3.2 Learning Although the above mod

3.2 Learning
Although the above models extend the scope of traditional economic models of managerial decision-making, they are agnostic on the process of how markets might reach equilibrium. Likewise, empirical applications of these models also assume that equilibrium has either already been reached, or if there are multiple equilibria, equilibrium selection has already taken place. Data from laboratory experiments, however, show a more nuanced picture. In most experiments, at least for the first fewThere are several directions for future research. A possible next step in this line of research would be to extend this result to other coordination games. For example, the provision point mechanism is a simple public goods mechanism but with multiple equilibria. To select the most efficient equilibrium, one could use the same induced identity method used in this study. Chen and Chen (2011) model predicts that successful coordination to higher levels of public goods can be achieved systematically even with a weak method of increasing other-regarding preferences. Another direction is to evaluate the effects of identity-based teams outside the lab through field studies in fundraising or online communities.
3.2.2 Biological basis of learning
In numerous laboratory experiments, the general finding is that, for nontrivial games, players gradually reach equilibrium over time through some process of adaptation, typically referred to as learning (Camerer 2003, Chapter 6). A number of models of learning in games have been proposed, particularly reinforcement and belief-based models, as well as hybrid models such as experienced weighted attraction (EWA) (see Camerer and Ho 1999 and Ho et al. 2007). Hsu et al. (2010) build upon this literature by studying the neural mechanisms underlying strategic learning using functional magnetic resonance imaging (fMRI). This is a potentially fruitful endeavor as the neural mechanisms of learning have been revolutionized from the discovery of a class of neurons, namely the dopamine neurons, that appear to implement the temporal difference (TD) form of reinforcement learning. Derived from behavioral psychology and machine learning literatures, at the core of TD learning is the computation and updating of a reward prediction error (RPE), whereby organisms (in this case players) learn from the discrepancy between what is expected to happen and what actually happens (Sutton and Barto 1981). This includes a number of recent papers implicating such dopaminergic regions in decisions under risk and uncertainty (e.g., Fiorillo et al. 2003). More importantly from the perspective of strategic learning, this literature offers a set of biologically plausible formal models of behaviour that has the potential to directly connect behavioral observations of learning dynamics in games on the one hand (Roth and Erev 1995; Camerer 2003), and the neural observations of the brain dynamics on the other. Specifically, Hsu et al. (2010) used an asymmetric version of the patent race game, first studied experimentally in Rapoport and Amaldoss (2000), to search for regions of the brain involved in computation of expected payoffs and prediction errors that can be used to guide behavior. The large strategy space of this game improves the recovery of key parameters in learning models relative to smaller games typically used in such studies (Wilcox 2006). Reinforcement and belief-based models were implemented in the manner consistent with temporal difference models (Sutton and Barto 1981) and fitted to the neural data. The results show evidence of reinforcement and belief-based learning signals in the manner predicted by EWA learning. Somewhat surprisingly, these distinct signals are represented in both overlapping and distinct brain regions. There are a number of potential extensions to this study. First, despite the empirical success of the aforementioned models, the model fits are far from perfect. Belief-learning in particular, relies on strong functional form assumptions regarding the construction of beliefs, which has longbeen assumed in standard models to be unobservable. Recent studies using proper scoring rules to elicit beliefs, however, found substantial improvements in fit (Nyarko and Schotter 2002). As shown out by Rutstrom and Wilcox (2009), however, the act of elicitation itself may well bias the learning dynamics. In contrast, direct extraction of beliefs from neural activity presents the possibility of an unbiased measurement of beliefs. More generally, neural data can discipline behavioral models of learning by providing direct data regarding the causal mechanisms behind decision-making and learning.

