Mikrosoziologische Theorien Lydia Moreno, Evelyne Bäbler, Oliver Kaftan.

Präsentation zum Thema: "Mikrosoziologische Theorien Lydia Moreno, Evelyne Bäbler, Oliver Kaftan."—  Präsentation transkript:

1 Mikrosoziologische Theorien Lydia Moreno, Evelyne Bäbler, Oliver Kaftan

2 Inhaltverzeichnis  Einführung  Hauptannahmen der Rational Choice Theory  Überblick: Begrenzungen der Rationalität  Alternativkonzeptionen zur Theorie des rationalen Handelns  The Framing of Decisions and the Psychology of Choice (Kahneman & Tversky)  Heuristiken/Ökologische Rationalität (Gigerenzer)  Diskussion

3 Einführung: Rational Choice Theory  Zentrale Idee: Maximierung des Nutzens  Nutzen = subjektiver Wert einer Konsequenz (Jungermann et al., 2005)  Berechnung Kosten/Gewinn

4 RC Theory: Entscheidung unter Unsicherheit  „ Wir haben […] darauf hingewiesen, dass grundsätzlich alle Entscheidungen unter Unsicherheit getroffen werden, weil die Konsequenzen jeder Entscheidung immer erst nach der Entscheidung eintreten und daher nie in einem absoluten Sinne sicher sein können“(Jungermann et. al., 1998: 196).

5 Entscheidung unter Unsicherheit: SEU-Theory  SEU-Theory = Subjectivly Expected Utility Theory  Grundsatz: Maximierung des subjektiv erwarteten Nutzens

6 Entscheidung unter Unsicherheit: SEU-Theory  Wert einer Option = Die Summe der Nutzenwerte der einzelnen möglichen Konsequenzen, gewichtet mit den Wahrscheinlichkeiten ihres Eintretens  Wichtig: Beide Faktoren (Unsicherheit und Nutzen) als subjektive Grössen

7 RC Theory  Theoretisch, nach der RC Theory, muss der « Homo Oeconomicus »:  Vollständig informiert sein  Rational handeln und fähig sein, alle Optionen zu ordnen und die beste zu wählen

8 Probleme der RC Theory  Imperfekte menschliche Rationalität:  Informationsmangel  Schwierige Datenverarbeitung und Entscheidungsprozess => Die Rationalität ist begrenzt!

9 Probleme der RC Theory  „Menschen verwenden somit vorhandene Informationen nicht in der Weise, wie in der ökonomischen Theorie angenommen wird. Bei der Schätzung von Wahrscheinlichkeiten benützen sie nur einen Teil der relevanten Informationen. Deshalb sind die Schätzungen verzerrt und die abgeleiteten Handlungen suboptimal“ (Bruno S. Frey, 1990: 164).

10 Von « Homo Oeconomicus » bis « Homo sociologicus »  « Bounded Rationality » (James G. March & Herbert A. Simon)  Zusatz der Begriffe Risiko und Ungewissheit  Begrenzungen der menschlichen Fähigkeiten gegenüber der Komplexität der Probleme  Vereinfachte Schemata

11 Von « Homo Oeconomicus » bis « Homo sociologicus »  Ein begrenzter « Referenzrahmen »  Befriedigende Lösungen statt optimaler Lösungen

12  Rationalität bei Menschen  Rationale Wahl  Konsistenz und Kohärenz  Systematische Verletzungen 12

13 1. Unzureichende Berücksichtigung von Informationsmangel und Ambiguität 2. Annahme optimaler nutzen-maximierender Handlungswahl als unrealistische Prämisse (kognitive Beschränktheit!) und Tendenz zum „Satisficing“ (Simon, 1954) 3. Ursachen situational wechselnder Präferenzen 13

14 4. Vernachlässigte Handlungsdeterminanten als Ursache von empirischen Anomalien der RCT 5. Framing nicht berücksichtigt 14

15  Prospect-Theorie (deskriptive Theorie des menschlichen Risikoverhaltens)  wirkliches Verhalten im Vordergrund – Theorie beschreibt, wie sich der Mensch tatsächlich verhält  Entscheidungsproblem auf verschiedene Weise darstellen – „alternative frames“ 15

16 a) Sicherer Gewinn von Fr. 240.— b) 25% Chance, Fr. 1000.-- zu gewinnen und 75% Chance nichts zu gewinnen  Gewinn in Aussicht: risikovermeidend  Abneigung gegenüber der riskanteren Wahl, wenn es um Gewinne geht – auch wenn mehr Gewinn erzielt werden könnte 16

