Effectuation Entwickeln: Ein Auf Reinforcement Learning Aufbauender Agentenbasierter Modellierungsbeitrag Zur Formalisierung Unternehmerischen
Cet ouvrage en accès libre développe un cadre qui permet d'étudier l'effetcuation par simulation et qui pose en même temps les bases pour le développement de systèmes décisionnels d'aide à la création d'entreprise.
La discussion porte sur la mesure dans laquelle l'apprentissage par effectivation peut être modélisé et interprété de manière algorithmique. Sur la base de la présentation et de l'évaluation critique de modèles de simulation actuels qui représentent l'effectuation, un modèle agrégé est développé à l'aide de méthodes de modélisation basées sur des agents et du Reinforcement Learning, qui permet un comportement effectual dans le cadre d'une situation de création d'entreprise prototype.
Les résultats montrent qu'un agent entrepreneurial est capable d'apprendre un comportement effectiviste. Les différences de performance pendant l'apprentissage apparaissent lorsque son environnement est modifié. Le succès de l'agent dépend de l'engagement des partenaires et clients potentiels.
En outre, il est possible de constater un succès d'apprentissage lorsque l'agent applique le principe de la perte abordable en relation avec un comportement conforme au marché. Le modèle développé permettra à l'avenir de mener d'autres études sur le comportement d'apprentissage effectif, en tenant compte du comportement décisionnel d'un entrepreneur réel.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)