Wahlinduzierte Präferenzänderung im Rahmen eines sequentiellen Stichprobenmodells

Warum unsere Entscheidungen beeinflussen, was wir mögen

Stellen Sie sich vor, Sie wählen zwischen einem Schokoriegel und einer Orange, die Sie gleichermaßen mögen. Seltsamerweise kann es passieren, dass Sie nach der Wahl die gewählte Süßigkeit mehr mögen und die abgelehnte weniger. Dieses alltägliche Phänomen, bekannt als wahlinduzierte Präferenzänderung, ist seit Jahrzehnten dokumentiert. Viele führende mathematische Modelle der Entscheidungsfindung hatten jedoch Schwierigkeiten, es zu erklären. Dieser Artikel zeigt, wie eine verbreitete Modellklasse, sogenannte sequentielle Stichprobenmodelle, diese Präferenzverschiebung auf natürliche Weise erzeugen kann, wenn wir zulassen, dass Werte sich während der Entscheidung entwickeln.

Wie Psychologen normalerweise über Entscheidungen denken

Ein Großteil der Forschung zur Entscheidungsfindung betrachtet einfache Entscheidungen zwischen zwei Optionen. Vor dem Treffen von Entscheidungen bewerten Menschen oft, wie sehr sie jede Option mögen. Klassische Befunde zeigen, dass Entscheidungen langsamer und weniger vorhersagbar sind, wenn die Optionen ähnlich attraktiv sind, und schneller und konsistenter, wenn eine Option klar heraussticht oder wenn beide Optionen hoch bewertet werden. Entscheidungen sind auch schneller, wenn sich die Optionen stark in wichtigen Merkmalen unterscheiden, etwa Geschmack versus Gesundheit bei Lebensmitteln. Diese Muster werden sehr gut von sequentiellen Stichprobenmodellen erfasst, die sich vorstellen, dass das Gehirn allmählich verrauschte Evidenz sammelt, bis eine Option genug Unterstützung hat, um eine Entscheidungsgrenze zu überschreiten.

Wenn das Gefallen nach der Entscheidung ändert

Wahlinduzierte Präferenzänderung geht über diese Standardmuster hinaus. In vielen Experimenten bewerten Personen Artikel, treffen Entscheidungen zwischen Paaren und bewerten die Artikel anschließend erneut. Typischerweise steigt die Bewertung des gewählten Artikels, die Bewertung des abgelehnten Artikels sinkt und die Lücke zwischen ihnen vergrößert sich. Dieses „Auseinanderdriften der Alternativen“ ist am stärksten bei schwierigen Entscheidungen – wenn die anfänglichen Bewertungen nahe beieinander oder weniger sicher waren – und bei Entscheidungen, bei denen jede Option in unterschiedlichen Merkmalen stark ist. Es ist außerdem tendenziell größer, wenn Menschen schnell entscheiden und sich sicher fühlen. Einfache Erklärungen, die nur auf Messrauschen beruhen, können diese zuverlässigen Zusammenhänge mit Schwierigkeit, Merkmalen und Reaktionszeiten nicht vollständig erklären.

Werte während der Beratung entwicklungsfähig machen

Standard-sequentielle Stichprobenmodelle gehen davon aus, dass jede Option während einer Entscheidung einen festen zugrundeliegenden Wert hat; das Modell deckt diesen Wert lediglich durch das Ansammeln von Evidenz auf. Unter dieser Annahme gibt es keinen Spielraum dafür, dass sich die Werte selbst verschieben. Die Autoren hinterfragen dies, indem sie zulassen, dass die Qualität der Evidenz sich im Laufe der Zeit verändert. In ihrem Rahmen spiegelt frühe Evidenz grobe Vorimpressionen wider, während schwierigere Entscheidungen den Entscheidungsführer dazu veranlassen, zusätzliche Attribute oder Informationen in Betracht zu ziehen, die zu Beginn nicht vollständig gewichtet wurden. Wenn zum Beispiel der Geschmack allein nicht zwischen Schokolade und Orange entscheidet, könnte eine Person beginnen, Gesundheit zu berücksichtigen, wodurch die sich entwickelnde Evidenz zugunsten der Orange kippt und die interne Wertdifferenz zwischen den beiden Snacks verändert wird.