ผลลัพธ์ (ไทย) 1:

3.2 การเรียนรู้ ถึงแม้ว่าแบบจำลองข้างต้นขยายขอบเขตของแบบจำลองเศรษฐกิจดั้งเดิมของตัดสินใจบริหารจัดการ พวกเขาจะ agnostic ในกระบวนการของการตลาดอาจถึงสมดุล ทำนองเดียวกัน รวมโปรแกรมประยุกต์รุ่นเหล่านี้ยังสมมติว่าสมดุลอย่างใดอย่างหนึ่งแล้ว หรือถ้ามีหลาย equilibria เลือกสมดุลได้แล้วเกิดขึ้น ข้อมูลจากการทดลองในห้องปฏิบัติการ อย่างไรก็ตาม แสดงรูปภาพเพิ่มเติมฉับ ในการทดลองมากที่สุด น้อยสำหรับ fewThere แรกได้หลายทิศทางการวิจัยในอนาคต ขั้นตอนถัดไปในบรรทัดของงานวิจัยนี้จะมีการ ขยายผลนี้ไปยังเกมอื่น ๆ ประสานงาน ตัวอย่าง กลไกจุดจัดเป็นสินค้าสาธารณะอย่างกลไก แต่ equilibria หลาย เลือกสมดุลมีประสิทธิภาพสูงสุด หนึ่งอาจใช้วิธีเหนี่ยวนำให้ตัวเดียวที่ใช้ในการศึกษานี้ เฉินและเฉิน (2011) แบบจำลองทำนายว่า ประสานงานประสบความสำเร็จระดับสูงของสินค้าสาธารณะสามารถทำได้อย่างเป็นระบบกับวิธีอ่อนเพิ่มอื่น ๆ เกี่ยวข้องกับการกำหนดลักษณะ ทิศทางอื่นเพื่อ ประเมินผลของทีมที่ตามตัวนอกห้องปฏิบัติการทางศึกษาฟิลด์ในชุมชนการระดมทุน หรือออนไลน์ได้ 3.2.2 ชีวภาพพื้นฐานการเรียนรู้ ในแห่งห้องปฏิบัติการทดลอง ค้นหาทั่วไปอยู่ที่ เกม nontrivial ผู้เล่นค่อย ๆ ถึงสมดุลเวลาผ่านบางขั้นตอนการปรับตัว โดยทั่วไปเรียกว่าเป็นการเรียนรู้ (Camerer 2003 บทที่ 6) จำนวนรูปแบบการเรียนรู้ในเกมได้รับการเสนอชื่อ โดยเฉพาะอย่างยิ่งเสริม และรูปแบบตามความเชื่อ เป็นรุ่นไฮบริดเช่นประสบการณ์เที่ยวถ่วงน้ำหนัก (เอวา) (ดู Camerer และ 1999 โฮจิมินห์ และโฮจิมินห์ et al. 2007) ซู et al. (2010) ที่สร้างขึ้นนี้วรรณกรรม โดยศึกษากลไกประสาทต้นแบบเรียนรู้กลยุทธ์ที่ใช้ทำแม่เหล็กสั่นพ้องภาพ (fMRI) นี้เป็นแข่งขันอาจประสบได้ถูก revolutionized ประสาทกลไกการเรียนรู้จากการค้นพบชั้นของ neurons ได้แก่การโดพามีน neurons ที่จะใช้แบบความแตกต่างชั่วคราว (TD) การเรียนรู้เสริมสร้าง การ มาจากจิตวิทยาพฤติกรรมและเรียนรู้ literatures ของ TD เป็นการคำนวณการเรียนรู้ และปรับปรุงมีรางวัลทายผลข้อผิดพลาด (RPE), สิ่งมีชีวิต (ในกรณีนี้เล่น) เรียนรู้จากความขัดแย้งระหว่างสิ่งคาดว่าจะเกิดขึ้นและอะไรจะเกิดขึ้น (ซัตตั้นและ Barto 1981) โดยเครื่อง นี้ประกอบด้วยหมายเลขของเอกสารล่าสุดที่ implicating เช่นภูมิภาค dopaminergic ในตัดสินใจภายใต้ความเสี่ยงและความไม่แน่นอน (เช่น Fiorillo et al. 2003) ที่สำคัญจากมุมมองของการเรียนรู้เชิงกลยุทธ์ วรรณกรรมนี้มีชุดของแบบจำลองทางรับมือชิ้นของพฤติกรรมที่มีศักยภาพในการสังเกตพฤติกรรมการเรียน dynamics ในเกมบนมือหนึ่ง (รอดและ Erev 1995 การเชื่อมต่อโดยตรง Camerer 2003), และข้อสังเกตุประสาทของสมองเปลี่ยนแปลงอื่น ๆ โดยเฉพาะ ซู et al. (2010) ใช้รุ่น asymmetric ของเกมการแข่งขันสิทธิบัตร แรก ศึกษา experimentally