eLearning - Methoden der Psychologie - TU Dresden - Benutzerbeiträge [de]

Platon

2017-05-07T15:17:12Z

Friedrich:

{{Nav|Geschichte|Antike|Geschichte}}
Platon lebte ca. 400 v.Chr. und gehörte der griechischen Oberschicht an. Er ist einer der berühmtesten Philosophen seiner Zeit.
Sein Welt- und Menschenbild ist reichlich konträr zu dem seiner Zeitgenossen [[Atomisten|Leukipp und Demokrit]]. Während diese die Welt als rein materiell, und geistige bzw. immaterielle Instanzen als nicht existent betrachteten, steht gerade das Immaterielle in der platonischen Weltanschauung im Mittelpunkt. Die Realität bezeichnet Platon als die ''Idee'' oder ''ideelle Welt''. Er vertrat folgende Standpunkte: 
 '''Idealismus'''
Die materielle Welt ist nur ein '''imperfektes Zerrbild''' der eigentlichen Realität, der sogenannten '''ideellen Welt'''. Diese Welt besteht aus Ideen, welche sich in der Ausformung der Materie in der materiellen Welt zu erkennen geben, aber nie direkt wahrzunehmen sind. Die materielle Welt strebt nach Perfektion in dem Sinne, die ideelle Welt möglichst unverzerrt abzubilden, es gelingt ihr aber nicht vollkommen.
Das berühmte [http://www.thur.de/philo/philo5.htm Höhlengleichnis] von Platon verbildlicht den Idealismus auf sehr verständliche Weise.
 
 '''Rationalismus'''
Um die Realität also zu verstehen, muss man die materielle Welt verlassen und sich auf die Ebene der Ideen begeben. Einfach ausgedrückt bedeutet das, dass man nur durch '''Denken''' und '''Dialektik''' (siehe [[Grundpositionen in der Antike]]) zur Wahrheitsfindung gelangen kann. 

'''Ontologischer Dualismus'''
Nach Platon existieren zwei Welten, nämlich die ideelle und die materielle Welt (s.o.). Er betrachtete dementsprechend auch den Menschen als ''dualistisch'' (s. [[Leib-Seele-Problem]]), nämlich aus einem '''ideellen Seelenteil''', und einem '''materiellen Körperteil''' bestehend.
''Körper'' und die ''Körperseele'' sind materiell und somit vergänglich.
Außerdem besitzt jeder Mensch eine '''dreigeteilte Seele''':
Die begehrende (Unterleib), muthafte (Brust) und vernünftige Seele (Kopf). Die vernünftige ''Denkseele'' ist ideell und unvergänglich. 

 Diese Standpunkte sind später u.a. zur Denkgrundlage für das Christentum geworden (v.a. die Unsterblichkeit der Seele, das „Erdreich“ vs. „der Himmel“) und beeinflussten große Ideen des 19. Jahrhunderts.
 
 ''Dem [[Tiefenpsychologie|Tiefenpsychologen]] Sigmund Freud wurde beispielsweise Ideenklau vorgeworfen, da seine Lehre der drei Instanzen sehr Platons dreigeteiltem Seelenmodell ähnelt. Auch die [[Modellierung]], wie wir sie seit [[Johannes Kepler|Kepler]] kennen, und im Grunde die ganze Physik, passt zu der idealistischen Vorstellung Platons: Mathematisch können wir die Welt exakt beschreiben, selbst wenn dann die Realität wie ein Zerrbild des idealen mathematischen Modells wirken mag.''

Klassische Testtheorie

2017-04-28T09:07:50Z

Friedrich:

{{Nav|Navigation|Messtheorie|Messtheorie}}

Eine Datenerhebung ist nie exakt. In der psychologischen Forschung können verschiedenste Verzerrungseffekte dafür sorgen, dass der gemessene Wert vom "eigentlichen" Wert abweicht. Die klassische Testtheorie postuliert theoretische Grundannahmen (Axiome) darüber, wie ein Messwert in einer Erhebung zustande kommt.

1. Axiom
 Die Formel '''X=T+E''' besagt, dass sich der erhobene Messwert X grundsätzlich durch die Addition des wahren Wertes T (''true'') und eines Fehlerwertes E (''error'') ergibt.
 ''Wenn man die "wahre" Intelligenz einer Person messen möchte, könnte der Fehlerwert beispielsweise dadurch entstehen, dass die Person zum Zeitpunkt der Erhebung gerade müde oder besonders munter ist oder dass sie bei einem Item diesmal die 3 statt einer 2 ankreuzt.''

2. Axiom
 Bei wiederholter Erhebung wird sich der Mittelwert des Messfehlers E an Null annähern. Der Mittelwert vieler Messwerte X nähert sich dadurch dem wahren Wert T.
 In Formeln ausgedrückt bedeutet dies '''M(E) = 0 --> M(X)= M(T) + M(E) = T+0 = T'''
 ''Lauras Körpergröße wird von Versuchspersonen (VP) mehrfach mit einem Zollstock gemessen. Bei der ersten Messung liest die Versuchsperson etwas ungenau ab und notiert sich statt dem wahren Wert 1,60m den Messwert 1,58m (Fehlerwert= -0,02). Die zweite VP liest einen Messwert von 1,59m ab (FW = -0,01), die dritte einen Messwert von 1,64m (FW = 0,04) usw. Das 2. Axiom geht davon aus, dass der Durchschnitt aller Fehlerwerte Null sein wird. Wenn man also alle Messwerte der VP zusammenzählt und durch deren Anzahl teilt, würde man bei ausreichend häufiger Messung auf den Messwert 1,60m kommen (= der wahre Wert).''

3. Axiom
 Der Fehlerwert E ist vollkommen unabhängig vom wahren Wert T.
 ''Angenommen, der wahre IQ-Wert einer durchschnittlich intelligenten Person läge bei 100. Da zum Erhebungszeitpunkt im Labor störender Baulärm zu hören ist, schneidet sie um 2 Punkte schlechter ab. (X= T+E= 100-2=98). Eine hochintelligente Person ist ebenfalls vom Baulärm gestört und schneidet deshalb ebenfalls um 2 Punkte schlechter ab (z.B. X=T+E =110-2=108). ''
 Dieses Axiom geht also davon aus, dass die Ausprägung des gemessenen Konstrukts die Stärke des Einflusses eines Störfaktors nicht verändert.

4. Axiom
 Der Fehlerwert E in einer Erhebung ist ebenfalls unabhängig vom wahren Wert anderer nicht gemessener Eigenschaften T'.
 ''Bei einer Intelligenzmessung ist der entstehende Fehlerwert unabhängig von anderen Eigenschaften der Person: Zwei Personen, die allgemein ähnliche Leistungsbeeinträchtigungen durch Zugluft im Testraum erleben, unterscheiden sich nicht in ihrem Fehlerwert bzgl. des Intelligenztests, auch wenn die eine Person z.B. sehr stark neurotizistisch veranlagt und die andere Person aber z.B. sehr extrovertiert ist. (Dies schließt natürlich NICHT aus, dass sich verschiedene Eigenschaften unterschiedlich auf den wahren Wert auswirken können, es handelt sich hier nur um den Messfehler!)''

5. Axiom
 Wird eine Messung mehrfach ausgeführt, sind die entstehenden Messfehler bei jeder Durchführung (E1, E2, E3...) völlig unabhängig.
 ''Lisa misst die Körpergröße von Paul mehrfach hintereinander mit einem Zollstock. Beim ersten Mal liest sie etwas ungenau ab und notiert sich statt dem wahren Wert 1,87 den Messwert 1,85. Dass dieses Mal einen Fehlerwert von -0,02 entstand, hat keinerlei Einfluss darauf, wie ungenau bzw. genau Lisa bei der nächsten Messung ablesen wird.)

Vereinfacht gesagt sollen die o.g. Axiome ausdrücken, dass alle Messfehler rein zufällig sind.

Die klassische Testtheorie und ihre Annahmen sind – wie viele Theorien in der Psychologie - hinterfragbar. Sie bildet aber eine gute Grundlage, um sich mit den Gütekriterien wissenschaftlichen Arbeitens auseinanderzusetzen.

Klassische Testtheorie

2017-04-28T09:05:27Z

Friedrich:

{{Nav|Navigation|Messtheorie|Messtheorie}}

Eine Datenerhebung ist nie exakt. In der psychologischen Forschung können verschiedenste Verzerrungseffekte dafür sorgen, dass der gemessene Wert vom "eigentlichen" Wert abweicht. Die klassische Testtheorie postuliert theoretische Grundannahmen (Axiome) darüber, wie ein Messwert in einer Erhebung zustande kommt.

1. Axiom
 Die Formel '''X=T+E''' besagt, dass sich der erhobene Messwert X grundsätzlich durch die Addition des wahren Wertes T (''true'') und eines Fehlerwertes E (''error'') ergibt.

''Wenn man die "wahre" Intelligenz einer Person messen möchte, könnte der Fehlerwert beispielsweise dadurch entstehen, dass die Person zum Zeitpunkt der Erhebung gerade müde oder besonders munter ist oder dass sie bei einem Item diesmal die 3 statt einer 2 ankreuzt.''

2. Axiom
 Bei wiederholter Erhebung wird sich der Mittelwert des Messfehlers E an Null annähern. Der Mittelwert vieler Messwerte X nähert sich dadurch dem wahren Wert T.
 In Formeln ausgedrückt bedeutet dies '''M(E) = 0 --> M(X)= M(T) + M(E) = T+0 = T'''

''Lauras Körpergröße wird von Versuchspersonen (VP) mehrfach mit einem Zollstock gemessen. Bei der ersten Messung liest die Versuchsperson etwas ungenau ab und notiert sich statt dem wahren Wert 1,60m den Messwert 1,58m (Fehlerwert= -0,02). Die zweite VP liest einen Messwert von 1,59m ab (FW = -0,01), die dritte einen Messwert von 1,64m (FW = 0,04) usw. Das 2. Axiom geht davon aus, dass der Durchschnitt aller Fehlerwerte Null sein wird. Wenn man also alle Messwerte der VP zusammenzählt und durch deren Anzahl teilt, würde man bei ausreichend häufiger Messung auf den Messwert 1,60m kommen (= der wahre Wert).''

3. Axiom
 Der Fehlerwert E ist vollkommen unabhängig vom wahren Wert T.

''Angenommen, der wahre IQ-Wert einer durchschnittlich intelligenten Person läge bei 100. Da zum Erhebungszeitpunkt im Labor störender Baulärm zu hören ist, schneidet sie um 2 Punkte schlechter ab. (X= T+E= 100-2=98). Eine hochintelligente Person ist ebenfalls vom Baulärm gestört und schneidet deshalb ebenfalls um 2 Punkte schlechter ab (z.B. X=T+E =110-2=108). ''
 Dieses Axiom geht also davon aus, dass die Ausprägung des gemessenen Konstrukts die Stärke des Einflusses eines Störfaktors nicht verändert.

4. Axiom
 Der Fehlerwert E in einer Erhebung ist ebenfalls unabhängig vom wahren Wert anderer nicht gemessener Eigenschaften T'.

''Bei einer Intelligenzmessung ist der entstehende Fehlerwert unabhängig von anderen Eigenschaften der Person: Zwei Personen, die allgemein ähnliche Leistungsbeeinträchtigungen durch Zugluft im Testraum erleben, unterscheiden sich nicht in ihrem Fehlerwert bzgl. des Intelligenztests, auch wenn die eine Person z.B. sehr stark neurotizistisch veranlagt und die andere Person aber z.B. sehr extrovertiert ist. (Dies schließt natürlich NICHT aus, dass sich verschiedene Eigenschaften unterschiedlich auf den wahren Wert auswirken können, es handelt sich hier nur um den Messfehler!)''

5. Axiom
 Wird eine Messung mehrfach ausgeführt, sind die entstehenden Messfehler bei jeder Durchführung (E1, E2, E3...) völlig unabhängig.

''Lisa misst die Körpergröße von Paul mehrfach hintereinander mit einem Zollstock. Beim ersten Mal liest sie etwas ungenau ab und notiert sich statt dem wahren Wert 1,87 den Messwert 1,85. Dass dieses Mal einen Fehlerwert von -0,02 entstand, hat keinerlei Einfluss darauf, wie ungenau bzw. genau Lisa bei der nächsten Messung ablesen wird.)

Vereinfacht gesagt sollen die o.g. Axiome ausdrücken, dass alle Messfehler rein zufällig sind.

Die klassische Testtheorie und ihre Annahmen sind – wie viele Theorien in der Psychologie - hinterfragbar. Sie bildet aber eine gute Grundlage, um sich mit den Gütekriterien wissenschaftlichen Arbeitens auseinanderzusetzen.

Klassische Testtheorie

2017-04-28T06:56:34Z

Friedrich:

{{Nav|Navigation|Messtheorie|Messtheorie}}

Eine Datenerhebung ist nie exakt. In der psychologischen Forschung können verschiedenste Verzerrungseffekte dafür sorgen, dass der gemessene Wert vom "eigentlichen" Wert abweicht. Die klassische Testtheorie postuliert theoretische Grundannahmen (Axiome) darüber, wie ein Messwert in einer Erhebung zustande kommt.

1. Axiom
 Die Formel '''X=T+E''' besagt, dass sich der erhobene Messwert X grundsätzlich durch die Addition des wahren Wertes T (''true'') und eines Fehlerwertes E (''error'') ergibt.

''Wenn man die "wahre" Intelligenz einer Person messen möchte, könnte der Fehlerwert beispielsweise dadurch entstehen, dass die Person zum Zeitpunkt der Erhebung gerade müde oder besonders munter ist oder dass sie bei einem Item diesmal die 3 statt einer 2 ankreuzt.''

2. Axiom
 Bei wiederholter Erhebung wird sich der Mittelwert des Messfehlers E an Null annähern. Der Mittelwert vieler Messwerte X nähert sich dadurch dem wahren Wert T.
In Formeln ausgedrückt bedeutet dies '''M(E) = 0 --> M(X)= M(T) + M(E) = T+0 = T'''

''Lauras Körpergröße wird von Versuchspersonen (VP) mehrfach mit einem Zollstock gemessen. Bei der ersten Messung liest die Versuchsperson etwas ungenau ab und notiert sich statt dem wahren Wert 1,60m den Messwert 1,58m (Fehlerwert= -0,02). Die zweite VP liest einen Messwert von 1,59m ab (FW = -0,01), die dritte einen Messwert von 1,64m (FW = 0,04) usw. Das 2. Axiom geht davon aus, dass der Durchschnitt aller Fehlerwerte Null sein wird. Wenn man also alle Messwerte der VP zusammenzählt und durch deren Anzahl teilt, würde man bei ausreichend häufiger Messung auf den Messwert 1,60m kommen (=der wahre Wert).''

3. Axiom
 Der Fehlerwert E ist vollkommen unabhängig vom wahren Wert T.

''Angenommen, der wahre IQ-Wert einer durchschnittlich intelligenten Person läge bei 100. Da zum Erhebungszeitpunkt im Labor störender Baulärm zu hören ist, schneidet sie um 2 Punkte schlechter ab. (X= T+E= 100-2=98). Eine hochintelligente Person ist ebenfalls vom Baulärm gestört und schneidet deshalb ebenfalls um 2 Punkte schlechter ab (z.B. X=T+E =110-2=108). ''
Dieses Axiom geht also davon aus, dass die Ausprägung des gemessenen Konstrukts die Stärke des Einflusses eines Störfaktors nicht verändert.

