Marcus Plach untersucht normative und deskriptive Aspekte der Modellierung von Urteilsrevisionen. Der Autor vergleicht verschiedene Ansätze aus der Kognitiven Psychologie, der Künstlichen Intelligenz und der Analytischen Philosophie und überprüft experimentell, inwieweit die Theorie Bayesscher Netze geeignet ist, Urteilsrevisionen in einer alltagsnahen Domäne zu modellieren. Die Ergebnisse zeigen, daß diese Theorie gute Vorhersagen von Urteilsdaten über ein weites Spektrum von Situationen liefert.
Marcus Plach untersucht normative und deskriptive Aspekte der Modellierung von Urteilsrevisionen. Der Autor vergleicht verschiedene Ansätze aus der Kognitiven Psychologie, der Künstlichen Intelligenz und der Analytischen Philosophie und überprüft experimentell, inwieweit die Theorie Bayesscher Netze geeignet ist, Urteilsrevisionen in einer alltagsnahen Domäne zu modellieren. Die Ergebnisse zeigen, daß diese Theorie gute Vorhersagen von Urteilsdaten über ein weites Spektrum von Situationen liefert.Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Die Herstellerinformationen sind derzeit nicht verfügbar.
Autorenporträt
Dr. Marcus Plach war Stipendiat am Graduiertenkolleg "Kognitionswissenschaft" und anschließend wissenschaftlicher Mitarbeiter am Lehrstuhl von Prof. Dr. W. H. Tack an der Universität des Saarlandes. Zur Zeit ist er wissenschaftlicher Mitarbeiter am Fraunhofer Institut Zerstörungsfreie Prüfverfahren in Saarbrücken.
Inhaltsangabe
1 Einleitung.- 1.1 Einführende Bemerkungen.- 1.2 Ansatz, Ziele und Einordnung.- 2 Begriffliche und formale Grundlagen.- 2.1 Unsicherheit und Glaubensgrade.- 2.2 Klassifikation von Unsicherheit.- 2.3 Wahrscheinlichkeitstheoretische Grundlagen.- 2.4 Alternative Kalküle.- 2.5 Zusammenfassung.- 3 Normative Ansätze.- 3.1 Konservatismus.- 3.2 Konservatismus und kognitive Täuschungen.- 3.3 Rationalität.- 3.4 Zusammenfassung.- 4 Lineare Revisionsmodelle.- 4.1 Das allgemeine Modell.- 4.2 Lineare Modelle und das Bayes Theorem.- 4.3 Zusammenfassung.- 5 Multivariate Bayessche Verfahren.- 5.1 Unstrukturierte Modelle.- 5.2 Graphbasierte Modelle: Bayessche Netze.- 5.3 Zusammenfassung.- 6 Experimentelle Untersuchungen.- 6.1 Zielsetzung.- 6.2 Übersicht zum experimentellen Ansatz.- 6.3 Experiment 1.- 6.4 Experiment 2.- 7 Zusammenfassung und Gesamtdiskussion.- 7.1 Theoretische Überlegungen.- 7.2 Experimentelle Befunde: Schlußfolgerungen.- 7.3 Einschränkungen und Perspektiven.- 7.4 Abschließende Bemerkungen.- A Mathematischer Anhang.- B Material und Instruktionen.
