Forschungsmethoden der Psychologie

Psychologie (Subject) / Forschungsmethoden der Psychologie (Lesson)

There are 205 cards in this lesson

Karten zu Kurs 3401

This lesson was created by Annkathete.

Learn lesson

X.17.02. Kann man noch von einem Quasi Experiment sprechen, wenn die Gestaltung des Treatments ohne Einfluss des Untersuchenden geschieht ? Wenn zumindest die Kontrolle der Störvariablen durch die Versuchsleitung durchgeführt wird, kann man von einem Speziallfall eines Quasi Experiments sprechen.
X.17.03. Ein Grundsatz für Quasiexperimente Die nur mangelnd mögliche Kontrolle von Störvariablen sollte nicht dazu führen, keine Evaluationsstudien durchzuführen, sondern dazu, möglichst viele potentielle Störfaktoren zu kontrollieren und bei der Auswertung der Ergebnisse entsprechend nur die möglichen, begrenzt gültigen kausalen Schlussfolgerungen zu ziehen.
X.17.03. Welche Form der Validität ist in quasi experimentellen Designs stärker begrenzt? Die interne Validität, das Ziehen kausaler Schlussfolgerungen also, ist oft nur eingeschränkt möglich / vorhanden.
X.17.04. Was ist ein Ex-post-facto Design ? Man versucht in einem ex-post-facto-Design eine nachträgliche Einordnung der unabhängigen Variable. Zu einem einzigen nachträglichen Zeitpunkt werden alle Daten erhoben (die UV und die AV). Einen Kausalzusammenhang zwischen den beiden Variablen festzustellen ist aber dabei kaum möglich.Das Kriterium der zeitlichen Differenz zwischen Ursache und Wirkung fehlt als Vorraussetzung. Es existieren aber methodische Kontrollstrategien, wie nachträgliche statistische Kontrolle. Diese können dennoch eingeschränkte Kausalinterpretationen ermöglichen.
2.01. Welcher Effekt wird als Pygmalion- oder Rosenthal Effekt bezeichnet ? In der Sozialpsychologie wird das Resultat eines Versuchsleiter-Versuchspersonen-Effekts insbesondere innerhalb eines Lehrer-Schüler-Verhältnisses auch als Rosenthal oder Pygmalion-Effekt bezeichnet Auch: Versuchsleitererwartungseffekt Positive Erwartungen, Einstellungen, Überzeugungen des Versuchsleiters wirken als „selbsterfüllenden Prophezeiung“. Details siehe auch unter: Das klassische Experiment von Rosenthal.
2.01.b Das klassische Experiment: Pygmalion in the Classroom by Robert Rosenthal & Leonore Jacobson Fragestellung des Experiments: Werden Kinder, von denen das Lehrpersonal ein größeres intellektuelles Wachstum erwartet, dieses auch gegenüber einer Kontrollgruppe tatsächlich zeigen? Variablen die kontrolliert wurden waren - Alter (unterschiedliche Wirkung auf ältere oder jüngere Schüler ?)- Fähigkeiten (Spielt die Leistungsklasse - fast, medium, slow eine Rolle?) - Geschlecht- Minderheiten (gab es veränderte Auswirkungen auf die Kinder mexikanischer Abstammung?) Den Lehrkräften wurde durch einen -erfundenen- Test suggeriert, einige Schüler ständen vor einem intellektuellen Entwicklungsschub ("growth spurters"). Diese "growth spurters" waren jedoch willkürlich ausgewählt. Die Kontrollgruppe bestand aus Schülern welche nicht als growth spurters identifiziert wurden. Der Beobachtungszeitraum betrug bis zu einem Jahr. Zwei Schulen im Experiment : Oak School: öffentliche Grundschule in einer mittelgroßen Stadt. in Seinem Arbeiterviertel. Ein Sechstel der Schüler waren mexikanischer Abstammung. Crest School: unterschied sich stark von der Oak School. Die Schüler der Crest School entstammten zum größten Teil der mittleren und oberen Mittelschicht. Sie waren bis auf wenige Ausnahmen weiß. Unterschiedlicher IQ Mittelwerte an den Schulen: Oak School durchnittlicher IQ von 98 Crest School ein durchschnittlicher IQ von 109 Der durchschnittliche IQ der Kinder im schnellen Zug der Oak School war ebenfalls 109. (Schule war dreizügig, Unterteilung in langsam mittel u. schnellen Zug) Ergebnis Kontrollgruppe: IQ stieg im Durchschnitt um 8 Punkt growth spurters: IQ stieg über mehr als 12 Punkte. Unterschied am stärksten in der 1. und 2. Schulklasse, danach nicht mehr so deutlich. Der IQ der Mädchen steigt stärker als der der Jungen und am deutlichsten im Bereich logisches Denken Zugehörigkeit zu einer Minderheit ohne signifikanten Einfluss auf den Effekt des Erwartungs-Vorteils
X.14.06 Mehrfaktorielle Experimente Sind Messwiederholungen als eigene Faktoren zu betrachten ? Ja, Prätest und Posttest sind im Messwiederholungsdesign als eigene Treatments / Faktoren konzipiert.
