Hier stellen wir die verschiedenen Komponenten des Auswahlmodells vor und leiten Vorhersagen für Auswahlwahrscheinlichkeiten und Antwortzeiten ab. P. >
Auswahlmodell
Das Auswahlmodell besteht aus einer Struktur, einem Prozess und einem Trigger. Die Auswahlstruktur beschreibt die für eine Auswahl verfügbaren Alternativen und die Herkunft ihrer Dienstprogramme. Der Auswahlprozess beschreibt, wie die Alternativen bewertet werden. Der Auswahlauslöser beschreibt die Bedingung, die den Bewertungsprozess stoppt und eine Entscheidung auffordert.
Die spezifische Form dieser drei Komponenten ermöglicht je nach spezifischer Einstellung einige Variationen. In diesem Artikel lassen wir beispielsweise den Status von Hinweisen und Alternativen in der Auswahlstruktur entweder aktiv oder inaktiv sein. Während dies im Fall einer bevorzugten Wahl sinnvoll ist, möchten wir im Fall der Modellierung einer Meinung möglicherweise drei mögliche Zustände verwenden, nämlich pro, neutral oder gegen. Diese Arten von Variationen sind auch im Fall der Prozess- und Triggerelemente des Auswahlmodells möglich, und wir diskutieren mehrere davon im gesamten Artikel.
Struktur
In ihrer einfachsten Form Entscheidungen können als eine Kombination von Hinweisen und Alternativen und den Beziehungen zwischen ihnen strukturiert werden. Hinweise stellen die Bedingungen der Auswahl dar, z. B. „Buch kaufen“, „Geschenk auswählen“ oder „Nach x lösen“, und Alternativen beschreiben die möglichen Auswahlmöglichkeiten. Eine geeignete Darstellung einer solchen Struktur ist ein Netzwerk, in dem die Knoten den Alternativen und den Hinweisen entsprechen und die Kante zwischen zwei Knoten ihre Beziehung beschreibt. Abbildung 1 zeigt, wie die Struktur eines bestimmten Auswahlproblems als Teilmenge einer größeren Sammlung verwandter Konzepte betrachtet werden kann.
Um Vorhersagen über das Auswahlverhalten zu erhalten, nehmen wir an, dass sowohl die Art als auch die Stärke einer Beziehung zwischen zwei Knoten kann variieren, und diese Knoten außerhalb der Auswahluntermenge können auch eine Entscheidung durch ihre Beziehung zu Knoten beeinflussen, die in der Auswahluntermenge sind. In Fig. 2 sind mögliche Beziehungen zwischen einem Cue und den Alternativen für die Auswahlstruktur aus Fig. 1b dargestellt.
Auswahlstruktur mit einem einzelnen Cue (PN) und drei Alternativen \ ((C_1, C_2, C_3) \). Cues werden als dunkelgraue Knoten mit weißem Text und Alternativen als hellgraue Knoten mit schwarzem Text dargestellt. Kanten stellen eine positive (durchgezogene) oder negative (gestrichelte) Beziehung zwischen Knoten dar, und ein Ring um einen Knoten gibt an, ob die Knoten im Allgemeinen ansprechend (durchgehend) oder nicht ansprechend (gestrichelt) sind. Die Dicke sowohl der Kanten als auch der Ringe um die Knoten entspricht der Intensität der Beziehung / Anziehungskraft.
Wir beziehen uns auf die erfahrene Größe und Richtung des Nutzens einer Alternative in Bezug auf die Attraktivität einer Alternative. Abbildung 2 zeigt, dass die Attraktivität einer Alternative von ihrer allgemeinen Attraktivität und Beziehung zum Stichwort und den anderen Alternativen abhängt. Die allgemeine Attraktivität einer Alternative erfasst die Beziehung zwischen der Alternative und Knoten, die nicht in der Auswahlstruktur enthalten sind. In Abb. 1 sehen wir beispielsweise, dass die allgemeine Attraktivität eines Kandidaten von der Politik und dem Alter abhängt. Die Beziehung zu einem Stichwort kann die Attraktivität einer Alternative positiv oder negativ beeinflussen. Fragen Sie zum Beispiel: Möchten Sie zum Frühstück ein schönes und frisches Croissant, ein übrig gebliebenes Sandwich von gestern oder ein etwas trockenes Baguette? erhöht die Attraktivität des Croissants durch die suggestive Formulierung des Cues. Eine Beziehung zwischen zwei Alternativen signalisiert, dass die Attraktivität einer Alternative mit der der anderen Alternative zusammenhängt. Der nächste Schritt ist die Formalisierung der Auswahlstruktur als Wahrscheinlichkeitsverteilung.