4. Axiom
 Der Fehlerwert E in einer Erhebung ist ebenfalls unabhängig vom wahren Wert anderer nicht gemessener Eigenschaften T'.

''Bei einer Intelligenzmessung ist der entstehende Fehlerwert unabhängig von anderen Eigenschaften der Person: Zwei Personen, die allgemein ähnliche Leistungsbeeinträchtigungen durch Zugluft im Testraum erleben, unterscheiden sich nicht in ihrem Fehlerwert bzgl. des Intelligenztests, auch wenn die eine Person z.B. sehr stark neurotizistisch veranlagt und die andere Person aber z.B. sehr extrovertiert ist. (Dies schließt natürlich NICHT aus, dass sich verschiedene Eigenschaften unterschiedlich auf den wahren Wert auswirken können, es handelt sich hier nur um den Messfehler!)''

5. Axiom
 Wird eine Messung mehrfach ausgeführt, sind die entstehenden Messfehler bei jeder Durchführung (E1, E2, E3...) völlig unabhängig.

''Lisa misst die Körpergröße von Paul mehrfach hintereinander mit einem Zollstock. Beim ersten Mal liest sie etwas ungenau ab und notiert sich statt dem wahren Wert 1,87 den Messwert 1,85. Dass dieses Mal einen Fehlerwert von -0,02 entstand, hat keinerlei Einfluss darauf, wie ungenau bzw. genau Lisa bei der nächsten Messung ablesen wird.)

Vereinfacht gesagt sollen die o.g. Axiome ausdrücken, dass alle Messfehler rein zufällig sind.

Die klassische Testtheorie und ihre Annahmen sind – wie viele Theorien in der Psychologie - hinterfragbar. Sie bildet aber eine gute Grundlage, um sich mit den Gütekriterien wissenschaftlichen Arbeitens auseinanderzusetzen.

Klassische Testtheorie

2017-04-28T06:54:20Z

Friedrich:

{{Nav|Navigation|Messtheorie|Messtheorie}}

Eine Datenerhebung ist nie exakt. In der psychologischen Forschung können verschiedenste Verzerrungseffekte dafür sorgen, dass der gemessene Wert vom "eigentlichen" Wert abweicht. Die klassische Testtheorie postuliert theoretische Grundannahmen (Axiome) darüber, wie ein Messwert in einer Erhebung zustande kommt.

1. Axiom

Die Formel '''X=T+E''' besagt, dass sich der erhobene Messwert X grundsätzlich durch die Addition des wahren Wertes T (''true'') und eines Fehlerwertes E (''error'') ergibt.

''Wenn man die "wahre" Intelligenz einer Person messen möchte, könnte der Fehlerwert beispielsweise dadurch entstehen, dass die Person zum Zeitpunkt der Erhebung gerade müde oder besonders munter ist oder dass sie bei einem Item diesmal die 3 statt einer 2 ankreuzt.''

2. Axiom

Bei wiederholter Erhebung wird sich der Mittelwert des Messfehlers E an Null annähern. Der Mittelwert vieler Messwerte X nähert sich dadurch dem wahren Wert T.
In Formeln ausgedrückt bedeutet dies '''M(E) = 0 --> M(X)= M(T) + M(E) = T+0 = T'''

''Lauras Körpergröße wird von Versuchspersonen (VP) mehrfach mit einem Zollstock gemessen. Bei der ersten Messung liest die Versuchsperson etwas ungenau ab und notiert sich statt dem wahren Wert 1,60m den Messwert 1,58m (Fehlerwert= -0,02). Die zweite VP liest einen Messwert von 1,59m ab (FW = -0,01), die dritte einen Messwert von 1,64m (FW = 0,04) usw. Das 2. Axiom geht davon aus, dass der Durchschnitt aller Fehlerwerte Null sein wird. Wenn man also alle Messwerte der VP zusammenzählt und durch deren Anzahl teilt, würde man bei ausreichend häufiger Messung auf den Messwert 1,60m kommen (=der wahre Wert).''

3. Axiom

Der Fehlerwert E ist vollkommen unabhängig vom wahren Wert T.

''Angenommen, der wahre IQ-Wert einer durchschnittlich intelligenten Person läge bei 100. Da zum Erhebungszeitpunkt im Labor störender Baulärm zu hören ist, schneidet sie um 2 Punkte schlechter ab. (X= T+E= 100-2=98). Eine hochintelligente Person ist ebenfalls vom Baulärm gestört und schneidet deshalb ebenfalls um 2 Punkte schlechter ab (z.B. X=T+E =110-2=108). ''
Dieses Axiom geht also davon aus, dass die Ausprägung des gemessenen Konstrukts die Stärke des Einflusses eines Störfaktors nicht verändert.

4. Axiom

Der Fehlerwert E in einer Erhebung ist ebenfalls unabhängig vom wahren Wert anderer nicht gemessener Eigenschaften T'.

''Bei einer Intelligenzmessung ist der entstehende Fehlerwert unabhängig von anderen Eigenschaften der Person: Zwei Personen, die allgemein ähnliche Leistungsbeeinträchtigungen durch Zugluft im Testraum erleben, unterscheiden sich nicht in ihrem Fehlerwert bzgl. des Intelligenztests, auch wenn die eine Person z.B. sehr stark neurotizistisch veranlagt und die andere Person aber z.B. sehr extrovertiert ist. (Dies schließt natürlich NICHT aus, dass sich verschiedene Eigenschaften unterschiedlich auf den wahren Wert auswirken können, es handelt sich hier nur um den Messfehler!)''

5. Axiom

Wird eine Messung mehrfach ausgeführt, sind die entstehenden Messfehler bei jeder Durchführung (E1, E2, E3...) völlig unabhängig.

''Lisa misst die Körpergröße von Paul mehrfach hintereinander mit einem Zollstock. Beim ersten Mal liest sie etwas ungenau ab und notiert sich statt dem wahren Wert 1,87 den Messwert 1,85. Dass dieses Mal einen Fehlerwert von -0,02 entstand, hat keinerlei Einfluss darauf, wie ungenau bzw. genau Lisa bei der nächsten Messung ablesen wird.)

Vereinfacht gesagt sollen die o.g. Axiome ausdrücken, dass alle Messfehler rein zufällig sind.

Die klassische Testtheorie und ihre Annahmen sind – wie viele Theorien in der Psychologie - hinterfragbar. Sie bildet aber eine gute Grundlage, um sich mit den Gütekriterien wissenschaftlichen Arbeitens auseinanderzusetzen.

Weitere Validitätsarten

2017-04-28T06:43:51Z

Friedrich:

{{Nav|Navigation|Kriterien wissenschaftlichen Arbeitens|Wissenschaftliches Arbeiten}}

Verschiedenste Arten von Validität können in bestimmten Kontexten wichtig zu beachten sein. Hier nur eine Auswahl:
== Diskriminante Validität ==

Diskriminante Validität bezeichnet den Grad, in dem ein Verfahren zwischen verschiedenen Konstrukten diskriminiert, also unterscheidet.

"Das Kriterium der diskriminanten Validität fordert, dass sich das Zielkonstrukt [das Konstrukt, das ein Test vorgibt zu messen] von anderen Konstrukten unterscheidet (Bortz & Döring, 2006). Ein Test muss das Konstrukt oder die Konstrukte messen, die er vorgibt zu messen – sonst ist er als psychometrisches Verfahren ineffektiv oder nutzlos. Die diskriminante Validität berechnet sich aus der Korrelation zwischen dem Zielkonstrukt und anderen Konstrukten. Wenn die diskriminante Validität zu hoch ist, ist das Zielkonstrukt nicht genügend von anderen Konstrukten abgegrenzt und die Items des Tests müssen überarbeitet werden. Die diskriminante Validität sollte also möglichst gering sein.

Eine Überprüfung der diskriminanten Validität findet im Rahmen der Multitrait-Multimethod-Methode statt. Zusammen mit der konvergenten Validität, die ebenfalls in diesem Rahmen ermittelt wird, kann dann die Konstruktvalidität eines Verfahrens abgeschätzt werden.

Beispiel
Wenn beispielsweise ein neuer, zu validierender Fragebogen zur Erfassung des Konstrukts "Sensation Seeking" solche Ergebnisse liefert, die mit den Extraversionwerten von anderen Persönlichkeitsfragebögen hoch korrelieren, dann ist die Information dieses neuen Fragebogens redundant. Er diskriminiert nicht ausreichend zwischen den Konstrukten "Sensation Seeking" und "Extraversion" und muss überarbeitet und erneut validiert werden.

== Konvergente Validität ==

Konvergente Validität bezeichnet den Grad, in dem ein Konstrukt von verschiedenen Verfahren übereinstimmend (konvergent) gemessen wird.

Um einen neuen Test zu validieren, muss überprüft werden, ob er tatsächlich das misst, was er zu messen vorgibt. Die konvergente Validität dient dabei als eine Art Übereinstimmungsmaß. Ein Konstrukt muss mit anderen Verfahren, welche auch dieses Konstrukt erfassen, ähnlich gemessen werden können wie mit dem zu validierenden Verfahren. Die konvergente Validität ergibt sich aus der Korrelation des Zielkonstrukts mit demselben Konstrukt anderer Verfahren. Sie sollte möglichst hoch sein.

Eine Überprüfung der konvergenten Validität findet im Rahmen der Multitrait-Multimethod-Methode statt. Zusammen mit der diskriminanten Validität, die ebenfalls mit der Multitrait-Multimethod-Methode ermittelt wird, kann dann die Konstruktvalidität abgeschätzt werden.

Beispiel
Ein neuer Fragebogen zur Erfassung des Konstrukts "Sensation Seeking" sollte ähnliche Ergebnisse liefern wie ein Interview zu diesem Konstrukt oder wie schon bewährte Fragebögen.

== Ökologische Validität ==

Die Situationsvalidität (Ökologische Validität) gibt an, inwieweit Untersuchungsergebnisse auf andere Situationen verallgemeinert werden können.

Die Situationsvalidität ist eine Form der externen Validität. Wenn die Untersuchung ökologisch valide ist, kann man von der Untersuchungssituation auf weitere Situationen in der natürlichen Umwelt verallgemeinern. „Die externe Validität sinkt mit wachsender Unnatürlichkeit der Untersuchungsbedingungen.“ (Bortz & Döring, 2005, S.57) Die Situationsvalidität bezieht sich also auf Situationen.

Beispiel:
Man macht eine Untersuchung zu Panikattacken in der so genannten Panikbox. Da diese Box eng und dunkel ist wird sie genutzt, um experimentell Panikattacken auszulösen. Unter den streng experimentellen Bedingungen haben die Versuchspersonen die Möglichkeit, durch das Drücken eines Knopfes sofort abzubrechen. In realen Situationen haben Versuchspersonen diese Aussicht nicht. Die Untersuchungssituation ist nicht repräsentativ für die Grundgesamtheit aller natürlichen Panik-Situationen. Die Ergebnisse können nicht auf andere Situationen ohne Panikbox generalisiert werden.

== Populationsvalidität ==
Die Populationsvalidität (Stichprobenrepräsentanz) gibt an, inwieweit Untersuchungsergebnisse auf andere Personen und Populationen verallgemeinert werden können.

Die Populationsvalidität (auch Stichprobenrepräsentanz) ist eine Form der externen Validität. Sie ist dann gegeben, wenn man von einer repräsentativen Stichprobe auf eine Population von Personen verallgemeinern kann. Eine Stichprobe ist dann repräsentativ, wenn sie in den wesentlichen Merkmalen mit der Grundgesamtheit überein stimmt. Die Stichprobenrepräsentanz bezieht sich auf Personen.

Beispiel:
Man erhält in einer Studie das Ergebnis, dass Konzentrationsstörungen von Kindern durch Autogenes Training vermindert werden können. An dieser Studie nahmen Kinder zwischen 7 und 12 Jahren aus ganz Deutschland teil. Die Stichprobe wurde durch Randomisierung gebildet und umfasste über 250 Kinder. Aufgrund der Zufallsauswahl von einer genügend großen Stichprobe ist davon auszugehen, dass die Kinder der Stichprobe in allen relevanten Merkmalen mit denen der Grundgesamtheit von allen Kindern mit Konzentrationsstörungen übereinstimmen. Daher ist es zulässig, die Ergebnisse auf Kinder aus Deutschland mit Konzentrationsstörungen zu verallgemeinern.

Vorhersage- und Übereinstimmungsvalidität

2017-04-28T06:42:05Z

Friedrich:

{{Nav|Navigation|Kriterien wissenschaftlichen Arbeitens|Wissenschaftliches Arbeiten}}

Man unterscheidet die [[Messungs-Validität|Kriteriumsvalidität]] zusätzlich danach, wann das gewählte Kriterium erhoben wurde:

'''Übereinstimmungsvalidität''' (konkurrente Validität):
Die Erhebung des Kriteriums fand gleichzeitig mit der Erhebung der Testergebnisse statt. Beispielsweise wird in einer psychologisch-therapeutischen Untersuchung im Erstgespräch der Patient nach seinen Beschwerden befragt. Gibt er an, dass er sich sehr lustlos fühlt, schlecht schläft und häufig weinen muss, werden diese Informationen in einer weiteren Untersuchung validiert. Das kann der Therapeut machen, indem er das standardisierte Diagnostik-Interview CIDI durchführt und schaut, ob die Diagnose mit den Beschwerden übereinstimmt.

'''Vorhersagevalidität''' (prognostische oder prädiktive Validität):
Die Kriteriumsdaten werden zeitlich später erhoben. Beispielsweise kann man die gemessene Intelligenz von Grundschulkindern mit ihrem späteren Schulerfolg (Abschlussnote) korrelieren.

