Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Urteilsheuristiken Tversky und Kahneman Dozent: Dr.Rainer Roth Referentinnen: Olga Brügmann, Mareike Schmitt SS 2006.

Ähnliche Präsentationen


Präsentation zum Thema: "Urteilsheuristiken Tversky und Kahneman Dozent: Dr.Rainer Roth Referentinnen: Olga Brügmann, Mareike Schmitt SS 2006."—  Präsentation transkript:

1 Urteilsheuristiken Tversky und Kahneman Dozent: Dr.Rainer Roth Referentinnen: Olga Brügmann, Mareike Schmitt SS 2006

2 Überblick Einführung Verfügbarkeitsheuristik Biases Representativitätsheuristik Basisrate Auswertung der Demonstration Anker- und Anpassungseffekt Fazit

3 Einführung Mentale Strategien und Abkürzungen Heuristik = entdecken (grie.) Führen zu schnellen und effizienten Urteilsbildung Kognitive Informationsverarbeitung: Kompromiss zwischen Rationalität und Ökonomie Bestimmte Bedingungen verzerren Die Urteile

4 Heuristiken Verfügbarkeitsheuristik Leichtigkeit einen bestimmten Gedächtnisinhalt abzurufen Urteile über Häufigkeiten und Wahrscheinlichkeiten Trotz Mangel an statistischen Informationen, können relevante Informationen aufgrund der Verfügbarkeit aus dem Gedächtnis geschätzt werden Problem: selektive Wahrnehmung kann Erinnerung verzerren

5 Beispiele Verfügbarkeitsheuristik bei Diagnose Korrelation zwischen Gerichtsurteilen und Verfügbarkeit im Gedächtnis von Fakten: be- oder entlasten Beurteilung der eigenen Persönlichkeit

6 Selbsteinschätzung

7 Biases (Verfälschung/Verzerrung) Das Verlassen auf Verfügbarkeitsheuristik führt zu Bias Experiment: Probanden hören Liste mit Namen Geschlechtsaufteilung 50:50 Drei Gruppen: Gruppe 1: Männer bekannter als Frauen Gruppe 2: Frauen bekannter als Männer Gruppe 3: Kein Unterschied

8 Ergebnis Gruppe 1: schätzten Anzahl der Männer höher ein Gruppe 2: schätzten Anzahl der Frauen höher ein Gruppe 3: keine signifikanten Unterschiede bei der Geschlechterverteilung

9 Bias Nicht nur Vertrautheit, sondern auch Salienz der Informationen oder zeitliche Nähe der Information führt zu Bias Bsp: Lesen eines Artikels über brennendes Haus vs. Sehen des brennenden Hauses Bsp: Zeuge eines Unfalls auf Autobahn

10 Bias aufgrund der Effektivität der Suchmethode Zufälliges Heraussuchen von Wörtern aus Text Ist die Anzahl der Wörter die mit r beginnen größer oder kleiner als die Anzahl der Wörter mit r als dritten Buchstaben? Probanden denken, es gibt mehr Wörter, die mit r beginnen Suche einfacher Einschätzung der Häufigkeit von abstrakten Wörtern (Bsp. Liebe) und konkreten Wörtern (Bsp. Tür) in anderem Kontext

11 Ergebnis Häufigkeit der Wörter wird durch Verfügbarkeit der Zusammenhänge in denen sie auftreten, beurteilt Kontext mit abstrakten Wörtern ( Bsp. Liebe in Lovestories) leichter zu erinnern als Kontext mit konkreten Wörtern Abstrakte Wörter werden als zahlreicher eingeschätzt

12 Bias der Vorstellbarkeit Auswertung von Wahrscheinlichkeiten in Alltagssituationen bei Wildwasserfahrt, Bergsteigen…, erscheint Gefahr zu verunglücken größer, wenn man sich der einzelnen Risiken bewusst ist Risiken unterschätzt, wenn mögliche Gefahren nicht vorstellbar sind

13 Beispiel aus 10 Menschen Gruppen aus k Mitgliedern formen 2 k 8 Es ist leichter, sich Gruppen von 2 Leuten vorzustellen, als Gruppen von 8 Leuten Bsp. 5 Gruppen von 2 Leuten bei 10/2, was bei 8 Leuten nicht geht