Die Verteilung in Gl. (3) kann als Ising-Modell73,74, ein sehr beliebtes und eines der am besten untersuchten Modelle in der modernen statistischen Physik75, oder als quadratische exponentielle binäre Verteilung, wie sie in der Statistikliteratur bekannt ist76,77, erkannt werden. Es ist in der Lage, komplexe Phänomene durch Modellierung der gemeinsamen Verteilung von binären Variablen als Funktion von Haupteffekten und paarweisen Wechselwirkungen zu erfassen78 und wurde in Bereichen wie Genetik79, Bildungsmessung80 und Psychologie78,81,82,83 eingesetzt. Im Kontext der Wahl wurde es in der Soziologie in Galams Arbeit über Gruppenentscheidungen bei binären Wahlproblemen angewendet84,85. In dieser Anwendung repräsentiert jeder Knoten die Wahl einer Person für ein bestimmtes Problem, und die paarweisen Interaktionen beschreiben den Einfluss aller Personen in der Gruppe auf die Wahl des Individuums.Eine weitere Anwendung ist der Ising Decision Maker von Verdonck und Tuerlinckx86, ein sequentielles Stichprobenmodell für eine schnellere Zwei-Wahl-Entscheidungsfindung. In diesem Modell wird jede der beiden Alternativen durch einen Pool von Knoten dargestellt, innerhalb eines Pools regen sich Knoten gegenseitig an, zwischen Pools hemmen sich Knoten gegenseitig. Ein Stimulus wird durch eine Änderung des externen Feldes dargestellt, wonach die Knotenzustände nacheinander aktualisiert werden. Der Antwortprozess überwacht die mittlere Aktivität pro Pool und wählt die erste Alternative aus, für die diese Aktivität einen Schwellenwert überschreitet. Beide Modelle verwenden diese Verteilung im Vergleich zur aktuellen Anwendung wesentlich anders und wurden nicht angewendet, um Abweichungen von der Rationalität zu erklären. Daher werden wir sie in diesem Artikel nicht näher erläutern.
Eine Verbindung zwischen Gl. (3) und probabilistische Auswahlmodelle werden gefunden, indem erkannt wird, dass die Verteilung von \ (\ mathbf {x} \) eine Funktion des Hamilton-Operators ist:
und dass die Wahrscheinlichkeit jeder Konfiguration wird durch Einstecken von \ (H _ {\ mathbf {x}} \) in die Boltzmann-Verteilung aus Gl. (1). Das heißt, wenn S die Menge aller Konfigurationen ist, die ein bestimmtes System annehmen kann, und \ (\ mathbf {x} \) eine mögliche Konfiguration dieses Systems ist, dann ist die Wahrscheinlichkeit, dass sich das System in diesem Zustand befindet, gegeben durch:
Wir gehen davon aus, dass bis eine Person vor einer Wahl steht, der interne Zustand des Entscheidungsträgers (die Ruhekonfiguration) gemäß Gl. (3). Ein Vorteil dieser Annahme besteht darin, dass für diese Systeme genau definierte stochastische Prozesse existieren, die in der nächsten Komponente des Auswahlmodells verwendet werden können, die beschreibt, wie Alternativen bewertet werden, bis eine Auswahl ausgelöst wird. Wenn eine Person mit einer Auswahl konfrontiert wird, werden alle Cue-Knoten aktiviert und bleiben dies während des Auswahlprozesses. Die Alternativen werden in den meisten Fällen entsprechend der Verteilung des Ruhezustands verteilt. Ausnahmen hierzu werden später erläutert.
Prozess
Obwohl viele Konfigurationen für den Auswahlprozess möglich sind, verwenden wir zur Veranschaulichung unseres Ansatzes einen einfachen stochastischen Prozess zur Interaktion von Partikelsystemen, um den zu modellieren Prozess der alternativen Bewertung. Insbesondere ein Metropolis-Algorithmus mit einer einzelnen Spin-Flip-Dynamik87, bei dem bei jeder Iteration eine Vorschlagskonfiguration generiert wird, indem eine Alternative abgetastet und ihr Zustand umgedreht wird:
Bei einer Auswahl mit m Alternativen wechselt der Bewertungsprozess somit zwischen \ (2 ^ m \) mögliche Konfigurationen der alternativen Zustände.
