Image of Effectuation entwickeln: Ein auf Reinforcement Learning aufbauender agentenbasierter Modellierungsbeitrag zur Formalisierung unternehmerischen Verhaltens
Bookmark Share

Text

Effectuation entwickeln: Ein auf Reinforcement Learning aufbauender agentenbasierter Modellierungsbeitrag zur Formalisierung unternehmerischen Verhaltens

In diesem Open-Access-Buch wird ein Rahmenwerk entwickelt, das simulationsbezogene Untersuchungen von Effetcuation ermöglicht und gleichzeitig die Grundlage für die Entwicklung von gründungsunterstützenden Entscheidungssystemen schafft. Es wird diskutiert, inwieweit effektuatives Lernen modelliert und algorithmisch interpretiert werden kann. Auf Basis der Vorstellung und kritischen Evaluierung aktueller Simulationsmodelle, die Effectuation abbilden, wird mit Hilfe von Methoden agentenbasierter Modellierung und des Reinforcement Learnings ein aggregiertes Modell entwickelt, das effektuatives Verhalten im Rahmen einer prototypischen Gründungssituation ermöglicht. Die Ergebnisse zeigen, dass ein entrepreneurialer Agent in der Lage ist, effektuatives Verhalten zu erlernen. Leistungsunterschiede während des Lernens ergeben sich bei Veränderung seiner Umgebung. Der Erfolg des Agenten ist abhängig von der Verbindlichkeit potentieller Partner und Kunden. Weiterhin lässt sich ein Lernerfolg feststellen, wenn der Agent das Affordable-Loss-Prinzip in Verbindung mit marktkonformem Verhalten anwendet. Mit dem entwickelten Modell können künftig, unter Einbeziehung des Entscheidungsverhaltens eines realen Entrepreneurs, weitere Untersuchungen zum effektuativen Lernverhalten durchgeführt werden.

Availability

No copy data

Detail Information
Series Title
-
Call Number
XXIX, 159
Publisher
Springer Gabler Wiesbaden : Springer Gabler Wiesbaden.,
Collation
-
Language
English
ISBN/ISSN
978-3-658-39251-2
Classification
NONE
Content Type
text
Media Type
computer
Carrier Type
online resource
Edition
1
Subject(s)
Entrepreneurship
Business and management
general
Specific Detail Info
-
Statement of Responsibility
Other Information
Cataloger
Suwardi
Source
https://link.springer.com/book/10.1007/978-3-658-39251-2
Validator
Maya
Digital Object Identifier (DOI)
-
Journal Volume
-
Journal Issue
-
Subtitle
-
Parallel Title
-
Other version/related

No other version available

File Attachment
Comments
You must be logged in to post a comment