Validierung des Desired Level of Confidence

Abstract

In der vorliegenden Arbeit wird in acht Studien das Desired Level of Confidence (DLC) von Hausmann und Läge (2008) validiert. Das DLC ist ein individuelles Maß des Abbruchs der Informationssuche im Entscheidungsprozess: Erst wenn die Validität einer Information über dem individuellen Anspruchsniveau an gewünschter Urteilssicherheit (Hausmann- Thürig, 2004) liegt, wird die Suche nach weiteren Informationen abgebrochen und eine Entscheidung getroffen. Das DLC kann in einer Entscheidungsaufgabe—der Pferdewette—gemessen werden. In Studie 1 wurde untersucht, ob das DLC in der Messaufgabe reliabel erfasst werden kann. Dazu wurde die Vorhersagekraft des DLC für das Entscheidungsverhalten in einem unabhängingen Set von Aufgaben bestimmt. Weiterhin wurde untersucht, inwieweit das DLC von irrelevanten Merkmalen der Messaufgabe abhängig ist. Es zeigt sich, dass das DLC Modell Entscheidungsverhalten gut vorhersagen kann und dass eine Veränderung der Merkmale der Messaufgabe keinen Einfluss auf die interindividuellen Unterschiede im DLC hat; die Korrelation zwischen dem DLC der Pferdewette und dem DLC der für die Studie entwickelten Messaufgabe—dem Kriminalfall—liegt bei einem Pearson’s r = .79. In Studie 2 wurde untersucht, wie zeitlich stabil das DLC ist und inwieweit es sich damit beim DLC um ein Persönlichkeitsmerkmal handelt. Weiterhin wurde getestet, wie das DLC mit Prozessmaßen einer Entscheidung und mit der Art der Integration von Informationen zusammenhängt. Es zeigt sich, dass die Messungen des DLC über einen Zeitraum von einer Woche mit einem Pearson’s r = .61 zeitlich stabil ist, dass Probanden mit einem höheren DLC tendenziell mehr Information in einer Entscheidungsaufgabe—dem Börsenspiel—aufdecken (Pearson’s r = .42) und dass das DLC nicht mit der Art der Integration der Informationen zusammenhängt. In den folgenden vier Studien wurde untersucht, ob das DLC mit situationalen Bedingungen interagiert. In Studie 3 und 4 wurde untersucht, ob ein Priming eines One-Reason Entscheidungsverhaltens (ORDM)—das ist ein Entscheidungsverhalten, in dem wenige Informationen berücksichtigt werden—vs. More-Reason Entscheidungsverhalten (MRDM)—das ist ein Entscheidungsverhalten, in dem viele Informationen berücksichtigt werden—zu einem niedrigen vs. hohen DLC führt. Es zeigt sich, dass weder ein konzeptuelles Priming noch ein Mindset Priming einen Einfluss auf die Höhe des DLC hat. In Studie 5 und 6 wurde untersucht, ob Probanden, die ein hohes vs. niedriges situationales Need for Cognitive Closure (Kruglanski & Webster, 1996) induziert bekommen, ein geringes vs. hohes DLC haben. Es zeigt sich, dass weder die Attraktivität der Folgeaufgabe noch ein aversiver Ton in der Erhebungssituation auf die Höhe des DLC wirken. In den abschließenden Studien wurde untersucht, ob das DLC mit Persönlichkeitsvariablen zusammenhängt. In Studie 7 und 8 wurde untersucht, ob das DLC mit Antworttendenzen in einer Signalentdeckungsaufgabe zusammenhängt. Es zeigt sich, dass Probanden mit einem hohen DLC weder in einer Kategorisierungsaufgabe noch in einer Rekognitionsaufgabe ein signifikant konservativeres Entscheidungskriterium wählen. Es zeigt sich über die Studien hinweg kein stabiler signifikanter Zusammenhang zwischen dem DLC und dem Bedürfnis nach kognitiver Geschlossenheit (16-NCCS) (Schlink &Walther, 2007), dem regulatorischen Fokus (Werth & Förster, 2007), der Achievement Motives Scale (AMS-R) (Lang & Fries, 2006) und—bis auf einen signifikant positiven Zusammenhang mit der Offenheit für Erfahrung (Pearson’s r = .27)—mit den Big Five der Persönlichkeit (Borkenau & Ostendorf, 1993). Statistische Probleme, wie die geringe Teststärke in den Studien, konzeptuelle Probleme und methodische Probleme, wie die verwendete Messmethode zur Bestimmung des DLC, werden abschließend diskutiert.

Type
Publication
Bonn, NRW: Universitäts- und Landesbibliothek Bonn
Marc Jekel
Marc Jekel
Post-Doctoral Researcher (Akademischer Rat)

My research interests include coherence-based reasoning, artificial neural networks, information distortion, and methods.