Modeling Human Behavior in a Strategic Network Game with Complex Group Dynamics

要約

人間のネットワークは、富と健康の不平等、貧困、いじめなど、重要な社会的結果に大きな影響を与えます。
そのため、人間のネットワークを理解することは、好ましい社会的成果を促進する方法を学ぶために重要です。
人間のネットワークをよりよく理解するためのステップとして、小さなデータセット、The Junior High Game（JHG）と呼ばれる戦略的ネットワークゲームでの人間の行動のモデルから、学習のためのいくつかの方法を比較対照します。
これらのモデリング方法は、人間の行動（行動対コミュニティ認識行動）とそれらがモデル化する瞬間（平均対分布）をパラメーター化するために使用する仮定に関して異なります。
結果は、HCABと呼ばれる最高のパフォーマンスの方法が、平均ではなく人間の行動の分布をモデル化し、人間が行動の一致ではなくコミュニティを認識する行動を使用すると仮定していることを示しています。
小社会（6〜11人）に適用されると、HCABモデルは人間グループの人口動態を密接に反映しています（顕著な違いがあります）。
さらに、ユーザー調査では、人間の参加者は個々のHCABエージェントを他の人間と区別することができなかったため、HCABモデルがこの戦略的ネットワークゲームでもっともらしい（個々の）人間の行動も生成することを示しています。

要約(オリジナル)

Human networks greatly impact important societal outcomes, including wealth and health inequality, poverty, and bullying. As such, understanding human networks is critical to learning how to promote favorable societal outcomes. As a step toward better understanding human networks, we compare and contrast several methods for learning, from a small data set, models of human behavior in a strategic network game called the Junior High Game (JHG). These modeling methods differ with respect to the assumptions they use to parameterize human behavior (behavior vs. community-aware behavior) and the moments they model (mean vs. distribution). Results show that the highest-performing method, called hCAB, models the distribution of human behavior rather than the mean and assumes humans use community-aware behavior rather than behavior matching. When applied to small societies (6-11 individuals), the hCAB model closely mirrors the population dynamics of human groups (with notable differences). Additionally, in a user study, human participants were unable to distinguish individual hCAB agents from other humans, thus illustrating that the hCAB model also produces plausible (individual) human behavior in this strategic network game.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google