Regeln induktiver Erkenntnis nach John Stuart Mill

2017-04-12T06:50:06Z

Friedrich:

{{Nav|Navigation|Erkenntniswege|Wissenschaftstheorie}}

John Stuart Mill formulierte eine Reihe von Methoden, die als Regeln für logisch basiertes [[Induktion|induktives Schließen]] aufgefasst werden können:

 [[Datei:Mill1.png|100px|links]]Die '''Methode der Übereinstimmung''' postuliert: Wenn AX zu Y führt und BX zu Y führt, kann man schließen, dass X zu Y führt.
''Beispiel: Wenn eine Glühbirne in Lampe A kein Licht erzeugt und in Lampe B auch nicht, kann man davon ausgehen, dass die Glühbirne kaputt ist. ''

 [[Datei:Mill2.png|300px|links]]Die '''Methode des Unterschieds''' besagt: Wenn AX zu Y führt, aber A alleine nicht, kann man schließen, dass X zu Y führt.
''Beispiel: Wenn ich Steak und Salat esse und eine Lebensmittelvergiftung kriege, aber meine Tischnachbarin, die nur das Steak aß, nicht – dann kann ich begründet vermuten, dass etwas mit dem Salat nicht gestimmt hat. ''

 [[Datei:Mill3.png|100px|links]]
Die '''Methode der Resterscheinungen''' besagt: Wenn A zu B führt und AX zu BY führt, kann man schließen, dass X zu Y führt.
''Beispiel: Wenn ich mit offenem Fenster schlafe, bekomme ich Kopfweh. Schlafe ich zusätzlich ohne Kopfkissen, habe ich Nackenschmerzen und Kopfweh. Vermutlich sind die Nackenschmerzen somit vom fehlenden Kopfkissen ausgelöst. ''

 [[Datei:Mill4.png|500px|rechts]]Die '''Methode der begleitenden Veränderungen''' besagt: Wenn AX zu Y führt und die Steigerung von AX zum gleichen Y, aber die Steigerung von X zu einer gleichförmigen Steigerung von Y – dann kann man schließen, dass X zu Y führt und beide in ihrer Ausprägung korreliert sind.
''Beispiel: Nehmen wir an, es macht mich müde, Chips vor dem Fernseher zu essen. Mehr Chips zu essen hat auf die Müdigkeit keinen Einfluss. Je länger ich jedoch fernsehe, desto müder werde ich. Der Schluss liegt somit nahe, dass das Fernsehen die Müdigkeit auslöst und beide in ihrer Intensität korreliert sind. ''

Skalierung

2017-04-12T06:47:15Z

Friedrich: /* Thurstones gleicherscheinende Intervalle */

{{Nav||Messen komplexer Merkmale|Messen komplexer Merkmale}}
=Skalierung=
Skalierung beschreibt die Abbildung der Ausprägungen eines Merkmals/komplexen Konstruktes auf einer kontinuierlichen Skala. Mit dem Ziel der Abbildung der Ausprägungen eines Konstruktes gleicht das Skalieren der [[Indexbildung|Indizes]] – allerdings erfüllen die resultierenden Skalen besondere, strenge Anforderungen.
Skalen müssen folgende Anforderungen erfüllen:
* '''Homogenität''' (Eindimensionalität), das heißt, eine Skala darf immer nur ein einziges Merkmal erfassen (siehe [[Skalen|Repräsentationsproblem]])
* '''Differenzierung''', das bedeutet, dass die Skala auch wirklich möglichst alle Ausprägungsgrade des Merkmals erfasst.
* '''Distinktionsfähigkeit''' - es muss klar an der Skala erkennbar sein, ob die Ausprägung bei einer Person eher hoch oder eher niedrig ist. Die verschiedenen Ausprägungsgrade des Merkmals bei verschiedenen Personen müssen auch auf der Skala klar voneinander zu unterscheiden sein. Die verschiedenen Werte dürfen nicht zu nah beieinander liegen.

Eine Skala besteht aus mehreren [[Testkonstruktion|Items]], je nach Art der Skala zum Beispiel Aussagen, die abgelehnt oder angenommen werden oder Aufgaben, die gelöst oder nicht gelöst werden (siehe [[Tests]]).
Je nach Art der Skala wird den Ergebnissen dieser Items ein Wert zugeordnet und aus diesen Einzelwerten ein Gesamtwert errechnet, der das Merkmal/Konstrukt möglichst präzise abbildet (siehe [[klassische Testtheorie]]). Items können vom Forscher selbst ausgedacht, in Vorstudien ermittelt oder aus existierenden Skalen entnommen werden.
[[File:Skalierung_Beispiel.png|768px|Beispiel Skalierung (Intelligenztest)]]
Die einzelnen Items eines Intelligenztests messen alle das gleiche Merkmal: Intelligenz (die Möglichkeit von Subskalen lassen wir hier der Einfachheit halber außer Acht). Kein Item misst eine zweite oder dritte Dimension. Einige Items deuten auf eine höhere Ausprägung, einige auf eine niedrigere hin. Zusammen ergibt sich durch die einzelnen Ausprägungen eine Gesamtausprägung, das Testergebnis. 

==Skalierungsverfahren==
Skalierungsverfahren geben vor, wie die Items einer Skala entwickelt werden, wie die Einhaltung der Skalenanforderungen sichergestellt wird, und auf welche Art eine Skala ein Merkmal erfasst. Letzteres wird durch die sogeannten ‘‘Itemcharakteristik‘‘ beschrieben, welche angibt, wie Merkmalsausprägung und Lösungswahrscheinlichkeit der Items einer Skala zusammenhängen (siehe Grafik).

[[File:Skalierung.png|768px]]
Es gibt eine große Anzahl von Skalenarten und damit verbundenen Skalierungsverfahren, so z.B. Thurstone-Skalen (Thurstones gleicherscheinende Intervalle), Likert-Skalen, Guttman-Skalen, Magnitude-Skalen. Grundsätzlich sind Skalen aufwendig zu konstruieren und basieren auf verschiedenen Annahmen. Dadurch ist auch nicht immer jede Art von Skala für jede Art von Fragestellung geeignet.

Im Folgenden wird beispielhaft auf die Konstruktion von Thurstone-Skalen und Likert-Skalen eingegangen.

===Thurstones gleicherscheinende Intervalle===
Die Annahme von Items der Thurstone-Skala ist: Wenn die befragte Person eine extremer Ausprägung des Merkmals hat, als das Item angibt, dann lehnt sie das Item ab (magentafarbene Itemcharakteristik in der Grafik). Ein Item wird also abgelehnt, wenn das Merkmal schwächer oder stärker ausgeprägt ist als im Item ausgedrückt.
Folgende Schritte werden bei der Konstruktion einer Thurstone-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesammelt, die infrage kommen, in die Skala aufgenommen zu werden.
# Experten, je nach Möglichkeiten 25-50, bewerten die Items mit 1 bis 11 Punkten nach ihrer Ausprägung, d.h. nach der ''Ausprägung des Items im Bezug auf das zu untersuchende Merkmal''. Dabei bedeutet 11, das Item repräsentiert eine sehr starke Merkmalsausprägung, und 1, das Item repräsentiert eine sehr schwache Merkmalsausprägung. Wichtig ist: die Experten geben nicht ihre persönliche Ausprägung des Merkmals an, sondern beurteilen jedes Item so objektiv wie möglich.
# Der Mittelwert aller Beurteilungen eines Items ist sein '''Wert'''.
# Es werden ca. 30 Items ausgewählt, die
#* zusammengenommen möglichst die komplette Breite möglicher Itemwerte abdecken. Es sollten also Items vertreten sein, die auch die Extreme vertreten, und Items, die mittlere Ausprägungen vertreten.
#* möglichst geringe Varianz in den Beurteilungen haben - ein Item, welches von der Hälfte der Experten eine 1 erhält und von der anderen eine 11, ist schlecht
geeignet, im Gegensatz zu einem, dem alle Experten den gleichen Wert zuteilen.
# Die gewählten Items bilden nun das Verfahren, um die Ausprägung des Merkmals zu messen.
# Eine Versuchsperson stimmt nun entsprechend jedem Items zu oder nicht zu. Die Ausprägung des Merkmals bei dieser Versuchsperson, also das Testergebnis, entspricht nun dem arithmetischen Mittel der Werte, die von der Person bejahten wurden.

'''Beispiel''' ''Bongers und Rehm (1973) (angelehnt an J. Bortz, N. Döring, 2009, p. 223)''
Es soll eine Skala zur Einschätzung des Selbstwertes von Sozialhilfeempfängern konstruiert werden. Es werden Items entworfen und von Experten (in diesem Fall Sozialpädagogen) bewertet. 1 bedeutet hier, wenn der Aussage zugestimmt wird, ist die Lebenszufriedenheit sehr schlecht, 11, dass sie sehr gut ist. Als Kriterium zur Übereinstimmung der Experten werden Items, deren Werte eine Standardabweichung zwischen Experten von über 1,5 haben, aussortiert. Das Item “Keinen Menschen würden es auffallen, wenn mir etwas zustieße” könnte im Mittel zum Beispiel mit dem Wert 2,95 beurteilt worden sein, es deutet also (offensichtlich) auf ein sehr niedriges Selbstwertgefühl und sehr schlechte nachbarschaftliche Kontakte hin. Das Item “Im Leben anderer spiele ich eine große Rolle” könnte hingegen den Wert 9,30 erhalten und das Item “Ich habe die Hoffnung, irgendwann wieder an Ansehen zu gewinnen” mit 5,67.
Eine Person, die der zweiten und dritten Aussage zustimmt, die erste aber ablehnt, hätte also den Skalenwert
: 9,30 + 5,67 = 14,97
: 14,97 / 2 = 7,485
was einer gering positiven Ausprägung entspräche.

Zu beachten ist, dass hinter diesem Skalierungsverfahren nach Thurstone die Annahmen stehen, dass Personen Aussagen ablehnen, die extremer als ihre Einstellung sind, und dass Experten Items “[[Objektivität|objektiv]]” beurteilen können.

===Likert-Skalen (Methode der summierten Ratings)===
Die Annahme von Likert-Skalen ist, dass Personen einem Item zustimmen, wenn sie eine Ausprägung des Merkmals haben, die gleich oder stärker als die Beschreibung des Items ist (idealerweise rote Itemcharakteristik in der Grafik, aber auch schwarz/grün/blau).
Folgende Schritte werden bei der Konstruktion einer Likert-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesucht, die das Merkmal wiedergeben und (aus Gründen der Ausgewogenheit) positiv oder negativ formuliert sind
# Die Items werden an eine repräsentative Eich-Stichprobe von Versuchspersonen gegeben, welche die Items mit 1 (lehne stark ab) bis 5 (stimme stark zu) bewertet.
# Der Testwert einer Person ist die Summe der von ihr angekreuzten Skalenwerte.
# Nun wird für jedes Item eine Itemanalyse durchgeführt, welche auf Homogenität, Differenzierung und Distinktionsfähigkeit prüft (siehe unten).
# 20-30 der besten Items der Itemanalyse werden ausgewählt und bilden die Skala.
# Die Ausprägung des Merkmals bei einer Person wird ermittelt durch Aufsummieren der Punkte aus allen Items (wie bei 3., jedoch nur noch für die hochqualitativen Items aus 5.)

==Itemanalyse==
Eine Itemanalyse stellt sicher, dass die (Roh-)Items einer Skala die Anforderungen der Homogenität, Differenzierung und Distinktionsfähigkeit erfüllen.

===Homogenität===
Die Homogenität der Items bedeutet, dass alle Items sich auf nur eine Merkmalsdimension beziehen. Sie kann über die Interitemkorrelation ermittelt werden. Dabei korrelliert man die Ergebnisse jeden Items der Eichstichprobe mit denen jeden anderen Items. Die Items, welche stark miteinander korrelieren, scheinen dasselbe Merkmal zu erfassen.

===Differenzierung===
Ein Item, dem alle zustimmen oder das alle ablehnen, kann nicht zwischen Personen mit hoher und niedriger Merkmalsausprägung differenzieren. Für Items, welche nur angenommen oder abgelehnt werden können, kann die Lösungswahrscheinlichkeit eines Items mit
: p = [Anzahl Annehmende Personen]/[Größe Eichstichprobe]
berechnet werden. Für Items einer Likertskala kann die Differenzierungsfähigkeit errechnet werden mit
: p = [Erreichte Wertepunkte]/[Erreichbare Gesamtwertepunkte]
In beiden Fällen sollte 0 < p < 1 sein.

===Distinktionsfähigkeit===
Die Distinktionsfähigkeit zeigt sich in der Trennschärfe eines Items. Diese bestimmt, wie gut ein Item den Gesamtwert einer Person auf der Skala vorhersagt. Die Trennschärfe berechnet sich aus der Korrelation der Itemwerte aller Personen der Eichstichprobe mit den Gesamtwerten der Eichstichprobe. Ist diese Korrelation nahe 0, bedeutet dies, dass das Item unabhängig vom Gesamtwert einer Person mal gelöst und mal nicht gelöst wird. Ist die Korrelation nahe 1, bedeutet dies, dass eine Lösung des Items auch einen hohen Gesamtwert auf der Skala vorhersagt.

Herz-Kreislauf-Aktivität

2017-04-12T06:45:52Z

Friedrich:

{{Nav|Physiologie|Physiologie|Physiologie}}

Die Herz-Kreislauf- oder auch kardiovaskuläre Aktivität erfasst man vor allem mit zwei Maßen: Herzrate/Herzfrequenz und Blutdruck. Sie finden vor allem Anwendung bei der Untersuchung von Motivation, Emotion und beim Biofeedback.

Zur Erfassung der '''Herzrate''' kommt das Elektrokardiogramm (EKG) zum Einsatz: zwei Elektroden werden auf der Hautoberfläche angebracht, wobei das Signal an einigen Stellen besonders gut nachzuvollziehen ist: an der Brustwand oder an Bein und Arm (nach Einthoven). So wird das elektrische Signal erfasst, das der Herzmuskelkontraktion vorausgeht. Es ist ein relativ starkes Signal und daher robust gegen Störeinflüsse. Bei der Spannungsaufzeichnung entsteht so das typische Bild von immer wiederkehrenden sogenannten R-Zacken. Die Herzfrequenz kann über den zeitlichen Abstand dieser Zacken berechnet werden.

Ganz frei von Störeinflüssen (Artefakten) ist diese Methode trotzdem nicht. Das Ein- und Ausatmen beschleunigt bzw. verlangsamt z.B. die Herzrate. Auch Bewegung ist störend, da die elektrischen Signale an die zu bewegenden Muskeln mit aufgezeichnet werden (besonders bei Einthoven).

Der '''Blutdruck''' wird am einfachsten über das sogenannte Manschettenverfahren gemessen. Dabei wird eine Druckmanschette (aufblasbares Kissen mit Druckmessgerät) auf Herzhöhe um einen Arm gelegt und durch Aufpumpen der Manschette eine teilweise Kompression der Armarterie erreicht. Beim Ablassen der Luft wird dann der Druck des wieder einströmenden Blutes gemessen (oberer Wert) und danach der Wert, wenn das Blut wieder gleichmäßig durch Arterie und Vene fließt (unterer Wert).

Ein Problem dieser Methode ist, dass sie nicht kontinuierlich angewendet werden kann wie z.B. das EKG. Denn durch das Verformen der Arterie wird in den Blutkreislauf eingegriffen, wodurch Messpausen entstehen, bis die Arterie wieder in den Ausgangszustand zurückgekehrt ist.