X.14.01 Welche vier Rahmenbedingungen werden durch ein Design oder eine Versuchsplanung zunächst festgelegt ? - Wer untersucht wird- ob die Teilnehmer in Gruppen eingeteilt werden- ob und wie der Versuchsleiter in die Untersuchungssituation eingreift - die zeitlichen Abfolge der bestimmten Maßnahmen (Interventionen oder Treatments) und Messungen im Verlauf der Untersuchung durchgeführt werden
X.14.01 Welche drei grundlegenden experimentellen Designs (Haupttypen) sind zu nennen? Experiment Korrelative Designs Einzelfallstudien, Komparationsstudien (differnzilelle Psych. vergleichen von zwei oder mehr Individuen in Bezug auf ein oder mehrere Merkmale)
X.14.00 Welches zentrale Ziel eines Experiments wird auch als der sogenannte Königsweg bezeichnet ? Ziel des Experiments ist es, die Auswirkungen der unabhängigen Variablen auf die abhängige Variable zu untersuchen. Die unabhängige Variable als Ursache für die abhängige auffassen zu können nennt man auch den sogennanten „Königsweg“ des Experiments.
X.14.01.2. Mit welchen Ausdrücken kann ein Treatment noch bezeichnet werden ? Ein Treatment kann man auch als Faktor oder Unabhängige Variable (UV) bezeichnen.
X.14.01.3. Welche zwei grundlegenden Arten von Treatments werden unterschieden ? Variation situativer Bedingungen z.B. akustische oder optische Reize bei Wahrnehmungsexperimenten, Anwesenheit bzw. Verhalten von Personen bei sozialpsychologischen Experimenten Interventionen z.B. Lern- und Trainingsprogramme, Psychotherapie.
X.17.02 Wie unterscheiden sich echtes Experiment und Quasi Experiment ? Hauptunterscheidungsmerkmal ist die randomisierte Zuweisung der Probanden zur Experimental und Kontrollgruppe. In der Evaluationsforschung ist diese häufig nicht möglich, z.B. in Schulklassen. Durch fehlende Randomisierung fehlt wiederum auch die Gleichverteilung der Störvariablen.Kausale Schlussfolgerungen sind weniger zwingend u. eindeutig Somit ist die interne Validität geringer. weitere tendenzielle Unterschiede: - die Zielgruppe wird nicht unbedingt vom Versuchsleiter ausgesucht, manchmal auch durch Institutionen etc. - Treatment ist oft komplexer und hat mehr Komponenten - es wird oft über eine längere Zeitspanne untersucht. - es wird öfter im Feld als im Labor geforscht, d.h. in "natürlichen Settings"
X.17.03.2. Was kann man gegen die niedrigere interne Validität bei Quasi Experimenten unternehmen ? Replikationen von Experimenten und / oder Entkräftung der möglichen, störvariablen-bedingten Alternativerklärungen.
X.17.02.3. Sind Quasiexperimente gleich Feldexperimente ? Nein, man darf die Unterteilungen nicht verwechseln. Ein Laborexperiment kann ggf. auch nur quasiexperimentellen Anforderungen genügen, ein Feldexperiment durchaus auch "echten" experimentellen Anforderungen gerecht werden.
X.14.07. Das Bobo Doll Experiment von Alan Bandura als Bsp.für ein mehrfaktorielles Experiment: Welche Faktoren spielten eine besondere Rolle? Modell-Faktoren: - Die Kinder sahen männliche oder weibliche Modelle, die immer nach gleichem Muster agressiv oder nicht agressiv mit der Bobo Doll umgingen. Weiter gab es eine Kontrollgruppe ohne Modell Geschlechtsfaktoren: - Jungen und Mädchen wurden beobachtet - Es gab männliche und weibliche Modelle - Haupteffekt des Faktors Modell: Bei der Gruppe Kinder, welche aggressive Modelle gesehen hatten, wurden deutlich mehr aggressive verbale und physische Verhaltensweisen beobachtet als bei den Kindern mit den nicht-aggressiven Modellen und den Kindern aus der Kontrollgruppe- Geschlechtereffekte: Jungs zeigten mehr physische, nicht aber mehr verbale Aggressionen als Mädchen weiter siehe: Interaktionseffekte des Experiments
X.14.07.2. Das Bobo Doll Experiment von Alan Bandura als Bsp.für ein mehrfaktorielles Experiment: Welcher Interaktionseffekt wurde deutlich? Signifikanter Interaktionseffekt: Jungen, die männliche Modelle gesehen hatten, zeigten mehr Aggressionen als Jungen, die weibliche Modelle gesehen hatten. Bei den Mädchen war es umgekehrt, sie imitierten eher weibliche Modelle.
X.17.05 Auf welche vier Bereiche läßt sich beim Experiment bei externer Validität generalisieren ? 1. Auf die untersuchten Personen: Sind die Ergebnisse auf eine Grundgesamtheit von Personen übertragbar, aus denen die Versuchspersonen stammen? 2. Auf die angewendeten Treatments: Sind die Ergebnisse auf ähnliche Treatments übertragbar ? 3. Auf die angewendeten Messinstrumente ? (Beobachtung statt Fragebogen zur Selbsteinschätzung?) 4. Die Untersuchungsbedingungen: Gelten die Ergebnisse auch unter anderen situativen Bedingungen und kulturellen Kontexten?
