Untitled - SCHUHFRIED GmbH

Weitere Magazine

Empfehlungen

Info

Können die Zweifel an der Kraftfahreignung durch Betrachtung der normierten Testwerte nicht ausgeräumt werden und können auch keine situativen Faktoren als Ursache für eine Minderleistung in einem oder mehreren Tests angesehen werden, stellt sich die Frage, ob ein Defizit in einem Leistungsbereich durch gute Leistungen in einem anderen kompensiert werden kann. Dies zu beurteilen ist im Rahmen der herkömmlichen Begutachtungspraxis in einer objektiven bzw. eindeutig reproduzierbaren Art kaum möglich. Aus diesem Grund wurde in die Test-Sets DRIVESTA und DRIVEPLS ein spezieller Algorithmus in Form eines Artifiziellen Neuronalen Netzes eingebaut, der ein Gesamturteil über die kraftfahrspezifische Leistungsfähigkeit erlaubt. Details dazu finden sich im folgenden Abschnitt. Bei der Berechnung des Gesamturteils über die Eignung bzw. Nicht-Eignung wird ein nichtlineares Modell mittels Artifizieller Neuronaler Netze (ANN) gebildet, in dem auch komplexe Wechselwirkungen und Kompensationseffekte berücksichtigt werden können. Abbildung 3: Schematische Darstellung des Artifiziellen Neuronalen Netzes für das Test-Set DRIVESTA Artifizielle Neuronale Netze stellen äußerst komplexe, empirisch generierte Modelle dar, die oft nicht einfach zu interpretieren sind. Daher wird diesem Ansatz oft auch der Charakter einer „Black Box“ zugeschrieben. Es besteht allerdings die Möglichkeit einer inhaltlichfunktionalen Interpretation der Zwischenschichtelemente anhand der optimierten Gewichte bzw. Pfadkoeffizienten. Auf die numerische Darstellung der Pfadgewichte wurde der Übersichtlichkeit halber verzichtet: Schwarze Pfade entsprechen aktivierenden Verbindungen, rote Pfade entsprechen hemmenden Verbindungen. Stärker gewichtete Pfade sind fett gedruckt. Das funktionelle Neuron (1), das auch den Großteil der Varianz aufklärt, kann als Ausdruck der direkten Hauptwirkungen der Tests AMT, COG, DT und RT verstanden werden. Die Pfade von COG und RT sind hemmend, da es sich um Reaktionszeiten handelt und daher
die Wahrscheinlichkeit für ausreichende kraftfahrspezifische Leistungsfähigkeit mit wachsendem Rohwert sinkt. Neuron (2) verkörpert die Kompensation von Aufmerksamkeit (COG) bzw. Reaktionsschnelligkeit (RT) durch Faktoren der Handlungsplanung (Allgemeine Intelligenz AMT) und Überblicksgewinnung (TAVT). Bei Neuron (3) handelt es sich ebenfalls um einen reinen Kompensationsterm. Hier werden unspezifischere Kompensationsmöglichkeiten durch Allgemeine Intelligenz (AMT) implementiert. Neuron (4) hat mehrere Aufgaben. Im Vordergrund steht aber eine dämpfende Funktion, die bewirkt, dass die Trennschärfe speziell im niedrigen Leistungsbereich hoch ist, während eine Steigerung von an sich schon hohen Testwerten kaum eine Verbesserung der kraftfahrspezifischen Leistungsfähigkeit bewirkt. Zusammenfassend kann das Modell auch über die inkrementelle Validität – jenen Zugewinn an Validität, den jeder einzelner Prädiktor beisteuert – charakterisiert werden. Tabelle 1: Inkrementelle Validitäten der Tests aus DRIVESTA und DRIVEPLS Prädiktoren inkrementelle Validität STANDARD PLUS rel. Relevanz inkrementelle Validität rel. Relevanz AMT_AI 0.128 18.7% 0.078 11.5% DT_ZV 0.124 18.2% 0.071 10.5% RT_MDRZ 0.036 5.7% 0.057 8.6% RT_MDMZ 0.132 19.2% 0.118 16.9% PP_ANG 0.090 13.2% PP_TA 0.139 19.5% TAVT_UEB 0.120 17.6% 0.038 5.8% COG_MTRN 0.141 20.3% 0.093 13.6% Die Aufgabe des Gesamturteils besteht darin, die Informationen der Testwerte valide zusammenzufassen und dem Diagnostiker dadurch ein empirisch bewährtes Modell zur Urteilsbildung zur Verfügung zu stellen – niemals aber darin, ihm diese Aufgabe abzunehmen. Das Gesamturteil ist daher als eine Interpretationshilfe für den Diagnostiker zu sehen. Insbesondere bei Personen, denen eine nicht ausreichende kraftfahrspezifische Leistungsfähigkeit zugesprochen wird, sollten die einzelnen Testwerte auf eventuelle offensichtliche Schwächen untersucht werden, die als Ursache für die geringe prognostizierte Eignung verstanden werden können. Als normierte Computertests erfüllen die Tests der Test-Sets DRIVESTA und DRIVEPLS die Anforderungen im Hinblick auf Testleiterunabhängigkeit, Verrechnungssicherheit und Interpretationseindeutigkeit. Die Testleiterunabhängigkeit ist durch Einsatz des Computers gegeben - darin sind computergestützte Tests den Papier-Bleistift-Tests generell überlegen (Kubinger, 1995). Auch von Verrechnungssicherheit kann bei computergestützten Tests
Seite 2 und 3: 1 EINLEITUNG UND ORIENTIERUNGSHILFE
Seite 4 und 5: Die Test-Sets DRIVESTA und DRIVEPLS
Seite 6 und 7: Die Dimensionsauswahl für die Test
Seite 10 und 11: immer ausgegangen werden. Das Krite
Seite 12 und 13: Abbildung 4: Durchführung der Bild
Seite 14 und 15: Tabelle 4: Multiple Korrelationen d
Seite 16 und 17: Die Abbildung zeigt die Verteilung
Seite 18 und 19: Die Vorgabe der Testverfahren der T
Seite 20 und 21: Schlussfolgerndes Denken wird auch
Seite 22 und 23: � Die Reaktionsgeschwindigkeit gi
Seite 24 und 25: Die Auswertung der Test-Sets DRIVES
Seite 26 und 27: Herr M. unterzog sich im Alter von
Seite 28 und 29: Herr H. wurde im Alter von 65 Jahre
Seite 30 und 31: Neben der diagnostischen Überprüf
Seite 32 und 33: Fahrerlaubnis-Verordnung (FeV) Als
Seite 34 und 35: Gruppe 2: Es gelten sinngemäß die
Seite 36 und 37: (3) (Epileptiker werden nur aufgrun
Seite 38 und 39: Atkinson, J.W. (1957). Motivational
Seite 40 und 41: Klebelsberg, D. (1982). Verkehrspsy
Seite 42 und 43: Tabelle 1: Inkrementelle Validität
Seite 44: Um zu gewährleisten, dass sämtlic

Untitled - SCHUHFRIED GmbH

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?