3. Die Frage der Synthese: Informationsintegration (Verknüpfung)

Transkript

1 3. Die Frage der Synthese: Informationsintegration (Verknüpfung) Informationsintegrationstheorie Einen heuristisch fruchtbaren Vorschlag, wie wir weiterkommen können auf der Suche nach einem Validitätskriterium liefert die Informationsintegrationstheorie. Ihr Begründer ist Norman H. Anderson. Einen guten Überblick gibt sein Buch A functional theory of cognition (1996). Hier können die Grundideen wie folgt skizziert werden: Die Theorie hat folgende Charakteristika: 1. Axiom der Zielgerichtetheit: Die Theorie geht davon aus, dass jedes menschliche Verhalten zielgerichtet ist. (Diese Ziele können sich von Minute zu Minute ändern.) 2. multiple Determiniertheit: Normales Alltagshandeln ist meist nicht nur von einem Reiz/Faktor abhängig (eigentlich auch selbstverständlich) 3. Integrationsdiagramm: Abbildung 9 Die Aussenwelt ist symbolisiert durch die Buchstaben s 1, s 2, s 3,... R ist die beobachtbare Antwort (Response). Die Behavioristen hätten sich damit begnügt und sich nicht um den gestrichelten Bereich gekümmert, d.h. die drei unbeobachtbaren Grössen: 1. die internen Repräsentationen der Reize ψ ("phi") 1, ψ 2, ψ 3,... = interne Werte; Valuation, V-Operator 2. die Integration = Verknüpfung; I-Operator 3. die oft vernachlässigte interne integrierte Response ρ = A(Action)-Operator

2 Ein Beispiel wenn moralisches Urteilen untersucht werden soll: s1: jemand hat 1000 Fr. gestohlen (Faktor Schaden oder consequence) s2: die Person hat das mit voller Absicht getan (Faktor intention) s3: diese Person ist sehr arm (Faktor Bedürftigkeit oder need) Diese Information muss man nun zuerst intern repräsentieren, diese Werte irgendwie zusammenbringen ("integrieren"), wonach es zu einer internen integrierten Repräsentation (ρ) kommt. Diese muss man dann in ein externes, beobachtbares Format übertragen, z.b. sagen, wie die Person bestraft werden soll (R). Hierzu sollte möglichst eine eindimensionale Skala (z.b. Strafmass) zur Verfügung stehen. R und ρ stimmen natürlich nicht immer überein. Wie übersetzte ich ρ in eine beobachtbare Antwort? Diese Beziehung herauszufinden ist unsere Aufgabe. Wir können unser fundamentales Problem nur lösen, wenn diese Beziehung ρ - R bekannt ist. Besonders einfach wäre es, wenn sie linear wäre! (Was das heisst, wird gleich an einigen Beispielen deutlich.) Ein weiteres Beispiel, zunächst als Gedankenexperiment: Man soll als Versuchsperson die Sympathie einer Person beurteilen anhand von zwei Adjektiven: - abhängig und ernst - unproduktiv und hilfreich -... und dies auf einer Ratingskala ausdrücken: (unsympathisch sympathisch) Eine alte sozialpsychologische Annahme (Theorie von Asch) wäre nun, dass die Bedeutung des einen Adjektivs davon abhängt, mit welchem es kombiniert wird, dass also eine Interaktion zwischen den beiden Adjektiven besteht. Norman Anderson ist bekannt geworden dadurch, dass er in seinen ersten Experimenten gezeigt hat, dass diese klassische Annahme falsch ist. Er erhielt das in Abbildung 10 gezeigte Ergebnismuster: Abbildung 10

3 Die Versuchspersonen scheinen die Informationen nicht irgendwie oder chaotisch (wie es oft ihr introspektiver Eindruck ist) integriert zu haben, sondern nach einem ganz bestimmten, regelhaften Muster: Die Daten erscheinen parallel. Wenn wir dieses Parallelismus-Muster finden, dann können wir schliessen: 1. Die Personen haben bei der Integration eine Addition vorgenommen. 2. Die Beziehung ρ - R ist linear, sonst wäre ein additives Muster nicht zu erwarten. 3. Wir haben daher die Möglichkeit, subjektive Repräsentationen der Persönlichkeitsadjektive zu finden, also subjektive Werte zu messen. ==> Das löst das Messproblem, und wir haben ein Validitätskriterium (was noch genauer zu zeigen ist). Wenn die Versuchspersonen die Eigenschaften additiv verknüpfen (bzw. dass es ein paralleles Muster gibt), bedeutet dies, dass keine Interaktion stattfindet. Die Kombination mit "systematic" bringt bei allen Adjektiven etwa denselben "Gewinn" an desirability mit sich. Die Hypothese der change of meaning, welche auf der Asch-Theorie beruhte, muss also verworfen werden.

4 Jetzt könnte man allerdings einwenden, dass wir gar nicht sicher sein können, dass die Daten parallel sind. Wäre das der Fall, dürften wir nicht weiter machen! Hier kommt nun die Statistik ins Spiel. Mit der statistischen Methode der Varianzanalyse kann man feststellen, ob das gefundene Muster signifikant von einem additiven Muster abweicht. (Dies kann man auch für jede einzelne Versuchsperson machen, sofern man von jeder Kombination mindestens zwei Urteile hat.) Diese Varianzanalyse ist allerdings nicht ganz unproblematisch, weil wir prüfen, ob die Wechselwirkung nicht signifikant ist, das wäre allerdings eine Bestätigung der Nullhypothese und somit nicht ganz legitim. Dieses Problem müssen wir noch lösen! Als weiteres Beispiel soll hier mit den (fiktiven) Urteilen von einzelnen Versuchspersonen (FF, RH) eine etwas einfachere Darstellung mit anderen Adjektiven gezeigt werden (Abbildung 11). Abbildung 11 Dieses Beispiel bietet ist eine schöne Illustration der in diesem Ansatz möglichen Kombination des ideographischen und des nomothetischen Ansatzes: die Muster sind ideographisch unterschiedlich, aber nomothetisch gleich. Für RH ist der Abstand von "unsophisticated" zu "level headed" kleiner (ideographischer Aspekt), ansonsten sind die Muster gleich hinsichtlich der additiven Integrationsregel (nomothetischer Aspekt).