Entscheidung
Aus Gl. (4) Es kann abgeleitet werden, dass in einer Auswahlstruktur, in der sowohl die allgemeine Anziehungskraft als auch die Beziehungen positiv sind, die wahrscheinlichste Konfiguration diejenige ist, bei der alle Alternativen aktiv sind. Dies ist vernünftig, da dies impliziert, dass der am meisten bevorzugte Zustand für einen Entscheidungsträger darin besteht, alle Alternativen zu besitzen. In den meisten Anwendungen ist eine Person jedoch gezwungen, nur eine der Alternativen zu wählen. Wir setzen dies durch, indem wir mögliche Auswahlbedingungen als Konfigurationen definieren, in denen nur eine einzige Alternative aktiv ist, und diskutieren zwei Möglichkeiten, Entscheidungen zu treffen.
Die erste besteht darin, dass der alternative Bewertungsprozess beendet wird, wenn der Single-Spin-Flip-Algorithmus verwendet wird ist konvergiert und eine Auswahl wird aus der invarianten Verteilung der potenziellen Auswahlkonfigurationen abgetastet:
Zu einem bestimmten Zeitpunkt während des Prozesses wird zum ersten Mal eine potenzielle Auswahlbedingung erfüllt. Man könnte sagen, dass eine Entscheidung effektiv getroffen wurde und es nicht notwendig ist, dass ein Entscheidungsträger fortfährt. Dieser Auswahlauslöser implementiert die Idee der begrenzten Rationalität und erklärt verschiedene Arten irrationaler Entscheidungen, wie wir erklären, nachdem wir die Konsequenzen unseres Modellaufbaus für rationale Entscheidungen erörtert haben.
Rationale Wahl
Obwohl unsere Setup implementiert begrenzte Rationalität, es schließt rationale Entscheidungen nicht aus. Während Auswahlstrukturen erstellt werden können, für die selbst die stärkste Abstufung der Rationalität gilt, müssen klare Regeln gefunden werden, wenn eine Struktur eingehalten wird, bei der Abstufungen der Rationalität ein anderer Fischkessel sind. Im Abschnitt Methoden zeigen wir, dass ein sehr einfacher Ausdruck für die erwarteten Auswahlwahrscheinlichkeiten im Single-Spin-Flip-Algorithmus als Funktion der Übergangsmatrix für die möglichen Konfigurationen der Alternativen existiert. Um allgemeine Regeln für die Einhaltung verschiedener Arten von Rationalität abzuleiten, müssen diese Wahrscheinlichkeiten als Funktion der Parameter \ (\ mathbf {A} \) und \ (\ mathbf {b} \) ausgedrückt werden.Da dieser Ausdruck für \ (n = 3 \) bereits eine gigantische Größe hat und es keinen vernünftigen Weg gibt, allgemeine algebraische Eigenschaften daraus abzuleiten, arbeiten wir nur den binären Fall im Methodenabschnitt aus und zeigen, dass selbst dann bestimmt wird, wann Entscheidungen sind garantiert zumindest schwach rational. Dies ist nicht unbedingt einfach.
Für \ (n > 2 \) ist die Erwartung eines rationalen Verhaltens für eine bestimmte Auswahlstruktur muss von Fall zu Fall abgeleitet werden. Für n Alternativen gibt es \ (2 ^ n – n – 1 \) mögliche Teilmengen von mindestens zwei Variablen. Die Untersuchung der Annahme der Unabhängigkeit irrelevanter Alternativen ist zeitaufwändiger als die Bestimmung der Eigenschaften der paarweisen Wahrscheinlichkeiten einer Auswahlmenge . Ein statistisches Programm wie R88 kann diese erwarteten paarweisen Auswahlwahrscheinlichkeiten in angemessener Zeit für Auswahlsituationen mit bis zu 15 Alternativen unter Verwendung des Ausdrucks aus dem Methodenabschnitt berechnen. Für eine größere Anzahl von Alternativen können numerische Lösungen mit einem Simulationsansatz erhalten werden. Darüber hinaus können Annahmen, die den analytischen Ausdruck für die erwarteten Auswahlwahrscheinlichkeiten vereinfachen, auch verwendet werden, um rationale Auswahleigenschaften abzuleiten.
Irrationale Auswahl
Wir definieren irrationale Entscheidungsfindung als diese Auswahlsituationen in Die Wahrscheinlichkeit, eine Alternative über die andere zu wählen, ändert sich in Abhängigkeit vom Hinzufügen anderer Alternativen zur Menge. Wir sind uns bewusst, dass diese Definition für Leser, die sich in der Auswahlliteratur gut auskennen, sowohl vage erscheinen kann, da unsere Definition eine Trennlinie zwischen dem Auswahlaxiom und der Regelmäßigkeit schafft als auch streng, da eine Verletzung des Auswahlaxioms bedeutet, dass die strengsten Regeln und Rationalitätsbedingungen können weiterhin für die binären Auswahlwahrscheinlichkeiten gelten. Obwohl wir in den vorhergehenden Absätzen auf die unterschiedlichen Abstufungen der Rationalität eingegangen sind, halten wir hier einen konzeptionelleren Ansatz für angemessener. Wir werden Beispiele diskutieren, in denen sofort klar ist, dass die von der Rational-Choice-Theorie vorhergesagten Auswahlwahrscheinlichkeiten konzeptionell kontraintuitiv sind.