14 Fazit Menschen schätzen die Möglichkeit der Gruppen, die aus 2 Leuten geformt werden höher ein, als bei 8 Leuten Jedoch gibt es für beide Gruppen die gleiche Anzahl von Möglichkeiten, nämlich 45

15 Illusorische Korrelation Neigung, Beziehungen oder Korrelationen zwischen Gegebenheiten zu sehen, die in Wirklichkeit nicht miteinander in Beziehung stehen Beispiel Probanden sahen verschiedene Bilder von Menschen Zuweisung möglicher psychische Störungen Ergebnis Probanden überschätzen Häufigkeit von Zusammenhängen zwischen physischen Merkmalen und speziellen Störungen Bsp. Paranoia und Augenform

16 Repräsentativitätsheuristik Mentale Abkürzung bei der etwas danach klassifiziert wird wie ähnlich es einem Prototyp entspricht Bsp. Mike

17 Basis-Rate Basis-Rate (Auftretenswahrscheinlichkeit) Information über relative Häufigkeit der Mitglieder verschiedener Gruppierungen in der Gesamtbevölkerung Bsp.Prozentsatz von aus N.Y.stammenden Studenten an den Universitäten in N.Y. Wenn beide Varianten zur Verfügung stehen, dann neigt man zur Repräsentativitätsheuristik

18 Beispiel Personenbeschreibung Steve ist schüchtern und lebt zurückgezogen Hat Interesse am Weltgeschehen und an Menschen Ist bescheiden und ordentlich Sinn für Ordnung und Struktur Welchen Beruf übt Steve aus? Manager, Pilot, Bibliothekar, Landwirt, Physiker...?

19 Auflösung Passt zum Stereotyp des Bibliothekars systematische Fehler Könnte auch Physiker oder Landwirt sein Nur weil Steve zum Stereotyp eines Bibliothekars passt muss er noch lange keiner sein

20 Menschen beurteilen nach Probability Höchste Wahrscheinlichkeit, dass eine Kategorie vorkommt Similarity Ähnlichkeit zu einer bereits benutzten Kategorie Repräsentativität welche Kategorie als letztes benutzt wurde und wie oft eine bestimmte Kategorie benutzt wird

21 Experiment 1 (Kahneman und Tversky, 1973) Personenbeschreibung von Menschen, entweder Ingenieure oder Rechtsanwälte Gruppe A Stichprobe aus 70% Ingenieuren und 30% Rechtsanwälten Guppe B Stichprobe aus 30% Ingenieuren und 70% Rechtsanwälten

22 Ist Paul ein Ingenieur oder Rechtsanwalt? Personenbeschreibung 48 Jahre verheiratet und zwei Kinder konservativ, diplomatisch und ehrgeizig interessiert am Weltgeschehen verbringt Freizeit überwiegend mit Hobbys Sudoku, verbringt Zeit mit seiner Familie, Restauration von Oldtimern, Fußball

23 Ergebnis Bei relevanter Information schätzen etwa 90% der Vpn Paul als Ingenieur ein, egal ob die Wahrscheinlichkeiten von 70% zu 30%, oder von 30% zu 70% gegeben worden sind

24 Experiment 2 Weitere Beschreibung Dick ist ein 30 Jahre alter Mann verheiratet und keine Kinder hat große Fähigkeiten und Motivation ist sehr erfolgreich in seinem Beruf Kollegen mögen ihn Irrelevante Information (neutral und könnte auf beide Berufe zutreffen) Unterteilung in Gruppe A und B 70 und 30 Basisrate vertauscht

25 Ergebnis Bei irrelevanter Information: Vpn tippen 50:50 Ohne Information: Vpn passen sich der gegebenen Basisrate an

26 Unempfindlichkeit gegenüber Stichprobengrößen Stichprobengröße Beispiel Kleines Krankenhaus 15 Geburten pro Tag ; 50% Jungen Großes Krankenhaus 45 Geburten pro Tag; 50% Jungen Prozentrate variiert in beiden Krankenhäusern Dokumentation pro Tag (Zeitraum ein Jahr); mehr als 60% Jungen