X.16.01.1. Nenne Einige Typen von Störvariablen und deren Kontrollmöglichkeiten Störvariablen sind alle Einflussfaktoren, die neben dem experimentellen Treatment ebenfalls die abhänhgige Variable beeinflussen können Typ: Personengebundene Störvariablen Kontrollmöglichkeit: Randomisierung oder Parallelisierung Typ: Durch die Versuchssituation bedingte Störvariablen Kontrollmöglichkeit: Konstanthalten, Eliminieren Typ: Erwartungen der Teilnehmer und Versuchsleiter Kontrollmöglichkeit: Doppelblind-Versuch (weder Vl. noch Vp. kennen die Bedingung, zu der die Vp. gehört) Typ: Testeffekte, z.B. Effekte der Vorhermessung Kontrollmöglichkeit: Solomon-Viergruppenplan Typ: Zwischenzeitliches Geschehen und „natürliche“ ÄnderungsprozesseKontrollmöglichkeit: mit beschreiben
X.11.2.1. INUS Definition und multikausale Bedingtheit. Wie wird hier Kausalität beschrieben ? Multikausale Bedingtheit und INUS-Definition Das biopsychosoziales Bedingungsmodell postuliert multikausale Bedingtheit menschlichen Erlebens und Verhalten. Die INUS-Bedingung besagt, dass wir als Ursache einen nicht-redundanten (nicht unwesentlichen) Teil einer Gesamtbedingung bezeichnen, auch wenn sie alleine nicht hinreichend ist, um das Geschehen zu erklären. Die Ursache Wirkung Beziehung (was kann als Ursache für etwas gelten?) wird in der INUS-Definition folgendermaßen beschrieben: "A cause is an Insufficient but Necessary part of an Unnecessary but Sufficient condition”. Ursachen sind im Allgemeinen INUS- Bedingungen: I = Insufficient and (nicht hinreichender und) N = Non-redundant parts of an (nicht überflüssiger Teil einer) U = Unnecessary, but (nicht-notwendigen) S = Sufficient condition (aber hinreichenden Bedingung) Bsp: Fred greift zwei Mitschüler mit einer Waffe an. Da er im Vorfeld Mobbing durch diese Mitschüler erfahren hat, sehen wir hierin eine Ursache. I Insuffuzient ist eigentlich ein vorangegangenes Mobbing für diese Gewalttat, denn sonst würden alle von Mobbing Betroffenen gewalttätig. N Notwendig scheint es aber als Bedingung zu sein, denn ohne sie wäre Fred sicher nicht gewalttätig geworden (sagt er jedenfalls). U Unnessessary - allein nicht zwingend notwendig aber S sufficient - zusammen mit der vorherigen Bedingung ausreichend - für das Geschehen ist die zusätzliche Bedingung, dass X viele Waffen besitzt und den Umgang damit gewohnt ist. Wir nennen den Angriff das Ereignis V. Das vorangegangene Mobbing in dem wir eine wichtige Ursache für die Tat vermuten: U Freds Waffen-affinität und die Tatsache, dass er sie besitzt, ist die Randbedingung R. Es können natürlich noch weitaus mehr Randbedingungen zu berücksichtigen sein. Die ganze Situation mit Randbedingungen nennen wir S. Ein Ereignis U ist als Ursache für das Ereignis V als Teil einer Gesamtsituation S unter den Randbedingungen R, anzusehen, wenn folgendes gilt: U ist notwendig, aber (allein) nicht hinreichend (insufficient) für das Eintreten von V. U und R gemeinsam sind hinreichend, aber nicht notwendig für V R allein ist nicht hinreichend für das Eintreten von V.
X.11.2.2. Welche Konsequenzen hat die Inus Definition für die empirische Prüfung von Kausalhypothesen und was bedeutet in dem Zusammenhang "ceteris paribus"? Wiederholung: INUS steht für insufficient, but necessary part of an unnecessary but sufficient condition (nicht hinreichender, aber notwendiger Teil einer nicht notwendigen, aber hinreichenden Bedingung).Die INUS Theorie soll den Begriff der Ursache genauer erklären. Wir können folgendes für Experimental- und Kontrollgruppe formulieren: Experimentalgruppe: Die Realisierung der Ursache U führt zur Wirkung V in einer Gesamtsituation S unter den Randbedingungen R Kontrollgruppe: Unter sonst gleichen Bedingungen aber ohne Vorliegen der Ursache U tritt der Effekt V nicht ein. „Ceteris paribus“ bedeutet in diesem Zusammenhang: unter ansonsten gleichen Bedingungen. Aber: Wissenschaftliche Kausalitätsgesetze sind immer unvollständig, nur ein begrenzter Ausschnitt möglicher Ursachen wird beleuchtet.
Y.01. Korrelative Designs Was wird bei bivarianten Zusammenhangshypothesen vermutet? Bei Bivarianten Zusammenhangshypothesen wird ein Zusammenhang / eine Assoziation zwischen zwei Merkmalen vermutet.
