71

Psychologie (Subject) / Gruppenprozesse (Lesson)

This lesson was created by simonstephan31.

Learn lesson

This lesson is not released for learning.

back  |  next 2 / 2

• 57. Block: Gruppenurteile Was sagen die Ergebnisse von Stroop (1932) über den Zusammenhang von Gruppengröße und Urteilsgenauigkeit? Je größer Gruppe, desto genauer die Schätzung (weil sich Messfehler zum wahren Wert ausmittelt! Regression zur Mitte) --> wenn man als Individuum mehrmals urteilt und mittelt hat das denselben Effekt
• 58. Was ist der Assembly bonus effect? Warum ist das ein rein statistischer Effekt? GP. 23: Was ist der Assembly Bonus Effekt? Größere Gruppen haben einen stat. Vorteil, durch die Häufung von Einzelschätzungen (Fehlervarianz ist bei Mittelung der Schätzungen kleiner, d.h. je mehr Schätzungen gemittelt werden, desto näher ist der Wert dem wahren Wert) Geht auch mit mehreren Individualurteilen (daher rein stat.) Auch hier abnehmender Grenznutzen  Zur Berechnung Spearman-Brown-Formel (bei steigender Gruppengröße steigt Kovarianz stärker als Fehlervarianz) 
• 59. Warum lassen die Ergebnisse von Stroop (1932) keinen Rückschluss auf tatsächliche Gruppenleistung zu? Weshalb sind sie für die Gruppenforschung dennoch interessant? Weil keine Realgruppen getestet wurden und der stat. Effekt immer auftritt Der Assembly bonus effect ist wichtig, da er als stat. Artefakt rausgerechnet werden muss (geht auch durch gutes Design) wenn man Prozessgewinne messen will! Man darf Realgruppen nicht mit einzelnen Individuen vergelichen  --> DAHER: Vergleich mit Nominalgruppen!!!   
• 60. Zu welchem Ergebnis kommt Hastie (1986) in seinem Übersichtsartikel bzgl. der Frage, wie akkurat Gruppenurteile sind? GP. 24: Paper Hastie, was für Befunde? Judgemental Tasks: Gruppen gering besser als durchschnittliches GM Problem Solving: Gruppen besser als durchschn. GM, schlechter als bestes GM (Bei Heureka-Tasks sind sie so gut wie bestes GM) World knowledge: Gruppen so gut wie durchschn. GM  --> Akkuratheit der Urteile hängt von Demonstrierbarkeit ab: Hastie konnte insgesamt keine klare Überlegenheit von Gruppen feststellen! GP: Gruppenleistung mittleres Gruppenmitglied; 2 Ausnahmen Grund statistischer Bias (a)
• 61. Wie unterscheidet sich in den zitierten Studien die Gruppenleistung in Abhängigkeit der verwendeten Gruppentechniken? --> Kein klarer Vorteil einer Gruppentechnik über alle Aufgabentypen!!!  Alternativ ist die Überlegenheit einer Gruppentechnik nur in Abhängigkeit von einem best. Aufgabentyp (Heureka-Taks), aber auch innerhalb eines Aufgabentyps seien die Unterschiede nicht gravierend
• 62. Wie erklärt Hastie (1986) die Befunde zweier Studien, in denen Gruppen außergewöhnlich gut abschneiden? Art der Berechnung habe Best-Member-Modell bevorzugt  Es gibt nach Hastie also einen stat. Bias      s. auch GP Frage 24
• 63. Welchen Zweck erfüllen die "normativen Modelle" in der Studie von Einhorn et al. (1977)? Welche Modelle werden betrachtet? GP. 25: Was sind normative Modelle? Modelle zur Vorhersage der Gruppenleistung, wenn ein best. Kombinationsprozess der Einzelurteile angenommen wird.  (ob das dann tatsächlich so abläuft bleibt offen)  Gibt Hinweise über mögl. Prozess der Urteilsbildung Kann als Gruppenpotenzial herangezogen werden  Random Model (zufällige Auswahl einer Einzelantwort) Best Member Model (Auswahl der Antwort des besten GM) Mean Model (Gleichgewichtung aller Einzelurteile) Proportional Model (wie Best Member Model, nur unter Berücksichtigung der WSK, dass das beste GM auch tatsächlich identifiziert wird --> Berücksichtig Unsicherheit bei Expertenerkennung GP.: Rechnungsvorschrift - Gruppenergebnis auf Kombinationsprozess schließen 