Ratingskalen

2017-04-12T06:23:33Z

Friedrich: /* Polarität - Welchen Bereich beschreibt die Ratingskala? */

{{Nav||Messen komplexer Merkmale|Urteilen}}
=Ratingskalen=
Ratingskalen werden verwendet, wenn ein Konstrukt direkt gemessen (beurteilt) werden soll. Soll zum Beispiel die Zufriedenheit Studierender mit ihrer Studienstadt untersucht werden, wird direkt gefragt: Wie sehr stimmen Sie der Aussage zu: "Ich fühle mich in Dresden wohl.". Ratingskalen sind einerseits direkt und unkompliziert, allerdings ist strittig, ob sie auf [[Skalentypen|Ordinal-]] oder [[Skalentypen|Intervallniveau]] messen.
Beim erstellen von Ratingskalen gibt es eine Reihe von Möglichkeiten, die zu bedenken sind:
==='''Polarität''' - Welchen Bereich beschreibt die Ratingskala?===
* ''unipolar'' - “keine Ausprägung” bis “große Ausprägung” bzw. 0 bis 5
* ''bipolar'' - “stark negative Ausprägung” bis “stark positive Ausprägung” bzw. -5 bis +5

==='''Marken''' - Wie werden die Stufen der Skala dargestellt?===
* ''numerisch'' - der Ausprägung wird ein numerischer Wert zwischen vorgegebenen Grenzwerten zugewiesen, (z.B. -2,-1,0,1,2 oder 1,2,3,4,5)
* ''verbal'' - Der Ausprägung wird eine verbale Beschreibung zugeordnet (z.B. trifft völlig zu, …, trifft überhaupt nicht zu oder nie, …, sehr oft)
* ''symbolisch'' - Es wird ein Symbol ausgesucht, das die Ausprägung am besten beschreibt (z.B. “Wie fühlen Sie sich?” im Bereich lachendes Gesicht bis trauriges Gesicht)
* ''grafisch'' - die Ausprägung soll grafisch dargestellt werden (zum Beispiel frei einen Punkt auf einer Strecke zwischen zwei Polen wie “starke Abneigung” und “starke Zuneigung” wählen)
==='''Verankerung''' - Wie wird die Skala im Test eingebunden?===
* ''Extrem''- oder ''Stufenbeispiele'' - Gibt es gestufte Beispiele (z.B. nie, selten, gelegentlich, oft, immer) oder Extrembeispiele, zwischen denen sich positioniert werden soll? (z.B große Schmerzen … keine Schmerzen, oft bei grafischen Marken)
* ''Art der Verankerung'' - Auf welche Weise werden Ratingskalen veranschaulicht oder mit Beispielen unterstützt. Anker können Zeichnungen, Fotos, aber natürlich auch Textbeispiele sein.
==='''Stufen''' - Wie viele Stufen soll es geben?===
* Die am häufigsten diskutierte Frage ist hier, ob eine gerade Anzahl an Stufen genutzt werden soll oder eine ungerade. Bei einer ungeraden Anzahl an Stufen gibt es eine Mittelkategorie, sodass es z.B. bei Unsicherheit möglich ist, einfach auf die Mittelkategorie auszuweichen (zentrale Tendenz oder Tendenz zur Mitte). Bei einer geraden Anzahl gibt es diese Möglichkeit nicht, sodass die beurteilende Person gezwungen ist, sich zu entscheiden in welche Richtung sie eher tendiert. Ist also bei den Urteilern eine hohe zentrale Tendenz zu erwarten, die das Ergebnis zu verfälschen droht, dann ist der Verzicht auf eine mittlere Stufe als einfachster Weg zur Vermeidung der zentralen Tendenz empfehlenswert.
* Ein weiteres Problem ist das Ambivalenz-Indifferenz-Problem, also das Problem, dass bei Wahl einer neutralen Kategorie nicht klar ist, ob der Urteiler der Meinung ist, dass es keine Tendenz gibt, oder ob er sich nicht positionieren kann oder will. Wird beispielsweise eine Lehrerin befragt, die Leistungsbereitschaft ihrer Schüler einzuschätzen, und wählt auf einer Skala von faul bis engagiert den neutralen Wert, so ist nicht klar, ob ihre Meinung ist, dass der Schüler mal sehr faul und mal sehr engagiert ist (ambivalent) oder ob sie dazu keine klare Meinung hat (indifferent). Eine Möglichkeit ist hier beispielsweise eine zusätzliche Stufe wie “Ich kann dazu kein klares Urteil abgeben”
* Eine größere Stufenanzahl ermöglicht einerseits ein genauere Differenzierung, kann andererseits aber zu einer Einschränkung von Reliabilität und Validität führen, wenn eine so genau Differenzierung für die einschätzende Person gar nicht mehr möglich ist. Allgemein sind in den meisten Fällen '''5-7 Stufen''' üblich und empfehlenswert.

Skalierung

2017-04-12T06:18:36Z

Friedrich: /* Thurstones gleicherscheinende Intervalle */

{{Nav||Messen komplexer Merkmale|Messen komplexer Merkmale}}
=Skalierung=
Skalierung beschreibt die Abbildung der Ausprägungen eines Merkmals/komplexen Konstruktes auf einer kontinuierlichen Skala. Mit dem Ziel der Abbildung der Ausprägungen eines Konstruktes gleicht das Skalieren der [[Indexbildung|Indizes]] – allerdings erfüllen die resultierenden Skalen besondere, strenge Anforderungen.
Skalen müssen folgende Anforderungen erfüllen:
* '''Homogenität''' (Eindimensionalität), das heißt, eine Skala darf immer nur ein einziges Merkmal erfassen (siehe [[Skalen|Repräsentationsproblem]])
* '''Differenzierung''', das bedeutet, dass die Skala auch wirklich möglichst alle Ausprägungsgrade des Merkmals erfasst.
* '''Distinktionsfähigkeit''' - es muss klar an der Skala erkennbar sein, ob die Ausprägung bei einer Person eher hoch oder eher niedrig ist. Die verschiedenen Ausprägungsgrade des Merkmals bei verschiedenen Personen müssen auch auf der Skala klar voneinander zu unterscheiden sein. Die verschiedenen Werte dürfen nicht zu nah beieinander liegen.

Eine Skala besteht aus mehreren [[Testkonstruktion|Items]], je nach Art der Skala zum Beispiel Aussagen, die abgelehnt oder angenommen werden oder Aufgaben, die gelöst oder nicht gelöst werden (siehe [[Tests]]).
Je nach Art der Skala wird den Ergebnissen dieser Items ein Wert zugeordnet und aus diesen Einzelwerten ein Gesamtwert errechnet, der das Merkmal/Konstrukt möglichst präzise abbildet (siehe [[klassische Testtheorie]]). Items können vom Forscher selbst ausgedacht, in Vorstudien ermittelt oder aus existierenden Skalen entnommen werden.
[[File:Skalierung_Beispiel.png|768px|Beispiel Skalierung (Intelligenztest)]]
Die einzelnen Items eines Intelligenztests messen alle das gleiche Merkmal: Intelligenz (die Möglichkeit von Subskalen lassen wir hier der Einfachheit halber außer Acht). Kein Item misst eine zweite oder dritte Dimension. Einige Items deuten auf eine höhere Ausprägung, einige auf eine niedrigere hin. Zusammen ergibt sich durch die einzelnen Ausprägungen eine Gesamtausprägung, das Testergebnis. 

==Skalierungsverfahren==
Skalierungsverfahren geben vor, wie die Items einer Skala entwickelt werden, wie die Einhaltung der Skalenanforderungen sichergestellt wird, und auf welche Art eine Skala ein Merkmal erfasst. Letzteres wird durch die sogeannten ‘‘Itemcharakteristik‘‘ beschrieben, welche angibt, wie Merkmalsausprägung und Lösungswahrscheinlichkeit der Items einer Skala zusammenhängen (siehe Grafik).

[[File:Skalierung.png|768px]]
Es gibt eine große Anzahl von Skalenarten und damit verbundenen Skalierungsverfahren, so z.B. Thurstone-Skalen (Thurstones gleicherscheinende Intervalle), Likert-Skalen, Guttman-Skalen, Magnitude-Skalen. Grundsätzlich sind Skalen aufwendig zu konstruieren und basieren auf verschiedenen Annahmen. Dadurch ist auch nicht immer jede Art von Skala für jede Art von Fragestellung geeignet.

Im Folgenden wird beispielhaft auf die Konstruktion von Thurstone-Skalen und Likert-Skalen eingegangen.

===Thurstones gleicherscheinende Intervalle===
Die Annahme von Items der Thurstone-Skala ist: Wenn die befragte Person eine extremer Ausprägung des Merkmals hat, als das Item angibt, dann lehnt sie das Item ab (magentafarbene Itemcharakteristik in der Grafik). Ein Item wird also abgelehnt, wenn das Merkmal schwächer oder stärker ausgeprägt ist als im Item ausgedrückt.
Folgende Schritte werden bei der Konstruktion einer Thurstone-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesammelt, die infrage kommen, in die Skala aufgenommen zu werden.
# Experten, je nach Möglichkeiten 25-50, bewerten die Items mit 1 bis 11 Punkten nach ihrer Ausprägung, d.h. nach der ''Ausprägung des Items im Bezug auf das zu untersuchende Merkmal''. Dabei bedeutet 11, das Item repräsentiert eine sehr starke Merkmalsausprägung, und 1, das Item repräsentiert eine sehr schwache Merkmalsausprägung. Wichtig ist: die Experten geben nicht ihre persönliche Ausprägung des Merkmals an, sondern beurteilen jedes Item so objektiv wie möglich.
# Der Mittelwert aller Beurteilungen eines Items ist sein '''Wert'''.
# Es werden ca. 30 Items ausgewählt, die
#* zusammengenommen möglichst die komplette Breite möglicher Itemwerte abdecken. Es sollten also Items vertreten sein, die auch die Extreme vertreten, und Items, die mittlere Ausprägungen vertreten.
#* möglichst geringe Varianz in den Beurteilungen haben - ein Item, welches von der Hälfte der Experten eine 1 erhält und von der anderen eine 11, ist schlecht
geeignet, im Gegensatz zu einem, dem alle Experten den gleichen Wert zuteilen.
# Die gewählten Items bilden nun das Verfahren, um die Ausprägung des Merkmals zu messen.
# Eine Versuchsperson stimmt nun entsprechend jedem Items zu oder nicht zu. Die Ausprägung des Merkmals bei dieser Versuchsperson, also das Testergebnis, entspricht nun dem arithmetischen Mittel der Werte, die von der Person bejahten wurden.

'''Beispiel''' ''Bongers und Rehm (1973) (angelehnt an J. Bortz, N. Döring, 2009, p. 223)''
Es soll eine Skala zur Einschätzung des Selbstwertes von Sozialhilfeempfängern konstruiert werden. Es werden Items entworfen und von Experten (in diesem Fall Sozialpädagogen) bewertet. 1 bedeutet hier, wenn der Aussage zugestimmt wird, ist die Lebenszufriedenheit sehr schlecht, 11, dass sie sehr gut ist. Als Kriterium zur Übereinstimmung der Experten werden Items, deren Werte eine Standardabweichung zwischen Experten von über 1,5 haben, aussortiert. Das Item “Keinen Menschen würden es auffallen, wenn mir etwas zustieße” könnte im Mittel zum Beispiel mit dem Wert 2,95 beurteilt worden sein, es deutet also (offensichtlich) auf ein sehr niedriges Selbstwertgefühl hin sehr schlechte nachbarschaftliche Kontakte hin. Das Item “Im Leben anderer spiele ich eine große Rolle” könnte hingegen den Wert 9,30 erhalten und das Item “Ich habe die Hoffnung, irgendwann wieder an Ansehen zu gewinnen” mit 5,67.
Eine Person, die der zweiten und dritten Aussage zustimmt, die erste aber ablehnt, hätte also den Skalenwert
: 9,30 + 5,67 = 14,97
: 14,97 / 2 = 7,485
was einer gering positiven Ausprägung entspräche.

Zu beachten ist, dass hinter diesem Skalierungsverfahren nach Thurstone die Annahmen stehen, dass Personen Aussagen ablehnen, die extremer als ihre Einstellung sind, und dass Experten Items “[[Objektivität|objektiv]]” beurteilen können.

===Likert-Skalen (Methode der summierten Ratings)===
Die Annahme von Likert-Skalen ist, dass Personen einem Item zustimmen, wenn sie eine Ausprägung des Merkmals haben, die gleich oder stärker als die Beschreibung des Items ist (idealerweise rote Itemcharakteristik in der Grafik, aber auch schwarz/grün/blau).
Folgende Schritte werden bei der Konstruktion einer Likert-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesucht, die das Merkmal wiedergeben und (aus Gründen der Ausgewogenheit) positiv oder negativ formuliert sind
# Die Items werden an eine repräsentative Eich-Stichprobe von Versuchspersonen gegeben, welche die Items mit 1 (lehne stark ab) bis 5 (stimme stark zu) bewertet.
# Der Testwert einer Person ist die Summe der von ihr angekreuzten Skalenwerte.
# Nun wird für jedes Item eine Itemanalyse durchgeführt, welche auf Homogenität, Differenzierung und Distinktionsfähigkeit prüft (siehe unten).
# 20-30 der besten Items der Itemanalyse werden ausgewählt und bilden die Skala.
# Die Ausprägung des Merkmals bei einer Person wird ermittelt durch Aufsummieren der Punkte aus allen Items (wie bei 3., jedoch nur noch für die hochqualitativen Items aus 5.)

==Itemanalyse==
Eine Itemanalyse stellt sicher, dass die (Roh-)Items einer Skala die Anforderungen der Homogenität, Differenzierung und Distinktionsfähigkeit erfüllen.

===Homogenität===
Die Homogenität der Items bedeutet, dass alle Items sich auf nur eine Merkmalsdimension beziehen. Sie kann über die Interitemkorrelation ermittelt werden. Dabei korrelliert man die Ergebnisse jeden Items der Eichstichprobe mit denen jeden anderen Items. Die Items, welche stark miteinander korrelieren, scheinen dasselbe Merkmal zu erfassen.

===Differenzierung===
Ein Item, dem alle zustimmen oder das alle ablehnen, kann nicht zwischen Personen mit hoher und niedriger Merkmalsausprägung differenzieren. Für Items, welche nur angenommen oder abgelehnt werden können, kann die Lösungswahrscheinlichkeit eines Items mit
: p = [Anzahl Annehmende Personen]/[Größe Eichstichprobe]
berechnet werden. Für Items einer Likertskala kann die Differenzierungsfähigkeit errechnet werden mit
: p = [Erreichte Wertepunkte]/[Erreichbare Gesamtwertepunkte]
In beiden Fällen sollte 0 < p < 1 sein.

===Distinktionsfähigkeit===
Die Distinktionsfähigkeit zeigt sich in der Trennschärfe eines Items. Diese bestimmt, wie gut ein Item den Gesamtwert einer Person auf der Skala vorhersagt. Die Trennschärfe berechnet sich aus der Korrelation der Itemwerte aller Personen der Eichstichprobe mit den Gesamtwerten der Eichstichprobe. Ist diese Korrelation nahe 0, bedeutet dies, dass das Item unabhängig vom Gesamtwert einer Person mal gelöst und mal nicht gelöst wird. Ist die Korrelation nahe 1, bedeutet dies, dass eine Lösung des Items auch einen hohen Gesamtwert auf der Skala vorhersagt.

Skalierung

2017-04-12T06:16:02Z

Friedrich: /* Thurstones gleicherscheinende Intervalle */

{{Nav||Messen komplexer Merkmale|Messen komplexer Merkmale}}
=Skalierung=
Skalierung beschreibt die Abbildung der Ausprägungen eines Merkmals/komplexen Konstruktes auf einer kontinuierlichen Skala. Mit dem Ziel der Abbildung der Ausprägungen eines Konstruktes gleicht das Skalieren der [[Indexbildung|Indizes]] – allerdings erfüllen die resultierenden Skalen besondere, strenge Anforderungen.
Skalen müssen folgende Anforderungen erfüllen:
* '''Homogenität''' (Eindimensionalität), das heißt, eine Skala darf immer nur ein einziges Merkmal erfassen (siehe [[Skalen|Repräsentationsproblem]])
* '''Differenzierung''', das bedeutet, dass die Skala auch wirklich möglichst alle Ausprägungsgrade des Merkmals erfasst.
* '''Distinktionsfähigkeit''' - es muss klar an der Skala erkennbar sein, ob die Ausprägung bei einer Person eher hoch oder eher niedrig ist. Die verschiedenen Ausprägungsgrade des Merkmals bei verschiedenen Personen müssen auch auf der Skala klar voneinander zu unterscheiden sein. Die verschiedenen Werte dürfen nicht zu nah beieinander liegen.