27 Ergebnis größere Krankenhaus : 21% kleinere Krankenhaus: 21% beide Krankenhäuser: 53% Stichprobentheorie geht jedoch davon aus, dass die erwartete Anzahl von Tagen an denen über 60% der Babys Jungen waren, in dem kleinen Krankenhaus größer ist als in dem Großen, weil eine große Stichprobe weniger stark von 50% streut

28 Misconceptions of chance Bsp. Geburtenfolge Sohn-Tochter-Sohn-Tochter Sohn-Sohn-Sohn-Sohn Beide treten mit gleicher Wahrscheinlichkeit auf (Zahl und Kopf) Aufgrund von Repräsentativität im Umfeld, wird erste Geburtenfolge häufiger erwartet

29 Vorhersagbarkeit Bsp. Profit einer Firma vorhersagen Ergebnis Deutschland : Polen 1: 0 Keine Rücksicht bei Beurteilung auf Zuverlässigkeit der Aussage (günstige Beschreibung = günstige Vorhersage)

30

31 Misconceptions of regression Bsp. Lehrer/Schüler Wird ein guter Schüler zu hoch eingeschätzt, kann er nur enttäuschen Wird ein schlechterer Schüler negativ kritisiert, ist Wahrscheinlichkeit höher, dass er besser wird

32 Fazit Repräsentativitätsheuristik nützlich für schnelle Informationsverarbeitung Hinderlich bei detaillierter Informationsverarbeitung

33 Anker- und Anpassungseffekte Mentale Abkürzung, bei der eine bestimmte Zahl oder ein Wert als Ausgangspunkt (Anker) genommen wird und von dem aus die Anpassung nur unzureichend gelingt

34 Gericht Urteil über einen Angeklagten Neben relevanten Fakten beeinflussen unwichtige Dinge das Urteil Bsp. 75. Geburtstag / 5. Geburtstag

35 Glücksrad Oft wird man von völlig unwillkürlichen Ankerwerten beeinflusst EXP: Kahnemann und Tversky Probanden sollten an Glücksrad drehen: Schätzung des Prozentsatzes afrikanischer Staaten in UNO Anker: Schätzwert lag signifikant höher, wenn höhere Zahl gedreht wurde

36 Schätzen des Ergebnisses einer Formel Entweder 8×7×6×5×4×3×2×1 Oder 1×2×3×4×5×6×7×8 Um zu antworten, berechnen Menschen in der Regel zwei bis drei Schritte und schätzen den Rest Da Lösung von 8×7×6 größer als 1×2×3 beeinflusst diese als Anker die Schätzung Schätzungen aufsteigender Reihenfolge geringer als Schätzung absteigender Reihenfolge

37 Warum werden Menschen von willkürlichen Zahlen beeinflusst? Bei In-Betracht-Ziehen eines Ausgangspunktes werden selektive Gedächtnisinhalte abgerufen, die mit diesem Anker konsistent sind Urteilsfindungen beruhen nicht ausschließlich auf Zahlen, sondern auch auf persönlichen Beobachtungen Bsp. Restaurant

38 Auf Generalisierung begründete systematische Urteilsverzerrung

39 Fazit Heuristiken ersparen uns eine Menge Arbeit und Zeit Sollten nur nicht falsch angewendet werden Gefahr der Automatisierung Bei wichtigen Entscheidungen bewusstes Nachdenken

40 Quellen Bierhoff, H.(1998) Sozialpsychologie. 4. Auflage. Stuttgart; Berlin; Köln: Kohlhammer Stroebe, W., Hewstone, M., Stephenson, G.M.(1996) Sozialpsychologie. 3. Auflage. Berlin: Springer Aronson, E., Wilson, T.D., Akert R.M.(2004) Sozialpsychologie. 4.Auflage. München: Pearson Tversky, A., Kahneman, D., Judgment under Uncertainty: Heuristics and Biases

41 Vielen Dank für Eure Aufmerksamkeit!


Herunterladen ppt "Urteilsheuristiken Tversky und Kahneman Dozent: Dr.Rainer Roth Referentinnen: Olga Brügmann, Mareike Schmitt SS 2006."

Ähnliche Präsentationen


Google-Anzeigen