17 c) Sicherer Verlust von Fr. 750.— d) 75% Chance, 1000.– zu verlieren und 25% Chance, nichts zu verlieren  Wahl zwischen Verlusten: risikofreudiges Verhalten 17

18 a) 200 sicher gerettet vs. b) 25% Ws, dass 600 gerettet und 75% Ws, dass niemand gerettet  Gewinn in Aussicht: risikovermeidend  Abneigung gegenüber der riskanteren Wahl, wenn es um Gewinne geht – auch wenn mehr Menschenleben gerettet werden 18

19 c) 400 Personen sicher tot d) Mit 25% Ws niemand tot und 75% Ws 600 tot  Wahl zwischen Verlusten: risikofreudiges Verhalten 19

20 1. Referenzpunktabhängigkeit: Handlungsalternativen nicht in Bezug auf das resultierende absolute Endergebnis, sondern immer auf der Basis ihres positiven oder negativen Veränderungspotentials beurteilt  Resultate (outcomes) als positive/negative Abweichungen von einem neutralen Referenzresultat  Unterschiedliche Bewertungsgrundlagen bei Gewinnen und Verlusten 20

21 21 Bild: Mark Schweizer: www.decisions.ch/dissertation/diss_prospect_theory.html Gewinne konkav Verluste konvex Verluste Gewinne

22  Unterschied zwischen 0 und 100 subjektiv grösser als Unterschied zwischen 1000 und 1100  Funktion im Bereich der Verluste steiler als im Bereich der Gewinne (der „Wert“ eines Verlustes wird stärker empfunden als der Wert eines Gewinns) – loss aversion 22

23  Verstärkte Abneigung gegenüber Verlusten – warum?  Loss aversion = status quo bias = Neigung, eine Wahl zu treffen, die den Ist-Zustand erhält oder leicht verbessert  Mit loss aversion kann man auch Besitztumseffekt erklären 23

24  Objektive Erfolgswahrscheinlichkeit nicht linear in subjektive Erfolgserwartung der Akteure umgesetzt: A) 45% Chance, Fr. 6000.– zu gewinnen B) 90% Chance, Fr. 3000.– zu gewinnen  Risikoscheues Verhalten C) 1Promille Chance, Fr. 6000.– zu gewinnen D) 2 Promille Chance, Fr. 3000.– zu gewinnen  Riskantere Wahl attraktiver 24

25 25 Bild: Mark Schweizer: www.decisions.ch/dissertation/diss_prospect_theory.html

26 3. Bei der Wahrnehmung des Referenzpunktes (Definition der Entscheidung als Gewinn- oder Verlustsituation) nicht nur durch das objektive Ergebnispotential der Handlungsalternativen bestimmt sondern  Instrumentell irrelevante Aspekte der Entscheidungsalternativen und des gesamten Entscheidungskontextes  Diese Faktoren wirken sich auf die mentale Repräsentation der entscheidungsrelevanten Merkmale aus  Resultierende Situationsrepräsentation = Frame 26

27  Gesamtbewertung der Handlungsoptionen  aus der mentalen Repräsentation der Erfolgswahrscheinlichkeiten und  der jeweils frame-spezifischen Bewertung der vorliegenden Ergebnispotentialen:  Gewinn-Frames: risikoavers  Verlust-Frames: risikofreudig  Kognitive Illusionen 27

28  Viele Entscheidungen betreffen Handlungen, die die Wahrscheinlichkeit einer Gefahr eliminieren sollen  Versicherungen: Umfänglicher Schutz gegen einen identifizierten Schaden  Bsp. Impfung gegen Virus 28

29  Manipulation/Verschiebung des Referenzpunktes  Bestimmt, ob als Verlust oder Gewinn betrachtet  Formulierung wichtig  Bsp. Vorsorgeuntersuchung 29

30  Sichtweise der menschlichen Rationalität ist „begrenzt“  In komplexen Entscheidungssituationen arbeitet Mensch nicht nach der im entscheidungstheoretischen rationalen Sinne (maximierende) Lösung, sondern nach einer zufriedenstellenden (Simon, 1956) – satisficing  Infoaufnahme und kognitiver Verarbeitung ist selektiv und fehlerhaft 30