Kontexteffekte sind möglicherweise die bekanntesten und am besten untersuchten Verstöße gegen IIA und werden häufig von beschrieben eine Situation, in der eine Präferenzbeziehung zwischen zwei Alternativen, einem Ziel und einem Rivalen, hergestellt wird. Dann wird eine dritte Alternative eingeführt, der Köder, und es wird gezeigt, dass das Hinzufügen des Köders die Auswahlwahrscheinlichkeiten zugunsten des Ziels ändert. Diese Effekte können von einer Erhöhung der Wahrscheinlichkeit für das Ziel unter Beibehaltung der ursprünglichen Reihenfolge der Präferenzbeziehungen zwischen den Alternativen bis zu einer vollständigen Umkehrung der Präferenzbeziehung reichen. In unserem Modell können diese Effekte durch das Vorhandensein einer Beziehung zwischen zwei Auswahlalternativen und deren Einfluss auf die Verteilung des Ruhezustands und den alternativen Bewertungsprozess erklärt werden.
Für verschiedene Arten von Kontexteffekten geben wir ein Beispiel und zeigen, wie es in unserem Modell erklärt werden kann. Da unsere Erklärung des Kontexteffekts keine Verzerrung bei der Darstellung der Auswahl erfordert, gehen wir davon aus, dass die Beziehung zwischen allen Paaren eines Cues und einer Alternative auf der ganzen Linie gleich ist \ ((a_ {mk} = 1) \) . In den ergänzenden Materialien erarbeiten wir die spezifischen Schritte zur Berechnung der Auswahlwahrscheinlichkeiten für unser Beispiel des Anziehungseffekts und geben die Parameterwerte für die anderen Beispiele an.
Ähnlichkeit
Der Ähnlichkeitseffekt38,39 beschreibt die Situation, in der das Hinzufügen eines Köders, der dem Rivalen sehr ähnlich ist, zu einer erhöhten Präferenz für eine unterschiedliche Zielalternative führt. Das klassische Beispiel für diesen Effekt wurde als Gedankenexperiment gegeben, das die Auswahlwahrscheinlichkeiten liefert, die nach der Rational-Choice-Theorie für eine Auswahl zwischen drei Aufzeichnungen erwartet werden:
Man könnte argumentieren, dass die Fähigkeit, eine Netzwerkstruktur zurückzuentwickeln, bis Die gewünschten Auswahlwahrscheinlichkeiten sind eine Schwäche unseres Ansatzes. Wir glauben, dass dies tatsächlich ein Vorteil ist, da zum einen geprüft werden kann, ob Anpassungen der Auswahlstruktur immer noch zu einem plausiblen Auswahlverhalten führen. Stellen Sie sich zum Beispiel vor, Sie hätten \ (B_K \) aus der Menge \ (\ {D_C, B_F, B_K \} \) ausgewählt und werden aufgefordert, noch einmal aus den verbleibenden Aufnahmen \ (\ {D_C, B_F \} \) auszuwählen. . Unter Berücksichtigung der Tatsache, dass Sie bereits \ (B_K \) \ ((x_ {B_K} = 1) \) haben, führt die negative Beziehung zwischen \ (B_K \) und \ (B_F \) in unserer Auswahlstruktur zu einer Vorhersage, dass Sie wird mit nahezu Sicherheit \ (D_C \) wählen. Dies zeigt, dass die Auswahlstruktur nicht nur das beobachtete Verhalten erklärt, sondern auch neues und in diesem Fall plausibles Verhalten für Anpassungen des Auswahlproblems vorhersagt.Darüber hinaus können, wie wir im nächsten Beispiel diskutieren werden, theoretisch unterschiedliche Auswahlstrukturen für ein einzelnes Auswahlphänomen entwickelt und verglichen werden. Während die anfänglich erwarteten Auswahlwahrscheinlichkeiten möglicherweise gleich sind, können Manipulationen getestet werden, die zu unterschiedlichen Vorhersagen für jede Auswahlstruktur führen.
