Sitzung 2: A. Methoden der Differentiellen Psychologie Flashcards

1
Q

Klassifikation /Typisierung von Personen: Skalennievau und wichtiges Gütekrierium

A
  1. Nominalskalenniveau: Einteilung auf Nominalskalenniveau (Kategorien) –> z.B.: Vorliegen einer bestimmten Diagnose oder nicht?
  2. Intersubjektive Objektivität: Klassifikationen sind objektiv, wenn unterschiedliche Beurteiler unabhängig voneinander die Klassifikationsregeln gleich anwenden = Übereinstimmung der Beurteiler in ihrem Urteil
  3. Prüfung der inersubjektiven Objektivität: erfolgt mit bestimmten statischen kennwerten, die um die zufällige Übereinstimmung korrigieren (z.B.: cohens K)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen: Ziel und Vorgehen

A
  1. Ziel: Bestimmung der Unterschiedlichkeit zwischen Individuen
  2. Vorgehen:
    a) das Merkmal wird in eine Variable überführt
    b) Für diese Variable gibt es ein nempirisches Relativ auf dem das Merkmal eingeteilt wird
    c) diese empirische Relativ wird nur in ein numerische Relativ überführt, d.h. in Zahlen ausgedrückt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen: Skalennievaus

A
  1. Einteilung auf (zumeist angenommenen) Intervallskalenniveau, z.B.:
    Zustimmung –> wie gerne
    subjektive Häufigkeit –> wie häufig
  2. Einteiluung auf Verhältnis- bzw. Ablolutskalenniveau:
    a) zeitbezogene Häufigkeit: wie oft in h/Woche?
    b) Body-Mass-Index: Gewicht in kg/ (Größe in m)2
    c) Erfahrung seltender Ereignisse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen: Errechenbare Messwerte

A

–> ab Intervallskalennieveau:
1. Varianz: Summe der quadrierten Abweichnungen der Messwerte von ihrem Mittelwert, geteilt durch die Anzahl der Messungen munis 1

  1. Stadardabweichung (SD): Wurzel aus der Varianz
    –> Beispiel: Konsequenzen von Ausreizer s. F. 13
  2. z-Werte: Intervallskalierte Messwerte x lassen sich immer als z-Werte ausdrücken (z-Transformation) –> Dadruch lassen sie sich in einer einheitlichen Sprache (Normwerte) beschreiben und zwischen ver. Messverhfarehn dirket vergleich
    s. F. 15/ 17/18
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Bestimmung von Zusammenhänge zwischen Merkmalen: Cattells Datenwürfel- was ist das?

A

Ein Forschungsschema, das Personen Merkmale und Messzeitpunkt miteinander kreuzt und sechs Möglichkeiten bivariater Zusammenhänge veranschaulicht

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Bestimmung von Zusammenhängen zwischen Merkmalen: Cattells Datenwürfel - Korrelationstechniken P und R

A
  1. Korrelationstechnik P:
    2 Merkmale über alle Messzeitpunkte für eine Person werden korreliert
    z.B.: In vielen Messungen zeigt sich für Sandra, dass ihre Geselligkeit und Aktivität miteinander korrelieren
  2. Korrelationstechnik R.
    2 Merkmale über alle Personen an einem Messzeitpunkt
    z.B.: in einer Stichprobe korrelieren Geselligkeit und Aktivität miteinander
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Bestimmung von Zusammenhängen zwischen Merkmalen: Korrelation zwischen zwei Variablen X und Y

A
  1. Definition: Die lineare Zusammenhang zwischen zwei intervall- oder rationalskalierten Variablen X,Y wird durch ihre Korrelation r beschrieben, die zwischen -1 und 1 variieren kann, r ist umso positiver, je enger der lineare Zusammenhang ist
  2. Interpretation:
    r =1 genau dann, wenn die z-Werte aller Personen identisch sind
    r = 0 wenn kein linearer Zusammenhang zwischen X und Y besteht
    r = -1, wenn die beiden z- Werte sich nur im Vorzeichen unterscheiden
  3. Berechnung:
    Indem für jede Person der z-Wert in X mit dem in Y multipliziert wrid, der Mittelwert dieser z-Wert-Produkte über alle Personen ist die Korrelation r.
  4. ordinalskalierte Variablen: den Zusammenhang von zwei ordinalskalierten Variablen kann man messen, indem man die Rangplätze korreliert (Spearman-Korrelation)

s. F. 22

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Bestimmung von Ähnlichkeit zwischen Personen: Cattwells Datenwürfel- Korrelationstechnik Q und S

