4: Quantitative Datenerhebung

Question 1

Das Experiment: X -> Y

Answer 1

Question 2

Kernelemente eine Experiments

Answer 2

Question 3

Beziehung von zusammenhängenden X & Y

Answer 3

Question 4

Korrelation ist NICHT gleich Kausalität

Answer 4

Question 5

Zuordnung Teilnehmende zu unterschiedlichen Bedingungen

Answer 5

Question 6

2 experimentelle Designs

Answer 6

Bei within: Gleiche personen: Alle Teilnehmende werden beiden Konditionen zugeordnet -> zeitliche Abfolge (erst einmal was zeigen, Meinung abfragen, dann was anderes)
Bei between: verschiedene Gruppen werden miteinander verglichen

Question 7

Vor - und Nachteile Laborexperiment

Answer 7

Kontrolle: Bedingungen festlegen (bspw ohne Handy Nutzung)
-> künstliche Umgebung ist Vor- und Nachteil (weil ist nicht Alltagssituation in der man eigentlich wäre)

Question 8

Vor- und Nachteile Feldexperimente

Answer 8

A/B Tests sind hier oft dabei
Weitere Schwäche: Wettbewerber können von Experiment Wind bekommen & abschauen ( + Laborexperiment)

Question 9

Vor- und Nachteile Online-Experimente

Answer 9

Question 10

Weitere quantitative Studiendesings

Answer 10

Question 11

Quasi - Experiment

Answer 11

Question 12

Umfrage

Answer 12

Unterschied Experiment - Umfrage:
• Manipulation: systematisches Aussetzen der Teilnehmer bei Experiment

Question 13

Metaanalysen

Answer 13

Unterschied: Ziel ist bei beiden ist die Zusammenfassung der Literatur -> Metaanalyse fasst Ergebnisse nicht nur in Worten (wie beim systematischen Review) sondern auch numerisch zusammen

Question 14

Bsp Quasi - Experiment

Answer 14

Question 15

Bsp Benutzerumfrage

Answer 15

Question 16

Bsp Metaanalyse

Answer 16

Question 17

Pretests

Answer 17

Hinweis: wenn mögliche Literatur Skalen verwenden

Question 18

Fragentyp - geschlossene Fragen

Answer 18

Question 19

Arten von geschlossenen Fragen

Answer 19

Question 20

Fragentyp - offene Fragen

Answer 20

Question 21

Arten von offenen Fragen

Answer 21

Question 22

Wie messe ich ein Konstrukt?

Answer 22

Question 23

Typische Marketing-Skalen

Answer 23

Question 24

Skalenentwicklung

Answer 24

Question 25

Insight-File: Manipulation der UV im Meaning-Paper

Answer 25

Question 26

Insight-File: Messung der AV im Meaning-Paper

Answer 26

Question 27

Datenanalyse: verschiedene Analysemethoden

Answer 27

Question 28

Übersicht: Art der Analyse

Answer 28

Ziel: man muss wissen, wann man welchen Test durchführen muss, nicht wie die genau funktionieren

Question 29

Ursprung & Eigenschaften von quantitativen Daten

Answer 29

Question 30

Verschiedene Variablen

Answer 30

Question 31

Lageparameter

Answer 31

Question 32

Univariate Datenanalyse

Answer 32

Question 33

Bivariate Datenanalyse

Answer 33

Question 34

Multivariate Datenanalyse

Answer 34

Question 35

Insight-File: Datenanalyse im Meaning-Paper

Answer 35

Question 36

Exkurs: EFS Survey: Evaluierung aktueller Online-Umfragen Software

Answer 36

Question 37

Vorteile von Unipark

Answer 37

Question 38

Schritte zum Erstellen einer Umfrage auf Unipark

Answer 38

Question 39

Schritt 1: Wie man ein Projekt erstellt

Answer 39

Question 40

Schritt 2: Wie man Fragen stellt

Answer 40

Question 41

Schritt 3 & 4: Wie man Projekt & Testprojekt aktiviert

Answer 41

Question 42

Schritte 5 & 6: Wie man Teilnehmende einlädt & Prozessüberwachung

Answer 42

Question 43

Schritte 7 & 8: Wie man Prozess- und Exportdaten steuert

Answer 43

Question 44

Insight File

Answer 44

Der Artikel “Meaning of Manual Labor Impedes Consumer Adoption of Autonomous Products” untersucht, wie die Bedeutung, die einige Verbraucher der manuellen Arbeit beimessen, die Annahme von autonomen Produkten beeinflusst. Die Studie stellt die Hypothese auf, dass Verbraucher, die manueller Arbeit einen hohen Stellenwert beimessen (MML - Meaning of Manual Labor), dazu neigen, autonome Produkte weniger positiv zu bewerten und seltener zu adoptieren. Die Forschung umfasst eine Reihe von Feld- und experimentellen Studien, um diese Hypothese zu testen.

Methoden:
- Die Studie nutzte qualitative Methoden, einschließlich semi-strukturierter Interviews mit Teilnehmern in Asien, Europa und Nordamerika.
- Die Forscher führten 30 zweistündige Interviews durch, um zu erkunden, wie alltägliche manuelle Aufgaben wie Kochen oder Putzen für einige Verbraucher Bedeutung haben.
- Die Studie maß und manipulierte das Konstrukt “Meaning of Manual Labor” (MML) und testete es in verschiedenen Bereichen autonomer Produkte.

Ergebnisse:
1. Bedeutung manueller Arbeit (MML): Die Ergebnisse zeigen, dass Verbraucher, die manueller Arbeit einen hohen Stellenwert beimessen, dazu neigen, autonome Produkte weniger positiv zu bewerten und seltener zu adoptieren.

2. Einfluss auf die Produktbewertung und -annahme: Die Studie stellt fest, dass das Bewusstsein und die Wertschätzung für die Bedeutung manueller Arbeit signifikant die Bewertung und Annahme autonomer Produkte beeinflussen.
3. Alternative Quellen von Bedeutung: Ein wichtiger Befund ist, dass das Hervorheben alternativer Quellen von Bedeutung im Leben (z.B. Zeit mit Familie oder Freunden verbringen, Karriere vorantreiben) die negativen Effekte von MML auf die Annahme autonomer Produkte ausgleichen kann. Dies legt nahe, dass die Betonung des durch den Einsatz autonomer Produkte gewonnenen Zeitgewinns für sinnvolle Aktivitäten ein wirksamer Ansatz sein könnte, um die Annahme zu fördern.

Zusammenfassend zeigt die Studie, dass das Verständnis und die Berücksichtigung der Bedeutung manueller Arbeit für Verbraucher entscheidend sind, um die Annahme und Integration autonomer Technologien in das tägliche Leben zu fördern. Sie betont die Notwendigkeit für Unternehmen, die autonome Produkte anbieten, nicht nur die funktionalen Vorteile zu kommunizieren, sondern auch bedeutungsvolle Erfahrungen zu schaffen und zu betonen, die durch die Verwendung dieser Produkte ermöglicht werden.