Rapoport และ Amaldoss (2000) การหาพื้นที่ของสมองที่เกี่ยวข้องกับคำนวณ payoffs คาดการณ์และทำนายข้อผิดพลาดที่สามารถใช้เพื่อเป็นแนวทางการทำงาน พื้นที่ยุทธศาสตร์ใหญ่ของเกมนี้ปรับปรุงการกู้คืนคีย์พารามิเตอร์ในแบบจำลองที่สัมพันธ์กับเกมขนาดเล็กที่ใช้ในการศึกษาดังกล่าว (วิลค็อกซ์ 2006) เหล็กเสริมและรูปแบบตามความเชื่อได้ดำเนินการในลักษณะสอดคล้องกับรูปแบบความแตกต่างชั่วคราว (ซัตตั้นและ Barto 1981) และพอดีกับข้อมูลประสาท ผลลัพธ์แสดงหลักฐานของเหล็กเสริมและสัญญาณตามความเชื่อในลักษณะทำนาย โดยอีวาเรียน ค่อนข้างน่าแปลกใจ สัญญาณเหล่านี้ทั้งหมดจะแสดงในพื้นที่สมองที่ทับซ้อนกัน ทั้งหมด มีหมายเลขของส่วนขยายศักยภาพการศึกษานี้ ครั้งแรก แม้ มีความสำเร็จผลของแบบจำลองดังกล่าว พอดีกับโมเดลได้มากเหมาะ ความเชื่อการเรียนรู้โดยเฉพาะอย่างยิ่ง อาศัยสมมติฐานฟอร์มแรงทำงานเกี่ยวกับการก่อสร้างของความเชื่อ ซึ่งมีสันนิษฐานในรุ่นมาตรฐานเป็น unobservable longbeen ศึกษาล่าสุดที่เหมาะสมโดยใช้กฎเพื่อให้ได้รับความเชื่อ การให้คะแนนอย่างไรก็ตาม พบปรับปรุงพบในพอดี (Nyarko และ Schotter 2002) เป็นการแสดงออกทาง Rutstrom วิลค็อกซ์ (2009), อย่างไรก็ตาม กระทำของ elicitation เองอาจดีอคติเปลี่ยนแปลงเรียนรู้ ในทางตรงกันข้าม สกัดโดยตรงของความเชื่อจากกิจกรรมประสาทนำเสนอความเป็นไปได้ของการวัดความเชื่อคน เพิ่มเติมโดยทั่วไป ข้อมูลประสาทสามารถสอนรูปแบบพฤติกรรมการเรียนรู้ โดยการให้ข้อมูลโดยตรงเกี่ยวกับกลไกสาเหตุเบื้องหลังการตัดสินใจและเรียนรู้

ผลลัพธ์ (ไทย) 2:

3.2
การเรียนรู้แม้ว่าแบบจำลองดังกล่าวข้างต้นขยายขอบเขตของแบบจำลองทางเศรษฐกิจแบบดั้งเดิมของการตัดสินใจในการบริหารจัดการที่พวกเขาจะไม่เชื่อเรื่องพระเจ้าในขั้นตอนของวิธีการตลาดอาจถึงสมดุล ในทำนองเดียวกันการใช้งานเชิงประจักษ์ของโมเดลเหล่านี้ยังคิดว่าสมดุลได้อย่างใดอย่างหนึ่งมาถึงแล้วหรือถ้ามีหลายสมดุล, การเลือกสมดุลได้ดำเนินการแล้วสถานที่ ข้อมูลจากการทดลองในห้องปฏิบัติการ แต่แสดงภาพที่เหมาะสมยิ่งขึ้น ในการทดลองมากที่สุดอย่างน้อยสำหรับ fewThere แรกหลายทิศทางการวิจัยในอนาคต ขั้นตอนต่อไปเป็นไปได้ในสายของการวิจัยครั้งนี้จะมีการขยายผลนี้กับเกมการประสานงานอื่น ๆ ยกตัวอย่างเช่นกลไกการจุดการให้เป็นกลไกสินค้าสาธารณะที่เรียบง่าย แต่มีหลายสมดุล ในการเลือกสมดุลมีประสิทธิภาพมากที่สุดหนึ่งสามารถใช้วิธีการเหนี่ยวนำให้เกิดอัตลักษณ์เดียวกับที่ใช้ในการศึกษานี้ เฉินเฉิน (2011) คาดการณ์ว่ารูปแบบการประสานงานที่ประสบความสำเร็จในระดับที่สูงขึ้นของสินค้าที่ประชาชนสามารถทำได้อย่างเป็นระบบแม้จะมีวิธีการที่อ่อนแอของการเพิ่มการตั้งค่าอื่น ๆ ที่เกี่ยวกับการ อีกทางหนึ่งคือการประเมินผลกระทบของทีมตัวตนอยู่นอกห้องปฏิบัติการที่ผ่านการศึกษาภาคสนามในการระดมทุนหรือชุมชนออนไลน์.