A
  1. Korrelationstechnik Q:
    2 Personen über alle Merkmale an einem Messzeitpunkt
    z.B.: Die Merkmalsprofile von Sandra und Susanne korrelieren miteinander
  2. Korrelationstechnik S:
    2 Personen über alle Messzeitpunkte für ein Merkmal
    z.B.: Über viele Messungen hinweg korrelieren die Geselligkeitswerte von Sandra und Susanne miteinander
    s. F. 25
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Bestimmung von Profilkorrelationen - Methode und Arten

A
  1. Methode: Profile meist auf bipolarer Adjektivzuschreibungsskala erfasst (i.d.R. 7-Punkte-Skala)
  2. Arten:
    a) Bestimmung der Profilkorrelation zwischen ver. Personen:
    z.B.: Einschätzung von Begriffen (“Selbst”) s. F. 26
    b) Bestimmung der Selbst(in)kungruenz über die Profilkorrelation
    z.B.: Einschätzung von Begriffen (“Realselbst” und “Idealselbst”) –> Möglichkeiten der Erfassung: Profil Realselbst, Profil Idealselbst & Durchschnittliches (Normatives) Profil s. F. 27 –> Zwischen welchen Profilen ist die Korrelation am größsten?
    c) Bestimmung von dynamischen Transaktionen zwischen Personen in einem Merkmal über die Zeit: z.B.: Bestimmung der Korrelation zwischen Personen in ihren Stimmungen über die Zeit (s) –> zwischen welchen Personen ist die Korrelation am großten?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Bestimmung der Stabilität von Merkmalsunterschieden und Profilen - Cattwalls Datenwürfel - Korrelationstechnik O und T

A
  1. Korrelationstechnik O: 2 Messzeitpunkte aller Merkmale für eine Person
    –> z.B.: Das Merkmalsprofil von Sandra zu Zeitpunkt 1 korreliert mit ihrem Merkmalsprofil zum Zeitpunkt 2
  2. Korrelationstechnik T: 2 Messzeitpunkte aller Personen für ein Merkmal
    –> z.B.: Die Zeitpunkte 1 und 2 korrelieren hinsichtlich der Geselligkeitswerte der Personen
    s.F. 30
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Bestimmung der Stabilität von Merkmalsunterschieden: Rangreihenstabilität

A
  1. Absolute Rangreihenstabilität: das Merkmal bleibt bei allen Personen über die Messzeitpunkte stabil (z.B.: Person 1 ist immer ängstlicher als Person 2) r = 1
  2. relative Rangreihenstabilität: das Merkmal verändert sich über die Messzeitpunkte bei den Personen, aber der Unterschied zwischen den Personen bleibt gleich (Person 1 ist zum Zeitpunkt 1 ängstlicher als zum Zeitpunkt 2, das gleich ist bei Person 2 zu beobachten, trotzdem ist die Person 2 immer weniger ängstlich als Person 1) r = 1
  3. Keine Rangreihenstabilität: wäre r = -1, dann würde sich das Verhältnis komplett zudrehen, wäre r irgendwo zwischen 0 und 1, dann wäre die Rahreihenstabilität auch nicht gegeben

s. F. 31

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Bestimmung der Stabilität von Profilen

A

über ver. Zeitpunkte hinweg lässt sich die Profilstabilität einer Person bestimmen
s. F. 33

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Bestimmung der Transsituativen Konsistenz von Merkmalsunterschieden

A
  1. Definition: Transsituative Konsistenz bedeutet, dass einzelne oder aggregierte Verhaltensweisen über ver. Situationsklassen konsistent sind (innerhalb oder zwischen Personen)
  2. Absolute transsituative Konsistenz:
    Die einzelne oder aggregierte Verhaltensweisen jeder Person haben über alle Situationen hinweg immer den gleichen Wert
  3. Relative transsituative Konsistenz:
    Die einzelnen oder aggreierten Verhaltensweisen jeder Person haben unterschiedliche Werte, die Reihenfolge zwischen den Personen ändert sich jedoch nicht

s. F. 35

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie -Definition und Strategien

