Synthetische und Explanative Modelle

Synthetische und explanative Modelle werden zur Modellierung komplexer Prozesse verwendet. Der Mensch stellt ein überaus komplexes System dar, dessen Verhalten die psychologische Forschung mittels gesonderter Modelle aus verschiedenen Perspektiven analysieren kann.

• Sozialorientierte Modelle beschäftigen sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel von Personen, welche im Modell durch sogenannte Agenten (= kleine individuelle autonome (Software-) Einheiten) repräsentiert werden. Sie untersuchen somit Inter-Agenten-Prozesse.
• Individuumsorientierte Modelle beschäftigten sich mit der Entstehung menschlichen Verhaltens durch das Zusammenspiel interner (z.B. neuronaler) Prozesse (Intra-Agenten-Prozesse).

Im Gegensatz zu statistischen und mathematischen Modellen besteht ein zentrales Ziel synthetischer und explanativer Modelle darin, zu erklären, wie Komponenten des Modells miteinander interagieren um ein gewünschtes Verhalten hervorzubringen.

Die Ableitung der Komponenten und Interaktionsstrukturen kann dabei auf zwei Wegen erfolgen:

• Modellierung auf Basis bereits bekannter Strukturen, also z.B. existierender Theorien oder existierender Daten
• Modellierung auf Basis struktureller Spekulationen bzw. Analogien zu anderen Systemen, die ähnliches Verhalten zeigen

Erfolgt die Modellierung mittels des zweiten Weges auf Basis struktureller Spekulationen, handelt es sich um ein synthetisches Modell. Ein System wird dabei, basierend auf wesentlichen Annahmen, aus verschiedenen Komponenten konstruiert. Im Anschluss wird überprüft, ob das Modell das gewünschte Verhalten zeigt.

Merkmale synthetischer und explanativer Modelle

• Entwicklung erfolgt durch Abstraktion über Daten bestimmter Fälle oder prinzipienorientiert ohne Daten (= synthetischer Ansatz)
• Verwendung zur Generalisierung und Theoriebildung
• Das Fitting existierender Daten erfolgt aufgrund der Komplexität der Modelle eher qualitativ

• • Der Fokus liegt analog zu klassischen Theorien stärker auf einer qualitativen Übereinstimmung von Datenmustern als in einem quantitativen Fit.
  • Die Überprüfung der Modelle erfolgt mittels neuer Vorhersagen, was dadurch ermöglicht wird, dass diese Modelle neues Verhalten zeigen können, welches so vom Modellierer nicht direkt erwartet worden ist und entsprechend zu neuen, überprüfbaren Vorhersagen führt.
• Die Modelle überraschen oft, denn aufgrund ihrer Komplexität haben sie das Potenzial neue Vorhersagen zu liefern, die so nicht erwartet wurden.
• Die Modelle verhalten sich, d.h. sie repräsentieren nicht nur abstrakte Zahlenketten, sondern können in eine Verbindung zur virtuellen Außenwelt gestellt werden bzw. mittels elektro-mechanischer Komponenten u.U. auch in der realen Außenwelt eingesetzt werden. Ein Beispiel wären interagierende Agenten oder in Roboter eingebaute neuronale Netze.

Im Internet finden sich viele freie Softwarelösungen zur selbstständigen Exploration synthetischer und explanativer Modelle z.B. Emergent für neuronale Netze oder NetLogo zur Konstruktion verschiedenster Agentenmodelle.