Neue Publikation im Journal of Behavioral Decision Making

Professor Lars Hornuf hat gemeinsam mit Ludwig Danwitz, Sebastian Fehrler, Hsuan-Yu Lin, Yongping Bao, Fabian Dvorak und Bettina von Helversen einen neuen Artikel mit dem Titel „Similarity and Consistency in Algorithm-Guided Exploration“ im Journal of Behavioral Decision Making veröffentlicht. Die Studie untersucht, unter welchen Bedingungen Menschen bereit sind, algorithmischen Empfehlungen in komplexen Aufgaben zu folgen, die ein Gleichgewicht zwischen Exploration und Exploitation erfordern.

In einem Online-Experiment erhielten die Teilnehmenden Empfehlungen von Reinforcement-Learning-Algorithmen, die entweder Exploration oder Exploitation priorisierten. Überraschenderweise bevorzugten die Teilnehmenden keinen Algorithmus, der ihren eigenen Explorationstendenzen entsprach. Obwohl die Ratschläge explorativer Algorithmen zu besseren Ergebnissen für die Teilnehmenden führten, folgten sie häufiger konsistenten, exploitativ ausgerichteten Algorithmen und interpretierten Konsistenz offenbar als Zeichen von Kompetenz.

Die Ergebnisse verdeutlichen eine zentrale Herausforderung für die Zusammenarbeit zwischen Menschen und Algorithmen: Effektive explorative Algorithmen können die Verhaltensdiversifikation verfehlen, wenn Nutzerinnen und Nutzer deren Empfehlungen nicht vertrauen und ihnen nicht folgen.

Der vollständige Artikel ist hier verfügbar.