Erfahren Sie, wie Spieltheorie und Z-Tree eine strukturierte Untersuchung von Entscheidungsprozessen durch die Simulation wirtschaftlicher Entscheidungsszenarien ermöglichen. In Kombination mit Biosensoren wie GSR, EEG und Eye-Tracking können Forscher unbewusste Verhaltensfaktoren aufdecken, die über Selbstauskünfte hinausgehen. Diese Integration zeigt, wie physiologische Reaktionen Entscheidungen vorhersagen, und fördert so das Verständnis menschlicher Entscheidungsprozesse in kontrollierten, datenreichen Umgebungen.
Table of Contents
Entscheidungsfindung ist ein wesentlicher Bestandteil unseres Selbstverständnisses. Alle Entscheidungen, ob groß („Womit soll ich arbeiten?“) oder klein („Was soll ich zu Mittag essen?“), haben Auswirkungen und tragen dazu bei, unsere Persönlichkeit und die Richtung unseres Lebens zu prägen.
Die Spieltheorie zerlegt den Entscheidungsprozess in einzelne Schritte – sie liefert ein Modell dafür, wie wir mit anderen und unserer Umgebung interagieren, um in einer bestimmten Situation die unserer Meinung nach bestmögliche Wahl zu treffen.
Jeder Bereich der Sozialwissenschaften befasst sich in gewisser Weise mit der menschlichen Entscheidungsfindung, sei es im großen Maßstab oder auf individueller Ebene. Unsere Entscheidungen bestimmen unser Verhalten, und unser Verhalten prägt unseren Alltag. Daraus folgt, dass das Verständnis der Entscheidungsfindung ein zentrales Ziel der Verhaltensforschung ist.
Jeder gute Forscher benötigt natürlich gute Werkzeuge. Was gut standardisierte Werkzeuge betrifft, die einen spieltheoretischen Ansatz zur Bewertung von Entscheidungsprozessen verwenden, gibt es einige Softwareprogramme und webbasierte Plattformen. Eine der am häufigsten genutzten Plattformen ist die Software „Z-Tree“.
Was ist ein Z-Baum?
Z-tree ist ein Programm, das vor zwanzig Jahren an der Universität Zürich entwickelt wurde, um ökonomische Wahlversuche durchzuführen. Es ermöglicht auch Nicht-Programmierern, Experimente zu erstellen, mit denen menschliches Verhalten und Entscheidungen in spieltheoretischen Szenarien untersucht werden können, und bietet damit einen wissenschaftlichen Rahmen für die Erforschung von Entscheidungsprozessen.
Solche Experimente untersuchen, wie Menschen auf wirtschaftliche Entscheidungen reagieren. Wirtschaftliche Entscheidungen müssen nicht unbedingt mit Geld zu tun haben – typische Experimente der Spieltheorie können eine Vielzahl von Belohnungen oder Strafen beinhalten, die unsere Entscheidungsfindung beeinflussen können.
In wirtschaftlichen Entscheidungsexperimenten wird auf kontrollierte und systematische Weise untersucht, welche Faktoren die Wahrscheinlichkeit beeinflussen, dass wir einen finanziellen Beitrag leisten, und in welchem Umfang dies geschieht. Sie zeigen, wann wir eher bereit sind zu spenden, wann wir eher zurückhalten (und wann wir eher stehlen).
Diese Experimente gehen über die bloße Überprüfung unserer wirtschaftlichen Impulse hinaus, denn sie geben auch Aufschluss über unsere Entscheidungsprozesse im Zusammenhang mit Belohnung oder Bestrafung, darüber, wie wir mit anderen verhandeln und kommunizieren, und darüber, wie wir oft mehrdeutige oder unvollständige Informationen bewerten.
Warum Z-Baum?
Der Z-Baum ist ein zentraler Bestandteil der aktuellen Forschung im Bereich der ökonomischen Entscheidungsfindung – der Artikel über die Software (in ihrer neuesten Version) wurde seit 2007 über 8000 Mal zitiert, was in den letzten elf Jahren etwas mehr als 700 Zitaten pro Jahr oder zwei Zitaten pro Tag entspricht. Die Zitierhäufigkeit nimmt zudem nicht ab – die meisten Zitierungen stammen aus den letzten vier Jahren.
Die Möglichkeit, Paradigmen der ökonomischen Entscheidungsfindung einfach anzuwenden, ist zweifellos von entscheidender Bedeutung für ein besseres Verständnis des menschlichen Verhaltens in vordefinierten Kontexten – ein Ansatz, der sich bislang traditionell auf die quantitative Erfassung von Verhaltensergebnissen beschränkte (z. B. wie viel „Geld“ ein Teilnehmer am Ende eines Tests besitzt oder welche Entscheidung die meisten Menschen getroffen haben). Neuere Forschungsarbeiten haben diesen Ansatz erweitert und mithilfe von Geräten wie Eye-Trackern, GSR-Sensoren, EKG und EEG neue Erkenntnisse geliefert.