Verschiedene Entscheidungsmaschinen an realen Daten testen

Um zu prüfen, ob diese Idee in der Praxis funktioniert, simulierten die Autoren Entscheidungen mithilfe realer Daten aus früheren Snack-Wahl-Experimenten. Teilnehmende hatten Lebensmittel hinsichtlich des Gesamtwerts sowie Genuss und Nährwert bewertet, trafen dann Entscheidungen und bewerteten sie erneut. Die Autoren passten drei verwandte Entscheidungsmodelle an die Entscheidungen und Reaktionszeiten jeder Person an: ein einfaches Drift–Diffusions-Modell, das Wert als eine einzige Größe behandelt; eine Multi-Attribute-Version, die Evidenz separat für Genuss und Nährwert akkumuliert; und ein erweitertes Modell, in dem verschiedene Attribute zu unterschiedlichen Zeiten Einfluss auf die Entscheidung nehmen. Mithilfe der angepassten Modelle simulierten sie viele Entscheidungen und berechneten ein internes Maß für Präferenzänderung basierend darauf, wie stark die vom Modell „endgültig“ angenommene Wertdifferenz von der durch die anfänglichen Bewertungen implizierten abwich.

Was die Modelle über Meinungsänderungen enthüllen

Alle drei Modellvarianten reproduzierten die Tatsache, dass das Auseinanderdriften der Präferenzen im Mittel positiv ist und bei schwierigen Entscheidungen größer ausfällt. Das Basismodell erreichte dies hauptsächlich durch Rauschen: Wenn die Evidenz langsam driftet, haben zufällige Schwankungen mehr Zeit, die finale Wertdifferenz von der anfänglichen wegzutreiben. Nur die Modelle, die explizit separate Attribute verfolgten, konnten jedoch den empirischen Befund nachbilden, dass das Auseinanderdriften der Präferenzen zunimmt, wenn sich die Optionen stark in ihrer Merkmalszusammensetzung unterscheiden. Diese reichhaltigeren Modelle fingen auch den beobachteten Zusammenhang zwischen schnelleren Entscheidungen und größeren Präferenzverschiebungen ein, da stärkere effektive Evidenz sowohl die Entscheidungen beschleunigt als auch die internen Werte weiter auseinander treibt. Zu erlauben, dass Attribute zu unterschiedlichen Zeiten in die Entscheidung einfließen, lieferte die qualitativ passendste Übereinstimmung mit den Daten.

Was das für alltägliche Entscheidungen bedeutet

Für Nicht-Fachleute ist die Hauptbotschaft, dass wir bei einer Wahl nicht einfach feste Präferenzen entdecken; wir verfeinern und formen sie aktiv während des Entscheidungsprozesses. Indem man einen gut etablierten Entscheidungsrahmen um mehrere sich entwickelnde Evidenzströme erweitert, zeigt diese Arbeit, dass unsere nachträgliche Zuneigung zu dem, was wir gewählt haben, aus demselben grundlegenden Prozess entstehen kann, der bestimmt, wie schnell und verlässlich wir entscheiden. Anders gesagt: Das graduelle Abwägen verschiedener Attribute durch den Geist bestimmt nicht nur, welche Option gewinnt, sondern hilft auch dabei, die Geschichte zu schreiben, die wir uns später darüber erzählen, was wir mögen.

Zitation: Lee, D.G., Pezzulo, G. Choice-induced preference change under a sequential sampling model framework. Sci Rep 16, 14455 (2026). https://doi.org/10.1038/s41598-026-44610-5

Schlüsselwörter: Entscheidungsfindung, Präferenzänderung, Drift-Diffusions-Modell, wertbasierte Entscheidung, kognitive Modellierung