3.2.2
พื้นฐานทางชีวภาพของการเรียนรู้ในการทดลองในห้องปฏิบัติการต่างๆ นานาการค้นพบทั่วไปคือว่าสำหรับเกมขี้ปะติ๋วผู้เล่นค่อยๆถึงความสมดุล เมื่อเวลาผ่านไปผ่านขั้นตอนของการปรับตัวบางอย่างมักจะเรียกว่าการเรียนรู้ (Camerer 2003 บทที่ 6) จำนวนของรูปแบบของการเรียนรู้ในเกมที่ได้รับการเสนอเสริมโดยเฉพาะอย่างยิ่งความเชื่อและรูปแบบที่ใช้เช่นเดียวกับรุ่นไฮบริดเช่นสถานที่ท่องเที่ยวที่มีประสบการณ์ถ่วงน้ำหนัก (EWA) (ดู Camerer และปี 1999 และโฮโฮ et al. 2007) ฮ et al, (2010) สร้างเมื่อวรรณกรรมนี้โดยการศึกษากลไกของระบบประสาทการเรียนรู้พื้นฐานการถ่ายภาพเชิงกลยุทธ์โดยใช้คลื่นสนามแม่เหล็ก (fMRI) นี้เป็นความพยายามที่มีผลที่อาจเกิดขึ้นในขณะที่กลไกของระบบประสาทของการเรียนรู้ได้รับการปฏิวัติจากการค้นพบของชั้นของเซลล์คือเซลล์ประสาทโดปามีนที่ปรากฏที่จะใช้ความแตกต่างชั่วคราว (TD) รูปแบบของการเรียนรู้การเสริมแรง ที่ได้มาจากพฤติกรรมจิตวิทยาและวรรณกรรมเรียนรู้เครื่องที่เป็นแกนหลักของการเรียนรู้ทีดีคือการคำนวณและการปรับปรุงข้อผิดพลาดการคาดการณ์ผลตอบแทน (RPE) โดยสิ่งมีชีวิต (ในการเล่นกรณีนี้) เรียนรู้จากความแตกต่างระหว่างสิ่งที่คาดว่าจะเกิดขึ้นและสิ่งที่จริง เกิดขึ้น (ซัตตันและ Barto 1981) ซึ่งรวมถึงจำนวนเอกสารที่ผ่านมาส่งผล dopaminergic ภูมิภาคดังกล่าวในการตัดสินใจภายใต้ความเสี่ยงและความไม่แน่นอน (เช่น Fiorillo et al. 2003) ที่สำคัญจากมุมมองของการเรียนรู้เชิงกลยุทธ์วรรณกรรมนี้มีชุดรูปแบบที่เป็นทางการที่เป็นไปได้ทางชีวภาพของพฤติกรรมที่มีศักยภาพที่จะเชื่อมต่อโดยตรงสังเกตพฤติกรรมของการเปลี่ยนแปลงการเรียนรู้ในการเล่นเกมบนมือข้างหนึ่ง (โรทและ Erev 1995; Camerer 2003) และ สังเกตประสาทของการเปลี่ยนแปลงของสมองในที่อื่น ๆ โดยเฉพาะฮ et al, (2010) ที่ใช้เป็นรุ่นที่ไม่สมมาตรของเกมการแข่งขันสิทธิบัตรครั้งแรกในการศึกษาทดลองและ Rapoport Amaldoss (2000) เพื่อค้นหาภูมิภาคของสมองที่เกี่ยวข้องในการคำนวณผลตอบแทนที่คาดหวังและการคาดการณ์ข้อผิดพลาดที่สามารถใช้เพื่อเป็นแนวทางในพฤติกรรม พื้นที่ขนาดใหญ่กลยุทธ์ของเกมนี้ช่วยเพิ่มการฟื้นตัวของพารามิเตอร์ที่สำคัญในการเรียนรู้รูปแบบเทียบกับเกมที่มีขนาดเล็กมักจะใช้ในการศึกษาดังกล่าว (วิลคอกซ์ 