Computermodellierung

Ein Modell ist eine Repräsentation eines Konzepts, Objekts, Prozesses oder Systems. Ziel ist es, bestimmte (empirische) Phänomene zu beschreiben und zu erklären.

ermöglicht Forscher:innen, einzelne Komponenten oder Prozesse präzise formal zu spezifizieren und zu untersuchen, wie sie das Phänomen beeinflussen.

Das möglichst exakte Nachbilden der kognitiven Abläufe in einem Individuum bei der Bearbeitung eines konkreten Problems mithilfe eines Computer(programm)s

Mathematische, theoretische und simulationsgestützte Ansätze, um Struktur, Funktion und Entwicklung des Gehirns zu verstehen, die notwendig sind, um bestimmte (kognitive) Aufgaben zu erledigen

Komputationale Modelle, in denen sich Agenten (simulierte Individuen) nach einfachen Regeln in Umgebungen verhalten und emergentes Verhalten zeigen

Sprachliche Information wird in der Phonologischen Schleife gespeichert und verarbeitet.

Zwei interagierende Komponenten:

• Phonologischer Speicher

  • “Endlostonband“: Nicht die Anzahl der Chunks ist relevant, sondern die Speicherdauer, die ca. 1,5 bis 2 Sekunden beträgt

• Artikulatorischer Schleife (Rehearsal Mechanismus)

  • Durch „inneres Sprechen“ werden Informationen im phonologischen Speicher gehalten undaufgefrischt.

• Jede Zelle stirbt aus Einsamkeit, wenn sie keine oder nur einen Nachbarn hat

• Jede Zelle, die mehr als vier Nachbarn hat, stirbt aufgrund von Überbevölkerung

• Jede Zelle mit zwei oder drei Nachbarn überlebt

• Jede Zelle mit genau drei Nachbarn wird neu bevölkert

•  Wenn Einheiten im Kollektiv Eigenschaften und/oder Verhaltensweisen zeigen, die sie als Individuum nicht besitzen

• Diese neuen Eigenschaften und Verhaltensweisen kommen durch Wechselwirkungen zustande

Forschungsfrage in den 1970er: Welche Gründe gibt es in den USA für die Entstehung von segregated neighborhoods, (bspw. in Bezug auf ethnischen Hintergrund) – Kann dieses kollektive Verhalten auf (einfache) individuelle Verhaltensweisen zurückgeführt werden?

Modell: Zweifarbige Pennies auf einem Schachbrett

• -  Wenn eine Person von mind. 30% (=Threshold) Personen der eigenen Farbe umgeben ist, bleibt sie auf ihrem Feld (=glücklich), sonst bewegt sie sich (wenn sie kann)

• -  Segregation ist abhängig vom Threshold und beginnt schon bei niedrigen Thresholds

  => Einfache, „unschuldige“ individuelle Präferenzen führen auf Ebene der Gesellschaft zu überraschenden Outcomes -> Emergenz

•  In Simulationsprogramme übersetzte Theorien sind präziser als Alltagssprache sein kann.

• Die Präzision wird durch die Syntax der verwendeten Programmiersprache erzwungen: Eine ungenaue, widersprüchliche oder unvollständige Theorie läßt sich nicht ohne Präzisierung in ein funktionierendes, d. h. zunächst einmal syntaktisch korrektes, dann auch die gewünschte Dynamik hervorbringendes, lauffähiges Programm übersetzen

• Zwang zur Präzision => theoretischen Annahmen müssen vollständig und präzise angegeben werden

• Erleichtert damit Rezeption und Kritisierbarkeit (= Transparenz)

• Simulation führt oft zu Entdeckung von Wissenslücken.

• Lassen sich sozialwissenschaftliche Theorien in Computercode umsetzen? Laut Schnell (1990) sind viele Theorien im Kern simpel und nur durch undefinierte Begriffsverwendungen und Zusatzannahmen verkompliziert; Simulation hilft mglw. die verborgene Trivialität zu entdecken

1) Schutz vor Inkonsistenzen

(2) Verdeutlichung von ansonsten impliziten Annahmen,

(3) Vermeidung allzu flexibler Theorien, die auf jeden Datensatz passen,

(4) Elimination unprüfbarer Theorien sowie

(5) Notwendigkeit von Angaben zur Enkodierung und Repräsentation. (insbesondere bei kognitiven Modellen)

"A computer simulation does not necessarily guarantee that a theory is more consistent or comprehensible. Nor does a program's successful performance guarantee that the theory is generalizable, or even that the causes for the success are those predicted by the theory."

