Zusammenfassung Kategorien und Kategorieffekte

Präsentation zum Thema: "Zusammenfassung Kategorien und Kategorieffekte"—  Präsentation transkript:

1 Zusammenfassung Kategorien und Kategorieffekte
Stereotype 2012 Henrik Singmann

2 Wiederholung Am Ende der letzten Stunde habe ich noch versucht ein Experiment vorzustellen. Worum ging es? Was war die Idee hinter dem Experiment? Wie sah es aus?

3 Ist Ingroup-Favoritism ein allgemeines Phänomen?
Forschungsfrage: Was muss eine Gruppe mindestens aufweisen, damit Ingroup-Favoritism entsteht? Bei Kindern reicht Gruppenzugehörigkeit alleine (Handschuhfarbe) nicht aus. Aber bei Älteren?

4 Minimal-Group Paradigma
Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Face-to-Face Interaktion (weder innerhalb nich zwischen Gruppen) Komplette Anonymität über Gruppenzugehörigkeit Die Entscheidung/Aufgabe darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, …) gegenüber stellen. Die Entscheidungen der VP müssen möglichst wichtig sein (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.B., Menge an Punkten/Bohnen, ästhetisches Urteil)

5 Minimal-Group Paradigma
Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Face-to-Face Interaktion (weder innerhalb nich zwischen Gruppen) Komplette Anonymität über Gruppenzugehörigkeit Die Entscheidung/Aufgabe darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, …) gegenüber stellen. Die Entscheidungen der VP müssen möglichst wichtig sein (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.B., Menge an Punkten/Bohnen, ästhetisches Urteil)

6 Minimal-Group Paradigma
Bedingungen für minimal-group Effekte (Tajfel et al. 1971): Keine Face-to-Face Interaktion (weder innerhalb nich zwischen Gruppen) Komplette Anonymität über Gruppenzugehörigkeit Die Entscheidung/Aufgabe darf der VP keinen Vorteil bringen. Entscheidungen müssen verschiedene Strategien (Gleicverteilung, Gut für Ingroup, …) gegenüber stellen. Die Entscheidungen der VP müssen möglichst wichtig sein (möglichst konkrete Konsequenzen für andere haben). D.h., keine reinen Evaluationen der In- und Outgroup. Die Gruppenzugehörigkeit beruht auf einer Entscheidung der VP (z.B., Menge an Punkten/Bohnen, ästhetisches Urteil) Sobald ein Kriterium für die Gruppenzugehörigkeit da ist, kann dieses Kriterium immer benutzt werden um Gruppenunterschiede zu rechtfertigen: „Die Menschen die wie ich auf Kadinsky stehen, sind mir bestimmt ähnlicher als die, die nicht auf Kandinsky stehen. Darum gebe ich ihnen mehr.“

7 Ingroup-Favoritism ohne Kriterium?
Studie von Billig und Tajfel (1973): Trennung von Gruppenzugehörigkeit und Kriterium VPs: 75 männliche Schüler zwischen 14 und 16 Jahren Experiment ist in zwei Teile geteilt. Teil 1: VPs sehen 12 Bilder moderner Künstler (Klee & Kandinsky) und sollen Geschmacksurteile abgeben. Teil 2: VPs müssen anhand von Matrizen Geld verteilen. 2 UVs: Gruppenzugehörigkeit: Es wird eine Gruppenzugehörigkeit erzeugt versus Gruppe wird nicht explizit erwähnt Kriterium: Zuordnung erfolgt (scheinbar) anhand der ästhetischen Urteile oder zufällig (und die VP Wissen das)

8 4 Gruppen Kategorisierung & Ähnlichkeit (Kriterium):
Minimal-Group Paradigma: VPs werden in Gruppen Klee und Kandinsky eingeteilt. Anschließend folgt Geldverteilung an Mitglieder der Klee- und Kandinsky-Gruppe Kategorisierung & keine Ähnlichkeit: Beide Teile sind unabhängig. VPs werden zufällig (durch Münzwurf) in zwei Gruppen („X“ und „W“) eingeteilt. Anschließend erfolgt Geldverteilung an Mitglieder der X- und W- Gruppe Keine Kategorisierung & Ähnlichkeit: VP erhalten eine Nummer anhand des ästhetischen Urteils. Klee in den 40ern, Kandinsky in den 70ern. Geldverteilung erfolgt für bestimmte Nummern (z.B. 49). Gruppenzugehörigkeit ist implizit, keine Referenz auf Gruppe. Keine Kategorisierung & keine Ähnlichkeit: VP erhalten eine zufällige Nummer. Es gibt Nummern in den 40ern und Nummern in den 70ern. Geldverteilung erfolgt für bestimmte Nummern.

