Aggregation
Aggregation oder Aggregierung bezeichnet die Zusammenfassung mehrerer Einzelwerte einer Messung zu einem gemeinsamen Wert wie z.B. dem Mittelwert/arithmetischen Mittel.
Dieses Vorgehen wird in der Auswertung experimenteller Daten (z.B. von Tasks) genutzt, um die Fehlervarianz, die durch Abweichungen bei den einzelnen Durchgängen oder durch die einzelnen Probanden entsteht, herauszurechnen (siehe auch: Max-Kon-Min-Prinzip). Dabei wird davon ausgegangen, dass diese Abweichungen jeder einzelnen Teilmessung einer Normalverteilung folgen und sich deshalb bei einer Mittelung gegenseitig aufheben, sofern ausreichend viele Einzelwerte vorliegen. (siehe: klassische Testtheorie).
Bei der Berechnung des arithmetischen Mittels stellen allerdings Ausreißer (im Sinne von vereinzelt extrem abweichenden Werten, also z.B. extrem langsame Reaktionszeiten) ein Problem dar, da sie den Mittelwert übermäßig stark beeinflussen. Ausreißer können durch bewusste Untersuchungsmanipulation einer Versuchperson, durch einen Zwischenfall während der Datenerhebung oder durch völlig unerwartete, seltene Einflüsse auf den Untersuchungsgegenstand kommen (z.B. eine noch nicht diagnostizierte Erkrankung eines Probanden, o.ä.). Aus diesem Grund sollten Ausreißerwerte gesondert behandelt werden. Im Rahmen der Aggregation können sie mittels einer Outlier Correction gefunden und korrigiert werden: man legt ein Kriterium fest (z.B. eine Reaktionszeit) außerhalb derer ein Messwert als Outlier und damit ungültig klassifiziert wird. Problematisch daran ist, dass das Kriterium festgelegt werden muss und damit eine Entscheidung des Forschers darstellt, welche u.U. die Auswertungsobjektivität in Frage stellen kann. Anstelle des arithmetischen Mittels in Kombination mit einer Outlier-Correction kann auch dier Berechnung des Medians dieses Problem lösen. Nichtsdestotrotz sollte in der Interpretation der Ergebnisse auf Ausreißerwerte explizit eingegangen werden.
Beispiel
Beim Simon Task werden Versuchspersonen Reize dargeboten, die anzeigen, ob eine linke oder rechte Taste gedrückt werden soll (z.B. als Pfeil, der entweder nach links oder rechts zeigt). Nun wird untersucht, ob es einen Unterschied in den Reaktionszeiten gibt, wenn ein Reiz nicht nur den Druck der linken oder rechten Taste erfordert, sondern auch auf der passenden Hälfte (links/rechts) des Bildschirm erscheint (kongruent, z.B. Pfeil nach rechts auf dem Bildschirm rechts) und auf der unpassenden Hälfte des Bildschirms (inkongruent, z.B. Pfeil nach rechts auf der linken Bildschirmhälfte).
Da bei einem einzelnen Durchgang viele Störfaktoren einen Einfluss auf die Reaktionszeit beim Tastendruck haben können (z.B. ablenkende Gedanken o.ä.), wurden je Versuchsperson 150 kongruente Stimuli und 150 inkongruente Stimuli in zufälliger Reihenfolge präsentiert und jeweils die Reaktionszeit (RT) gemessen. Es entsteht eine Datentabelle für jede einzelne Versuchperson:
| Durch- gang |
RT | Kongru- ent |
|---|---|---|
| 1 | 544 | 1 |
| 2 | 556 | 0 |
| 3 | 471 | 1 |
| 4 | 522 | 1 |
| 5 | 610 | 0 |
| 6 | 598 | 0 |
| … | … | … |
Um die Störeinflüsse herauszurechnen werden nun alle Werte der kongruenten und der inkongruenten Durchgänge einer Versuchsperson gemittelt (=aggregiert). Danach liegt für jeden Probanden eine mittlere Reaktionszeit pro Bedingung vor:
| VP | RTkong | RTinkong | … |
|---|---|---|---|
| 1 | 511 | 595 | … |
| 2 | 470 | 523 | … |
| 3 | 499 | 511 | … |
| … | … | … |
Diese aggregierten Werte (bzw. Unterschiede zwischen ihnen) werden anschließend in der Regel statistisch getestet. In diesem Fall würde ein statistischer Vergleich z.B. mittels eines t-Tests über alle Versuchspersonen folgen, um den Simon-Effekt zu finden.