Eine Skala besteht aus mehreren [[Testkonstruktion|Items]], je nach Art der Skala zum Beispiel Aussagen, die abgelehnt oder angenommen werden oder Aufgaben, die gelöst oder nicht gelöst werden (siehe [[Tests]]).
Je nach Art der Skala wird den Ergebnissen dieser Items ein Wert zugeordnet und aus diesen Einzelwerten ein Gesamtwert errechnet, der das Merkmal/Konstrukt möglichst präzise abbildet (siehe [[klassische Testtheorie]]). Items können vom Forscher selbst ausgedacht, in Vorstudien ermittelt oder aus existierenden Skalen entnommen werden.
[[File:Skalierung_Beispiel.png|768px|Beispiel Skalierung (Intelligenztest)]]
Die einzelnen Items eines Intelligenztests messen alle das gleiche Merkmal: Intelligenz (die Möglichkeit von Subskalen lassen wir hier der Einfachheit halber außer Acht). Kein Item misst eine zweite oder dritte Dimension. Einige Items deuten auf eine höhere Ausprägung, einige auf eine niedrigere hin. Zusammen ergibt sich durch die einzelnen Ausprägungen eine Gesamtausprägung, das Testergebnis. 

==Skalierungsverfahren==
Skalierungsverfahren geben vor, wie die Items einer Skala entwickelt werden, wie die Einhaltung der Skalenanforderungen sichergestellt wird, und auf welche Art eine Skala ein Merkmal erfasst. Letzteres wird durch die sogeannten ‘‘Itemcharakteristik‘‘ beschrieben, welche angibt, wie Merkmalsausprägung und Lösungswahrscheinlichkeit der Items einer Skala zusammenhängen (siehe Grafik).

[[File:Skalierung.png|768px]]
Es gibt eine große Anzahl von Skalenarten und damit verbundenen Skalierungsverfahren, so z.B. Thurstone-Skalen (Thurstones gleicherscheinende Intervalle), Likert-Skalen, Guttman-Skalen, Magnitude-Skalen. Grundsätzlich sind Skalen aufwendig zu konstruieren und basieren auf verschiedenen Annahmen. Dadurch ist auch nicht immer jede Art von Skala für jede Art von Fragestellung geeignet.

Im Folgenden wird beispielhaft auf die Konstruktion von Thurstone-Skalen und Likert-Skalen eingegangen.

===Thurstones gleicherscheinende Intervalle===
Die Annahme von Items der Thurstone-Skala ist: Wenn die befragte Person eine extremer Ausprägung des Merkmals hat, als das Item angibt, dann lehnt sie das Item ab (magentafarbene Itemcharakteristik in der Grafik). Ein Item wird also abgelehnt, wenn das Merkmal schwächer oder stärker ausgeprägt ist, als im Item ausgedrückt.
Folgende Schritte werden bei der Konstruktion einer Thurstone-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesammelt, die infrage kommen, in die Skala aufgenommen zu werden.
# Experten, je nach Möglichkeiten 25-50, bewerten die Items mit 1 bis 11 Punkten nach ihrer Ausprägung, d.h. nach der ''Ausprägung des Items im Bezug auf das zu untersuchende Merkmal''. Dabei bedeutet 11, das Item repräsentiert eine sehr starke Merkmalsausprägung, und 1, das Item repräsentiert eine sehr schwache Merkmalsausprägung. Wichtig ist: die Experten geben nicht ihre persönliche Ausprägung des Merkmals an, sondern beurteilen jedes Item so objektiv wie möglich.
# Der Mittelwert aller Beurteilungen eines Items ist sein '''Wert'''.
# Es werden ca. 30 Items ausgewählt, die
#* zusammengenommen möglichst die komplette Breite möglicher Itemwerte abdecken. Es sollten also Items vertreten sein, die auch die Extreme vertreten, und Items, die mittlere Ausprägungen vertreten.
#* möglichst geringe Varianz in den Beurteilungen haben - ein Item, welches von der Hälfte der Experten eine 1 erhält und von der anderen eine 11 ist schlecht
geeignet, im Gegensatz zu einem, dem alle Experten den gleichen Wert zuteilen.
# Die gewählten Items bilden nun das Verfahren, um die Ausprägung des Merkmals zu messen.
# Eine Versuchsperson stimmt nun entsprechend jedem Items zu oder nicht zu. Die Ausprägung des Merkmals bei dieser Versuchsperson, also das Testergebnis, entspricht nun dem arithmetischen Mittel der Werte, die von der Person bejahten wurden.

'''Beispiel''' ''Bongers und Rehm (1973) (zitiert in J. Bortz, N. Döring, 2009, p. 223)''
Es soll eine Skala zur Einschätzung des Selbstwertes von Sozialhilfeempfängern konstruiert werden. Es werden Items entworfen und von Experten (in diesem Fall Sozialpädagogen) bewertet. 1 bedeutet hier, wenn der Aussage zugestimmt wird, ist die Lebenszufriedenheit sehr schlecht, 11, dass sie sehr gut ist. Als Kriterium zur Übereinstimmung der Experten werden Items, deren Werte eine Standardabweichung zwischen Experten von über 1,5 haben, aussortiert. Das Item “Keinen Menschen würden es auffallen, wenn mir etwas zustieße” könnte im Mittel zum Beispiel mit dem Wert 2,95 beurteilt worden sein, es deutet also (offensichtlich) auf ein sehr niedriges Selbstwertgefühl hin sehr schlechte nachbarschaftliche Kontakte hin. Das Item “Im Leben anderer spiele ich eine große Rolle” könnte hingegen den Wert 9,30 erhalten und das Item “Ich habe die Hoffnung, irgendwann wieder an Ansehen zu gewinnen” mit 5,67.
Eine Person, die der zweiten und dritten Aussage zustimmt, die erste aber ablehnt hätte also den Skalenwert
: 9,30 + 5,67 = 14,97
: 14,97 / 2 = 7,485
was einer gering positiven Ausprägung entspräche.

Zu beachten ist, dass hinter diesem Skalierungsverfahren nach Thurstone die Annahmen stehen, dass Personen Aussagen ablehnen, die extremer als ihre Einstellung sind und dass Experten Items “[[Objektivität|objektiv]]” beurteilen können.

===Likert-Skalen (Methode der summierten Ratings)===
Die Annahme von Likert-Skalen ist, dass Personen einem Item zustimmen, wenn sie eine Ausprägung des Merkmals haben, die gleich oder stärker als die Beschreibung des Items ist (idealerweise rote Itemcharakteristik in der Grafik, aber auch schwarz/grün/blau).
Folgende Schritte werden bei der Konstruktion einer Likert-Skala ausgeführt:
# Es werden möglichst viele (100+) Items gesucht, die das Merkmal wiedergeben und (aus Gründen der Ausgewogenheit) positiv oder negativ formuliert sind
# Die Items werden an eine repräsentative Eich-Stichprobe von Versuchspersonen gegeben, welche die Items mit 1 (lehne stark ab) bis 5 (stimme stark zu) bewertet.
# Der Testwert einer Person ist die Summe der von ihr angekreuzten Skalenwerte.
# Nun wird für jedes Item eine Itemanalyse durchgeführt, welche auf Homogenität, Differenzierung und Distinktionsfähigkeit prüft (siehe unten).
# 20-30 der besten Items der Itemanalyse werden ausgewählt und bilden die Skala.
# Die Ausprägung des Merkmals bei einer Person wird ermittelt durch Aufsummieren der Punkte aus allen Items (wie bei 3., jedoch nur noch für die hochqualitativen Items aus 5.)

==Itemanalyse==
Eine Itemanalyse stellt sicher, dass die (Roh-)Items einer Skala die Anforderungen der Homogenität, Differenzierung und Distinktionsfähigkeit erfüllen.

===Homogenität===
Die Homogenität der Items bedeutet, dass alle Items sich auf nur eine Merkmalsdimension beziehen. Sie kann über die Interitemkorrelation ermittelt werden. Dabei korrelliert man die Ergebnisse jeden Items der Eichstichprobe mit denen jeden anderen Items. Die Items, welche stark miteinander korrelieren, scheinen dasselbe Merkmal zu erfassen.

===Differenzierung===
Ein Item, dem alle zustimmen oder das alle ablehnen, kann nicht zwischen Personen mit hoher und niedriger Merkmalsausprägung differenzieren. Für Items, welche nur angenommen oder abgelehnt werden können, kann die Lösungswahrscheinlichkeit eines Items mit
: p = [Anzahl Annehmende Personen]/[Größe Eichstichprobe]
berechnet werden. Für Items einer Likertskala kann die Differenzierungsfähigkeit errechnet werden mit
: p = [Erreichte Wertepunkte]/[Erreichbare Gesamtwertepunkte]
In beiden Fällen sollte 0 < p < 1 sein.

===Distinktionsfähigkeit===
Die Distinktionsfähigkeit zeigt sich in der Trennschärfe eines Items. Diese bestimmt, wie gut ein Item den Gesamtwert einer Person auf der Skala vorhersagt. Die Trennschärfe berechnet sich aus der Korrelation der Itemwerte aller Personen der Eichstichprobe mit den Gesamtwerten der Eichstichprobe. Ist diese Korrelation nahe 0, bedeutet dies, dass das Item unabhängig vom Gesamtwert einer Person mal gelöst und mal nicht gelöst wird. Ist die Korrelation nahe 1, bedeutet dies, dass eine Lösung des Items auch einen hohen Gesamtwert auf der Skala vorhersagt.

René Descartes

2017-04-12T05:50:32Z

Friedrich:

{{Nav|Geschichte|16.17.Jahrhundert|Geschichte}}
''Cogito, ergo sum'' – ich denke, also bin ich. Diese Aussprache stammt von René Descartes (1596-1650). Der französische Philosoph und Naturwissenschaftler hatte den Anspruch, alle gewonnene Erkenntnis sicher zu verankern, ohne ungesicherte Vorannahmen treffen zu müssen. Bei seiner Suche nach sicherer Erkenntnis hinterfragte er alles und stellte am Ende fest: das man zweifeln kann, ist das einzig Unanzweifelbare. Der Zweifel (und damit das Denken) selbst bestätigt die eigene Existenz. Nach Descartes ist der also der '''Zweifel/das Denken''' -neben der daraus dann abgeleiteten Existenz Gottes - das einzig sicher verankerte, also das einzig Unanzweifelbare. Er ist die Basis von aller Erkenntnis. Diese Erkenntnis markiert eine der Anfänge der Moderne. 
 Auf Basis seiner Überlegungen führte Descartes einen '''ontologischen Substanz-Dualismus''' ein. Das bedeutet, dass er alles „Seiende“ in zwei Komponenten aufteilt, und zwar in das Geistige (''res cogitans'') und das Lebendige (''res extensa''). 
Als ''res extensa'' bezeichnete Descartes alles, was eine ''räumliche Ausdehnung'' besitzt. Alles Materielle, wie Gegenstände und auch Lebewesen, stellen die mechanische funktionierende, wahrnehmbare Außenwelt dar (zu seiner Zeit entstanden auch die Uhren, welche als technische Wunderwerke als die Vorlage für Descartes mechanistisches Weltbild dienten). Dem gegenüber steht die ''res cogitans'', die geistige Innenwelt. Sie hat nur eine ''zeitliche Ausdehnung'' und stellt das Innenleben oder Seelenleben dar, welches nicht mechanistisch funktioniert. 
 
 Durch diese Trennung ermöglichte Descartes die naturwissenschaftliche Untersuchung der mechanischen Außenwelt. Hier sollte es möglich sein, gesetzmäßige Zusammenhänge zu finden. Als Ironie der Geschichte ebnete er letztlich damit aber auch den Weg zu den heutigen Bestrebungen, das Innenleben einer Person mit modernen naturwissenschaftlichen Methoden zu untersuchen.
 Letztlich legte Descartes mit der vorgenommenen Unterscheidung in ''geistig'' und ''lebendig'' auch die Basis für die heutige Trennung von Geisteswissenschaft und Naturwissenschaft (siehe [[Wilhelm Dilthey]]).

Fragen:Fragen

2017-02-16T11:42:41Z

Friedrich: /* Vorhersagen */

=Beispiele für Klausurfragen=

Beispiele für Fragen, wie sie in den Klausuren des Moduls M1 an der TU Dresden gestellt werden, finden Sie unter [[Fragen:Klausurfragen]].

=Selbstgemachte Klausurfragen=

Probieren Sie sich doch einmal aus und fordern Sie ihre Kommilitonen heraus: Denken Sie sich selbst eine hypothetische Klausurfrage, lassen Sie sie beantworten und diskutieren Sie die Fragestellung und die Lösung mit Ihren Kommillitonen. Das alles können Sie auf der Seite [[Fragen:Selbstgemachte_Klausurfragen]].

=Fragen von Ihrer Seite=

Wenn Sie noch Fragen zu den Inhalten des Elearning Moduls oder der Vorlesungen Einführung in die Methoden bzw. Versuchsplanung haben, können Sie diese hier einstellen. Wenn Sie auf eine Frage stoßen, zu der Sie eine Antwort haben, dann bieten Sie diese an. Wir werden ebenfalls Antworten beitragen und Ihre Diskussion entsprechend kommentieren.
Bitte nennen Sie bei Ihrer Frage im Betreff kurz das Themengebiet. Dann ihre Frage (gerne personalisiert mit Ihrem Vornamen).
 
: [http://versuch.file2.wcms.tu-dresden.de/w/index.php?title=Fragen:Fragen&action=edit&section=new Neue Frage stellen]
----

== Themengebiet: Beispiele ==

(Name): Dies ist eine Beispielfrage
: Micha: Dies ist eine Beispielantwort

== Wissenschaftstheorie: objektiv vs. intersubjektiv ==

'''Josefine: Was ist der Unterschied zwischen objektiv und intersubjektiv? (es wird auf den nächten Folien nämlich geschrieben: Objektivität (intersubjektiv)'''
: Johannes: Ich glaube, die Bezeichnung „intersubjektiv“ versucht einfach auf begrifflicher Ebene der Tatsache gerecht zu werden, dass es wahre „Objektivität“ in der menschlichen Erkenntnis nicht geben kann. Es geht eher darum, Erfahrungen zwischen verschiedenen Individuen vergleichbar zu machen.

'''(Caroline): Was ist der Unterschied zwischen objektiv und intersubketiv? (es wird auf den nächten Folien nämlich geschrieben: Objektivität (intersubjektiv)'''

Antwort (Michael): Ich glaube, die Bezeichnung „intersubjektiv“ versucht einfach auf begrifflicher Ebene der Tatsache gerecht zu werden, dass es wahre „Objektivität“ in der menschlichen Erkenntnis nicht geben kann. Es geht eher darum, Erfahrungen zwischen verschiedenen Individuen vergleichbar zu machen. Also, ein Experiment sollte so durchführbar sein, dass meine daraus folgende (zwangsläufig subjektive) Erfahrung von einem jeden anderen nachvollziehbar wäre, wenn er das Experiment ebenso durchführen würde.