Y.02. Korrelative Designs Wie unterscheiden sich ungerichtete und gerichtete Zusammenhangshypothesen ? Ungerichtete Zusammenhangshypothesen nehmen eine Assoziation zwischen zwei Merkmalen an, spezifizieren jedoch nicht ob diese positiv oder negativ ist. Bsp.: "Es gibt einen Zusammenhang zwischen der Anzahl an Geburten und der Anzahl an Störchen in der Gegend Z" Gerichtete Zusammenhangshypothesen spezifizieren die Richtung der Assoziation, positiv oder negativ gerichtete Zusammenhangypothesen: Bsp.: Die Anzahl an Springfröschen hängt in der Gegend X positiv mit der Anzahl verschwundener Prinzen zusammen.
X.17.06. Evaluation - Evaluationsforschung, die Unterscheidung - Evaluation ist jede systematische Beobachtung eines Objektes oder Vorgangs, inbesondere jede Qualitätsbeurteilung. (z.B. mittels einer Patientenbefragung im Krankenhaus). Evaluation ist eine Momentaufnahme. Wird z.b. im Rahmen von Qualitätssicherung und Management durchgeführt. - Evaluationsfoschung dagegen untersucht dagegen Zusammenhänge zwischen bestimmten durchgeführten Maßnahmen und erwarteten Effekten. Die durchgeführten Maßnahmen sollen zu Veränderungen führen: Änderung von Organisationsabläufen, Schulung, oder anderweitigen Beeinflussung von Personen, etc..
X.17.06.2. Wie geht man der Begrenztheit von Aussagen um, die durch Evalutionsforschung gemacht werden können ? Evaluationsforschung als Quasi-Experimentelles Design / oder ja nachdem auch als Ex Post Fakto Design, kann nicht so stark intern valide Ergebnisse vorweisen, wie ein klassisches experimentelles Design. Sie ist jedoch ein wichtiger und verantwortungsvoller Arbeitsbereich für Psychologen. Kriterien an eine Untersuchung, ihre Planung und Auswertung und somit die Güte möglicher Aussagen, sollten so weit wie organisatorisch, rechtlich und finanziell möglich, optimiert werden. Die Beeinträchtigung durch mangelnde Randomisierung setzten globalen Aussagen über die Effekte des Treatments zwar Grenzen. Jedoch können bei Designs mit wiederholten Messungen Randomisierungsfehler auch wieder aus der Fehlervarianz eliminiert werden. Unterschiede zwischen den Untersuchungsgruppen sowie Interindividuelle Unterschiede innerhalb der einzelnen Gruppen fallen dann nicht mehr so stark ins Gewicht.
X.17.07. Welche vier Dilemata kennt die Evaluationsforschung? 1. Das Auswahl Dilema (welche Programme, Auswahlkriterien? Wer ist alles von einem ähnlichen Problem betroffen...) 2. Das Dilema der Wissenschaftlichkeit (Qualifizierung der Durchführenden, Randomisierung anstreben, die Wahrscheinlichkeit der Bewährungsmöglichkeit, Fallsifizierbarkeit einer Hypothese erhöhen) 3. Das Dileme der Allgemeinheit versus Konkretheit (methodologisches Dilema: Sind Hypothese u. Operationalisierung für den konkreten Fall, also nur unter ganz bestimmten Randbedingungen mit entsprechenden Handlungsanweisungen formuliert? Oder allgemein/abstrakt, wobei sich dann die Frage nach der jeweiligen Operationalisierung / Realisierung stellt. 4. Kontroll Dilemma Wie offen oder geregelt sind die Anweisungen an diejenigen, die das Programm durchführen, inwieweit können diese wiederum auf individuelle Probleme eingehen oder nicht? Inwieweit wird das Verhalten der instruierten Personen kontrolliert oder dokumentiert. Das Problem ist eng verwoben mit dem generellen Kontroll Dilemma (von Pantry und Hager) das besagt, dass es angesichts der Komplexität von Situation und Länge einer Intervention oftmals unmöglich sei, die Forderung nach Kontrolle der Störfaktoren auch nur annähernd zu erfüllen.
X.17.08. Für welche vier Dimensionen gelten die Standards für Evaluation der deutschen Gesellschaft für Evaluation? Nützlichkeit Durchführbarkeit Fairness Genauigkeit
Y.00. Unterschiede Experiment vs. Korralative Designs Im korrelativen Design wird im Gegensatz zum Experiment nicht von Kausalzusammenhängen ausgegangen, korrelative Designs haben vielmehr stochastische Ziele. Innerhalb Korralativer Designs werden Zusammenhänge zwischen zwei oder mehreren Merkmalen untersucht. Bsp: Intelligenz und Berufserfolg, Anzahl der Störche in einer Gegend und Anzahl der Geburten.... Die experimentelle Forschung zielt darauf ab, Variationen der abhängigen Variable durch Manipulation der unabhängigen Varaible selbst herzustellen. Bei Korrelativen Designs dagegen geht es um Zusammenhänge bereits existierender Variablen. Im Gegensatz zum Experiment können in Korrelativen Designs auch Zusammenhänge zwischen sehr vielen Variablen untersucht werden. Im Experiment können Organismusvariablen (Geschlecht, Alter) zwar z.B. im mehrstufigen Esxperiment als Faktor hinzugenommen werden, es lassen sich solche Variablen, wie auch z.B. Persönlichkeitsvariablen jeddoch nicht willkürlich variieren. Viele sozialwissenschaftliche Fragestellungen sind daher mit korrelativen Designs optimaler zu erfassen, als mit Experimenten.