• 64. Welche beiden Variablen sind laut Einhorn et al. (1977) von zentraler Bedeutung für die Akkuratheit von Gruppenurteilen? Populationsbias (Abweichung des Erwartungswertes der Population vom wahren Wert)  Gruppengröße  Einfluss ist vom gewählten Modell abhänig, Gruppengröße spielt. z.B. beim Random-Modell keine Rolle 
• 65. Mit welchem der normativen Modelle lässt sich die Leistung von real interagierenden Gruppen in der Studie von Einhorn et al. (1977) am besten beschreiben? GP. 26: Welches Modell passt am besten auf echte Daten? Mit dem Best-Member Modell! 
• 66. Was versteht man bei Gruppenurteilen unter den so genannten "out of range judgments"? Warum stellen sie für die normativen Modelle ein Problem dar? GP. 27: Was für Probleme ergeben Out-of-Range-Urteile? Entscheidung der Gruppe liegt außerhalb der Range aller Einzelurteile  Können herkömmliche Normative Modelle nicht vorhersagen (da sie die Range durch mathem. Gewichtung nicht erweitern oder verschieben können)    GP.: Normative Modelle erkären sie nicht! 
• Advertisement
• 67. Wie kommen Gruppen laut dem "revision and weighting model" von Sniezek und Henry (1990) zu einem Gruppenurteil? Bauen einen Revisions-Abschnitt ein: Nachdem in der Gruppe disktuiert wurde, werden Individualpräferenzen zunächst revidiert.  Erst danach wird dann eine gewichtete gemeinsame Entscheidung getroffen  --> 1. Revision 2. Entscheidung 
• 68. Wie gut stützen die Daten von Sniezek und Henry (1990) das "revision and weighting model"? Kann es die "out of range judgments" erklären? Kaum bis gar nicht. Revision findet zwar statt, hat aber nur sehr geringen Effekt und zwar zur Mitte hin (schränkt Range daher sogar eher ein, als sie auszudehnen!) --> Kann OOR-Urteile gar nicht erklären! 
• 69. In welche beiden Kategorien kann man die normativen Modelle, die Bonner et al. (2004) anwenden unterteilen? Genauigkeitsmodelle (Models of Accuracy) (Gruppen gewichten Lösungen stärker, je näher sie am wahren Wert liegen)  Zentralitätsmodelle (Models of Centrality) (Stärkere Gewichtung jener Lösungen, die näher am Mittelwert der Gruppe liegen) 
• 70. Welche Rolle spielt die Demonstrierbarkeit der Aufgabe bei der Frage, welche Art von normativem Modell das Gruppenurteil besser abbilden kann? GP. 28: Bonner (2004) Annahmen? Bei hoher Demonstrierbarkeit sollten Accuracy-Modelle Prozess besser vorhersagen, da Gruppenmitglieder gut abschätzen können, welche Lösung richtig ist   Bei niedriger Demonstrierbarkeit sollten Centrality-Modelle Prozess besser vorhersagen, da es keine Orientierungsmöglichkeit an richtiger Lösung gibt und so nur eine Art Mittelung der Urteile stattfinden kann    GP.: Bei steigender Demonstrierbarkeit sind Accuracy-Modelle den Centrality-Modellen vorzuziehen 