31  Fehler bei Beurteilung von Alternativen  Fehler bei der Anwendung von Beurteilungskriterien  Schwierigkeiten bei Wahrscheinlichkeiten  Entscheidungspräferenzen verschieben sich je nach Darbietung (Framing) der Information – auch wenn Optionen faktisch identisch 31

32  Bei Framing-Theorien handelt es sich um Ansätze, „bei denen fehlende Informationen und die daraus resultierende Ambiguität über die Entscheidungsgrundlagen im Mittelpunkt der Erklärung stehen. Framing-Effekte ergeben sich entsprechend dann, wenn sich die Interpretation der fehlenden Informationskomponenten systematisch zwischen den Framing-Bedingungen unterscheidet“ (Stocké, 2002: 35). 32

33  “A heuristic is a rule or a guideline that is easily applied to make complex tasks more simple. While the heuristics for the most part lead to appropriate judgments, they may not always do so” (Detmer, Fryback & Gassner, 1978).  Keine Optimierung! 33

34  Gigerenzer (2008) unterscheidet drei Systeme, welche die Ziele des menschlichen Verhaltens beschreiben:  Logik  Wahrscheinlichkeitstheorie  Modelle der heuristischen Kognition  Aber: Es gibt kein „bestes“ System  Lösung: Integration in der „adaptive toolbox“ 34

35  Aufgabe: Definition von Klassen von Problemen nötig, in denen eine gegebene Strategie aus den drei Systemen funktioniert. → Ökologische Rationalität einer Strategie 35

36 (1) Deskriptives Ziel  Analyse der „adaptive toolbox“ (2) Präskriptives Ziel  Passung zwischen Geist und Umwelt → ökologische Rationalität (3) Design  Aus (1) und (2) Heuristiken und/oder Umwelten entwerfen, um die Entscheidungsfindung zu verbessern 36

37  Beispiele für Heuristiken:  „Satisficing“ (Simon, 1955; Todd & Miller, 1999)  „1/N; equality heuristic“ (DeMiguel et al., 2006)  „Tit-for-tat“ (Axelrod, 1984)  etc.  Faktoren, welche die Wahl von Heuristik x determinieren: a) Individuelles Verstärkungslernen b) Soziales Lernen c) Evolutionäres Lernen 37

38  Anwendung von Heuristiken:  Überprüfung der ökologischen Rationalität  Heuristik als Standard  Blockierung durch widersprechendes Wissen  Problem: Adaptive Selektion ist nicht perfekt  Allerdings: Modulare Organisation der „adaptive toolbox“ verringert das Problem der adaptiven Selektion 38

39  Abhängigkeit zwischen Heuristiken und entwickelten Fähigkeiten  Heuristiken sind so simpel, weil sie komplexe entwickelte Fähigkeiten ausnutzen 39

40 ALLGEMEINES VERSTÄNDNIS  Verhalten nach Gesetzen der Logik  Verhalten entsprechend der Wahrscheinlichkeits- theorie  Kohärenz ÖKOLOGISCHE RATIONALITÄT  Ein Organismus strebt danach, in seiner Umwelt bestimmte Ziele zu erreichen: Bildung von Allianzen, Partnerfindung, Schutz des Nachwuchses.  Korrespondenz (Kognitionen ↔ Umwelt) 40

41  Passung zwischen Heuristiken und Umweltstrukturen  Beispiel „Imitate the majority“-Heuristik: Ökologisch rational bei langsam sich verändernder Umwelt, kostenintensiver und zeitraubender Informationssuche. 41

42  Strukturen entdecken, die allgemeine Schlussfolgerungen bezüglich der Passung zwischen kognitiven Prozessen und Umwelten erlauben  Beispiel „Imitate the majority“-Heuristik: Vorhersage von Massenphänomenen und kultureller Evolution 42

43  Beispiele:  Dawes (1979): Bessere Voraussagen durch „tallying“-Heuristik als durch multiple Regresssion  Gigerenzer & Goldstein (1999): „Take-the-best“- Heuristik ist sparsamer und präziser als multiple Regression  Brighton (2006): „Take-the-best“-Heuristik ist sparsamer und präziser als komplexe nichtlineare Algorithmen 43

44  Fazit: Ein adaptives System weiss, wann es Informationen ignorieren soll → Intuitive Anwendung von Heuristiken 44

45  Eine gute Theorie des Geistes sollte nützlich sein → Ziel des Studiums von Heuristiken: Strategien und/oder Umwelten verbessern, um bessere Entscheidungen zu ermöglichen  Integration von Theorien 45