• Netzwerke von künstlichen Neurone

• Biologisch inspirierte mathematische Funktionen

• Verknüpfung einfachster Berechnungen führt zu hochkomplexem Verhalten

• Eingabe, Aktivierung, Ausgabe und komplexe Verschaltung mit Verbindungen, die durch Lernen verändert werden

• Plunkett und Marchmann (1993) bezweifelten dieses Modell und erzeugten eine Simulation mit Hilfe eines neuronalen Netzwerks

• Repräsentation von Eingabe und Ausgabe in subsymbolischer Form

• Jedes Phonem (d.h. jeder Laut) wurde mit folgenden 6 Eigenschaften codiert:

  • Vokal oder Konsonant?

  • Stimmhaft oder Stimmlos?

  • Entstehungsart des Lauts (codiert in 2 Merkmalen)

  • Stelle im Mund-Rachenraum, in der der Laut erzeugt wird (codiert in 2 Merkmalen)

• Der Fehleranteil war nie größer als 5% und eine U-förmige Beziehung war auch nicht zu sehen

• Die Vorhersagen des zwei-Wege-Modells passten nicht zu den Beobachtungen

• Empirische Daten passten allerdings sehr gut zu den simulierten Daten

-> Künstliche neuronale Netze können offenbar ähnlich wie Kinder aus einfachen Lauteingaben Regeln ableiten sowie Ausnahmen lernen

->Ein Zwei-Wege-System muss nicht zwingend zugrundegelegt werden

Information, Wissen oder Gründe, die zum Urteilen und Entscheiden verwendet werden (können)

(Distales) Kriterium. (Proximale) Cues

Welches Haus ist teurer? Grundsteuer, Garten etc,

Straßenabschnitt mit mehr Unfällen? Länge, Kreuzungen etc.

Aus Antworten und Verhalten alleine unklar, welche Urteilsstrategie angewandt wird. Verbale Theorie “Menschen verwenden Cues um zu urteilen und zu entscheiden” istunterspezifiziert – was genau heißt das?

Computermodellierung hilft, mögliche Entscheidungsstrategien zu formalisieren. Dann kann für jede Strategie präzise bestimmt werden

• was das Modell vorhersagt

• Inwiefern die Antworten des Modells mit dem beobachteten menschlichen Verhalten übereinstimmen (deskriptive Frage) und

• die Performanz verschiedener Strategien kann verglichen werden (z.B. wie oft ein Modell korrekt die größere Stadt identifiziert – normative Frage)

Mögliche Entscheidungsstrategien (Auswahl)

• Tallying (linear equal weights model)

• Lineares Modell mit Gewichten (Lineare Regression)

• Take the best (TTB) Heuristik

Entscheidung oder Urteil basierend auf der Anzahl der Gründe (reasons) oder Cues, die für eine Option sprechen.

Aber: Nicht alle Gründe sind immer gleich wichtig (z.B. Wohnungssuche oder bei Wahl von Studienplatz oder Studienfach).

Cues werden linear-additiv kombiniert; Cues sind gewichtet (subjektiv oder objektiv, z.B. aus Daten geschätzt wir bei linearer Regression)

Sequentielle Suche nach Informationen (Cues), die bei der Entscheidungen helfen können. Entscheidung wird getroffen, sobald ein Cue gefunden ist, der zwischen den beiden Optionen diskriminiert.

1.  Suchregel: Frage die Cues in der Reihenfolge ihrer (subjektiven oder objektiven) Validität ab. Beginne mit den Werten des Cues mit der höchsten Validität.

2. One-Reason-Stoppregel: Wenn ein Objekt einen positiven Cue-Wert (1) hat und das andere nicht (0 oder unbekannt), beende die Suche und fahre mit Schritt 3 fort. Sonst schließe diesen Cue aus und gehe zu Schritt 1 zurück. Wenn es keine weiteren Cues gibt, rate.

3. One-Reason Decision Making: Sage vorher, dass das Objekt mit dem positiven Cue-Wert (1) den höheren Wert auf dem Kriterium hat.