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 ...
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