Bøger af Felix Schulte

Seit Ende des Kalten Krieges wurden in mehr als 200 Friedensverträgen Autonomieabkommen vereinbart. Während manche Autonomielösungen ethnische Selbstbestimmungskonflikte erfolgreich regulieren konnten, sind andere gescheitert. Wann also funktioniert Autonomie? Dieses Buch verbindet Ansätze aus der Politikwissenschaft, der Konfliktforschung und der Sozialpsychologie und entwickelt eine neue Theorie zur Erklärung von Autonomieerfolg und -scheitern. Diese beschreibt einen initiierten Prozess der ethnischen Anerkennung als Grundlage für ein friedliches Zusammenleben in multiethnischen Post-Konfliktgesellschaften. Während territoriale Autonomiearrangements hierfür einen geeigneten institutionellen Rahmen bieten, ist dieser Anerkennungsprozess stark kontextabhängig. Die Studie identifiziert hierfür kausal relevante Faktoren und analysiert deren Auftreten in den Konsolidierungsphasen von 19 Autonomien weltweit mittels Qualitative Comparative Analysis (QCA) und theorietestenden Prozessanalysen. Die Studie zeigt, dass Autonomieerfolg in der Tat von einer spezifischen Kombination von strukturellen und akteurszentrierten Erfolgsfaktoren abhängt. Ethnische Eliten akzeptieren Autonomiereformen, wenn diese ein hohes Maß an Selbstbestimmung mit sich bringen und gleichzeitig der Anerkennungsprozess nicht durch ausgeprägte Ungleichheiten behindert wird. Elitenkooperationen gelingen in demokratisch-inklusiven Institutionen und mit internationaler Unterstützung und senden entscheidende Signale für gesellschaftliche Annäherung. Autonomiereformen scheitern, wenn der Grad an gewährter Selbstbestimmung zu gering ist und horizontale Ungleichheiten zu neuen Grievances führen. In Kombination mit exklusiven Institutionen und mangelnder internationaler Aufmerksamkeit führt dies zu weiterer Eskalation.

Diplomarbeit aus dem Jahr 2007 im Fachbereich Informatik - Software, Note: 1.0, Universität Paderborn (Fakultät 5 - Elektrotechnik/Mathematik/Informatik), Sprache: Deutsch, Abstract: Im Rahmen dieser Arbeit wird ein Softwareagent entwickelt, welcher sich Spielverhalten unter Verwendung von Reinforcement Learning aneignet. Die Wahrnehmung der Umwelt erfolgt mithilfe eines sogenannten "Grids", welches den Zustand der Spielwelt kodiert. Weiterhin kommt der k-Means-Algorithmus zum Einsatz, um die Zustandsmenge auf ein geeignetes Maß zu reduzieren. Videospiele fungieren als beliebte Plattform für die Entwicklung und Erforschung künstlicher Intelligenz (KI). Sie stellen ein geeignetes Thema für akademische Forschung dar. Videospiele sind anspruchsvoll und gleichzeitig recht einfach zu formalisieren. Sie bieten komplexe und realitätsnahe Umgebungen. Spielzustände und Verhaltensweisen der nicht-deterministischen Umwelt sind nicht vorhersagbar - optimale Verhaltensweisen sind nicht bekannt. Der Entwickler kann deshalb dem Softwareagenten nur in begrenztem Maße Wissen zur Verfügung stellen. Der Agent muss Verhaltensweisen selbstständig erlernen. Videospiele machen es möglich, auf einfache Weise Methoden der künstlichen Intelligenz zu entwickeln und ihre Verhaltensweisen zu analysieren. Intelligente Agenten können das Verhalten ihrer Umwelt erlernen und so auf verschiedene Situationen angemessen reagieren. Sie sind weiterhin in der Lage, sich auf neue Situationen einzustellen. Diese Eigenschaft ist von großer Bedeutung in der Entwicklung von Robotern in menschlicher Umgebung. Videospiele bieten also nicht nur eine leicht formalisierbare und messbare Umgebung für eine künstliche Intelligenz - sie gewährleisten einen Entwicklungsprozess ohne Gefährdung von Lebewesen oder Eigentum.Mit dieser Arbeit zeige ich, dass Reinforcement Learning Lernprobleme in Videospielen mit vereinfachten Voraussetzungen effizient bewältigen kann. Der entwickelte Softwareagent ist in der Lage, einen durch Skripte gesteuerten Gegner zu besiegen.

Bringing together comparative politics, conflict research and social psychology, this book presents a novel theory to explain the consolidation outcomes of post-conflict autonomy arrangements.