Y.001 Was ist in Bezug auf kausale Hypothesen bei Korrelativen Designs anders ? Korrelative Zusammenhänge dürfen nicht kausal interpretiert werden. Man kann nur die Anzahl kausaler Alternativerklärungen einschränken. Korrelative Zusammenhänge sind ohnehin nicht wie physische Zusammenhänge deterministisch ("bei 10kg reisst der faden"). Sie treffen also lediglich mit einer gewissen Wahrscheinlichkeit zu (sie sind stochastische Zusammenhänge)
Y.02.1.Was ist die Kovarianz ? Um Zusammenhangshypothesen zu prüfen, erhebt man die beiden interessierenden Merkmale innerhalb einer möglichst großen repräsentativen Stichprobe. Bsp. Alter - Vorliebe für Kino. Stichprobe unterschiedlich alter Menschen, mit Wert zur Vorliebe fürs Kino (anhand Selbsteinschätzungsbogen). Zwei Messwerte-Reihen mit jeweils klar zuordenbaren Werten entstehen. Die Kovarianz gibt die Richtung einer Beziehung zwischen zwei Zufallsvariablen an: besteht ein positiver oder negativer Zusammenhang? Sie macht aber über die Stärke des Zusammenhangs keine Aussage. Dies liegt an der Linearität der Kovarianz. Um einen Zusammenhang vergleichbar zu machen, muss die Kovarianz normiert werden. Die übliche Normierung anhand der Standardabweichung führt zum Korrelationskoeffizienten. Mit dem Korrelationskoeffizienten läßt sich ermitteln in welchem Ausmaß zwei Merkmale kovariieren.
Y.1.02 Korrelationskoeffizient Um einen Zusammenhang vergleichbar zu machen, muss die Kovarianz normiert werden. Allein anhand der Kovarianz sieht man nur, ob zwischen zwei Merkmalen ein positiver oder negativer linearer Zusammenhang besteht. Die übliche Normierung anhand der Standardabweichung führt zum Korrelationskoeffizienten. Mit dem Korrelationskoeffizienten läßt sich ermitteln, in welchem Ausmaß zwei Merkmale kovariieren.
Y.1.03. Was besagt das Yerkes-Dodson Gesetz ? Das Yerkes-Dodson Gesetz ist ein Beispiel für einen nicht linearen Zusammenhang, die Zusammenhangskurve der beiden Merkmale nimmt eine U-Form an. Das Gesetz besagt, dass die menschliche leistungsfähigkeit von einem niedrigen bis zu einem gewissen mittlerem Erregungsniveau ansteigt und mit höherem Erregungsniveau dann wieder symetrisch absinkt.
Y.1.04. Was sagen uns Vorzeichen und Betrag des Korrelationskoeffizienten? Korrelationskoeffizienten können Werte von - 1 bis + 1 annehmen. -1 < r < 1 Minus1 ist der perfekte negative und plus 1 der perfekte positive Zusammenhang. Je höher der Betrag des Koeffizienten desto enger ist der Zusammenhang. Der Betrag des Koeffiizienten sagt also etwas über die Enge des Zusammenhangs zwischen zwei Merkmalen aus. Das Vorzeichen zeigt, ob ein negativer oder positiver Zusammenhang besteht. Minus oder plus 1 wäre allerdings kein stochastischer Zusammenhang mehr sondern ein deterministischer, der z.b. eher in der Physik vorkommen wird. In den Sozialwissenschaften ist per Konvention nach Jacob Cohen r = 0.10 eine geringe Korrelation (schwacher Effekt) r = 0.30 eine mittlere Korrelation r = 0.50 eine hohe Korrelation (starker Effekt) Vorzeichen "plus" steht für einen positiven Zusammenhang. z.B. "Je mehr X desto mehr Y..." Vorzeichen "minus" steht für einen negativen Zusammenhang. z.B. "Je mehr dumme Störche desto weniger Kinder"
Y.1.05. Korrelative Designs Was ist der nomothetische Anwendungsfall? Was ist der idiografische Anwendungsfall ? Beide Anwendungsfälle sind u.a. in Längsschnittstudien bedeutsam, ein Design, das für die differnzielle Psychologie u. Persönlichkeitspsychologie zum Einsatz kommt, etwa wenn festgestellt werden soll, ob Persönlichkeitsmerkmale wie Extravertiertheit über die Zeit stabil bleiben. (differentielle Stabilität) Beim nomothetischen Anwendungsfall geht es darum, ob eine im ersten Test festgestellte Rangordnung mehrerer Merkmalsträger einer Stichprobe in Bezug auf ein Merkmal über die Zeit gleich bleibt oder sich im Retest verändert. Die Retestkorrelation wird dazu in Bezug auf die Rangordnung mehrerer Personen in einer Stichprobe geprüft. Beim idiografischen Anwendungsfall wird nicht über Personen sondern über mehrere Markmale innerhalb einer Person korreliert. Es geht um die Veränderung der Rangfolge / Position innerhalb eines persönlichen Variablen-Profils: Ipsative differntielle Stabilität wird geprüft.
