Psychologie als Wissenschaft II Flashcards
Messen Definition
Messen ist das Zuordnen von Zahlen zu den Ausprägungen eines kontinuierlichen Merkmals – und zwar so, dass die Beziehungen zwischen den Zahlen die Beziehungen dieser Ausprägungen wiedergeben.
Oder auch: isomorphe Abbildung des empirischen Relativs in ein numerisches Relativ Messen setzt also eine Standard-Einheit voraus (z. B. den Meter bei der Länge)
Skalenniveaus
Nominal, Ordinal, Intervall, Verhältnis, Absolut
vereinfachte Einteilung: Nominal, Ordinal, Metrisch (manchmal auch kardinal; Intervall-, Verhältnis- und Absolutskala)
Nominalskala (Qualitative Variablen)
Eigenschaft: Aussagen über Gleichheit oder Ungleichheit.
Beispiel: Studiengang.
Besonderheit: Codierung der Zahlen ist beliebig.
Rechenoperationen: Mittelwert, Summe etc. sind nicht sinnvoll.
Qualitative Variablen Skalen
Nominalskala
Ordinalskala
Quantitative Variablen Skalen
Intervall-, Verhältnis- und Absolutskala
Ordinalskala (Qualitative Variablen)
Eigenschaft: Aussagen über Rangfolge (größer/kleiner).
Beispiel: Rankings, Schulnoten.
Besonderheit: Zahlenzuordnung ist beliebig, solange die Rangfolge erhalten bleibt.
Rechenoperationen: Mittelwert, Summe etc. sind nicht sinnvoll.
Intervallskala (Quantitative Variablen)
Eigenschaft: Aussagen über Gleichheit von Differenzen (Äquidistanz).
Beispiel: IQ-Werte.
Besonderheit: Nullpunkt der Skala ist willkürlich.
Rechenoperationen: Mathematische Berechnungen sind sinnvoll.
Verhältnisskala (Quantitative Variablen)
Eigenschaft: Aussagen über Verhältnisse möglich, hat einen natürlichen Nullpunkt.
Beispiel: Einkommen.
Besonderheit: Ermöglicht Aussagen wie “doppelt so viel”.
Rechenoperationen: Geeignet für alle mathematischen Berechnungen.
Absolutskala (Quantitative Variablen)
Eigenschaft: Zählbare Einheiten, natürliche Maßeinheiten.
Beispiel: Anzahl von Fehlern in einem Test.
Besonderheit: Ideal für quantitative Messungen, zählt die tatsächlichen Vorkommen.
Unterschied zwischen Ordinal- und Intervallskala
Ordinalskala: Wird verwendet bei subjektiven Urteilen, z.B. Schulnoten oder Rankings.
Intervallskala: Nutzt metrische Daten, vermeidet Informationsverlust.
Hinweis: Metrische Daten sind vorzuziehen, wenn möglich, um genaue Informationen zu erhalten.
Konstrukte in der Psychologie
Definition: Konstrukte sind latente Variablen, die psychische, soziale oder kulturelle Zustände repräsentieren.
Beispiele: Intelligenz, Aggressivität, Empathie.
Herausforderung: Konstrukte existieren nicht physisch, daher schwierig zu messen; meist nur Ordinaldaten.
Wege zu Metrischen Daten
Möglichkeit 1: Verzicht auf Konstrukte, Nutzung echter Messungen.
Möglichkeit 2: Entwicklung von Fragen, die Intervalldaten produzieren (z.B. Ratingskalen mit Äquidistanz).
Möglichkeit 3: Verwendung mehrerer ordinaler Fragen zur Annäherung an das zugrunde liegende Konstrukt.
Likert-Skala
Ziel: Messung von Einstellungen durch Zustimmung oder Ablehnung von Aussagen.
Struktur: Kombination von Items (mindestens 6-8) ergibt eine intervallskalierte Skala.
Niveau: Einzeln liefern die Items Ordinaldaten, kombiniert als Skala oft intervallskaliert.
Antwortskala vs. Skala
Antwortskala: Bezieht sich auf ein einzelnes Item (z.B. eine Frage).
Skala: Bezieht sich auf ein Messinstrument, das aus mehreren Items besteht.
Wichtigkeit: Ein Messinstrument kann intervallskalierte Daten liefern, auch wenn einzelne Antwortskalen dies nicht tun.
Gütekriterien beim Messen
Objektivität: Unabhängigkeit der Messung von der Person, die sie durchführt.
Reliabilität: Messgenauigkeit – misst, was gemessen werden soll.
Validität: Gültigkeit – misst das, was gemessen werden soll, nicht etwas anderes.
Zusammenfassung - Messungen in der Psychologie
Hypothesen: Vorläufige Antworten auf Forschungsfragen, basierend auf Theorien oder Studien.
Variablen: Merkmale, die veränderbar sind; können manifest oder latent sein.
Messen: Zahlen werden Merkmalsausprägungen zugeordnet, um quantitative Aussagen zu treffen. Ziel der Psychologie ist das Beschreiben, Erklären, Vorhersagen und Verändern von Merkmalsausprägungen
Skalenniveaus: Bestimmen, welche mathematischen Operationen möglich sind (nominal, ordinal, metrisch).
Gütekriterien: Messungen sollten objektiv, reliabel und valide sein.
Nominalskala - Beispiele und Anwendung
Beispiele: Geschlecht, Nationalität, Blutgruppe.
Anwendung: Häufig in der Kategorisierung und Klassifizierung von Daten.
Wichtig: Keine natürliche Reihenfolge zwischen den Kategorien.
