Psychologische Diagnostik - Testen & Entscheiden (1) (Fach) / Verknüpfungs- & Entscheidungsregeln - Selektionsentscheidungen - Klinische & Sta (Lektion)

Diese Lektion wurde von FelixOskarGRI erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 2 / 2

• Güte von Entscheidungen Taylor-Russel-Tafeln - Fazit Taylor-Russel-Tafeln zeigen insgesamt, - dass eine alleinige Betrachtung von Validitätskoeffizienten die Frage nach dem Nutzen von Tests für Selektionsentscheidungen unzulässig vereinfacht - dass bei hoher Selektionsquote bereits eine relativ geringe Validität ausreichen kann, um eine passable Erfolgsquote & einen substanziellen Zuwachs gegenüber der Basisquote zu erreichen Wurde zum BCG-Modell erweitert
• Güte von Entscheidungen Natürlicher Eignungsquotient Definiert die Basisrate: (TP + FN) / N Verhältnis der im Kriterium erfolgreichen Probanden zur Gesamtzahl der Messwertträger
• Güte von Entscheidungen Selektiver Eignungsquotient Effizienz der Auslese = Anteil der Geeigneten an allen Ausgewählten Identisch mit positivem Prädiktionswert: (TP) / (TP+FP)
• Klinische Urteilsbildung Das Fundament bilden hier menschliche Beobachtung und Beurteilung sowie eigene Intuition bzw. Expertise Annahme: Ausbildung, Erfahrung und Fähgikeiten ermöglichen es, große Datenmengen angemessen zu integrieren und valide Vorhersagen zu treffen Orientierung an den jeweiligen Besonderheiten des konkret vorliegenden Falls erfahrungs- & intuitionsgesteuert: freie Interpretation der diagnostischen Ergebnisse > nicht explizit oder empirisch validiert; ohne festgelegte, klar definierte Regeln
• Statistische Urteilsbildung stützt sich allein auf empirisch gesicherte Regelmäßigkeiten in Daten Ergebnisse werden mittels einer empirisch ermittelten Verrechnungsvorschrift zu einer Diagnose integriert Die Regeln sind völlig explizit und ergeben sich aus bereits festgestellten Zusammenhängen zwischen Prädiktor- und Kriteriumsvariablen in der Praxis eher unbeliebt und wenig genutzt
• Diagnostisches Vorgehen Differenzierung nach Meehl: - Datenerhebung: psychometrisch vs. nichtpsychometrisch - Datenkombination:  formell bzw. statistisch vs.  informell bzw. klinisch - Diagnose, Vorhersage, Entscheidung strikte Trennung von - der Art der Datenerhebung oder Messung sowie - der Art der Datenkombination für die Vorhersage, um eine Konfundierung der empirirschen Untersuchungen zu vermeiden!
• Datenerhebung Psychometrische Daten Harte Daten aus Tests & anderen Verfahren standardisierte Vorgabe & einheitliche Klassifikation + Verrechnung der Reaktionen - Differenzierung ist nicht identisch mit der Unterscheidung zwischen quantitativen und qualitativen Daten - bietet keine Aussage über die Objektivität & Zuverlässigkeit der Messung
• Datenerhebung Nichtpsychometrische Daten weiche Daten, die das Erleben & Verhalten von Menschen betreffen Eindrücke des Diagnostikers > Diagnostiker fungiert selbst als Messinstrument - Differenzierung ist nicht identisch mit der Unterscheidung zwischen quantitativen und qualitativen Daten - bietet keine Aussage über die Objektivität & Zuverlässigkeit der Messung
• Datenkombination formell bzw. statistisch explizit (mechanisch, algorithmisch) folgt bestimmten Regeln Existenz abgrenzbarer Regeln ist entscheidend Die Art der Methode hat logisch nichts mit der Effektivität  bzw. mit der Validität eines Vorhersagesystems zu tun
• Datenkombination informell bzw. klinisch implizit, intuitiv, beurteilend Die Art der Methode hat logisch nichts mit der Effektivität  bzw. mit der Validität eines Vorhersagesystems zu tun
• Anzeige
• Datenkombination 4 Möglichkeiten der Integration von Daten zur Diagnosefindung Nichtpsychometrische Daten informell kombiniert Psychometrische Daten informell kombiniert Nichtpsychometrische Daten formell kombiniert Psychometrische Daten informell kombiniert
• Empirische Befunde Basisdesign zur Kontrastierung klinischer & statistischer Urteilsbildung klinisch: ein oder mehrere Beobachter erhalten Daten über die zu beurteilenden Personen > Grundlage für die Vorhersage über ein bestimmtes Kriterium statistisch: idealerweise werden dieselben Daten in ein statistisches Vorhersagesystem eingegeben > Prädiktion des Kriteriums > beide Vorhersagen (klinisch & statistisch) werden mit dem tatsächlichen Kriterium korreliert (muss bekannt sein!!)
• Nachteile klinischer Urteilsbildung Anfälligkeit für - Strategie-basierte Fehler (Fehleinschätzung des Nutzens einer Strategie) - Assoziations-basierte Fehler > kognitive Verzerrungen (z. B. Explanation Bias, Hindsight Bias, Confirmation Bias, Overconfidence, Repräsentativitätsheuristik) - Psychophysikalisch-basierte Fehler Inkonsistenz bei der Verwendung diagnostischer Entscheidungsstrategien > Abeandlung der Regeln von Fall zu Fall beschränkte Möglichkeit aus Rückmeldungen zu lernen, da nur selten ausreichend Feedback über die Güte der Entscheidung eingeholt werden kann (in statistischen Systemen sind Rückmeldungen von vornherein eingebaut)
• Nachteile klinischer Urteilsbildung Gegenmaßnahmen Verdeutlichung der Eigenverantwortung und der Diagnose "consider the opposite - Strategie (gegen falsche Assoziationen) Erlernen neuer Informationen > Vergrößerung des eigenen Assoziationsnetzwerks Prüfen der Opportunitätskosten einer Strategie bzw. einer Entscheidung
• Vorteile statistischer Urteilsbildung weniger anfällig für Fehler höheres Maß an Objektivität statistische Datenkomnbination benötigt weniger personelle Ressourcen zeitliche Ressourcen finanzielle Ressourcen statistische Datenkomnbination meist der klinisch überlegen oder gleichwertig > Bevorzugung formeller Datenkomnbination

zurück  |  weiter 2 / 2