Anziehung
Abbildung 4 zeigt zwei mögliche Auswahlstrukturen, die die erwartete Auswahl vorhersagen Auswahlfrequenzen ähnlich denen, die im Experiment gefunden wurden, erklären jedoch jeweils den Anziehungseffekt auf unterschiedliche Weise. In Fig. 4a beruht die Erklärung des Anziehungseffekts auf dem Vorhandensein einer negativen Assoziation zwischen dem Geld und dem einfachen Stift, während in Fig. 4b der Effekt durch eine positive Assoziation zwischen beiden Stiften erklärt wird. Unser Modell bietet daher zwei theoretisch unterschiedliche Auswahlstrukturen, die beide erklären, wie die bloße Hinzufügung eines weniger ansprechenden Köders die Auswahlwahrscheinlichkeiten für die ansonsten weniger häufig gewählte Zielalternative erhöhen kann.
Abstoßung
In einigen Fällen verringert das Hinzufügen einer minderwertigen Version der Zielalternative tatsächlich die Wahrscheinlichkeit der Auswahl des Ziels89,90,91,92. Dieser umgekehrte Anziehungseffekt, der als negativer Anziehungs- oder Abstoßungseffekt bezeichnet wird, wird, obwohl er nicht konsequent nachgewiesen wird, meistens beobachtet, wenn Entscheidungen so getroffen werden, dass der Köder die Mängel der ähnlicheren Zielalternative hervorhebt. Wenn Sie beispielsweise der Wahl zwischen einem Schokoriegel mit Fruchtgeschmack und einer Orange eine kleinere Clementine hinzufügen, kann dies die Wahrscheinlichkeit erhöhen, dass Sie sich für die Orange entscheiden, da die Clementine die Frische und die Gesundheitsaspekte von Zitrusfrüchten hervorhebt. Wenn die Clementine jedoch einige Anzeichen einer verringerten Frische zeigt, z. zerknitterte Haut oder beginnende Schimmelpilze unterstreichen die flüchtige Frische von Zitrusfrüchten und können stattdessen die Wahrscheinlichkeit für die mit Zucker gefüllten Schokoriegel und ihre lange Haltbarkeit erhöhen.
Genau wie der Abstoßungseffekt das Gegenteil von ist der Anziehungseffekt, so ist seine Erklärung, dh eine positive Beziehung zwischen den Rivalen und Täuschungsalternativen. In dem Stiftbeispiel aus Fig. 4 wird das Vorzeichen der Beziehung zwischen dem Geld \ (({\ $}) \) und dem einfachen Stift \ ((P _-) \) so geändert, dass es positiv wird, während alle anderen Parameter beibehalten werden das gleiche sagt einen Anstieg der Wahrscheinlichkeit der Wahl des Geldes \ (({\ $}) \) in Bezug auf den schönen Stift \ ((P _ +) \) voraus. Interessanterweise kann, während die negative Beziehung im Anziehungseffekt zu einem relativ großen Gewinn an Auswahlwahrscheinlichkeit für das Ziel \ ((+ 10 \%) \) führen kann, dieselbe Struktur, jedoch mit einer positiven Beziehung, nur zu einem bescheidenen Gewinn in der vorhergesagte Auswahlwahrscheinlichkeit für den Rivalen \ ((+ 2 \%) \). Um das Ausmaß des Abstoßungseffekts zu erhöhen, muss die allgemeine Anziehungskraft des hinzugefügten Köders verringert werden. Schließlich führt das Hinzufügen eines anziehenden und eines abstoßenden Köders dazu, dass sich die Kontexteffekte gegenseitig aufheben, wenn zwischen allen vier Optionen gewählt wird.
Kompromiss
Der Kompromisseffekt45 beschreibt die Situation, in der a Es wird ein Köder hinzugefügt, bei dem der Abstand zum Ziel dem Abstand zwischen dem Rivalen und dem Ziel entspricht, jedoch in entgegengesetzter Richtung. Dies erhöht die Präferenz für die Zielalternative, indem es wie ein Kompromiss erscheint. Die Entfernung sollte in diesem Zusammenhang als die relative Position der Alternativen zu bestimmten Attributen wie Preis und Qualität im nächsten Beispiel interpretiert werden.
Eine mögliche Erklärung dafür, warum dies nicht der Fall ist, könnte sein, dass die ( Die Vorteile zwischen den Kameras H und L sind viel offensichtlicher als zwischen den Kameras M und L oder M und H. Daher wird die Schwäche der Kamera L hervorgehoben, wenn die Kamera H Teil des Auswahlsatzes ist, dies wiederum Frames Die Kamera M ist der Kompromiss, der im Vergleich zur Kamera L von höherer Qualität ist, aber nicht so teuer wie die Kamera H. Wie in Fig. 5 gezeigt, kann unsere Erklärung des Kompromisseffekts wieder aufgenommen werden, indem eine negative Beziehung zwischen eingeführt wird die Konkurrenzkamera L und die Täuschungskamera H.