Antwort(Scherbaum): Vielen Dank. Ich hab dem nichts hinzuzufügen:)

== Vorlesung Einführung in die Methoden der Psychologie ==

=== Modellierung & Simulation ===

'''(Adrian): Frage zu Modellierung & empirischem Zirkel (F 61): Wie sind Daten- und Mathematische Modelle einzuordnen und was genau ist der empirische Zirkel? Meinen momentane Antwort wäre, dass Systemdaten mittels statistischer (Daten-)Modelle analysiert werden (= Systemanalyse) und durch Interpretation dann zum abstrakten Modell / der psychologischen Theorie kommt. Die mathematischen Modelle werden dann daraus entworfen und dienen zur Deduktion auf Modelldaten. Empirischer Zirkel wäre für mich einfach das zirkuläre Angleichen von Modell und System bzw. Theorie und empirischer Realität.'''

Antwort (Scherbaum): Sie beschreiben das im Prinzip richtig. Wenn Sie Lektion 3, Folie 83 (Der Forschungsprozess) betrachten, dann sehen Sie den empirischen Zirkel: durch Beobachtung kommen Sie zur Theorie, oder eben dem Modell, dieses testen Sie und sind dann u.U. gezwungen, das Modell anzupassen. Im Idealfall erhalten Sie also ein immer besseres Modell der Realität. Daten-Modelle bzw. statistische Modelle sind eher Mittel der Beschreibung, denn sie enthalten ja letztlich keine gesetzmäßige Erklärung. Mathematische Modelle gehen einen Schritt von den Daten weg, unterstellen also (im besten Fall) einen gewissen Wirkzusammenhang und liefern damit Erklärungen (wenn auch oft sehr abstrakte).

=== Erheben und Erhebungsmethoden= ===

==== Law of categorical & comparative judgement ====

'''(Miriam): (Folie 130 & 142) Beide Male ist die Rede von " "Hochskalieren" durch wiederholte Rangordnungen". 

Das Skalieren der Rangordnungen/ Dominanzpaarvergleiche ist doch eben dieser Vorgang des Verrechnens der Ergebnisse mehrerer Urteiler zum Minimieren des Fehlers und dadurch Erhalten des "wahren Wertes" eines Objekts bzw. Erreichen einer Intersubjektivität (möglichst nah an Objektivität) aus den vielen Subjektivitäten der einzelnen Rater. Hat man den wahren Wert, hat man aus der Ordinalskala eine Intervallskala gemacht, da man Abstände zwischen den Objekten hat.. (Oder nicht?)

Fehlt da noch ein Vorgang, bis es eine Intervallskala ist oder wo sind darin die wiederholten Rangordnungen? Oder einfach nur Wiederholung durch viele versch. Urteiler? '''

Antwort(Scherbaum): Durch wiederholtes Urteilen (mehrere Urteiler) erhalten Sie eine intersubjektive Einschätzung. Allerdings auf der Ordinalskala. Sie können nun diese vielen Urteilen und die darin liegende Varianz nutzen, um mittels der beiden Verfahren den Wert der Objekte auf einer Intervallskala abzubilden. Dann wissen Sie nicht nur, "Objekt 1 ist größer als Objekt 2" sondern auch noch "Objekt 1 ist um so und so viel größer als Objekt 2".

==== Urteilen: Dominanzpaarvergleiche ====

'''(Miriam): Beim Erstellen der Rangordnungen durch mehrere Urteiler: Wie wird die Konkordanz beurteilt? Getrennt von der Rangvergabe? Denn wenn vor Rangvergabe alle Bevorzugungen zusammengezählt werden, lässt sich ja nicht mehr das Ergebnis eines einzelnen Urteilers abtrennen. '''

Antwort (Scherbaum): Das Zusammenzählen ist sozusagen "der Kurze Weg" zur Rangreihe. Sie haben recht: um die Konkordanz zu beurteilen, müssen Sie die Rangreihe jedes Urteilers ausrechnen und diese dann wieder miteinander vergleichen.

==== Unterschied Skala und Test ====

'''(Franziska): Was genau ist der Unterschied zwischen einer Skala und einem Test? Bei der Skalen- als auch Testkonstruktion muss ich Items auswählen, und sowohl die Skala als auch der Test hilft mir spezielle Konstrukte zu erfassen. Und bei Persönlichkeitstest habe ich auch Antwortmöglichkeiten in Form einer Skala von 1 -5. Wo genau liegt jetzt der Unterschied? '''

Antwort (Scherbaum): Sie sehen das im Prinzip richtig: Wenn Sie einen Test konstruieren, betreiben Sie Skalenkonstruktion. Allerdings kann ein Test u.U. aus mehreren Skalen bestehen. Testen und Skalenkonstruktion sind also mitunter gleichzusetzen. In der Vorlesung ist Testen und SK getrennt, denn beim Skalieren geht es um die Konstruktion des Messinstruments an sich (welches Sie dann z.B. auch für Befragungen einsetzen können), beim Testen geht's es dann v.a. um die spezifischen Randaspekte beim Einsatz der Skala, wie z.B. Vorbeugung gegen Täuschung.

==== Was ist eine Skala? ====

'''(Karla): Was genau ist eigentlich eine Skala? Ist ein Item auch eine Skala oder muss eine Skala aus mehreren Items bestehen? '''

'''Und wie sieht eine Skala aus, die Beispielsweise bei der Skalierung entsteht? Was bringt mir diese Skala? Ich verstehe das so, dass ich in einem Test z.B. mehrere Items habe, die eine Merkmalsdimension messen. Aber WIE ordne ich diese dann zu einer Skala? Lege ich während der Testkonstruktion vorher fest: Der Merkmalsraum geht von 0 bis 20 und ich habe verschiedene Items, die alle zusammen genau diesen Bereich der Merkmalsausrpägung abdecken? Z.B. misst ein Item dann die Merkmalsausprägung von 0,5 bis 2, ein anderes von 2 bis 3 usw.? Ich kann mir noch nicht vorstellen, wie die Werte der einzelnen Items dann genau Aufschluss über den Grad der Merkmalsausrpägung geben und wie alle Items zusammenwirken, um eine Skala zu bilden, die die Merkmalsausrpägung abbildet!'''

Antwort(Scherbaum): Die Kernfrage ist, wie Sie bereits feststellen, wie am Ende der 1 Wert für 1 Person auf der Skala ansteht. Ein schönes Beispiel ist die Likert-Skala: hier summieren Sie einfach die angekreuzten Itemwerte auf (Lektion 5, 95, 96). Wenn Sie die Items allen Kriterien einer Skala entsprechen (siehe Itemanalyse, Lektion 5, 90), dann spiegelt dieser Wert wieder, welche Ausprägung das Merkmal bei dieser Person hat - denn je stärker das Merkmal ausgeprägt ist, desto höher wird die Person auch die Items ankreuzen (Itemcharakteristik). Am Ende geht es Ihnen nicht darum, dass der Skalenwert absolut gesehen sinnvoll ist - ob max. 20 oder 50 Punkte rauskommen, ist egal - dafür gibt es ja die Normierung. Aber mehrere Personen sollten in einem sinnvollen Verhältnis ihrer Merkmalsausprägung abgebildet werden (da ist wieder das empirische und das numerische Relativ).

==== Physiologie ====

'''(Franziska): Die Kernaussage der Folie 103 der Lektion "Erhebungsmethoden" ist doch, dass wir nicht mit Nasenreferenzen im Gamma Bereich messen sollten?! - Dies liegt darin begründet, dass bei Frequenzen von 40-50Hz (wenn wir bspw. entsprechende Bilder betrachten) Sakkaden auftreten, die ihre Schwingung in die Nase weiterleiten und somit das Ergebnis verfälschen. Die Nasenreferenz agiert hierbei also nicht als neutrale Referenz, sondern präsentiert Schwingungen, die durch die Augen ausgelöst wurden - habe ich das so richtig verstanden?'''

Antwort (Adrian): Du hast damit aus meiner Sicht die Kernaussage erfasst. Hinzuzufügen wäre eventuell noch, dass durch die Nasenreferenz (verfälscht durch die Sakkadenbewegungen der Augen) auf der gegenüberliegenden Seite (okzipital) Aktivierung zu messen ist, die nicht existiert. Diese wurde Gamma-Aktivierung wurde als mögliche Antwort auf das Bindungsproblem betrachtet (Neuronenverbände, die zusammengehören, schwingen mit selber Gamma-Frequenz). Die gezeigten Frequenzen sind aus dem gesamten Gamma-Bereich (über 30 bzw. 30 - 100 Hz), sind jedoch im Kernbereich stärker.

Antwort (Scherbaum): Sie haben das sehr schön beschrieben! :-)

==== Indexbildung: Beispiel des semantischen Differentials ====

(Maria): wie komme ich von dem Schritt der Reduktion des Merkmalsraumes zur Gewichtung durch Faktorenanalyse bzw. wie kann ich die Gewichtung ablesen? 

Antwort (Scherbaum): Die Faktorenanalyse liefert zusammen mit den neuen Faktoren auch die Gewichte, wie sehr jede Dimension auf jeden Faktor "lädt". Dementsprechend können Sie diese Gewichte dann in der gewichtet-additiven Variante verwenden.

 

=== Urteilen: Kategorisieren ===

'''Wenn man beim Kategorisieren die Kategorien gebildet hat, wie kommt man dann genau auf die Stärke der Merkmalsausprägung? Sprch: was passiert beim Kodieren genau?'''

Antwort (Adrian): Das Kodieren bzw. Kategorisieren ist nichts anderes als eine quantitative Inhaltsanalyse, d.h. es geht hier um Häufigkeiten. Es wird die Annahme vertreten, dass die Häufigkeit eines bestimmten Begriffs Aufschluss über den Inhalt eines Textes gibt. Man könnte also sagen „die Stärke der Merkmalsausprägung ist abhängig von der Häufigkeit entsprechender Begriffe“. Z.B. schreibt eine Zeitschrift, in der häufig das Wort „Politik“ fällt, wahrscheinlich mehr über Politik. Der Prozess des Kodierens ist kurz gesagt nichts anderes als Zählen (wie oft etwas vorkommt).

Antwort(Scherbaum): Sie entwerfen also zuerst ein Kategorienschema und dann ordnen die Kodierer/Urteiler jeder Texteinheit eine Kategorie zu.

==== Erheben: Urteilen: Law of Categorical judgement ====

'''Nach der Transformation in z-Werte anhand der Standard-Normalverteilung), Wie kommt man auf den letzen Graphen, wo nur senkrechten Striche zu sehen sind?'''

Antwort (Scherbaum): Die Balken auf dem letzten Graphen sind die Zeilen-Mittelwerte der Daten - also die Mittelwerte pro Bild über alle Ratingstufen. Die Mittelwerte sind nach der Verzerrung durch die kumulative Normalverteilung repräsentativ für den Wahren Wert des Merkmals (z.B. Grausamkeit) des Bildes.

 

=== Wurzeln der Psychologie: ===

==== Antike ====

'''(Anne): Die Frage bezieht sich zwar auf die Antike, da aber dafür hier keine Kategorie vorhanden ist, stelle ich meine Frage hier. Gehört der Realismus wirklich in den Bereich der Ontologie hinein (wie im Skript) oder lässt sich dieser doch eher in die Epistemologie einordnen (wie im Buch "Psychologie. Wissenschaftstheorie, theoretische Grundlage und Geschichte" von Harald Walach)?'''

Antwort (Scherbaum): Sie haben recht, dass der Realismus, besonders der naive Realismus, auch einen epistemologischen Anteil mit sich bringt: denn wenn ich annehme, dass die Welt da draußen existiert (ontologische Aussage des Realismus), dann kann ich eben auch annehmen: a) ich kann sie erkennen und b)wenn ich etwas beobachte, dann ist das genau das, was da auch wirklich passiert ist (epistemologische Folge des Ganzen). Diese beiden Annahmen reichen dann hinüber zu einem naiven Empirismus. Allerdings: die Grundposition ist eben erst einmal ontologisch: es gibt da eine objektiv erkennbare Realität. Demgegenüber würde der Idealismus in seiner radikalen Form die ontologische Gegenposition darstellen.

==== 16.-17. Jahrhundert ====

'''(Michael) Bei Johannes Keppler steht auf der Folie "(-> Idealismus)". Meine Frage ist wie dieser auf Empirie basierende und eher realistisch wirkende Ansatz zu Idealismus führt? '''

 Antwort (Scherbaum): Kepplers mathematisches Modell ist sozusagen das Ideal, an das sich die verrauschte Realität nur annähert. Wir beschreiben also die Welt mittels "idealer" Methematik.

===== '''18./19. Jahrhundert''' =====

'''(Yvonne): Wie ist es zu verstehen, dass David Hume einerseits die Position des Idealismus einnahm, während andererseits sein Assoziationismus einen vollständigen Materialismus (->Realismus) darstellte?'''

Antwort(Scherbaum): Sie legen da den Finger in die dualistisch vereinfachende Wunde. Hume verband tatsächlich Empirismus (also Erkenntnis durch Erfahrung) mit (kritischem) Idealismus (wir können die Außenwelt nicht in ihrer vollen Wirklichkeit erkennen). Der Aristotelische Empirismus geht davon aus, dass sich in der realen Ausprägung eines Dinges die dahinterstehende Wirklichkeit verbirgt, was diese erkennbar machen sollte - Aquin treibt dies auf die Spitze, dass wir Gott als höchste Idee in der Natur erkennen können. Hume aber ist da skeptisch: er glaubt, dass wir immer Sinnestäuschungen unterliegen und unser Verstand nicht "sauber" arbeitet - somit bleibt uns nur, Schlüsse aus unserer Wahrnehmung der Realität zu ziehen, selbst wenn diese immer unvollständig/verzerrt sein werden. Eine ausführlichere Erklärung finden Sie bei http://www.textlog.de/hume.html

 

===== 19./20. Jahrhundert =====

'''Wie unterscheiden sich Funktionalismus und Identitätstheorie? Beide sagen doch, dass Mentales und Physisches prinzipiell dasselbe sind. Der Funktionalismus sagt: Mentales = funktionale Zustände des Systems und die Identitätstheorie sagt: Mentales = Beschreibung physischer Zustände. Wo ist da der große Unterschied, der die beiden zu unterschiedlichen "Sichtweisen" auf/Theorien über das Leib-Seele-Problem macht?''' 

