Theoretical and empirical analysis of the evolution of cooperation

Abstract

Kooperatives Verhalten lässt sich in vielen Bereichen menschlichen Zusammenlebens sowie im gesamten Tierreich beobachten. In evolutionären Modellen wurde gezeigt, dass Netzwerkstrukturen die Kooperation erhöhen können. Empirische Studien versuchten vergeblich diesen Mechanismus auch bei Menschen nachzuweisen. Es scheint, als würden Netzwerke nur dann die Kooperation erhöhen, wenn die Strukturen nicht statisch sind, sondern dynamisch. Das heißt, dass die Individuen die Möglichkeit haben, ihre Partner zu wechseln. Eine wichtige – aber bislang unerforschte – Eigenschaft dynamischer Netzwerke ist jedoch, dass derartige Wechsel von Partnern in der Regel Kosten verursachen, ob in Form von Zeit oder Ressourcen. Kapitel I meiner Arbeit schließt diese Lücke, in dem es sich mit den Effekten von Kosten auf dynamischen Netzwerken befasst. Ich konnte nachweisen, dass Menschen seltener Interaktionen mit Partnern beendeten, wenn die Kontaktaufnahme mit einem neuen Partner mit Kosten verbunden war. Bei sehr hohen Kosten, wurden Partner so selten gewechselt, dass das Netzwerk fast statisch war. Interessanterweise blieb die Kooperation dennoch sehr hoch. Das bedeutet, dass für kooperatives Verhalten entscheidend ist, ob man die Möglichkeit hat, Partner zu wechseln. Im Gegensatz zu bisherigen Annahmen ist es daher nicht wichtig, wie oft tatsächlich Partner gewechselt werden, sondern lediglich ob es die Möglichkeit dazu gibt. In Kapitel II beschäftige ich mich mit optimalem Entscheidungsverhalten. Im sogenannten Judge-Advisor-System geht es darum, dass eine Person, der Judge, eine unbekannte numerische Größe schätzen will. Dazu erhält der Judge eine zweite unabhängige Schätzung als Rat von einer zweiten Person, des Advisor. Schließlich ist die Frage, wie der Judge optimal den Rat verwerten kann um seine Anfangsschätzung zu verbessern. Bisherige Forschung konzentrierte sich hauptsächlich auf zwei mögliche Methoden, (i) das Bilden des Mittelwerts und (ii) das Wählen der besseren Anfangsschätzung. Das Hauptargument für diese einfachen Methoden ist deren häufige Verwendung in bisherigen Experimenten. Allerdings wurden sehr wohl auch andere Gewichtungen beobachtet und daher ist eine gründliche Analyse der optimalen Gewichtung erforderlich. In der vorliegenden Arbeit leitete ich ein normatives Modell her, das beschreibt, unter welchen Bedingungen welche Methode das bestmögliche Ergebnis liefert. Es wurden drei Methoden verglichen: (i) das Bilden des Durchschnitts, (ii) das Wählen der besseren Anfangsschätzung, und (iii) das Bilden eines gewichtetet Mittelwerts, wobei das Gewicht vom Kompetenzunterschied abhängt. Welche Methode optimal ist, hängt davon ab, wie groß der Kompetenzunterschied ist und wie gut er vom Judge erkannt wird. Die Durchschnittbildung ist immer dann vorteilhaft, wenn der Kompetenzunterschied nicht groß ist, oder nur schwer richtig eingeschätzt werden kann. Wenig überraschend lohnt sich das Wählen der besseren Anfangsschätzung, wenn der Kompetenzunterschied hinreichend groß ist, vorausgesetzt es wird tatsächlich die bessere Anfangsschätzung gewählt. Wenn der Kompetenzunterschied vom Judge gut eingeschätzt werden kann, ist eine Entsprechende Gewichtung immer die beste Methode, unabhängig vom tatsächlichen Unterschied. In Übereinstimmung mit bisheriger Forschung wurde auch die Kombination von Durchschnittbildung und Wählen der besseren Anfangsschätzung untersucht. Diese Kombinationsmethode beruht darauf, bei als gering eingeschätztem Kompetenzunterschied den Durchschnitt zu bilden und ansonsten die bessere Anfangsschätzung zu wählen. Interessanterweise schneidet diese Kombinationsmethode sehr schlecht ab, was hauptsächlich daran liegt, dass zu oft die falsche Anfangsschätzung genommen würde. Insgesamt ist das gewichtete Mittel also eine geeignete Methode für einen großen Parameterbereich.