9 Messen von Ingroup-Favoritism
Nr. 44 (Kandinsky/W, Outgroup) 19 18 17 16 15 14 13 12 11 10 9 8 7 Nr. 74 (Klee/X, Ingroup) 1 3 5 21 23 25 Nr. 74 (Klee/X, Ingroup) 19 18 17 16 15 14 13 12 11 10 9 8 7 Nr. 44 (Kandinsky/W, Outgroup) 1 3 5 21 23 25

10 Messen von Ingroup-Favoritism
FAV & MJP AV 1: Nr. 44 (Kandinsky/W, Outgroup) 19 18 17 16 15 14 13 12 11 10 9 8 7 Nr. 74 (Klee/X, Ingroup) 1 3 5 21 23 25 FAV = Ingroup Favoritism MJP = maximal joint profit F = fair Nr. 74 (Klee/X, Ingroup) 19 18 17 16 15 14 13 12 11 10 9 8 7 Nr. 44 (Kandinsky/W, Outgroup) 1 3 5 21 23 25

11

12 Messen von Ingroup-Favoritism
Nr. 48 (Kandinsky/W, Outgroup) 14 15 16 17 18 19 20 21 22 23 24 25 26 Nr. 73 (Klee/X, Ingroup) 13 12 11 10 9 8 7 6 5 4 3 2 Nr. 73 (Klee/X, Ingroup) 14 15 16 17 18 19 20 21 22 23 24 25 26 Nr. 48 (Kandinsky/W, Outgroup) 13 12 11 10 9 8 7 6 5 4 3 2

13 Messen von Ingroup-Favoritism
FAV & F Nr. 48 (Kandinsky/W, Outgroup) 14 15 16 17 18 19 20 21 22 23 24 25 26 Nr. 73 (Klee/X, Ingroup) 13 12 11 10 9 8 7 6 5 4 3 2 F FAV Nr. 73 (Klee/X, Ingroup) 14 15 16 17 18 19 20 21 22 23 24 25 26 Nr. 48 (Kandinsky/W, Outgroup) 13 12 11 10 9 8 7 6 5 4 3 2 MJP: konstant

14

15

16 Ergebnisse Billig & Tajfel (1973)
Es zeigt sich ein Ingroup-Favoritism sobald die Kategorien (Gruppen Labels) vorhanden sind: Wenn man Menschen in ingroup und outgroup eingeteilt werden, benutzt man diese Gruppenzugehörigkeit und bevorzugt die Ingroup. Es zeigt sich (hier) scheinbar kein Effekt des Kriteriums alleine. Mit Kategorisierung führt es zu (leicht) größeren Effekten, alleine kein Effekt.

17 Unterschiede Mahajan & Wynn finden kein Ingroup-Favoritism in der „Assignment Condition“ bei Babys Billig & Tajfel finden Ingroup-Favoritism in der Zufallsbedingung Wie kann man das erklären?

18 Mögliche Erklärungen Der Ingroup-Favoritism scheint ein allgemeines Phänomen zu sein das schon bei Säuglingen auftritt (Mahajan & Billing, Experiment 1a & 1b). Bei Säuglingen muss die Gruppenzugehörigkeit aber durch ein signifikantes Kriterium geben sei, bei Adoleszenten nicht mehr. Also: Was als Gruppenzugehörigkeit zählt, entwickelt sich im Laufe des Lebens. Das Assignment in Experiment 2 erzeugt für die Babys keine 2 Gruppen, ist zu abstrakt. Vielleicht müsste man die Gruppenzugehörigkeit stärker manipulieren, indem es jeweils mehrere Wesen mit den Handschuhen geben muss. Babys sehen darin keine Gruppen sondern nur Wesen mit unterschiedlichen Handschuhen.

19 Statistik

20 Wichtige statistische Verfahren
Korrelation Gibt den Zusammenhang zwischen zwei Variablen an Regression Gibt den Zusammenhang von mehreren Variablen mit einer abhängigen Variable an. t-test Gibt es einen Unterschied in einer intervallskalierten Variable zwischen zwei Gruppen? ANOVA Gibt es einen Unterschied in einer intervallskalierten Variable zwischen mehreren Gruppen? Chi-Quadrat Test Gibt es Unterschiede in den Häufigkeiten bei zwei oder mehr Gruppen?

