23.10.2014 Aufrufe

PDF, 1.4 MB - ETH Zurich - Natural and Social Science Interface ...

PDF, 1.4 MB - ETH Zurich - Natural and Social Science Interface ...

PDF, 1.4 MB - ETH Zurich - Natural and Social Science Interface ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Rol<strong>and</strong> W. Scholz «Mutual Learning» und Probabilistischer Funktionalismus –<br />

<strong>Social</strong> Judgment Theory – Revisited <strong>and</strong> Extended<br />

Hier ist nicht der Ort, Brunswiks Theorie in seiner Breite darzulegen. Ich möchte aber<br />

Anwendungen und zeitgemässe Nutzungen der Theorie des Probabilistischen Funktionalismus<br />

skizzieren. Am bekanntesten ist die <strong>Social</strong> Judgment Theory. Sie bedient sich<br />

des klassischen linearen Modells und kann als «literale Übersetzung» des Linsenmodells<br />

angesehen werden.<br />

Abbildung 7 zeigt zwei Linsen. Im oberen Teil das Modell für das Individuum, d.h. den<br />

urteilenden Menschen. Im unteren Teil das mathematische Vorhersagemodell, d.h. die<br />

mittels der Korrelationsstatistik vorhergesagten Urteile des Menschen (Elstein, Shulman,<br />

& Sprafka, 1978, S. 37). Die Mathematik dazu besteht aus der linearen Korrelationsrechnung,<br />

der zu Brunswiks Zeiten aufkommenden und dominierenden Modellierungssprache.<br />

r a = r YeY s<br />

Judgmental Accuracy<br />

R e = r ^ YeY e<br />

Environmental<br />

Predictability<br />

Criterion<br />

r x 1<br />

1e<br />

Values = Y e<br />

Predicted<br />

Criterion<br />

^<br />

Values = Y e<br />

r 2e<br />

r ke<br />

x 2<br />

r 1s<br />

r 2s<br />

r ks<br />

Subject's<br />

Judgments = Y s<br />

Predicted<br />

Subject's<br />

^<br />

Judgments = Y s<br />

R s = r ^ YsY s<br />

Cognitive Control<br />

x k<br />

G = r^ ^ YeY s<br />

Abbildung 7: Das zweigeschichtete Linsenmodell illustriert das Prinzip der <strong>Social</strong><br />

Judgment Theory und der Bootstrapping Methode. Im oberen Teil wird das Urteil<br />

Y S des Entscheiders modelliert. Der Entscheider und das Modell akquirieren (r ke )<br />

und synthetisieren (r ks ) Zeichen (cues) probabilistisch. Deshalb resultieren notwendigerweise<br />

Differenzen zwischen dem Urteil und den Vorhersagen. Die (bedingte)<br />

Vorhersagbarkeit im Rahmen der Psychologischen Ökologie wird durch die Korrelation<br />

R e erfasst, welche den Zusammenhang zwischen den Zeichen (cues, Y e )<br />

und den vorhergesagten Zeichen (^Ye ). Die vier wichtigsten Terme können zur Linsengleichung<br />

r a = GR e R s zusammengefasst werden. Die Urteilergenauigkeit ist folglich<br />

beschränkt durch R e , d.h. die probabilistische Struktur des Gegenst<strong>and</strong>s, das<br />

beschränkte Wissen über den Gegenst<strong>and</strong> (G) und durch die kognitive Kontrolle,<br />

d.h. den Grad des Wissens (R s ), den ein Urteiler über den Gegenst<strong>and</strong> besitzt.<br />

Für einige Furore sorgten Anwendungen dieses Modells unter der Bezeichnung Bootstrapping-Methode<br />

(Dawes, 1971) in den sechziger Jahren, als durch einige Studien von<br />

Meehl (1954), Goldberg (1968, 1971) und <strong>and</strong>eren 10 gezeigt wurde, dass sich<br />

• mit diesem Modellen das diagnostische Urteilsverhalten von Ärzten (z.B. bei einer<br />

Diagnose einer Tonsilitis) nicht nur recht gut vorhersagen lässt, sondern dass sich<br />

• die Modelle in Reliabilität und Validität dem klinischen Urteil sogar überlegen erweisen.<br />

Im Rahmen der <strong>Social</strong> Judgement Theory, werden schnelle, intuitive Urteile mittels der<br />

Korrelationsstatistik des linearen Modells beschrieben.<br />

10 Einen Überblick liefern Elstein, Shulman, & Sprafka (1978) oder Dawes, Faust, & Meehl (1989).<br />

10 Mai 1999

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!