Mathematische Modellierung von Entscheidungsfindung: Ein weicher und unscharfer Ansatz zur Erfassung harter Entscheidungen

Diese Forschung konzentriert sich auf einen Modellierungsansatz und eine Reihe mathematischer Werkzeuge, die aus der Forschung zu intelligenten Systemen abgeleitet wurden, nämlich der Modellierung unscharfer Systeme. Diese Studie bewertet systematisch diese Werkzeuge als Ansatz zur Modellierung menschlicher Entscheidungsfindung und kontrastiert diesen Ansatz mit traditionelleren Methoden, die auf Regression basieren. Die Forschung wurde unter Verwendung von Experten und einer simulierten Task-Umgebung durchgeführt, die mit der Zuteilung von Belohnungen in Form von Leistungsprämien zusammenhing. Die Ergebnisse zeigen, dass Modellierungen unscharfer Systeme im Allgemeinen gleich gut oder besser abschneiden als sowohl lineare als auch nichtlineare Regressionsmethoden hinsichtlich der Modellanpassung. Diese Ergebnisse werden im Hinblick auf Fragen zur Modellierungspräzision im Vergleich zu Sparsamkeit, den Wert von adaptiven Modellierungstechniken, empirischen versus subjektiven Ansätzen zum Modellbau und individuellen Unterschieden in Urteilsstrategien diskutiert. Potenzielle Anwendungen dieser Forschung umfassen die Verwendung des untersuchten Modellierungsansatzes, um anspruchsvollere Modelle zu erstellen, die neue Einblicke und ein besseres Verständnis von Entscheidungsstrategien und -umgebungen bieten.