• 71. Welche Modelle können die Gruppenleistung bei Bonner et al. (2004) gut beschreiben? Welche inhaltliche Begründung wird hierfür gegeben? Das Median-Modell das exponentielle Zentralitätsmodell eignen sich Begründung: Aufgaben waren zu schwer und es gab Zeitdruck  Design-Schwächen führten zu Bodeneffekten 
• 72. Welche Wirkung haben Referenzwerte in der Studie von Bonner et al. (2007) auf die Akkuratheit von Gruppenurteilen? Werden Referenzwerte gegeben, erhöht sich die Qualität (Akkuratheit) der Schätzungen 
• 73. Was unterscheidet accuracy-Modelle von expertise-Modellen? GP. 29: Unterschiede Accuracy- und Expertise-Modelle? Accuracy-Modelle berücksichtigen Zufallsfehler und und nur der wahre Wert der aktuellen Schätzung ist maßgeblich (Akkurate Schätzungen können zufällig entstehen, während Experten i.d.R. aber über die Zeit konsistenter richtig sind)   Expertise-Modelle berücksichtigen Leistung des im Durchschnitt besten Mitglieds in den vorangegangenen und der aktuellen Aufgabe (Experte wird über alle Aufgaben gleich gewichtet, während das Akkuratheits-Modell immer nur den Wert berücksichtigt, der wirklich am nächsten am wahren Wert liegt) GP: (a) Itemweise vs. Person über alle Durchgänge hinweg
• 74. Welche Modelle können laut den Ergebnissen von Bonner eet al. (2007) die Gruppenurteile gut beschreiben? Welche Rolle spielt Demonstrierbarkeit hierbei? Mit Cues --> die Akkuratheits- und Expertise-Modelle Ohne Cues --> nur das Extraversionsmodell (nicht Zentralitätsmodell!!!)    Mit Cues haben wir heir eine höhere Demonstrierbarkeit, die dazu führt, dass andere Modelle verwendet werden können, als wenn keine Cues gegeben werden und die Demonstrierbarkeit niedrig ist. 
• 75. Welcher Prozessgewinn verursacht laut Schultze et al. die Überlegenheit von real interagierenden Gruppen gegenüber Nominalgruppen bei Gruppenurteilen? GP. 30: Welcher Koordinationsgewinn wurde von Schultze et al. gefunden? Ein G-I-Transfer, d.h. ein Gruppenlernprozess (Das Individuum lernt aus der Gruppeninterkation und erzielt einen Fertigkeitsgewinn).  benötigt ein gewisses Maß an Demonstrierbarkeit. So kann Experte schon im ersten Durchgang identifiziert werden (z.B. könnten Mitglieder Strategie des Experten adaptierern)   GP: (a) Individueller Fertigkeitsgewinn durch G-I-Transfer
• 76. Wie fällt die Gruppenleistung im Vergleich zum Mittelwert der Einzelschätzungen aus (Average-Modell), wenn dieser Prozessgewinn kontrolliert wird? Es gibt keine Unterschiede mehr. Das Average-Modell entspricht dann den Befunden. Das Average-Modell berücksichtigt den G-I-Transfer, weil es nicht abhängig ist von der Varianz zw. den Gruppenmitgliedern (es wird ja einfach gemittelt)
• 77. Welche Kritik ergibt sich hieraus am klassischen I-G-Design? Das I-G-Design lässt keine Schlüsse über dieARt der beobachteten Prozessgewinne zu, sondern kann nur zeigen, dass es generell einen Prozessgewinn gibt oder eben nicht Das I-G-Design setzt konstante Individualleistungen voraus und berücksichtigt somit keine individuellen Lernprozesse, die sich in den Ergebnissen der vorliegenden Studie (bei der ein alternatives Design verwendet wurde) deutlich zeigen.    Bisherige Designs konnten dies nicht zeigen, da sie lediglich vor- und nachher-Messungen gemacht haben: Zeigt nur, ob generell Gewinne oder Verluste aufgetreten sind; zeigt nicht; warum bzw. auf welcher Ebene (z.B. Motivation)

back  |  next 2 / 2