Diffusionsmodell

[engl. diffusion model], [KOG], ist das am häufigsten genutzte Modell sequenzieller Informationsgewinnung für binäre Entscheidungen (Entscheiden, Informationstheorie). Grundgedanke eines Diffusionsmodells ist die sequentielle Gewinnung zufallsbehafteter Information zugunsten der einen oder anderen Entscheidungsalternative bis zum Erreichen einer von zwei Schwellen, bei der die entspr. Antwort erfolgt. Zentrale Parameter eines Diffusionsmodells sind die Geschwindigkeit der Informationsgewinnung (drift rate), der Abstand zw. den beiden Antwortschwellen und der Startpunkt der Informationsgewinnung. Die Zufallskomponente des Prozesses (diffusion constant) ist frei wählbar und wirkt als Skalierungsfaktor für die anderen Parameter. Die Parameter kennzeichnen neben der Geschwindigkeit der Informationsaufnahme das Genauigkeitskriterium – die Genauigkeit steigt mit dem Abstand der Schwellen – sowie das Bias zugunsten der einen oder anderen Alternative – wenn der Startpunkt zur einen Alternative hin verlagert ist, ist die Reaktionszeit für diese Alternative kürzer und die Genauigkeit größer als für die andere Alternative. Prozesse, die zur Reaktionszeit beitragen, aber nicht mit der Entscheidung zu tun haben, werden durch eine additive Variable berücksichtigt. In seiner einfachsten Form sagt das Diffusionsmodell die typischen schiefen indiv. Verteilungen von Reaktionszeiten vorher, den Geschwindigkeits-Genauigkeits-Austausch (speed-accuracy tradeoff) und den Einfluss der relativen Häufigkeit der beiden Alternativen. Für genauere oder erweiterte Modelle können Zufallsverteilungen der Parameter oder auch zusätzliche Parameter eingeführt werden. Das Diffusionsmodell kann für Vorhersagen genutzt werden, aber auch für die Beschreibung von Reaktionszeitverteilungen und Genauigkeiten. Im letzteren Fall ersetzen die Modellparameter die sonst genutzten Mittelwerte. Software für die Anpassung des Modells an Beobachtungsdaten steht zur Verfügung. Diffusionsmodellanalysen.