کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6369111 1623805 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Fitness landscapes among many options under social influence
ترجمه فارسی عنوان
مناظر تناسب اندام در میان بسیاری از گزینه های تحت نفوذ اجتماعی است
کلمات کلیدی
انتخاب گسسته، چشم انداز تناسب اندام، یادگیری فردی، بازپرداخت یادگیری اجتماعی،
ترجمه چکیده
یادگیری فرهنگی، یک مشکل جدید است که در آن تصمیم بهینه بستگی دارد نه تنها به ویژگی ذاتی تصمیم / رفتار، بلکه همچنین بر شفافیت هزینه ها و منافع، میزان یادگیری اجتماعی در مقابل فرد و محبوبیت نسبی هر انتخاب ممکن در یک جمعیت . از لحاظ عملکرد یک منظره تناسب اندام، این رابطه بازگشتی به این معنی است که تعادل چندگانه ممکن است وجود داشته باشد. در اینجا از تئوری انتخاب گزاره ای استفاده می کنیم تا یک تابع منظر تناسب اندام برای یک نقشه تصمیم گیری دو طرفه طراحی کنیم که میزان تاثیر اجتماعی را در فرآیند یادگیری نسبت به هزینه ها و تصمیمات تصمیم گیری می گیرد. به طور خاص، ما از روش های اقتصاد سنجی و آماری برای برآورد نه تنها عملکرد تناسب اندام، بلکه حرکت در امتداد محور نقشه استفاده می کنیم. برای جستجوی این تعادل، از یک الگوریتم صعود تپه استفاده می کنیم که منجر به ارزش های مورد انتظار از تصمیمات بهینه می شود که ما را به عنوان قله در منظره تناسب تعریف می کنیم. ما نشان می دهیم که چگونه برآورد اندازه گیری شفافیت، اندازه گیری نفوذ اجتماعی و منظر تناسب همراه می تواند با استفاده از مجموعه داده های پانل انجام شود.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
Cultural learning represents a novel problem in that an optimal decision depends not only on intrinsic utility of the decision/behavior but also on transparency of costs and benefits, the degree of social versus individual learning, and the relative popularity of each possible choice in a population. In terms of a fitness-landscape function, this recursive relationship means that multiple equilibria can exist. Here we use discrete-choice theory to construct a fitness-landscape function for a bi-axial decision-making map that plots the magnitude of social influence in the learning process against the costs and payoffs of decisions. Specifically, we use econometric and statistical methods to estimate not only the fitness function but also movements along the map axes. To search for these equilibria, we employ a hill-climbing algorithm that leads to the expected values of optimal decisions, which we define as peaks on the fitness landscape. We illustrate how estimation of a measure of transparency, a measure of social influence, and the associated fitness landscape can be accomplished using panel data sets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Theoretical Biology - Volume 405, 21 September 2016, Pages 5-16
نویسندگان
, , , ,