2006) การเสริมแรงและรูปแบบตามความเชื่อที่ถูกนำมาใช้ในลักษณะที่สอดคล้องกับรูปแบบที่แตกต่างชั่วคราว (ซัตตันและ Barto 1981) และพอดีกับข้อมูลของระบบประสาท ผลที่ได้แสดงหลักฐานของการเสริมแรงและตามความเชื่อสัญญาณการเรียนรู้ในลักษณะที่คาดการณ์โดยการเรียนรู้ EWA ค่อนข้างน่าแปลกใจที่การส่งสัญญาณที่แตกต่างกันเหล่านี้จะเป็นตัวแทนทั้งในที่ทับซ้อนกันและภูมิภาคสมองที่แตกต่างกัน มีจำนวนของส่วนขยายที่มีศักยภาพในการศึกษาครั้งนี้มี ครั้งแรกแม้จะประสบความสำเร็จในการทดลองของรุ่นดังกล่าวเหมาะกับรูปแบบการอยู่ห่างไกลจากความสมบูรณ์แบบ ความเชื่อการเรียนรู้โดยเฉพาะอย่างยิ่งต้องอาศัยสมมติฐานรูปแบบการทำงานที่เกี่ยวกับการก่อสร้างที่แข็งแกร่งของความเชื่อซึ่งได้ longbeen สันนิษฐานในรูปแบบมาตรฐานเพื่อจะสำรวจ การศึกษาล่าสุดโดยใช้กฎการให้คะแนนที่เหมาะสมที่จะล้วงเอาความเชื่อ แต่พบการปรับปรุงที่สำคัญในแบบ (Nyarko และ Schotter 2002) ดังที่แสดงโดย Rutstrom และวิลคอกซ์ (2009) แต่การกระทำของตัวเองดึงเอาดีอาจมีอคติการเปลี่ยนแปลงการเรียนรู้ ในทางตรงกันข้ามการสกัดโดยตรงของความเชื่อจากการดำเนินกิจกรรมของระบบประสาทที่มีการจัดเป็นไปได้ของการวัดที่เป็นกลางจากความเชื่อ โดยทั่วไปข้อมูลประสาทสามารถมีวินัยในรูปแบบพฤติกรรมของการเรียนรู้โดยการให้ข้อมูลโดยตรงเกี่ยวกับกลไกสาเหตุที่อยู่เบื้องหลังการตัดสินใจและการเรียนรู้

ผลลัพธ์ (ไทย) 3:

3.2 การเรียนรู้
ถึงแม้ว่ารูปแบบดังกล่าวข้างต้นขยายขอบเขตของรูปแบบเศรษฐกิจแบบดั้งเดิมของการตัดสินใจการจัดการ พวกเขาไม่เชื่อในพระเจ้าในกระบวนการของวิธีการที่ตลาดจะเข้าสู่ภาวะสมดุล อนึ่ง งานเชิงประจักษ์ของโมเดลเหล่านี้ยังถือว่าสมดุลได้ก็มาถึง หรือหากมีการเลือกหลายสมดุล สมดุล ได้เกิดขึ้นข้อมูลจากการทดลองในห้องปฏิบัติการและแสดงให้เห็นโดยภาพ ในการทดลองมากที่สุด อย่างน้อยเพื่อ fewthere แรกเป็นเส้นทางหลายประการสำหรับการวิจัยในอนาคต ขั้นตอนที่เป็นไปได้ในบรรทัดถัดไปของงานวิจัยนี้จะขยายผลเพื่อเกมการประสานงานอื่น ๆ ตัวอย่างเช่น การให้จุดกลไกเป็นสินค้าสาธารณะกลไกง่ายๆแต่หลายสมดุล .เลือกสมดุล มีประสิทธิภาพมากที่สุด หนึ่งสามารถใช้วิธีเดียวกัน ) ตัวที่ใช้ในการศึกษาครั้งนี้ เฉิน และ เฉิน ( 2011 ) แบบจำลองคาดการณ์ว่าประสบความสำเร็จประสานงานไปยังระดับที่สูงขึ้นของสินค้าสาธารณะสามารถทำได้อย่างเป็นระบบ แม้จะมีวิธีการที่อ่อนแอของการอื่น ๆ เกี่ยวกับการตั้งค่าอีกทางคือ เพื่อศึกษาผลของตัวจากทีมนอกห้องทดลอง โดยการศึกษาภาคสนามในชุมชน หรือการระดมทุนออนไลน์