Y.01.5. Wozu dient die Messung der Retest-Korrelation in Bezug auf "differentielle Stabilität"? Differentielle Stabilität bedeutet: In Bezug auf die Ausprägung eines Merkmals von Personen, das Verharren dieser Personen innerhalb einer Gruppe auf der gleichen relativen Position über die Zeit. Um diese zeitlche Stabilität messen zu können, prüft man die Retestkorrelation, indem wiederum die Merkmals-Werte dieser Person zu den Zeitpunkten T1 und T2 erhoben und miteinander vergleichen werden. Weiteres siehe unter Retest-Reliabilität
Y.1.07. Suppressionseffekt, was ist das ? Stabile Suppressionseffekte findet man eher selten. Wenn doch, dann sind sie sehr einflußreich. Ein Suppressor ist eine Prädiktorvariable, die den Vorhersagebeitrag einer (oder mehrerer) anderer Variablen erhöht, indem sie die für Vorhersage irrelevante Varianzanteile unterdrückt. Bsp.: Es wird ein negativer Zusammenhang von Selbstwert mit anitsozialem Verhalten vermutet.In Studien ist dieser jeddoch nicht eindeutig nachweisbar. Narzissmus dagegen (ein teilweise grandioser aber fragiler Selbstwert) korreliert wiederum alleine positiv mit Anitisozialem Verhalten. Narzissmus ist mit Selbstwert konfundiert. Erheben wir Selbstwert, erfassen wir immer auch teilweise Narzismus. Narzissmus ist hier die Supressorvariable. Der kooperative Suppressionseffek bedeutet hier: Der negative Zusammenhang zwischen Selbstwert und antisozialem Verhalten wird negativer. Der positive Zusammenhang zwischen Narzissmus und antisozialem Verhalten wird positiver. Störende Varianzanteile werden herausgerechnet. Prädiktoren erhöhen also den Vorhersagewert anderer Prädiktoren wenn sie irrelevante Varianzanteile dieser Variablen kompensieren. Unzulässige Schlussfolgerungen werden unterdrückt - supprimiert.
Y.1.09 Welche Vorteile hat die multiple Regression gegenüber mehreren bivarianten Korrelationen ? Multivariat: Es werden mehrere Merkmale in ihren Zusammenhängen untersucht. Also der Zusammenhang mehrerer Prädiktoren mit mehreren Kriteriumsvariablen. Vorteile der multiplen Regression: Man kann unter vielen Prädiktoren diejenigen herausfiltern, die einen substantiellen Einfluss auf das Kriterium haben. redundante Prädiktoren können wiederum ebenfalls herausgefiltert werden. Unterschiedliche Prädiktoren können hoch miteinander korrelieren, auch hierdurch egeben sich Redundanzen bestimmter Variablen. Interaktionseffekte und Suppressionseffekte können durch die multiple Regression identifiziert und untersucht werden. Bei der jeweiligen Erfassung von nur zwei Variablen ist dies nicht möglich.
Y.1.08. Moderatoreffekte Moderator Ein Moderator ist eine qualitative oder quantitative Variable, welche die Richtung und/oder Enge zwischen Prädiktor und Kriteriumsvariable beeinflusst. Ein Moderator-Effekt liegt vor, wenn die Beziehung zwischen zwei Variablen von der Ausprägung einer dritten Variable abhängt. Mit dem Moderator liegt eine zusätzliche Bedingung vor, die nötig ist, um den Zusammenhang zwischen Prädikator und Kriterium herzustellen. Wird die Beeinflussung durch die Moderatorvariable nicht berücksichtigt, würde das den Zusammenhang zwischen P und K verzerrt darstellen. Moderatoreffekte wirken wie Interaktionseffekte. Fiktive Beispiele: Je nach Art der Arbeit wirkt sich Intelligenz fördernd oder nicht fördernd /positiv auf die Leistungsfähigkeit aus; bei monotoner Arbeit z.b. kein Zusammenhang, bei komplexen Anforderungen ein positiver. Die Art der Arbeit wäre hier die Moderatorvariable. Auf verschiedene Tonreize wird unterschiedlich schnell reagiert, Reiz X bewirkt eine besonders schnelle Reaktion. Moderator: Je nach Lautstärke eines Ton-Reizes (niedrig, mittel, hoch) wirkt sich Reiz X stärker oder schwächer bis gar nicht auf die Reaktionsgeschwindigkeit aus. Die Reaktionsgeschwindigkeit hängt mit davon ab, auf welche Lautstärke der Ton eingestellt ist. Die Lautstärke (Ausprägung) des Tons wäre hier die Moderatorvariable. Auch die Geschlechtsausprägung (Effekt nur bei w oder bei m) kann die Moderatorvariable bilden. In der hierarchischen, moderierten Regression werden Interaktionseffekte im Rahmen von Moderatorhypothesen untersucht.