21 Signifikanz und p-Werte
“The number of stereotype-consistent and neutral traits recalled and attributed to the correct target were submitted to a 2 (stereotype: present or absent) X 2 (trait type: consistent or neutral) mixed-model analysis of variance (ANOVA) with repeated measures on the second factor. This revealed main effects of both stereotype, F(1, 22) = 5.85, p < .03, and trait type, F(1, 22) = 17.64, p < .004, on subjects' memory for the presented information. These effects were qualified, however, by a Stereotype X Trait Type interaction, F(1, 22) = 5.33, p < .03.“ (Macrae et al. 1994, p. 40). Statistische Analysen bestehen immer aus mindestens drei Teilen: Art der Teststatistik: Hier F-Wert (aus ANOVA) Anzahl der Freiheitsgrade: z.B. (1, 22) Wert der Teststatistik: 5.85 p-Wert: < .03 Ist der p-Wert kleiner als .05 spricht man von einem signifikanten Ergebnis (ungefähr: es ist unwahrscheinlich, das das Ergebnis/der Unterschied durch den Zufall entstanden ist) Weitere Besipiele: Korrelation: r(68) = .50, p = .03. t-Test: t(38) = 1.56, p = .56 ANOVA: F(1, 45) = 3.40, p = .01

22 Was heißt Signifikanz und p-Wert?
Um das Prinzip besser zu verstehen, nehmt das folgende Besipiel: Ein Brot fällt immer mit der Butterseite auf den Boden!

23 Was heißt Signifikanz und p-Wert?
Nimmt man Murphys-Law ernst, sollte ein Brot häufiger mit der Butterseite als mit der anderen Seite zu Boden fallen. Um dies zu überprüfen wurde folgendes Experiment gemacht: 100 gebutterte Brote wurden von Tischhöhe fallgelassen und die Seite die den Boden berührte registriert. Die Ergebnisse zeigten, dass das Brot 59 mal auf der Butterseite und 41 mal auf der trockenen Seite gelandet war.

24 Was heißt Signifikanz und p-Wert?
Wir wollen nun herausfinden, ob dieser Unterschied zufällig sein kann. Um dies zu überprüfen geht man statistisch immer davon aus, dass es keinen Unterschied gibt (das heißt die Wahrscheinlichkeit das ein Toast auf einer Seite landet 50% ist). Angenommen der Toast wäre fair, wie wahrscheinlich ist es dann unser Ergebnis (59 mal Butter) zu erhalten?

25 Wie wahrscheinlich ist es,
(bei einem „fairen“ Toast) dass ein Toast einmal auf die Butterseite fällt? 0.5 das aus drei Versuchen ein Toast 0 mal auf die Butterseite fällt? 0.5 * 0.5 * 0.5 = 1 / 8 = das aus drei Versuchen ein Toast 1 mal auf die Butterseite fällt? 3 / 8 = 0.375 das aus drei Versuchen ein Toast 2 mal auf die Butterseite fällt? 0.375 das aus drei Versuchen ein Toast 3 mal auf die Butterseite fällt? 0.125

26 Wahrscheinlichkeitsverteilung

27 Was heißt Signifikanz und p-Wert?
Die Wahrscheinlichkeit des beobachteten Ergebnisses ergibt sich aus der binomialen Wahrscheinlichkeitsverteilung: P(k) = mit: n = Gesamtanzahl an Beobachtungen (100) k = die Anzahl mit der der Toast auf der Butterseite landet (59) p = die vermutete Anzahl mit der der Toast auf der Butterseite landet (.50)

28 Was heißt Signifikanz und p-Wert?
Tatsächlich untersucht man immer die Nullhypothese: Wie wahrscheinlich ist es das beobachtete oder ein noch extremeres Ergebnis zu erhalten? Wie wahrscheinlich ist es das ein Brot 59 mal oder häufiger auf der Butterseite landet wenn es „fair“ ist? P(59) + P(60) + … + P(100) = 0.04 Nimmt man das konventionelle p-Niveau (0.05) muss man die Nullhypothese das die Wahrscheinlichkeit für Brot ist verwerfen.

29 Typische Fehler Der p-Wert ist weder die Wahrscheinlichkeit der Nullhypothese p(H0), noch die Wahrscheinlichkeit der Hypothese gegeben die Daten p(H0|D). Der p-Wert ist die Wahrscheinlichkeit für die Daten unter der Bedingung das die Nullhypothese gilt p(D|H0). Diese Wahrscheinlichkeiten sind alle unterschiedlich: P(schwanger) ≠ P(schwanger|Frau) ≠ P(Frau|schwanger)

30 Zusammenfassung Korrelation heißt nicht, dass ein kausaler Zusammenhang vorliegt. Kausale Zusammenhänge kann man nur in Experimenten überprüfen: Aktives Manipulieren der unabhängigen Variable Randomisiertes zuteilen auf Bedingungen (Gruppen) Gleichhalten anderer Variablen Wo kein Experiment durchgeführt werden kann, keine Möglichkeit die Kausalität abschließend zu bewerten. Signifikant (p) bedeutet: Wahrscheinlichkeit für ein solches oder extremeres Ereignis unter der Bedingung dass kein Effekt vorliegt ist geringer als 5%.

31 Nächstes Mal Keine verpflichtende Vorbereitung.
Bei Interesse: Brown (2010). Chapter 4. Literaturempfehlung (25€) zu Statistik: Dienes, Z. P. (2008). Understanding psychology as a science?: An introduction to scientific and statistical inference. Basingstoke: Palgrave Macmillan.