(Yvonne): Ich versuchs mal (hatte das gleiche Problem): Erst einmal muss man sehen, dass die Identitätstheorie vor dem Funktionalismus stand. Die Identitätstheorie geht davon aus, dass es im Prinzip keine mentalen Zustände gibt. Das, was wir als solche empfinden, sind nur sprachliche Beschreibungen für spezifische körperliche Zustände, also mentale Zustände = neuronale Zustände. So weit so gut, das führte allerdings zu einem Problem: Der gleiche mentale Zustand (z.B. hungrig sein) sieht bei einer Katze, Schnecke, Pferd und einem Menschen ganz verschieden aus. Trotzdem sind sie alle hungrig. Deshalb kam Frau Putman und hat das Ganze als funktionalen Zustand abstrahiert. Der mentale Zustand des Hungrigseins hat die Funktion für bestimmten Output (Sättigung suchen) zu sorgen. Es ist aber kein spezifischer Zustand, bei dem jede Neuronaktivität exakt definiert sein muss. Das wär bei einer Schnecke und einem Menschen völlig unmöglich. Sondern der „Gesamtausdruck“ muss stimmen. Wie dieser sogenannte funktionale Zustand aussieht, bleibt quasi jedem selbst überlassen. Was zählt, ist, dass er dafür sorgt, was am Ende rauskommt. Die konkrete physische Realisierung des funktionalen Zustandes könnte somit biologisch, durch eine Seele oder mechanisch sein. So ist die Idee der Modellierung zu verstehen. Ein Roboter kann auch „mentale Zustände“ haben, weil mentale Zustände nur funktionale sind. Somit müssen seine funktionalen Zustände dafür sorgen, wie ein Mensch zu reagieren. Somit ist der Unterschied zur Identitätstheorie keine neue Erklärung, sondern nur eine andere Definition von Mentalem. Die ganze Sache auf eine höhere Betrachtungsebene zu heben, nämlich als Funktion, löst zwar nicht das Problem, wie ein mentaler Zustand konkret aussieht, aber lässt sich leichter händeln und ist für die Modellierung auch ganz praktisch. Ich hoffe, ich konnte helfen :) 

Antwort (Scherbaum): Wunderbar beschrieben! Kleine Anmerkung: Bei der Identitätstheorie kommen Sie dank Type und Tokenversion in Probleme - der Funktionalismus war hier ein Lösungsansatz.

=== Vorhersagen ===

'''(Franziska): In der Lektion 3, auf Folie 61, wird ja ein Prognose Modell & dessen Aufbau veranschaulicht. Mir erschließt sich nicht, was das mit dem Erklärungswert (Kausal: Effektgröße - Zusammenhang:Korrelation) auf sich hat. Effektgröße beschreibt doch nur die Stärke des Zusammenhanges/der Korrelation zwischen PV und KV, oder? Meiner Meinung nach beziehen sich die Effektgrößen doch sowohl auf Korrelationen als auch Kausalzusammenhänge oder? Auf der Folie scheint es für Korrelation und Kausalzusammenhänge zwei untersch. Effektgrößen zu geben? '''

Antwort (Scherbaum): Vorhersagen können Sie bereits, ohne über eine Kausalerklärung zu verfügen. Um zu wissen, wie verlässlich eine Prädiktor Variable zur Vorhersage ist, reicht es, die Korrelationsstärke zwischen PV und KV zu kennen. Bei mehreren PV können Sie diese entsprechend gewichten. Wenn Sie aber eine Kausalerklärung haben, dann wissen Sie, dass und wie verschiedene PV sich auf die KV auswirken (und nicht nur damit zusammenhängen). Das haben Sie oft in Experimenten herausgefunden und hier können Sie Effektstärken berechnen (das r der Korrelation ist übrigens auch ein Effektstärkemaß) und diese zur Gewichtung nutzen.

 

== Vorlesung Versuchsplanung ==

 

=== Stichproben Kennwerte ===

==== Konfidenzintervalle: ====

'''(Jan-Michael): '''Im E-Learning gibt es folgendes Beispiel: 
<blockquote>In einer Befragung bezüglich der Alter der Studierenden an der TU Dresden haben 100 zufällig ausgewählte Studierenden teilgenommen. Ihr durchschnittliches Alter betrug MW = 22 Jahre. Um eine Aussage über den Mittelwert des Alters der Grundgesamtheit aller Studierenden der TU machen zu können, wird ein Konfidenzintervall berechnet. Es wird ein Konfidenzniveau von 95% gewählt und die Standardabweichung ermittelt (SD = 3 Jahre) und daraus das Konfidenzintervall berechnet. Die Grenzen des berechneten Konfidenzintervalls betragen 21,4 und 22,6 </blockquote>
wie kommt man auf 21,4 und 22,6? Ich komme auf [16,1; 27,9].

Antwort (Scherbaum): Eine SD (Standardabweichung) von 3 bedeutet bei Standardfehler SE = SD/Wurzel(n) einen SE = 3/Wurzel(100) = 0,3. Für 95 Konfidenz: SE * 1,96 = 0,588. Das ziehen Sie von 22 ab oder zählen es dazu und Sie haben die Ergebnisse wie im Tool.

 

=== Interaktionen & Haupteffekte ===

==== Nur Haupteffekte: ====

'''(Anica): In der Lektion 4 auf Folie 80 haben wir ein Beispiel für "nur Haupteffekte" gegeben. Trage ich die Werte aus der Tabelle in ein Liniendiagramm ein, erhalte ich 2 Linien: eine für M-->W und eine für W-->M. Die Linie für M-->W hat von 21:00 bis 22:30 einen stärkeren Anstieg, als zwischen 22:30 und 0:00. Der Anstieg der zweiten Linie bleibt konstant. Deshalb habe ich doch nun hier unterschiedliche EHE (z.B. von M-->W von 21:00 bis 22:30 und 22:00 bis 0:00). Die Bedingungen sind gleichgerichtet, kreuzen sich jedoch nicht. Entspräche das nicht einer ordinalen Interaktion, statt "nur Haupteffekte"?'''

Antwort (Scherbaum): Deskriptiv unterscheiden sich die Linien leicht - wenn Sie sich allerdings die Grafik eine Folie weiter ansehen, dann können Sie bereits an den Fehlerbalken sehen, dass sich diese Unterschiede innerhalb des Fehlers bewegen. Die Autoren (bzw. die Statistik) fanden also nur Haupteffekte.'''(Caroline): Was ist der Unterschied zwischen objektiv und intersubketiv? (es wird auf den nächten Folien nämlich geschrieben: Objektivität (intersubjektiv)'''

Antwort (Michael): Ich glaube, die Bezeichnung „intersubjektiv“ versucht einfach auf begrifflicher Ebene der Tatsache gerecht zu werden, dass es wahre „Objektivität“ in der menschlichen Erkenntnis nicht geben kann. Es geht eher darum, Erfahrungen zwischen verschiedenen Individuen vergleichbar zu machen. Also, ein Experiment sollte so durchführbar sein, dass meine daraus folgende (zwangsläufig subjektive) Erfahrung von einem jeden anderen nachvollziehbar wäre, wenn er das Experiment ebenso durchführen würde.

Antwort(Scherbaum): Vielen Dank. Ich hab dem nichts hinzuzufügen:)

Varianz

2016-10-22T11:57:25Z

Friedrich:

{{Nav|Navigation|Max-Kon-Min|Versuchsplanung}}

Als Varianz bezeichnet man die Schwankungen der Messwerte der [[abhängige Variablen|abhängigen Variable]] in einem [[Experimente|Experiment]].

Datenvarianz bedeutet also, "dass eine durchschnittliche Veränderung der Messwerte der abhängigen Variable eingetreten ist" (Sarris, 2005, S. 36). Die Gesamtvariabilität (oder Totalvarianz) der Daten setzt sich aus drei theoretisch unterscheidbaren Varianzarten zusammen: aus der Primärvarianz, der Sekundärvarianz und der Fehlervarianz.

Schematische Darstellung der Komponenten der Varianz:

[[Datei:varianzkomponente.jpg|500px]]

Zusammenfassend lässt sich die Beziehung zwischen den einzelnen Varianzkomponenten folgendermaßen beschreiben: "Je höher die Primärvarianz gegenüber der Sekundärvarianz (und dem Zufallsfehler) ist, desto leichter lässt sich ein experimenteller Effekt nachweisen – falls dieser realiter existiert und umgekehrt" (Reiß & Sarris, 2005, S. 37).

Ziel des [[Max-Kon-Min-Prinzip]]s ist es, die Primärvarianz zu MAXimieren, die Sekundärvarianz zu KONtrollieren und die Fehlervarianz zu MINimieren.

==Primärvarianz==

Die Primärvarianz bezeichnet diejenigen Veränderungen der Messwerte der [[abhängige Variablen|AV]], die "allein auf die Variation der experimentellen (Instruktions-)Bedingung zurückzuführen" sind (Sarris, 1990, S.167).

Idealerweise werden die Veränderungen der Messwerte der AV in einem [[Experimente|Experiment]] durch die Manipulation der [[unabhängige Variablen|UV]], also durch die verschiedenen Bedingungen, verursacht. Diese Veränderungen der Messwerte nennt man Primärvarianz. Der Versuchsleiter ist daran interessiert, die Veränderungen der Messwerte der AV auf die Variation der Bedingungen der UV zurückzuführen um gültige Schlüsse aus seinem Experiment ziehen zu können. Die Primärvarianz ist also die gewünschte oder gewollte Varianz, die in einem Experiment möglichst maximiert werden sollte (siehe [[Max-Kon-Min-Prinzip]]).

Leider spiegeln die ermittelten Daten normalerweise nicht diese eigentliche Primärvarianz wider (Sarris, 1990). Es wirken neben dem Einfluss der Manipulation der UV [[Störvariablen]], die die Primärvarianz mit bedingen. Diese Störvariablen können systematisch (siehe Sekundärvarianz) oder unsystematisch (siehe Fehlervarianz) sein.

Neben experimentellen [[Kontrollprinzipien|Kontrolltechniken]] besteht auch die Möglichkeit nachträgliche statistische Kontrolle anzuwenden, um die eigentlich interessierende Primärvarianz der Daten auf Grund der experimentellen Einzeldaten eines Versuchs bestimmen zu können (Sarris, 1990).

'''Beispiel'''

Wenn ein Forscher den Einfluss von Wetter (UV) auf die Stimmungslage (AV) untersuchen möchte, so sind die wetterbedingten Änderungen in der Stimmungslage der Versuchspersonen die Primärvarianz.

==Sekundärvarianz==

Die Sekundärvarianz bezeichnet den Anteil der Gesamtvarianz, der durch systematische [[Störvariablen]] verursacht wird.

Neben der den Forscher interessierenden Primärvarianz werden die Messwerte auch durch die Sekundärvarianz mitbedingt. Diese kommt durch den systematischen Einfluss von Störvariablen zustande.
Da die Sekundärvarianz den gültigen Schluss der Messwerte der [[abhängige Variablen|AV]] auf die Manipulation der [[unabhängige Variablen|UV]] einschränkt, ist eine Kontrolle der Sekundärvarianz anzustreben (siehe [[Max-Kon-Min-Prinzip]]). Hierfür stehen dem Forscher verschiedene [[Kontrollprinzipien|Kontrolltechniken]] zur Verfügung.

'''Beispiel'''

Wenn ein Forscher den Einfluss von Wetter (UV) auf die Stimmungslage (AV) untersuchen möchte, so sind die wetterbedingten Änderungen in der Stimmungslage der Versuchspersonen die Primärvarianz.
Die Veränderungen in der Stimmung könnte aber auch auf andere Einflüsse zurückgerührt werden, z.B. auf den systematischen Einfluss verschiedener Jahreszeiten oder auf die monatlich wiederkehrende Menstruation. Die Veränderungen der Messwerte, die hierdurch ausgelöst werden, würde man als Sekundärvarianz bezeichnen.

==Fehlervarianz==

Die Fehlervarianz beschreibt den Anteil der Gesamtvarianz, der durch unsystematische [[Störvariablen|Störeinflüsse]] verursacht wird.

Die Fehlervarianz bedingt neben der Sekundär- und der Primärvarianz einen Teil der Gesamtvarianz der Messwerte der [[abhängige Variablen|AV]]. Die Fehlervarianz wird dabei – im Gegensatz zu der Sekundärvarianz – durch den unsystematischen Einfluss von Störvariablen verursacht.
Dieser Teil der Varianz wird vom Versuchsleiter nicht gewünscht, da er den gültigen Rückschluss von den Veränderungen der Messwerte der AV auf die Manipulation der [[unabhängige Variablen|UV]] einschränkt. Deswegen strebt der Forscher im [[Experimente|Experiment]] möglichst eine Minimierung der Fehlervarianz an (siehe [[Max-Kon-Min-Prinzip]]).

'''Beispiel'''

Wenn ein Forscher den Einfluss von Wetter (UV) auf die Stimmungslage (AV) untersuchen möchte, so sind die wetterbedingten Änderungen in der Stimmungslage der Versuchspersonen die Primärvarianz.
Die Veränderungen in der Stimmung könnte aber auch auf andere Einflüsse zurückgerührt werden, z.B. auf den systematischen Einfluss verschiedener Jahreszeiten oder auf die monatlich wiederkehrende Menstruation. Die Veränderungen der Messwerte, die hierdurch ausgelöst werden, würde man als Sekundärvarianz bezeichnen.
Neben systematischen und damit kontrollierbaren Einflüssen gibt es zudem den unsystematischen Einfluss von Störvariablen, der Fehlervarianz genannt wird. Hier wären schwer erfassbare intra- und interindividuelle Differenzen als mögliche Störvariablen zu sehen (z.B. in der Nacht vor der Erhebung schlecht geschlafen, zuvor im Bus angerempelt, kurz vorher schlechte Nachricht von einem Freund erhalten etc.), aber auch jegliche Mess- oder Auswertungsfehler.
Weitere Beispiele: Alter, Lärm, Geschlecht, Hitze

Kritischer Rationalismus (Popper)

2016-10-15T20:38:34Z

Friedrich:

{{Nav|Navigation|Normativ-Wertfrei|Wissenschaftstheorie}}
Der kritische Rationalismus ist eine von Karl Popper begründete Denkrichtung, die sich um eine wertfreie, ideologiefreie Wissenschaft bemüht.

Er ging aus einem sozialhistorischen Kontext hervor, der geprägt war von historizistischen (d.h. in der Vergangenheit nach Belegen für ihre Theorien suchenden) Gesellschaftstheorien, sowie starken Ideologien wie dem Marxismus oder dem Nationalsozialismus.
Von diesen wertenden Einflüssen wollte Popper die Wissenschaft befreien.

Das Ziel war, den Erkenntnisprozess weitestgehend vor Irrtum zu schützen. Dabei leugnete Popper nicht den unveränderbaren Einfluss von Werten und impliziten Theorien auf die menschliche Wahrnehmung. Er war sich bewusst, dass menschliche Erkenntnis immer [http://de.wikipedia.org/wiki/Konstruktivismus_%28Philosophie%29 konstruktiv] und Menschen an sich fehlbar waren. Deshalb zog er unter anderem den Schluss, dass [[Induktion]] grundsätzlich als Methode ungeeignet sei.
 Weiterhin nahm er an, dass sich Menschen der Wahrheit ohnehin nur annähern könnten. Eine abschließende [[Verifikation und Falsifikation|Verifikation]] war damit unmöglich (da nicht alle Fälle untersucht werden können), nur das Ergebnis einer [[Verifikation und Falsifikation|Falsifikation]] konnte als gesichert gelten.
Hieraus leitete Popper die strenge, aber auch neuen und ungewöhnlichen Theorien gegenüber tolerante Vorgabe ab: Alles kann eine Theorie sein – solange es falsifizierbar ist!
 Durch ein solches Vorgehen, sollte man es entweder mit widerlegten oder aber mit ungesicherten Theorien zu tun haben. Da es für den wissenschaftlichen Fortschritt häufig notwendig ist, auf Vorhergegangenem aufzubauen, wurde allerdings zugelassen, Theorien, die schon oft der Falsifizierung widerstanden haben, in Übereinkunft vorübergehenderweise zu akzeptieren – natürlich nur, bis diese auch falsifiziert werden würden.
 Der kritische Rationalismus stellt also die Forderung an die Wissenschaft, ständig zu versuchen sich selbst zu widerlegen. Dies sei die beste Strategie, einer Objektivität so nahe wie möglich zu kommen.
 