Y.1.08. Mediator Die Mediatorvariable erklärt, warum ein Zusammenhang zwischen dem Prädiktor und dem Kriterium besteht. Welche zusätzlichen Faktoren wirken mediierend, wenn der Prädiktor das Kriterium beeinflusst ? Eine Erklärung und ggf. eine nicht notwendige zusätzliche, begünstigende Varaible zur Prädiktorvariable. Der Mediator erklärt oder spezifiert den Mechanismus unter dem eine Prädiktorvariable eine Kriteriumsvariable beeinflusst. Fiktive Bsp.: Eine Spinnenphobie zeigt sich umso stärker, je mehr die Spinne sich bewegt. Mediierend wirken hierbei lang gepflegte Vermeidungstrategien, die verhindern, dass Orte aufgesucht werden, an denen sich lebendige Spinnen aufhalten könnten. "Je später der Abend desto schöner die Gäste." Mediierend wirkt die Zunahme des Blutalkoholpegels im Verlauf des Party-Abends, welche die Bewertungen positiver ausfallen läßt. Prädikator beeinflusst eine Mediatorvariable die dann wiederum das Kriterium beeinflusst. Dreieck-Diagramm mit 3 Pfaden: 1. Prädikator P beeinflusst das Kriterium K 2. P beeinflusst den Mediator M ( sitzt an der Spitze zwischen P und K) 3. M erfährt Einwirkung durch P und wirkt ebenfalls auf K
Y.000. Korrelative Designs Prädiktoren und Kriterien Ähnlich wie bei der unabhängigen und abhängigen Variable im Experiment sollen Prädiktoren Kriterien vorhersagen. Allerdings handelt es sich bei korrelativen Hypothesen um gegebene Kriterien und es sollen keine kausalen Zusammenhänge vorhergesagt werden.
Y.2.00. Wann suchen wir für eine Erklärung eher nach Mediatorvariablen, wann suchen wir eher nach Moderatorvariablen ? Wenn deutliche, gesicherte Zusammenhänge bestehen wird eher nach Mediatoren gesucht. Wenn unerwartet niedrige oder inkonsistente Zusammenhänge bestehen, wird nach Moderatorvariablen gesucht. Mediatorvariablen vermitteln die Wirkung des Prädiktors auf das Kriterium. Moderatorvariablen beeinflussen und verändern die Wirkung des Prädiktors auf das Kriterium. Der Moderator beeinflusst den Zusammenhang zweier Faktoren durch eine zusätzliche Bedingung. (Zusammenhang funktioniert, wenn noch der Moderator auf diese oder jene Weise ausgeprägt ist) Der Mediator erklärt, warum dieser Zusammenhang so funktioniert bzw. wie er verstärkt werden kann. Komplette Mediation: Wenn der Mediator allein die Wirkung auf y erklärt.
Y.2.00 Was ist Exploratorische Faktorenanalyse ? Explaratorische Faktorenanalyse: Diese hat die Hypothese, dass sich viele beobachtbare Variablen, die wechselseitig zusammenhängen, in der Regel auf wenige latente Faktoren aggregieren lassen. Bei der expolorativen Faktorenanalyse wird festgestellt, inwieweit sie das Gleiche Konstrukt messen. In der Regel sind die nunmehr reduzierten Faktoren dann voneinander unabhängig. Latente Faktoren sind wie z.B. bei den BIG FIVE bereits ducrh Aggregation von Variablen auf ein überschaubares Maß / auf wenige Werte zusammengefasst worden
Y.2.01. Was besagt das Aggregationsprinzip? Mehrere Messungen des gleichen Merkmals ergeben in der Summe (als Mittelwert) eine genauere Messung als eine einzige Messung. Fehler werden ausgeglichen. In Tests, welche z.B. Persönlichkeitsmerkmale untersuchen, wird daher beispielsweise oft mehrfach und auf nur leicht unterschiedliche Weise nach einem Sachverhalt gefragt.
Y.2.02. manifeste und Latente Variablen Manifeste Variablen sind beobachtbar(Anzahl gelöster Aufgaben, Geschlecht etc.) Latente Variablen sind nicht direkt beobachtbar(Aufmerksamkeit, Intelligenz, Persönlichkeitsmerkmale)
Y.2.03. Was sind orthogonale Faktoren ? Orthogonale Faktoren sind voneinander unabhängige Faktoren.
Y.2.04. Was ist das Ziel der explorativen Faktorenanalyse ? Die explorativen Faktorenanalyse ist mit der Hypothese verbunden, dass sich viele gemessene und beobachtete Variablen mit wechselseitigen Zusammenhängen durch einige wenige Dimensionen erklären lassen. Viele miteinander korrelierende Faktoren werden auf wenige voneinander unabhängige (orthogonale Varaiblen) zusammengefasst. Ein solcher Faktor kann dann z.B. wie in den BIG FIVE "Neurotizismus" heißen. Man nennt einen solchen Faktor in diesem Zusammenhang auch "latente Variable" oder: "hypothetisches Konstrukt." Explorative Faktorenanlyse ist ein heuristisches Verfahren. Einem Variablengeflecht wird eine theoretische Ordnung unterlegt. Es geht um mögliche Ordnungen und das Finden des statistisch und theoretisch am besten begründbaren Ordnungsprinzips. Auch geht es um Ermittlung der Anzahl vorhandener Faktoren.
