Diagnostische Urteilsbildung Flashcards
Subjektive (“klinische”) Urteilsbildung: Definition
- Definition: Subjektive (“klinische”) Urteilsbildung:
Auswahl, Gewichtung und Verknüpfung diagnostischer Informationen auf der Basis subjektiver Erfahrungen und impliziten Faktenwissens, ohne feste Vorschriften/Regeln
Subjektive (“klinische”) Urteilsbildung: Gründe dafür
- Einzellfall: Diagnostiker*innen verfügen im Einzelfall über mehr Informationen als über die, die in Gruppenuntersuchungen berücksichtigt werden können
- Durchschnittswerte: Populationsparameter wie Regressionskoeffizienten sind immer Durchschnittswerte, die nicht bild auf den Einzelfall angewandt werden können
- ideografische Integration: jeder Einzelfall verlangt spezifische diagnostische informationen und eine ideogrphische Integration dieser Informationen
Statistische Urteilsbildung: Definition
Auswahl, Gewichtung & Verknüpfung diagnostischer Informationen mittels eines Algoithmus, der aus festen Regeln besteht und genau vorschreibt, wie Informationen zusammenzufassen sind
Statistische Urteilsbildung: Gründe dafür
- begrenzte menschliche Informationsverarbeitungskapazität: kognitive Überforderung, größere Mengen von Informationen angemessen zu integrieren
- unfair: subjektives Urteil kann in Selektionskontexten unfair sein
- begrenzter Erfahrungsschatz: Diagnostiker*innen verfügen über einen begrenzten Erfahrungsschatz, der kleiner ist als die Informationen, die aus Daten von großen Stichproben gewonnen werden können
Metanalysen über die Güte von subejktiver vs. statistischer Urteilsbildung
- Meehl (1954): bei 11 Einzelstudien klinisch ≤ statistisch
- Meehl (1965): bei 51 Einzelstudien klinisch ≤ statistisch
- Grove et al. (2000):
136 Einzelstudien inkl. Genauigkeitsunterschied zwischen beiden Strategien in For von Effektstärken und ob dieser von Aufgabenstellung, Erfahrung der Diagnostiker*innen oder Art der verwendeten Information abhing:
a) Bei 65 Studien: Kein signifikaner Unterschied
b) bei 63 Studien: signifikante: klinisch < statistisch
c) bei 8 Studien: signifikante: klinisch > statistisch - Fazit: Häufig ist statistische Urteilsbildung der klinischen überlegen, selten umgekehrt (unabhängig von der Erfahrung der Diagnostiker*innen)
ABER: statistische Urteilsbildung ist der klinischen nicht immer überlegen, beide können zu ähnlich guten Ergebnissen führen ( –> Unterschiede zeigen sehr kleine Effektstärken)
Regeln der Datenintegration: Definition Datenintegration
Aggregation/ Verdichtung von Informationen aus ver. diagnostischen Verfahren
Regeln der Datenintegration: Wie sollen die Informationen aus ver. Tests miteinander verknüpft werden –> Arten der Verknüpfung
- additiv
- konjunktiv
- disjunktiv
für Beispiel s. F. 25
Regeln der Datenintegration: 1. additive Verknüpfung
- Addieren der ver Kriterien –> erlaubt vollständige wechselseitige Kompensation der einzelnen Variablen
s. F. 20 Beispiel F. 28! gute Übungsaufgabe
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Arten
zwei Varianten:
1. Stark konjuktive Verknüpfung
2. Schwach konjunktive Verknüpfung
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: Arten
- Stark disjunktive Verknüpfung
- Schwach disjunktive Verknüpfung
s. F. 29 gute Übung!
Einstufige Diagnostik: Definition, Vorteile & Nachteile
- Definition: Alle Informationen werden bei allen Personen gleichermaßen erhoben –> Beispiel: Abschlussprüfung, Führerscheinprüfung
- Vorteile: Erhobene Informationen können nach allen Regeln der Datenintegration miteinander verknüpft werden
- Nachteil: Relativ hohe Kosten
Sequenzielle Diagnostik: Definition, Vorteile & Nachteile
- Definition: Einzelne Teilnehmerinformationen werden in einem mehrstufigen Prozess bei nicht allen erhoben –> Beispiel: Personalauswahl, Verleihung von Preisen
- Vorteil: Relativ geringe Kosten
- Nachteil:
a) nur konjuktive Verknüpfung von Informationen möglich
b) Höhere Wahrscheinlichkeit von Fehlentscheidungen
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen
- Die H0 ist richtig und wird beibehalten
- die H0 ist falsch und wird verworfen
= Richtige Entscheidungen - Die H0 ist richtig, wird aber verworfen (Alpha-Fehler)
- Die H0 ist falsch, wird aber beibehalten (Beta-Fehler
= falschen Entscheidungen
–> lässt sich auf alle dagnostischen Anwendungsfälle übertragen (z.B.: klinische, forensisch, pädagogoisch, personaldiagnostisch)
s. F. 33
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Art und Anteil richtiger und falscher Entscheidungen abhängig von:
- Eignungsqote: Bei welchem Ausprägungsgrad erfolgt die Teilung der Population in geeignet und ungeeignet?