Auswahlstruktur für Twerski & Simonsons Beispiel für den Kompromisseffekt. Mit dem Stichwort „Kamera kaufen“ (C) und Alternativen mit den entsprechenden Qualitäts- und Preisstufen „Niedrig“ (L), „Mittel“ (M) und „Hoch“ (H).
Bisher werden Ähnlichkeit, Anziehung und Kompromisseffekt in unserem Modell jeweils durch eine negative Interaktion zwischen dem Köder und dem Rivalen erklärt. Während beim Ähnlichkeitseffekt angenommen wird, dass diese Beziehung aufgrund der großen Ähnlichkeiten zwischen den Rivalen- und Täuschungsalternativen besteht, ist diese Beziehung bei den Anziehungs- und Kompromisseffekten eine Funktion der großen Unterschiede zwischen den beiden.
Eine Erklärung dafür könnte sein, dass (wenn) Ähnlichkeiten ins Extreme gehen, sie hervorgehoben werden und den Auswahlprozess beeinflussen. Eine andere Erklärung ergibt sich aus beobachteten Korrelationen zwischen Kontexteffekten, d. H. Eine Studie ergab, dass Personen, die den Anziehungseffekt zeigen, auch den Kompromisseffekt zeigen, jedoch nicht den Ähnlichkeitseffekt60. Dies könnte darauf hindeuten, dass sich Menschen entweder auf Ähnlichkeiten oder Unähnlichkeiten konzentrieren, und daher enthält die Auswahlstruktur einer Person nur negative Beziehungen für einen dieser Typen. Während der Anziehungs- und Kompromisseffekt auftritt, wenn eine Auswahlstruktur nur negative Beziehungen als Funktion der Unähnlichkeit enthält, wird eine Auswahlstruktur, bei der negative Beziehungen das Ergebnis von Ähnlichkeit sind, nur den Ähnlichkeitseffekt hervorrufen. Nicht alle Kontexteffekte lassen sich allein durch eine (negative) Beziehung zwischen der Konkurrenz- und der Täuschungsalternative erklären. In einigen Fällen manifestiert es sich auch durch den Einfluss der Auswahlstruktur auf die anfängliche alternative Konfiguration.
Phantom
Der Phantomködereffekt52 beschreibt die Situation, in der die hinzugefügte Köderalternative überlegen ist sowohl für das Ziel als auch für die Konkurrenzalternativen, jedoch dem Ziel im Vergleich zum Rivalen ähnlicher, aber vor allem nicht verfügbar. Wenn mitgeteilt wird, dass der Köder nicht ausgewählt werden kann, erhöht dies anschließend die Präferenz für die Zielalternative.
Pratkanis und Farquhar52 untersuchten den Phantomködereffekt, indem sie zwei Gruppen die Wahl zwischen (einer Teilmenge von) Büroklammern mit jeweils bieten unterschiedliche Reibungs- und Flexibilitätsgrade. Die Ziel-Büroklammer (T) und die konkurrierende Büroklammer (R) waren von vergleichbarer Qualität, obwohl sie sich in diesen Eigenschaften unterschieden. Die Lockklammer-Büroklammer (D) hatte eine Qualität, die sowohl T als auch R überlegen war, war jedoch in Bezug auf Reibung und Flexibilität der Büroklammer T ähnlicher. In der ersten Gruppe wählte sie aus der Teilmenge \ (\ {T, R \} \), Die Leute wählten jede Büroklammer mit ungefähr gleicher Wahrscheinlichkeit. Personen in der zweiten Gruppe, die dachten, sie würden aus der Menge \ (\ {T, R, D \} \) wählen, wählten die Büroklammer vom Typ T mit einer Wahrscheinlichkeit von ungefähr \ ({} ^ {4} \ ! / _ {5} \), nachdem sich herausstellte, dass der Köder D nicht verfügbar war, und daher musste die Auswahl erneut aus der Teilmenge \ (\ {T, R \} \) getroffen werden.
