Paramorphe Modelle des Diagnostizieren
Hoffmann: formelle Representation des diagnostischen Entscheidungsverhaltes > paramorphe Modelle Reproduktion Zusammenhang Infos die man hat und Entscheidung modellieren den stat. Zusammenhang zw. Prädiktoren (Prädiktor; z. B. Testdimensionen) und einer diagn. Entscheidung (= d. E.; Kriterium; z. B. Therapie-, Förderbedarf, Berufseignung) erfordern eine empirische Datengrundlage, die für eine repräsentative Stichprobe die Ausprägungen auf den Prädiktorvariablen und die durch einen Diagnostiker gefällte E. enthält Welche Modelle repräsentieren Datenkombination am besten?
Einfache lineare Modelle
Im einfachen Fall (Haupteffektmodelle) wird das d. Kriterium durch eine Linearkombination der Prädiktoren multivariat vorhergesagt
Zunächst untersuchte Modelle
einfache lineare Regressionsmodelle: Y = a+ b1x1+b2x2... kurvilineare: y = a + b1X+ b2X2 intersktive Komponente y = a + b1X1 + b2x2 + b3x1x2
empirische Befunde zunächst untersuchter Modelle (5)
Urteilsbildung pft durch Haupteffekesmodelle gut repräsentiert Vergleich formelle Rep. und Selbstbericht: Diagnostiker halten Vorgehen oft für komplexer, als es faktisch ist -> Menschen schildern sich komplexer als sie handeln Gewichte werden anders eingeschätzt Entscheidungsregeln sidn oft nicht vollständig zu explizieren In Befragungen oft Lehrbuchwissen berichtet
paramorphe Modelle "Definition"
Deskriptive Modelle des Diagnosizierens können helfen, diese Frage zu beantworten. In deskriptiven Modellen ist der Diagnostiker das Objekt psychologischer Modellbildung. Es geht also um die Beziehung zwischen Daten und Diagnosen, die formell dargestellt werden soll. werden soll. Solche Modelle nennt man auch paramorphe Modelle, da sie den Zusammenhang zwischen der gegebeben, erhobenen Informationen und den Entscheidungen eines Diagnostikers reproduzieren. Diese Modelle offenbaren, welche Variablen ein Diagnostiker für relevant hält und welche Bedeutung er diesen Variablen einräumt.
Goldberg Paradoxon
regressionsanalytische Modelle von klinischen Psychologen das Vorliegen einer Psychose besser vorhersagten als die klinischen Psychologen selbst Der Grund liegt wohl in der inkonsistenten Gewichtung der Variablen seitens der Diagnostiker.
Selbstverständnis der Diagnostiker (3)
Ausprägungsmuster nicht immer Kompensationsmöglichkeiten sequentieller Entscheidungsprozess, er besteht aus Folge mehrere Entscheidungen
Konfigurationsmodelle
Entscheidungen = Sequenz von Wenn dann regeln Person muss bestimmtes Muster von Werten aufweisen (Konfiguration), damit bestimmte Diagnsoe gestellt werden kann kompensatorische Beziehungen können, müssen aber nicht bestehen
Hypothesenagglutinierung
Schrittweise werden die Entscheidungen in der Form logisch verknüpfter „Wenn-Dann-Regeln“ rekonstruiert. So sollen nach Befragung, Begründung und Modifikation auch die impliziten Entscheidungsregeln der Diagnostiker offengelegt werden so bezeichnet von Wottawa ud Kollegen, abgekürzt HYPAG logisch miteinander verknüpfte Hypothesen führen zu Diganose: Warum hat XY Informtion so weiterverarbietet und genutzt?
fünf Schritte Hypothesenagglutinierung
Dialog / Beobachtung zwischen Diagnostikern und Interviewer nach Aufstellung einer Regel: prüfung der Regel an neuen Fällen Veränderung der wenn-dann Regel: Prüfung auch in allen vorherigen Fällen Modellerstellung, Erweiterung und Modifikation bis zur hinreichenden passung für alle analysierten Fälle Kreuzvalidierung an neuen Fällen
Ziel Hypothesenagglutinierung
häufigste Entscheidungsregeln von Diagnostikern schrittweise explizit machen durch wechselspiel befragung, begründung, vorläufiger Regelformulierung und deren Modifikation
Flussdiagramm Hypothesenagglutinierung
Diagnosefall > Begründung erfragen > Modellformulierung und modifikation > Prüfung > M und M ODER > Diganosefall sobald Modell formuliert ist: Anwednung auf neuen Fall > Entscheidung Diagnostiker und des Modells vergleichen > bei Treffer Anwednung auf neuen Fall, bei nicht entscheidbar nichts, bei Fehler wieder bei Begründung erfragen anfangen
Wie lange macht man das?
so lange, bis gutes Modell vorliegt, zB 95% der Fälle gleiches Ergebnis Diagnostiker und Modell. kreuzvalidierung durch anwendung auf neuen Fall
Aufgestellte explizite Modelle (statistische) auf Basis baramorpher Modelle haben eine Reihe von Vorteilen gegenüber informellen Vorgehensweisen:
Transparenz: durch Regeln rationale Begründung der Prognose und des Vorgehens Optimierbarkeit: Modelle leichter optimierbar, da Abfolge klar ist und konsistente Entscheidung Lernen und Erfahrungsaustausch: leicht Schritt für Schritt lernbar Entlastung: sparsame Diagnosemodelle, Reduktion der Zahl erhobener Variablen mindert Kosten und Belastung Konsistenz: intraindividuelle und interindividuelle Konsistenz validität
Nutzung kl. Inferenz (zur Kombination beider Vorhersagearten) (1/2)
informelle Daten können wertvoll sein, zB wie sich person bei Interview gibt, nonverbale Äußerungen, weniger strukturierte Erhebungssituationen können in Diagnose miteinfliessen möglicherweise suboptimale Aufbereitung / Kombination kl. Daten Klinische Tätigkeit = mehr als Fragebögen, Menschen geben mehr von sich preis das man nicht kategorisieren kann, sie müssen umgewandelt werden um nutzbar gemacht zu werden
Nutzung kl. Inferenz (zur Kombination beider Vorhersagearten) (2/2)
Mehl: Interviews nützlich, wenn testähnliches Format registriert, informelle Infos können Diagnose/Prognose noch verbessern, diese müssen aufbereitet werden: Q-Sort Verfahren von Westen et al
Q- Sort Verfahren
Ratingverfahren, das zur Messung von Selbstkonzepten eingesetzt wird. Eine Anzahl von Items mit personenbezogenen Feststellungen muß in eine Anzahl von Kategorien eingeordnet werden, die z.B. nach der Dimension "trifft völlig für mich zu" bis "trifft für mich gar nicht zu" angeordnet sind. Die resultierende Häufigkeitsverteilung der personenbezogenen Items in den Kategorien soll einer Normalverteilung entsprechen, d.h., die Anzahl der Items pro Kategorie wird vorgeben
Verfahren von Westen et al (5)
Klinsiche und statistische Formen der Diagnosefindung integriert, allerdings in unterschiedl. Rollen Kliniker führt Datenerhebung durch, Infos aus versch Quellen wie Interviews, Aufzeichnungen etc. neben Datensammlung auch Inferenz und Integration. Keine kl. Klassifikation oder Vorhersage über W'keiten, sondern beschreibung der Person in Begriffen diagn. relevanter Aussagen, zB auf Basis Q Sort diese Daten werden für formelle Prozedur von Klassifikation und Vorhersage genutzt, gewonnenes Profil > Zuordnung emp. ermittelter Prototyp, Ableitung weiterer Aussagen