- Selektionsquote: Anteil der Personen, die zur Gruppe der geeigneten gerechnet wird
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Arten von Diagnostekoeffizienten
Aus der Selektionsquote, der Eignungsquote und den Anteilen der vier Quadranten (richtig positiv, falsch positiv, richtig negativ, falsch negativ) lassen sich 5 Diagnosekoeffizienten bilden –> reflektieren die Güte der diagnostischen Entscheidung
Koeffizienten:
1. Vorhersagekoeffizient
2. Sensitivität/Trefferquote
3. Spezifität
4. Positiver prädiktiver Wert
5. negativer prädiktiver Wert
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Diagnosekoeffizienten: 1. Vorhersagekoeffizient
- Bedeutung: Welche Anteil der Diagnose war richtig?
–> Anteil richtiger Entscheidungen an allen Entscheidungen
s. F. 35 - Steigerung:
durch Erhöhung der Validität des Eignungstests
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Diagnosekoeffizient: 2. Sensitivität
- Bedeutung: Welcher Anteil der Geeigneten wurde erkannt?
–> Anteil der richtig Positiven an den Geeigneten
s. F. 36 - Steigerung:
durch Erhöhung der Sekeltionsquote (Aber dadurch nimmt Spezifität ab)
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Diagnosekoeffizent: 3. Spezifität: Bedeutung und wie Steigerung?
- Bedeutung: Welcher Anteil an der Ugeeigneten wurder erkannt?
–> Anteil der richtig negativen an den Ungeeigneten
s.F. 38 - Steigung:
durch Senkung der Selektionsquote (aber dadurch nimmt Sensitivität ab)
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Diagnosekoeffizienten: 4. positiver prädiktiver Wert: Definition und Steigerung
- Bedeutung: Welcher Anteil der als geeignet Diagnostizierten ist geeignet?
–> Anteil der richtig positiven an den als geeignet diagnostierten - Steigerung: Durch Erhöhung der Eigungsqoute (aber dadurch nimmt negativer prädiktiver Wert ab!)
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Diagnosekoeffizienten: 5. negativer prädiktiver Wert
- Bedeutung: Welcher Anteil der als ungeeignet diagnostiziert ist ungeeignet?
–> Anteil der richtig negativen an den als ungeeinget diagnostizierten - Steigerung:
durch Senkung der Eignungsqote (aber dadurch nimmt positiver prädiktiver Wert ab!)
Gewichtung diagnostischer Fehler: 1. Richtige und falsche Entscheidungen: Fazit
- die Reduktion des einen diagnostischen Fehlers führt zur Erhöhung der Auftretenswahrscheinlichkeit des anderen
–> Welcher Fehler minimiert werden soll hängt von dem jeweiligen Anwendungfall ab und den damit zusammenhängenden (schweriegenderen/geringeren) Konsequenzen, die aus dem einen oder anderen Fehler resultieren würden
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: stark konjunktive Verknüpfung
Es werden nur Optionen berücksichtigt, die in mehreren Kriterien (“sowohl als auch”) ein Mindestmaß erfüllen (Grenzwerteberschreiten): z.B.: Wohnung muss mind. 70qm UND mind 3 Zimmer haben
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Schwach Konkunjuktive Verknüpfung
1.Prädiktoren können sich kompensieren
- für jedes Kriterium gibt es einen unteren (weniger streng) und einen oberen (streng) Grenzwert
- bei 2 Kriterien gibt es vier Fälle (immer doppelt so viele)
s. F. 30 gute Übung!
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Schwach Konkunjuktive Verknüpfung: Bei mind. einem Kriterium wird der grenzwert unterschritten
= ungeeignet
s. F. 30 gute Übung!
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Schwach Konkunjuktive Verknüpfung: Bei beiden Kriterien wird der obere Grenzwert überschritten
= geeignet
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Schwach Konkunjuktive Verknüpfung: Bei einem Kriterium wird der obere Grenzwert überschritten, beim anderen der untere
= geeignet
Regeln der Datenintegration: 2. Konjunktive Verknüpfung: Schwach Konkunjuktive Verknüpfung: Bei beiden Kriterien wird nur der untere Grenzwert überschritten.
Eignung hängt nun von der Summe beide Kriterien ab, die einen Mindestwert erreichen müssen (=additive Verknüpfung)
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: starke disjunktive Verknüpfung
- Eignung ist gegeben, wenn bei einem der beiden Kriterien der Grenzwert überschritten wird
- Ausprägung des zweiten Kriteriums ist dann unerheblich
- Beispiel: Wohnung ist entweder mind. 70qm groß ODER hat mind. 3 Zimmer
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: schwach disjunktive Verknüpfung
- Prädiktoren können sich kompensieren
- Für jedes Kriterium gibt es einen unteren (weniger Strengen) und einen oderen (strengen) Grenzwert
4 Fälle bei zwei Kriterien
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: schwach disjunktive Verknüpfung: Bei beiden Kriterien wird der untere Grenzwert unterschritten
= ungeeignet
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: schwach disjunktive Verknüpfung: Bei beiden Kriterien wird der obere Grenzwert überschritten
= geeignet
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: schwach disjunktive Verknüpfung: Bei einem Kriterium wird der obere Grenzwert überschritten
= geeignet
Regeln der Datenintegration: 3. Disjunktive Verknüpfung: schwach disjunktive Verknüpfung: Bei beiden Kriterien wird nur der untere Grenzwert überschritten
Eignung hängt nun von der Summe beide Kriterien ab, die einen Mindestwert erreichen muss (=additive Verknüpfung)