A
  1. Definition: Um die Persönlichkeit eines Menschen möglichst breit, aber auch sparsam abzubilden, wird ein Set aus möglichst wenigen latenten Variablen zur Abbildung komplexer Merkmalsunterschiede benötigt
  2. Strategien:
    a) Rationale Variablenreduktion
    b) Act-Frequency-Approach (Prototypenansatz)
    c) Analytische/Statistische Variablenreduktion (Faktorenanalyse)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 1. Rationale Variablenreduktion

A

Zuordnung oder Zusammenfassung ver. Eigenschaftswörter (Adjektive) oder Verhaltensweisen nach bestimmten Regeln konzeptueller Ähnlichkeit:

  1. inhaltliche Ähnlichkeit: Verhaltensweisen/Eigenschaftszuschreibungen beistzen inhaltiche Ähnlichkeit –> z.B.: Intelligenz: clever, schlau, klug, intelligent
    weitere Beispiele s. F. 40
  2. dieselben Konsequenzen: Verhaltensweisen haben die selben Konsequenzen –> z.B.: Aggressivität: körperliche & verbale führen beide zu Schmerzen s. F: 41
  3. Gemeinsame Prozesse: sind an ver. Verhaltensweisen beteiligt –> z.B.: Kreativität = Ideen in Produkte umwandeln, schöpferisch tätig sein –> Musik, Gedicht, Programm, Kunstwerke, … der Prozess ist immer der gleiche s. F: 42
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 1. Rationale Variablenreduktion - Kritik/ Probleme

A
  1. Abhängigkeit von Sprachverständnis: resultierende Konstrukte hängen stark vom Sprachverständnis und den Konstrukten des Konstrukteurs ab
  2. subjektiv: Aggregation von Verhaltensweisen zu Eigenschaftskonstrukten ist sehr subjektiv und schwer zu objektivieren
  3. Mehrdeutigkeit: eine Verhaltensweise kann indikativ/ kennzeichnend für ver. Konstrukte sein (beispiel.: schlafstörungen –> können kennzeichnend für ver. psychsiche Störungen sein: Depression, PTBS,… )
17
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 2. Der Act-Requency-Approach (Prototypenansatz)

A

Zuordnung und Zusammenfassung ver. Verhaltensweisen auf der Basis der Analyse von Handlungshäufigkieten in fogenden Schritten:

  1. Bekannte: zunächst werden VP gebeten, sich drei Personen aus ihrem Bekanntenkreis vorzustellen, bei denen bestimmte Eigenscaften (z.B.: Geselligkeit /Dominanz) besonders ausgeprägt sind
  2. Verhaltensweisen: Dann sollen die Vp solche Verhaltensweisen aufschreiben, die von ihren Bekannten schon einmal geziegt worden sind und die jeweilige Eigenschaft besonders gut charakterisieren
  3. Liste: die Liste der so gesammelten Verhaltensweisen wird schließlich einer anderen Stichprobe von Personen zu Beurteilung dannach vorgelgt, wie prototypisch jede genannte Verhaltensweise für eine Eigenschaft ist
    –> Beispiel s. F. 45
18
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 2. Der Act-Frequency-Approach (Prototypenansatz) - Probleme/ Kritik

A
  1. Erinnerungsverzerrung: Abhängigkeit: von der Akkuratheit der retrospektiven Einschätzung der Person
  2. Keine Prozessperspektive: Häufigkeiten von Verhaltensweisen verraten nichts über gemeinsame Prozesse und Konsequenzen des Verhaltens
  3. Abhängigkeit von der Konstruktionsstichprobe: Aussagekraft der Eregebnisse hängt von der Prepräsentativität der Konstruktionsstichprobe ab
19
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 3. Analytische/ Statistische Variablenreduktion