3.2.2 พื้นฐานทางชีววิทยาของการเรียนรู้ในการทดลองในห้องปฏิบัติการมากมาย พบทั่วไปคือว่าเกมนอนทริเวียล , ผู้เล่นค่อยๆถึงสมดุลตลอดเวลา ผ่านกระบวนการของการปรับตัวโดยทั่วไปหมายถึงการเรียนรู้ ( camerer 2003 บทที่ 6 ) จำนวนของรูปแบบของการเรียนรู้ในเกมที่ได้รับการเสนอโดยการเสริมแรงและความเชื่อตามรูปแบบเช่นเดียวกับรุ่นไฮบริด เช่น ประสบการณ์เที่ยวหนัก ( อีวา ) ( ดู camerer โฮ 1999 และโฮ et al . 2007 ) Hsu et al .( 2010 ) สร้างเมื่อวรรณกรรมนี้โดยการศึกษาระบบประสาทกลไกการเรียนรู้ต้นแบบการทำงานเชิงกลยุทธ์โดยใช้แม่เหล็กภาพ ( fMRI ) นี้เป็นความพยายามที่อาจมีผลเป็นกลไกประสาทของการเรียนรู้มีการปฏิวัติจากการค้นพบของชั้นเรียนของเซลล์ประสาทโดพามีน neurons ) ,ที่ปรากฏจะใช้ความแตกต่างชั่วคราว ( TD ) รูปแบบของการเสริมการเรียนรู้ ที่ได้มาจากทฤษฎีจิตวิทยาด้านพฤติกรรมและการเรียนรู้เครื่องวรรณกรรม ในหลักของ TD การเรียนรู้คือการคำนวณและปรับปรุงรางวัลทำนายผิดพลาด ( RPE )ซึ่งสิ่งมีชีวิต ( ในกรณีนี้ผู้เล่น ) เรียนรู้จากความขัดแย้งระหว่างสิ่งที่คาดว่าจะเกิดขึ้น และสิ่งที่เกิดขึ้นจริง ( Sutton และ barto 1981 ) ซึ่งรวมถึงหมายเลขของเอกสารล่าสุดพาดพิงไปถึง เช่นเกี่ยวกับโดปามีนภูมิภาคในการตัดสินใจภายใต้ความเสี่ยงและความไม่แน่นอน ( เช่น fiorillo et al . 2003 ) ที่สำคัญจากมุมมองของการเรียนรู้เชิงกลยุทธ์วรรณกรรมนี้มีชุดของชีวภาพสัมพันธ์อย่างเป็นทางการรุ่นของพฤติกรรมที่มีศักยภาพโดยตรงต่อพฤติกรรมการสังเกตพลวัตการเรียนรู้ในเกมบนมือข้างหนึ่ง ( Roth และ erev 1995 ; camerer 2003 ) และแบบสังเกตมองพลวัตในอื่น ๆ โดยเฉพาะกลุ่ม et al . ( 2010 ) ใช้รุ่นไม่สมมาตรของเกมการแข่งขัน สิทธิบัตรก่อนเรียนและทดลองใน amaldoss Rapoport ( 2000 ) , การค้นหาสำหรับพื้นที่ของสมองที่เกี่ยวข้องในการคำนวณผลตอบแทนคาดหวังและข้อผิดพลาดการทำนายที่สามารถใช้คู่มือพฤติกรรม กลยุทธ์พื้นที่ขนาดใหญ่ของเกมนี้ปรับปรุงการกู้คืนของพารามิเตอร์ที่สำคัญในการเรียนรู้แบบสัมพัทธ์ขนาดเล็กเกมมักจะใช้ในการศึกษาดังกล่าว ( วิลคอกซ์ 2006 )