Behavioral effects in human-machine and human-human interactions

Diese Dissertation untersucht, wie Menschen Entscheidungen in Interaktionen sowohl mit anderen Personen als auch mit zunehmend verbreiteten algorithmischen Systemen treffen. Unter Einbezug von Erkenntnissen aus der Verhaltensökonomie und der Mensch-Maschine-Interaktion wird analysiert, wie kognitive Limitationen, soziale Präferenzen und Wahrnehmungsverzerrungen das Verhalten in Kontexten von Unehrlichkeit, Empfehlungsumsetzung, Feedbackverarbeitung und Selbsteinschätzung prägen. Vier kontrollierte ökonomische Experimente zeigen, dass algorithmische Intransparenz unehrliches Verhalten verstärken kann, die Einbindung von Nutzern in das Training von KI-Systemen zwar deren Wahrnehmung verbessert, jedoch nicht die tatsächliche Befolgung algorithmischer Ratschläge fördert, dass Echtzeit-Feedback in Human-in-the-Loop-Systemen unbeabsichtigt Verhaltensverzerrungen verstärken kann und dass gängige Messungen von Selbstüberschätzung stark von methodischen Designentscheidungen abhängen. Die Dissertation unterstreicht die Notwendigkeit, realistische Annahmen über menschliches Verhalten bei der Gestaltung von Prüfungsprozessen, Empfehlungssystemen und interaktiven Technologien zu berücksichtigen und leistet damit einen Beitrag zu einem besseren Verständnis menschlicher Entscheidungsprozesse in einer zunehmend automatisierten Welt.