simulate group behavior that resembles what is seen with human participants given only the relative distribution of phenotypes. However, the model is not able to generalize to a PGG where the rules of the game are slightly changed. In modifying the distribution of phenotypes present in simulations, we found that increasing the number of cooperative individuals resulted in a stronger upward trend in group average contribution, while increasing the number of non-cooperative individuals had the opposite effect. Increasing the number of conditional cooperative individuals resulted in slowing the movement of group average contribution trend. / Att förutspå gruppers beteenden och hur dessa uppstår från individernas beteenden är svårt av flera skäl. Dels påverkar individernas beteende gruppen och vice versa, och dels är det svårt att förutspå hur individer påverkas av och reagerar på olika situationer och förhållanden på grund av människans komplexa natur. Om man kunde bygga modeller som fångar individers beteenden tillräckligt väl skulle det vara möjligt att genom simulering kunna ge förutsägelser på gruppens beteende. Public Goods Games (PGGs) är en typ av ekonomiskt spel som utforskar hur individer väljer att sammarbeta och där kollektiva beteenden kan uppstå. Inom gruppbaserade miljöer, som till exempel PGGs, finns det beteenden som tillhör gruppen i sig. I detta arbete studerar vi hur det gruppbeteendet härstammar från samlingen av individuella beteenden inom gruppen. För det skapar vi en modell som ger förutsägelser om det framväxande kollektiva beteendet i en PGG, givet kunskap om fördelningen av olika typer av individuella beteenden som finns i gruppen. För att göra detta utvecklar vi ett klassificeringssystem som grupperar individer i olika fenotyper baserat på deras uppvisade beteende i ett PGG. Vi skapar sedan en modell som simulerar detta PGG med en given grupp av individer. Våran simulering använder kognitiv modellering med ACT-R för att simulera varje enskild deltagare i ett PGG. Vi finner att vår modell simulerar gruppbeteenden som liknar det som syns med mänskliga deltagare, givet att man vet fördelningen av fenotyper i grupper. Modellen kan dock inte generalisera till ett PGG där reglerna är ändrade. När vi ändrade distributionen av fenotyper i simuleringen fann vi att ett ökat nummer av sammarbetsvilliga individer gjorde så att trenden av gruppen genomsnittliga bidrag rörde sig uppåt, medans ett ökat nummer av ej sammarbetsvilliga individer hade motsatt effekt. Då vi ökade antalet vilkorligt sammarbetsvilliga individer fann vi att det saktade ner förändringar av gruppen genomsnittliga bidrag.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:uu-532737 |
| Date | January 2024 |
| Creators | Pavlov, Kirill, Sik, Erik |
| Publisher | Uppsala universitet, Avdelningen för systemteknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | UPTEC IT, 1401-5749 ; 24039 |
Page generated in 0.0025 seconds