Forschung zur Entscheidungsfindung
In einer klassischen Studie verglichen Bechara und andere Forscher [1] anhand der Hautleitfähigkeit (GSR) die Reaktionen von Patienten mit einer Schädigung des präfrontalen Kortex (einem Bereich, der mit der Entscheidungsfindung in Verbindung gebracht wird) mit denen von Teilnehmern ohne Hirnschädigung in einem wirtschaftlichen Entscheidungsparadigma.
Den Teilnehmern wurden vier Kartensätze vorgelegt, von denen zwei positive Ergebnisse und zwei negative Ergebnisse lieferten. Sie wurden angewiesen, die Karten zu ziehen, und erhielten sofort eine Rückmeldung zu ihrer Entscheidung. Außerdem wurden sie nach jeweils zwanzig gezogenen Karten gefragt, was sie von den Kartensätzen hielten.
Sie stellten fest, dass die Teilnehmer ohne Hirnschädigung früher als die Teilnehmer mit Hirnschädigung erkannten, welche Kartensätze positiv waren, und dass ihre GSR-Aktivität dieses Bewusstsein vorhersagte. Vorwegnehmende Hautleitfähigkeitsreaktionen wurden als Reaktion auf die Auswahl einer Karte aus einem der negativen Kartensätze beobachtet, noch bevor die Teilnehmer angaben, bewusst zu wissen, welcher Kartensatz gut oder schlecht war.
Ihre Studie zeigte, wie die GSR-Aktivität Aufschluss über zukünftige Entscheidungsprozesse geben kann, die sich dem expliziten Bewusstsein der Teilnehmer entziehen (und ermöglichte es den Forschern, auf der Grundlage dieser Ergebnisse ein Modell zu entwickeln). Eine der Theorien, die aus solchen Forschungen hervorgegangen ist, ist die äußerst einflussreiche Somatische-Marker-Hypothese [2].
Andere Forscher haben mithilfe von EMG untersucht, wie bestimmte Faktoren die Ergebnisse von Entscheidungsprozessen beeinflussen können [3] und wie die Herzfrequenzvariabilität in wirtschaftlichen Entscheidungsparadigmen Aufschluss über Stress geben kann [4]. Auch Eye-Tracking wurde in einem ähnlichen Kontext unter Verwendung des Z-Baums als Indikator für Präferenzentscheidungen eingesetzt [5] – eine Reihe von Forschungsarbeiten nutzt solche Methoden, um empirische und objektive Daten zu liefern, die zum Verständnis des Entscheidungsprozesses beitragen.
Fazit
Z-tree hat die Wirtschaftswissenschaften (und damit auch viele Bereiche der Verhaltensforschung) revolutioniert, indem es die verfügbaren Werkzeuge für alle zugänglich gemacht hat. Die Software kann von jedem heruntergeladen und installiert werden (für nichtkommerzielle Zwecke), und da die Wissenshürde für die Durchführung solcher Experimente gesenkt wurde, können heute weitaus mehr Forscher als früher solche Experimente konzipieren und durchführen.
Immer mehr dieser Forscher nutzen psychophysiologische Methoden, um Entscheidungsprozesse auf kontrollierte und systematische Weise zu untersuchen und zu bewerten. Auch wenn dieser Ansatz mit technischen Herausforderungen verbunden sein kann, ermöglicht iMotions die gleichzeitige Erfassung und Synchronisierung einer Vielzahl von Daten, unter anderem von Biosensoren und aus dem Z-Tree.
Ich hoffe, Ihnen hat diese Einführung in Z-Tree gefallen. Um einen umfassenderen Einblick in das menschliche Verhalten zu erhalten, laden Sie sich unten unseren kostenlosen Leitfaden herunter.
Literaturverzeichnis
[1] Bechara, A., Damasio, H., Tranel, D. & Damasio, A. R. (1997). Vorteilhafte Entscheidungen treffen, bevor man die vorteilhafte Strategie kennt. Science, 275, 1293–1295.
[2] Bechara, A.; Damasio, A.R. (2005). Die Hypothese der somatischen Marker: Eine neuronale Theorie der wirtschaftlichen Entscheidungsfindung. Games and Economic Behavior. 52 (2): 336–372.
[3] Censolo R, Craighero L, Ponti G, Rizzo L, Canto R, Fadiga L. (2011). Elektromyografische Aktivität der Handmuskulatur bei einem Spiel zur motorischen Koordination: Einfluss des Anreizsystems und dessen Zusammenhang mit sozialem Kapital. PLoS One. 25. März 2011;6(3):e17372.
[4] Dulleck, U., Ristl, A., Schaffner, M. und Torgler, B. (2011). Herzfrequenzvariabilität, das autonome Nervensystem und neuroökonomische Experimente. J. Neurosci. Psychol. Econ. 4, 117–124.
[5] Chen, F., & Fischbacher, U. (2016). Reaktionszeit und Klickposition: kostengünstige Indikatoren für Präferenzen. Journal of the Economic Science Association, 2 (2), 109–126.