Wie sie ist Wie in Fig. 6 gezeigt, beruht unsere Erklärung des Phantomködereffekts an dieser Stelle, vielleicht nicht überraschend, teilweise auf dem Vorhandensein einer negativen Beziehung zwischen dem Rivalen und dem Köder. Es hängt jedoch davon ab, wann die Nichtverfügbarkeit des Köders mitgeteilt wird, wie der Phantomeffekt ausgelöst wird. Wenn dies mitgeteilt wird, bevor die Auswahl zum ersten Mal angeboten wird, wird der Auswahlprozess immer noch aktualisiert, um die Büroklammer D weiterhin abzutasten und umzudrehen, aber nicht zu beenden. Wie in Fig. 6a gezeigt, ist die Kombination einer negativen Beziehung zwischen D und R Büroklammern verringern zusammen mit der größeren allgemeinen Anziehungskraft der Büroklammer D die Wahrscheinlichkeit für die Wahl der Büroklammer R. Wenn die Nichtverfügbarkeit der Büroklammer D nicht vor der ersten Wahl mitgeteilt wird und alle drei Büroklammern verfügbar zu sein scheinen, ist die Wahlstruktur aus Fig. 6a ohne die zuvor eingeführte Einschränkung wird ausgewertet und Büroklammer D wird höchstwahrscheinlich ausgewählt. Zu diesem Zeitpunkt ist die Konfiguration der Auswahlstruktur bekannt, da nur der Cue und der Knoten für die Büroklammer D aktiv sind. Wenn zu diesem Zeitpunkt mitgeteilt wird, dass die Büroklammer D nicht verfügbar ist, beginnt der Auswahlprozess erneut mit der bekannten Konfiguration. Wenn der Knoten D aktiv ist, können wir ihn von diesem Moment an als zusätzlichen Hinweis betrachten, wie in Fig. 6b gezeigt. Infolgedessen wird aufgrund der negativen Wechselwirkung zwischen Büroklammer D und Büroklammer R das Umdrehen des R-Knotens und damit das Auswählen weniger wahrscheinlich als bei Büroklammer T.
Auswahlstruktur für Pratkanis & Farquhars Beispiel für den Phantomködereffekt. Wählen Sie mit dem Stichwort „Wählen Sie eine Büroklammer“ (PC) und den Alternativen „Lockvogel“ (D), „Rivale“ (R) und „Ziel“ (T). Abhängig davon, wann die Nichtverfügbarkeit des Köders mitgeteilt wird, wird der Phantomködereffekt durch eine eingeschränkte Version des regulären Auswahlprozesses (a) oder einen zusätzlichen Auswahlprozess erklärt, bei dem der Lockvogel ein zusätzlicher Hinweis (b) ist. P. >
Wie in den ergänzenden Materialien gezeigt, erfordert das Auslösen des Phantomeffekts eine viel stärkere negative Beziehung zwischen dem Köder und dem Rivalen wenn die Nichtverfügbarkeit des Köders im Voraus bekannt ist, verglichen mit dem Zeitpunkt, an dem die Nichtverfügbarkeit mitgeteilt wird, nachdem zum ersten Mal eine Auswahl getroffen wurde. Es ist leicht zu argumentieren, dass dies eine ziemlich intuitive Hypothese ist, aber sie zeigt erneut, dass unser Ansatz es ermöglicht, abweichende Vorhersagen basierend auf Variationen im Modellaufbau zu treffen.
Begabung
Der Begabungseffekt3 beschreibt die Situation, in der Menschen ein Objekt höher bewerten, wenn sie es besitzen, als wenn sie es nicht besitzen. Um diesen Effekt zu veranschaulichen, betrachten wir eine Variation des Debreu-Beispiels, in dem Sie eine Beethoven-Aufnahme (B) erhalten und sofort gefragt werden, ob Sie sie gegen eine ebenso ansprechende Debussy-Aufnahme (D) austauschen möchten. Während das Wahlaxiom vorhersagt, dass Sie Beethoven etwa die Hälfte der Zeit gegen Debussy austauschen würden, besagt der Begabungseffekt, dass es unwahrscheinlich ist, dass Menschen wechseln, eine Vorhersage, die experimentell verifiziert wurde93. Der Begabungseffekt wurde mit wahlunterstützender Tendenz94 und Verlustaversion54 erklärt.
