Beefeater beslutningsstøttesystem. Læring av erfaring

Abstract

Hovedoppgaven er et bidrag i arbeidet med å øke forståelsen av hvordan beslutningsstøttesystemer eventuelt kan påvirke beslutningstageres måleffektivitet, gjennom å øke læringen av erfaring. Det er tatt utgangspunkt i et forretningsspill, Beefeater Restaurants Microworld, som er en simulering av drift av en restaurantkjede. Jeg har utviklet et beslutningsstøttesystem, som skal hjelpe beslutningstagerne med å oppdage og forstå sentrale sammenhenger i Beefeater. Virkningen av beslutningsstøttesystemet er testet empirisk i oppgaven. En behandlingsgruppe spilte Beefeater ved hjelp av beslutningsstøttesystemet. En kontrollgruppe spilte Beefeater uten hjelp av beslutningsstøttesystemet. Behandlingsgruppen fikk, slik jeg tolker data, høyere grad av læring enn kontrollgruppen. Høyere grad av læring var forventet å påvirke måleffektiviteten i positiv retning. En beslutningstagers måleffektivitet kan i Beefeater måles gjennom størrelsen på beslutningstagerens profitt, og gjennom hvor lenge beslutningstageren klarer å spille uten å bli sparket. Deltagerne i behandlingsgruppen fikk signifikant høyere profitt, men ble sparket tidligere enn deltagerne i kontrollgruppen. Min analyse av data tyder på at behandlingsgruppen fikk høyere grad av læring på områder som var viktige for deltagernes profitt, men at den høye profitten skapte høye profittforventninger, som senere medvirket til at flere deltagere i behandlingsgruppen ble sparket tidlig.