 Eine grundlegende Kritik an Poppers Forderung nach falsifizierenden Experimenten zeigt sich im Argument des [[Experimenteller Regress|experimentellen Regresses]]. Das „Experimentum Crucis“, also das Experiment, das eine Theorie endgültig widerlegt, ist in der Realität eine problematische Forderung. Unerwartete Ergebnisse können auf viele [[Hempel-Oppenheim-Schema|Randbedingungen]] zurückgeführt werden und müssen nicht zwingend Rückschlüsse über die Theorie selbst erlauben.

 Der [[Positivismusstreit]] stellte außerdem den Allgültigkeitsanspruch von Poppers Vorschlag in Frage und forderte besonders für die Sozialwissenschaften eine andere, wissenschaftskritische und konstruktivstisch geprägte Herangehensweise.
 
 

[[Datei:Kritischer-Rationalismus.png|600px]]

----

''verwandte Artikel:'' [[Raffinierter Falsifikationismus (Lakatos)]]

Logischer Positivismus (Wiener Kreis)

2016-10-15T20:35:49Z

Friedrich: Änderungen von Friedrich (Diskussion) wurden auf die letzte Version von Paulina zurückgesetzt

{{Nav|Navigation|Normativ-Wertfrei|Wissenschaftstheorie}}

Der Logische Positivismus – auch logischer Empirismus genannt - ist eine wissenschaftstheoretische Strömung, die sich zum Ziel setzte, die Philosophie nach wissenschaftlichen und objektiven Kriterien zu erneuern. Vertreten und begründet wurde er besonders durch den Wiener Kreis (1922-1936).

Vorangetrieben durch den Fortschritt der Naturwissenschaften (und gleichzeitigen Stillstand der Philosophie), wollte man den philosophischen Wissenserwerb dem der empirischen Wissenschaften angleichen. Vor allem war man auf der Suche nach klaren Kriterien zur Beurteilung, ob bestimmte Aussagen (wissenschaftlich) gültig oder ungültig seien.
 Hierzu war ein erstes Mittel, Theorien immer in der klaren Sprache der Logik zu formulieren, und sie somit überprüfbar zu machen. Zweitens sollten nicht widerlegbare Thesen (Letztbegründungen) vermieden werden.
Drittens war man sich einig, dass nur objektiv Beobachtbares als wissenschaftlich anzusehen ist. Speziell in dieser Annahme wird der Einfluss auf den [[Behaviorismus]] in der Ausprägung des [[Epistemischer Behaviorismus|methodologischen Behaviorismus]] deutlich.
 Im Forschungsprozess diente damit die [[Deduktion]] zur Verifikation von durch [[Induktion]] entstandenen Theorien. Eine entscheidende Annahme hierbei war, dass man Beobachtungen direkt in sogenannte '''Protokollsätze''' überführen konnte, die ungetrübt alle für die Bildung bzw. Bewertung der Hypothese relevanten Informationen enthielten. Waren diese Protokollsätze mit den durch Deduktion entstandenen Hpyothesen vereinbar – und war das interpersonell bestätigt – galt die Theorie als vorerst verifiziert. Hier wird auch deutlich, warum die Strömung „Positivismus“ genannt wird: man konzentrierte sich vor allem auf die '''[[Verifikation und Falsifikation|Verifikation]]'''.

Logischer Positivismus (Wiener Kreis)

2016-10-15T20:35:08Z

Friedrich:

Forschungs-Anarchie nach Feyerabend

2016-10-15T20:28:42Z

Friedrich:

{{Nav|Wege der Erkenntnis|Deskriptiv|Wissenschaftstheorie}}

 Kaum einer hat sich von der [[Normativ-Wertfreie Sichtweise|normativen Sichtweise]] auf Wissenschaft wohl so radikal abgewandt wie Paul Feyerabend (1924-1994). Sein Ansatz, der wissenschaftstheoretische Anarchismus, verzichtete auf festgesetzte Maßstäbe oder Methoden – er sah desbezüglich je nach Situation eine willkürliche Anpassung oder Veränderung vor. Der Slogan „Anything Goes“, mit dem er auch sein Buch vermarktete, fasst seine Ansichten schon grob zusammen.

 Feyerabend war sich bewusst, dass der Forschungsprozess häufig chaotisch und irrational verlief - dass etwa Unfälle und Versehen zu großen, neuen Erkenntnissen führten. Deshalb war er der Meinung, man solle in der Forschung vor allem auf Intuition und Kreativität bauen. Eingrenzungen bezüglich der Methoden (wie sie durch den '''wissenschaftlichen Dogmatismus''' besonders seines Lehrers Karl Popper und dessen [[Kritischer Rationalismus (Popper)|kritischem Rationalismus]] streng vorgeschrieben waren) würden den Prozess behindern. Stattdessen solle man die Forschungsmethoden nach Belieben verändern dürfen.
 Allgemeine Bewertungsmaßstäbe, die man z.B. auf Methoden anwenden könnte, wären nicht zulässig. Da somit jede Illusion der Objektivität verbannt worden war, konnte es auch keine Bewertung von Theorien als allgemein wahr oder falsch geben. Es konnte höchstens zur Übereinkunft kommen, diese zu akzeptieren.
Zusätzlich kritisierte er die Beschränkung des Forschungsprozesses auf die wissenschaftliche Community: Alle Bürger könnten und sollten, sozusagen in einem demokratischen Forschungsprozess, direkt zu Erkenntnissen beitragen und von ihnen profitieren.

Feyerabend lenkte seine Theorien in eine andere Richtung als seine deskriptiven Mitstreiter [[Denkkollektive nach Fleck|Fleck]] und [[Paradigmen & Revolutionen nach Kuhn|Kuhn]]. Er ergänzte das reine Beschreiben von Dogmen (Denkkollektive bzw. Paradigmen) um ein kritisches Element, forderte eine Abkehr von ihnen. Er stützt sich dabei auf die Beschreibung eines anderen Phänomens (die erfolgreichen chaotischen Forschungsprozesse) und bezieht in großem Maße die soziale Komponente der Wissenschaft mit ein – weshalb Feyerabend letzlich als Theoretiker der [[Deskriptive Sichtweise|deskriptiven Sichtweise]] gezählt werden kann.

Positivismusstreit

2016-10-15T20:26:49Z

Friedrich:

{{Nav|Navigation|Deskriptiv|Wissenschaftstheorie}}

Der Positivismusstreit entbrannte zwischen Vertretern des [[Kritischer Rationalismus (Popper)|kritischen Rationalismus]] Karl Poppers, und Vertretern der sogenannten [[Kritische Theorie (Frankfurter Schule)|Kritischen Theorie]] der Frankfurter Schule. Die Vertreter der kritischen Theorie bezichtigten die Vertreter des kritischen Rationalismus eines naiven [[Logischer Positivismus (Wiener Kreis)|Positivismus]], was zu der Namensgebung des Streits führte.

 Die Meinungsverschiedenheit entstand besonders über die Methoden und Ziele der (Sozial-) Wissenschaft:
 Popper sah keinen Grund, warum die Sozialwissenschaft andere Methoden als die Naturwissenschaften anwenden sollte. Er sah das Vorgehen, wie es der kritische Rationalismus beschrieb, als bestens geeignet an, um ungetrübt von unbewussten Annahmen die Mechanismen und Probleme einer Gesellschaft zu untersuchen und so zur '''Lösung von Missständen''' beizutragen. Popper glaubte dabei nicht an große Würfe, eine Veränderung des Ganzen war von ihm weder angestrebt noch als möglich erachtet; man sollte sich, wie vom kritschen Rationalismus vorgegeben, kleinschrittig auf störende Einzelaspekte konzentrieren und so, im ständigen Hinterfragen, langsam Verbesserung vorantreiben (siehe [[Normativ-Wertfreie Sichtweise]]).

Die Kritische Theorie sah in Poppers (naturwissenschaftlichem) Ansatz letztlich die Annahme des Positivismus versteckt, dass eine objektive Beobachtung möglich wäre. Jegliche Beobachtung würde aber beeinflusst von der „Totalität“ (die unterliegende Struktur) der Gesellschaft, von der jeder Forscher geprägt wäre und in welcher er gefangen wäre und die seine Forschung beeinflusst. Die Totalität besteht dabei aus allen Werten und Strukturen, in welchen ein Mensch durch seine Familie, Bildung etc. verankert ist.
 Ziel der Forschung konnte also nur eine '''ganzheitlichen Analyse''' sein – mit dem Ziel, die Totalität aufzudecken und zu verändern, die die darüberliegenden Probleme erst hervorruft.
Man wollte also Missstände „an der Wurzel packen“ und diese Herangehensweise forderte aus sicht der Anhänger der „kritischen Theorie“ entsprechende sozialwissenschaftliche Methoden, die sich von naturwissenschaftlichen grundlegend unterscheiden. Popper warf man dementsprechend vor, nur oberflächliche Symptome beseitigen zu wollen und den verdorbenen Kern zu vernachlässigen.

Während die Anhänger beider Seiten intensiv über diese Thema stritten, begegneten sich Popper und Habermas als die jeweiligen zentralen Vordenker dieser Positionen bei einem von Anhängern organisierten „Showdown“ durchaus weniger kontrovers - war es doch immer Poppers wichtigste Erkenntnis, dass ein Forscher nicht „objektiv“ sein kann sondern in seinen Ideen immer beeinflusst wäre. Genau aus diesem Grund hatte er den kritischen Rationalismus mit seiner Falsifikationslogik ja begründet.

----
''An einem Beispiel einmal vereinfacht dargestellt: Popper hätte den Mangel an Frauen in Führungspositionen mit einer Frauenquote angegangen und dann überprüft, ob sich so eine ausgeglichenere Verteilung einstellt (u.U. nach einer Zeit, in der es nicht funktioniert, diesen Ansatz als falsifiziert verworfen), während die Frankfurter Schule wohl eher dafür plädiert hätte, die unterliegenden patriarchalischen Strukturen aufzudecken und zu beseitigen.''

Paradigmen & Revolutionen nach Kuhn

2016-10-15T20:19:44Z

Friedrich:

{{Nav|Navigation|Deskriptiv|Wissenschaftstheorie}}

Thomas Kuhn (1922-1996) war ein Wissenschaftstheoretiker, der sich gegen die [[Normativ-Wertfreie Sichtweise|normative Ansicht]] stellte, dass Wissenschaft kumulativ zu immer mehr Erkenntnis führt. Er vertrat stattdessen die [[Deskriptive Sichtweise|deskriptiv]] geprägte Meinung, der Wissenschaftsprozess wäre von '''Paradigmen''' bestimmt, die nach einer Weile der Aufrechterhaltung in einer '''Revolution''' von anderen Paradigmen abgelöst wurden.

Die Paradigmen, die Kuhn beschreibt, sind angelehnt an [[Denkkollektive nach Fleck|Flecks Denkstile]]. Sie verändern die Wahrnehmung ihrer Anhänger - umfassen Weltansichten, als zentral wahrgenommene Probleme und Vorgaben zum korrekten methodischen Vorgehen bei der Erforschung dieser Probleme. Der Austausch zwischen Anhängern verschiedener Paradigmen/Denkstile wird so beinahe unmöglich, sind sie doch untereinander unvergleichbar und verwenden unterschiedliche Sprachen ('''Inkommensurabilität''').
 Aus der Sicht Kuhns beginnt der Wechsel zwischen Paradigmen mit einer Krise: Das Zutagetreten von Unstimmigkeiten innerhalb eines Paradigmas löst laut Kuhn diese Krise aus, die in einen '''irrationalen Wechsel''' zu einem neuen Paradigma mündet. Irrational deshalb, da er nicht zwangsläufig direkt zu einer Verbesserung des aktuellen Wissens führt – im Gegenteil, neue Paradigmen sind per Definition zunächst unzureichend belegt.
 Zwischen den Wechseln existiert eine Phase der „normalen Wissenschaft“, in der im Rahmen des vorherrschenden Paradigmas Hypothesen verfeinert und als wichtig erachtete Fragen beantwortet werden. Diese Phase ist also konservativ geprägt, neue Ansichten von außerhalb des Paradigmas werden vorerst unterdrückt – bis es erneut zu einer Krise und damit zu einem Wechsel des Paradigmas kommt.

[[Datei:Paradigmen-Revolutionen.png|600px|http://www.paehler.org/tim/archiv/physdid/img9.gif]]

Deskriptive Sichtweise

2016-10-15T20:15:50Z

Friedrich:

{{Nav|Navigation|Deskriptiv|Wissenschaftstheorie}}

Deskriptive Ansätze der Wissenschaftstheorie beschreiben den vorherrschenden Zustand möglichst akkurat. Auf die Wissenschaft bezogen bedeutet das, diese als historischen und sozialen Prozess wahrzunehmen.

Die Erkenntnis, dass Wissenschaft von (fehlbaren) Menschen ausgeübt wird, deren Blicke u.a. vom gesellschaftlichen Milieu getrübt werden können, wirkt oftmals desillusionierend. Eine komplett objektive Wissenschaft ist nach dieser Betrachtungsweise nicht möglich.
Hat man dies jedoch akzeptiert, kann der Forschungsprozess effektiv optimiert werden – etwa durch Ersetzen der Objektivität mit "[https://de.wikipedia.org/wiki/Intersubjektivit%C3%A4t Intersubjektivität]" (Konsens über den betrachteten Sachverhalt).
Hier sieht man schon deutliche Parallelen zu der Art, wie Wissenschaft „in Wirklichkeit“ abläuft: Ergebnisse werden ständig durch verschiedenste Akteure bewertet. Nur was ein großes Maß an Intersubjektivität aufweist, wird als geltend hingenommen.

Damit steht die deskriptive Sichtweise klar der [[Normativ-Wertfreie Sichtweise|normativen Sichtweise]] entgegen. Die normativen Wissenschaftstheorien werden nicht komplett verworfen, jedoch sieht man sie als Beschreibung nur eines kleinen Ausschnitts der Wirklichkeit bzw. als anzustrebende Ideale.
Besonders kritisiert wird, dass sich in der nach „objektiver Wahrheit“ strebenden Wissenschaft ein Zirkelschluss ergibt: Man versucht, die Methoden und Fundamente der Forschung durch Forschung zu beweisen. („Wissenschaftliche Methoden funktionieren erwiesenermaßen, wir haben es mit wissenschaftlichen Experimenten getestet!“). Diese Argumentation gleicht dem Zirkelschluss der [[Induktion]] und fällt damit der gleichen Kritik anheim: Kein System kann sich aus sich selbst heraus beweisen (vgl. Walach, 2005).