In unserem Modell würden beide Erklärungen zu einer Erhöhung der Basisattraktivität einer Alternative führen, sobald sie ausgewählt wurde. Mit unserem Setup erhalten wir eine neue Erklärung, die nicht von Änderungen der Werte des Auswahlproblems abhängt, sondern mit dem Auswahlprozess selbst verknüpft ist. Nachdem der Beethoven gegeben wurde, sind die Auswahlbedingungen erfüllt, und daher ist die anfängliche Konfiguration der Alternativen bekannt, wenn angeboten wird, sie gegen die Debussy auszutauschen. Der Austausch erfordert eine Abfolge von Ereignissen im Auswahlprozess, die aufgrund der gleichen Attraktivität beider Alternativen eine geringere Wahrscheinlichkeit aufweisen als die Beethoven-Beibehaltung. Insbesondere wird das Umschalten nur dann zu einer Option, wenn der Anfangszustand, die Auswahlbedingung für den Beethoven, in der ersten Iteration durch Abtasten und Akzeptieren des Flip von entweder Knoten B oder Knoten D belassen wird. Aus den resultierenden Konfigurationen sind beide Auswahlmöglichkeiten dann gleich wahrscheinlich. \ (U_R = a_ {RB} + b_B = a_ {RD} + b_D \) bezeichne den Reiz sowohl für die Beethoven- als auch für die Debussy-Aufnahme. Die Wahrscheinlichkeit des Austauschs von B gegen D ist dann gegeben durch:
Gleichung (7) zeigt, dass nur wenn jemandem beide Alternativen gleichgültig sind (((u_R = 0)), dh weder ansprechend noch ansprechend sind unattraktiv, die Wahrscheinlichkeit des Austauschs beträgt die Hälfte. In allen anderen Fällen erhebt sich der Begabungseffekt und die Wahrscheinlichkeit eines Austauschs beträgt weniger als die Hälfte. Nachdem wir gezeigt haben, wie verschiedene Auswahlphänomene in diesem Setup erklärt werden, wenden wir uns einer anderen Eigenschaft unseres Modells zu, den Antwortzeiten.
Antwortzeiten
Vorhersagen der Antwortzeit können beim Vergleich verschiedener sehr informativ sein Auswahlstrukturen, Bewertungsprozesse und Triggerbedingungen. Wie im Abschnitt „Methoden“ gezeigt, liefert der Single-Spin-Flip-Algorithmus die erwartete Anzahl von Iterationen, bis eine Auswahlbedingung als Proxy für die Zeit erreicht ist. Dies kann verwendet werden, um die erwartete Reihenfolge der Antwortzeiten für eine bestimmte Auswahlstruktur zu untersuchen. Beispielsweise erhöht in einer einfachen Struktur ohne Beziehung zwischen Alternativen die erwartete Anzahl von Iterationen, bevor eine Auswahl ausgelöst wird, die Anzahl und Attraktivität der Alternativen. Unter der Annahme, dass längere Antwortzeiten auf eine bewusstere Entscheidungsfindung hinweisen, d. H. Mehr Besuche bei einer Auswahlbedingung erfordern, bevor eine Auswahl ausgelöst wird, erwarten wir, dass die Kontexteffekte abnehmen und die Auswahl zunehmend rationaler wird. Mit zunehmender Anzahl von Besuchen einer Auswahlbedingung gehen die Auswahlwahrscheinlichkeiten zu Gl. (6) wenn eine Auswahl proportional zur Anzahl der Besuche jeder Bedingung getroffen wird. Wenn die erste Alternative ausgewählt wird, für die die Auswahlbedingung die erforderliche Anzahl von Malen besucht wurde, gehen die Auswahlwahrscheinlichkeiten für die Alternative mit der höchsten allgemeinen Anziehungskraft auf eins.
Das Modell ermöglicht auch die Einbeziehung von Reaktionszeitphänomenen wie z der Kompromiss zwischen Geschwindigkeit und Genauigkeit95, der vorhersagt, dass Entscheidungen unter Zeitdruck durch \ (\ beta \) schneller, aber weniger genau sind. In einer Anwendung des Ising-Modells auf Einstellungen96,97 wird die Aufmerksamkeit auf ein Einstellungsobjekt durch \ (\ beta \) dargestellt. Diese Interpretation passt gut in das Auswahlmodell, da eine solche umgekehrte Beziehung auch zwischen Zeitdruck und Aufmerksamkeit angenommen werden kann. Wenn \ (\ beta \) die Größe der gesamten Auswahlstruktur skaliert, verringern niedrigere Werte nicht nur die erwartete Anzahl von Iterationen, bevor eine Auswahl getroffen wird, sondern auch den Effekt von \ (\ mathbf {A} \) und \ ( \ mathbf {b} \) und damit die Größe der Kontexteffekte. Dies steht auch im Einklang mit Untersuchungen, die zeigten, dass Kontexteffekte unter Zeitdruck tendenziell geringer sind66,98. Die Auswahlerwartungen unter Zeitdruck können mit \ (\ mu \) noch genauer abgestimmt werden. Zum Beispiel kann die Annahme, dass sich Menschen unter Zeitdruck nur auf die allgemeine Attraktivität der Alternative konzentrieren, modelliert werden, indem \ (\ mu = {} ^ {1} \! / _ {\ Beta} \) gelassen wird. Im Abschnitt Methoden zeigen wir, wie verschiedene Formen des Zeitdrucks, modelliert als Variationen in der Beziehung zwischen \ (\ beta \) und \ (\ mu \), die erwarteten Auswahlwahrscheinlichkeiten für den Anziehungseffekt beeinflussen.