Ordinalskala - Beispiele und Anwendung
Beispiele: Militärische Ränge, Zufriedenheitsskala, Schmerzskala.
Anwendung: Nützlich, wenn die relative Stellung wichtig ist, nicht aber der genaue Abstand zwischen den Werten.
Wichtig: Reihenfolge der Werte, aber keine Aussage über die Abstände.
Intervallskala - Beispiele und Anwendung
Beispiele: Temperatur in Celsius, Kalenderjahre.
Anwendung: Einsatz, wenn Differenzen zwischen den Werten von Bedeutung sind.
Wichtig: Nullpunkt ist willkürlich, ermöglicht keine Aussagen über Verhältnisse.
Verhältnisskala - Beispiele und Anwendung
Beispiele: Körpergröße, Gewicht, Einkommen.
Anwendung: Einsatz bei Daten, die natürliche Nullpunkte und sinnvolle Verhältnisse aufweisen.
Wichtig: Ermöglicht umfassende mathematische Operationen, inklusive Multiplikation und Division.
Absolutskala - Beispiele und Anwendung
Beispiele: Anzahl von Kindern in einer Familie, Anzahl der Autos in einem Haushalt.
Anwendung: Ideal für zählbare, diskrete Daten.
Wichtig: Natürliche Einheiten, direkte Zählbarkeit.
Intervall- und Verhältnisskala - Vergleich
Intervallskala: Gleiche Abstände zwischen Werten, aber kein echter Nullpunkt (Beispiel: Temperatur in Celsius).
Verhältnisskala: Echter Nullpunkt, Verhältnisse sind bedeutungsvoll (Beispiel: Gewicht).
Unterschied: Verhältnisskala erlaubt Aussagen wie “doppelt so viel”, Intervallskala nicht.
Likert-Skala - Detaillierte Anwendung
Aufbau: 5- oder 7-stufige Skala von starker Ablehnung bis starker Zustimmung.
Einsatz: Messung von Einstellungen, Meinungen oder Verhaltensintentionen.
Analyse: Items werden summiert oder gemittelt, um eine Gesamtskala zu bilden.
Rating-Skalen - Intervalldaten erzeugen
Aufbau: Kontinuum mit festen Abstufungen, z.B. von 0-10 (min. 11 Abstufungen).
Einsatz: Häufig in Befragungen, um subjektive Einschätzungen zu quantifizieren.
Wichtig: Je mehr Abstufungen, desto höher die Wahrscheinlichkeit, Intervalldaten zu erzeugen.
Messinstrumente in der Psychologie
Definition: Ein Set von Items, das entwickelt wurde, um ein bestimmtes Konstrukt zu messen.
Beispiele: Intelligenztests, Persönlichkeitstests.
Wichtig: Müssen die Gütekriterien Objektivität, Reliabilität und Validität erfüllen.
Gütekriterien - Objektivität
Bedeutung: Messung sollte unabhängig von der Person sein, die sie durchführt.
Aspekte: Durchführungsobjektivität, Auswertungsobjektivität, Interpretationsobjektivität.
Wichtig: Hohe Objektivität verhindert Verzerrungen durch den Untersucher.
Gütekriterien - Reliabilität
Bedeutung: Messung ist zuverlässig und liefert bei Wiederholung unter gleichen Bedingungen ähnliche Ergebnisse.
Arten: Test-Retest-Reliabilität, Interne Konsistenz, Paralleltest-Reliabilität.
Wichtig: Hohe Reliabilität ist notwendig für die Glaubwürdigkeit der Messungen.
Gütekriterien - Validität
Bedeutung: Messung erfasst tatsächlich das, was sie zu messen vorgibt.
Arten: Inhaltsvalidität, Kriteriumsvalidität, Konstruktvalidität.
Wichtig: Eine valide Messung ist entscheidend, um gültige Schlussfolgerungen ziehen zu können.
Hypothesen in der Psychologie
Definition: Vorläufige Annahmen, die durch Forschung überprüft werden sollen.
Einsatz: Leiten die Forschung und geben klare Vorhersagen.
Wichtig: Müssen überprüfbar und widerlegbar sein.
Latente vs. Manifeste Variablen
Latente Variablen: Nicht direkt messbar, repräsentieren theoretische Konstrukte (z.B. Intelligenz).
Manifeste Variablen: Direkt messbar, stehen oft für latente Konstrukte (z.B. Testergebnisse).
Wichtig: Latente Variablen erfordern spezielle Messinstrumente zur Erfassung.
Messungen in der Psychologie
Definition: Zuordnung von Zahlen zu Merkmalsausprägungen, um quantitative Aussagen zu ermöglichen.
Ziel: Beziehungen zwischen Merkmalsausprägungen abbilden.
Wichtig: Wahl des richtigen Skalenniveaus ist entscheidend für die Interpretation der Daten.
Skalenniveaus und Rechenoperationen
Nominalskala: Keine Rechenoperationen sinnvoll.
Ordinalskala: Rangordnung möglich, aber keine Mittelwerte sinnvoll.
Intervallskala: Addition und Subtraktion möglich.
Verhältnisskala: Alle mathematischen Operationen möglich, inklusive Multiplikation und Division.
Informationsverlust bei Skalentransformation
Beispiel 1: Zeit in Rang (ordinal) umgewandelt → Verlust der genauen Zeitinformation.
Beispiel 2: Punkte in Note (ordinal) umgewandelt → Verlust der genauen Leistungsinformation.
Wichtig: Wann immer möglich, sollten die ursprünglichen metrischen Daten genutzt werden, um Informationsverlust zu vermeiden.