Y.2.05. Was sind die Vorteile der explorativen Faktorenanalyse ? Weniger Dimensionen können leicher verarbeitet werden als viele Viele unterschiedliche Items sind oftmals hoch korreliert, hieraus viele unterschiedliche Prädiktoren zu erstellen ergibt wenig Sinn. Höhere Messgenauigkeit durch das Aggregationsprinzip werden vielen Faktoren zu wenigen, inhaltlich ähnlichen Variablen zusammengefasst, kann man, z.B. in einem Fragebogen, trotzdem viele unterschiedlichen Fragen stellen. Ähnliche Fragestellungen verwiesen nun auf ein Item. Sie dienen der mehrfachen Messung und somit der höheren Messgenauigkeit einer Variable.
Y.2.06. Was ist das Reliabilitäts Validitäts Dilemma? Reliabilitäts-Validitäts-Dilemma Reliabilität: Messgenauigkeit Validität: Hoher Zusammenhang / Korrelation zwischen den Varaiblen Das Reliabilitäts-Validitäts-Dilemma wird auch Verdünnungsparadox genannt. Nach dem R-V-Dilemma erfolgt perfekte Reliabilität zu Lasten der Validität, obwohl Reliabilität eine Voraussetzung für Validität ist. Man erhebt innerhalb einer Untersuchung die Veränderung eines Merkmals zwischen zwei Messzeitpunkten. (Retest Reliabilität) Ist die Retest Reliabilität hoch, bedeutet dies, dass offenbar in beiden Tests das Gleiche gemessen wurde, also eine hohe Validität der Untersuchung: Die Validität der beiden Messungen ist umso stärker, je stärker die Korrelation der beiden Messungen ist. Die gleichen Faktoren sind offenbar für das Zustandekommen der beiden Meßwerte verantwortlich. Die Reliabilität der Differenzwerte beider Messungen ist jedoch umso geringer, je stärker die beiden Messungen miteinander korrelieren. Das Reliabilitäts-Validitäts-Dilemma kommt speziell in den Sozialwissenschaften vor. Sehr homogene Tests (also mit möglchst ähnlichen Aufgaben) die meist sehr reliabel sind, können nur sehr enge Konstrukte abbilden. Die meisten psychologische Konstrukte sind aber besonders komplex. Das Problem liegt darin, dass sehr homogene Verfahren komplexe Konstrukte nicht ausreichend vorhersagen können. (z.B. durch einfache Messung der Herzfrequenz mit einem reliablen Messgerät) Schlimmstenfalls: Entweder misst man sehr genau völlig irrelavante Eigenschaften oder man erfasst einen Sachverhalt oder eine Person von allen Seiten, aber völlig ohne Messgenauigkeit. Lösungsmöglichkeit: Man baut sich Tests aus vielen homogener Untertests, die jeweils eine hohe Reliabilität aufweisen. Jeder einzelne dieser Unter-Test bildet dann nur einen sehr schmalen, jeddoch sehr reliablen Teil des Konstrukts ab. Die Untertests zusammen bilden dann in ihrer Gesamtheit das komplexe Konstrukt ab. So wiederum ist es möglich, valide Vorhersagen zu treffen.
Y.2.07. Wie unterscheiden sich explorative Faktorenanlyse und konfirmatorische Faktorenanalyse? Bei der explorativen Faktorenanlyse geht es um Ermittlung der Anzahl vorhandener Faktoren. Explorative Faktorenanlyse ist ein heuristisches Verfahren. Einem Variablengeflecht wird eine theoretische Ordnung unterlegt. Es geht um mögliche Ordnungen und das Finden des statistisch und theoretisch am besten begründbaren Ordnungsprinzip. Bei der konfirmatorischen Faktorenanalyse wird geprüft, ob sich die gefundene Faktorenkonstellation auch in weiteren Stichproben mit den angegebenen Items zutrifft.
Y.2.08. Faktorenanalyse: Was geben sogenannte "Ladungen" an und was sind "Markiervariablen"? Ladungen (bestimmte Indexzahlen) geben an, wie gut eine Variable zu einer Variablengruppe bzw. einem Faktor passt. Wie gut korreliert die einzelne Variable mit dem Faktor (der Gruppe)? Bsp.: Wie gut korreliert das Item zu "Gesprächigkeit" zum Faktor "Extraversion". Anders ausgedrückt: Ladungen sind die Korrelationen einer einzelnen Variable (bzw. eines Items) mit einem Faktor. Markiervariablen sind dann diejenigen Variablen, die am höchsten auf einen Faktor laden und die wiederum herangezogen werden können, um auszudrücken, was ein Faktor inhaltlich erfasst. Merker: Passt die Variable als Ladung in die Faktor-Kanone...

Learn online - when and where you want!

Psychologie (Subject) / Forschungsmethoden der Psychologie (Lesson)