A
  1. Zuordnung oder Zusammenfassung ver. Eigenschaften oder Verhaltensweisen auf der Basis statistischer Ähnlichekiten (Variablen-Interkorrelationen)
  2. Hauptkomponentenanalyse/ Faktorenanalyse: durch Clusteranalysen oder Multidimensionale Skalierung lassen sich unterschiedliche interkorreliernde Variablen auf wenige Cluster, Faktoren oder latente Variablen reduzieren

–> diese lassen sich als zusammenfassende, übergeordente Kategorien oder Dimensionen verstehen, die begrifflich zu interpretieren sind s. F. 48

20
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 3. Analytische/ Statistische Variablenreduktion - Variablen darstellen

A

jede Variable (Xi) lässt sich darstellen als:
Xi = b1 x Fy + b2 x F2 + … + bn x Fn + Residuum
wobei b die Faktorladung (vgl. Regressionsgewichte) einer Variable auf den Faktoren darstellt
s. F. 50/51
beispeiL Hierarisches Modell von Extraversion nach Eysenck (1967) s. F. 52

21
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 3. Analytische/ Statsitische Varibalenreduktion: Nutzen

A
  1. Nutzen:
    a) Untergliederung/Ausdifferenzierung eines komplexen Merkmalsbereichs in homogene Teilbereiche
    b) Hypothesengenerierung: man kennt die Faktorielle Struktur noch nicht und muss erst eine finden –> expolrative Faktorenanalsyse (EFA)
    c) Hypothesenüberprüfung: man kennt die faktorielle Struktur bereits und muss überprüfen, ob man sie auch in den Daten so vorfindet –> konfirmatoprische Faktorenanalyse (CFA)
    d) Erstellung von hierarischen Taxonomien
22
Q

Variablenreduktion zum Zwecke der Beschreibungsökonomie: 3. Analytische/ Statsitische Varibalenreduktion: Kritik

A
  1. Anname der (Un-)Abhängigkeit der Variablenklassen bzw. Variablendimensionen beeinflusst die Konstruktbildung
  2. Bedeutung einer Klasse/Dimension muss aus den Variablen geschlossen werden, welche die Klassen/Dimensionen definieren –> Repräsentativität der Indikatoren
  3. Aussagekraft faktorenanalytischer Eregbnisse hängt von der Repräsentativität der untersuchten Stichprobe ab
23
Q

Psychometrie: Definition

A

Operationalisierung latenter Variablen zur Abbildung komplexer Persönlichkeitsmerkmale (Konstrukte) mit dem Ziel psychologisch bedeutsames Verhalten und Erleben zu quantifizieren

24
Q

Psychometrie: Arten von Messmodellen

A
  1. reflektives Messmodell: man geht davon aus, dass das zu messende Konstrukt die Ursache für eine Merkmalsausprägung auf den gewählten Indikatoren ist
    z.B.: jemand spricht gerne mit Menschen (Indikator 1) und ist viel auf Partys (Indikator 2) weil er Extrovertiert ist (Konstrukt)
  2. Formatives Messmodell: man geht davon aus, dass die Ausprägung des Konstruktes kausal von den manifesten Einzelindikatoren determiniert wird
    z.B.: jemand wird als Attraktiv (Konstrukt) eingeschätzt, weil er/sie ein symmetrisches Gesicht hat (Indikator 1) und Schlank ist (Indikator 2)
    s. F: 56
25
Q

Psychometrie: 8 Datenquellen der Persönlichkeit

A

Persönlichkeit lässt sich durch 8 ver. Datenquellen anzapfen: Abkürzung BIOPSIES

  1. Behavior: tatächliches Verhalten
  2. Indirect measures: “verdeckte” Messung kaum zu verzerrender Erlebens- und Verhaltensweisen
  3. Observation: beobachtetes Verhalten
  4. Physiological measures: biophsiologische Variablen
  5. Strangers´impressions: Einschätzung durch Fremde
  6. Informants´knowledge: Einschätzungen durch Nahestehende
  7. Experience sampling: Einblicke in tattägliches Leben
  8. self-reports: Selbstbeschreibungen
26
Q

ABCD der Persönlichkeit

A

A: Affect
B: Bahvior
C: Cognition
D: Desire