5 Parallelismus-Theorem: Das Parallelismus-Theorem setzt zwei Prämissen voraus: ρ ij = ψ Ai + ψ Bj (Addition) Additive Integrationsregel R ij = c 0 + c 1 ρ ij (Linearität) Lineare Response-Skala Schlussfolgerung 1: Der faktorielle Graph wird parallel sein; Schlussfolgerung 2: Die Zeilenmittelwerte der faktoriellen Datentabelle werden eine lineare Skala der ψ Ai sein; ähnlich werden die Spaltenmittelwerte der Datentabelle eine lineare Skala der ψ Bj sein. Folgende Daten sind künstlich (fiktiv) - nur zur Veranschaulichung dessen, was diese Schlussfolgerungen bedeuten: Abbildung 12 Die in der Abbildung 12 gezeigten Daten entsprechen den Werten der folgenden Datentabelle: HYPOTHETICAL DATA FOR ADDITIVE MODEL FACTORIAL DESIGN FOR TWO SUBJECTS Person C. H. Person R. P. McG. Bruised shin Bloody nose Back eye Bruised shin Bloody nose Back eye Harm Scare Careless

6 Wenn wir nun also die Spaltenmittelwerte für jede Versuchsperson ausrechnen, so erhalten wir bei der linken Person: 9, 15, 15 und bei der rechten: 11.33, 12.33, => Hierin kommt nun die interne Skala für die Bewertung der Schadenshöhe zum Ausdruck. Für die linke Versuchsperson scheint es gleich schlimm zu sein, wenn jemand ein blaues Auge oder eine blutige Nase bekommt, sie bewertet beides mit "15". Für die rechte Versuchsperson scheint es aber einen grossen Unterschied zu machen, sie hat also eine andere interne Skala. Neben der Addition gibt es nun eine weitere Art, wie Information oft systematisch verknüpft wird. Das soll hier an einem tatsächlich durchgeführten Experiment illustriert werden. Die Frage an die Versuchspersonen lautete: "Wieviel würdest Du für ein Bier (Cola, Wasser,...) bezahlen, wenn du sehr viel Durst hättest (oder wenig, mittel)?" Folgendes Muster entspricht dem, was bei einer multiplikativen Verknüpfung zu erwarten ist: Abbildung 13 (hier Abbildung 3.5 einfügen) Die in Abbildung 13 gezeigten Daten entsprechen den Werten der folgenden Datentabelle: AMOUNT PAID FOR DRINK AS FUNCTION OF MOTIVATION AND INCENTIVE Water Thirst Quencher Thirstiness Warm Cold Coke Beer Slight Moderate Great Mean NOTE: From Anderson (1978a)

7 Ein linearer Fächer entsteht nur, wenn man die Abstände auf der x-achse "angemessen" wählt. Sonst bekommt man einen Knick in die Linie, wie in Abbildung 14 angedeutet. Wenn man aber die Abstände so wählt, dass eine Gerade entsteht, dann erhält man auf der x-achse eine lineare Skala der subjektiven internen Repräsentationen (Abbildung 15). Abbildung 14 (links) und Abbildung 15 (rechts) Analog zur additiven Integrationsregel und dem Parallelismustheorem gibt es auch für die multiplikative Integrationsregel ein Theorem: das Lineare-Fächer Theorem (diverging fan theorem): Lineares Fächer-Theorem. Das Lineare-Fächer-Theorem setzt zwei Prämissen voraus: ρ ij = ψ Ai ψ Bj (Multiplikation) Multiplikative Integrationsregel R ij = c 0 + c 1 ρ ij (Linearität) Lineare Response-Skala Schlussfolgerung 1: Der angemessene (adäquate) faktorielle Graph wird ein Fächer sein Schlussfolgerung 2: Die Zeilenmittelwerte der faktoriellen Datentabelle sind eine lineare Skala der ψ Ai ; ähnlich sind die Spaltenmittelwerte der faktoriellen Datentabelle eine lineare Skala der ψ Bj.

8 Versuch einer inhaltlichen Anwendung der Methode zur Informationsintegrationstheorie im Bereich der Entwicklungspsychologie Beispiel: Invarianzversuche von Piaget (Wasserumschüttproblem): Abbildung 16 Bei einem schmalen Glas sagen die voroperationalen Kinder, es hätte "mehr Wasser" drin. Piagets Erklärung: Die Kinder in diesem Stadium, also bis etwa zu 7 Jahren, zentrieren auf eine Dimension (entweder die Höhe des Glases oder den Durchmesser). Er behauptete, dass Kinder dieses Alters aufgrund ihrer kognitiven Struktur grundsätzlich nicht in der Lage seien, mehrere Dimensionen in ihr Urteil miteinzubeziehen. Bei ihnen würde sich die Frage der Art und Weise der Informationsintegration nicht stellen. Was wäre nun aber, wenn die Kinder additiv verknüpfen anstatt multiplikativ? Dann würden sie auch bei dem hohen Glas sagen, es sei mehr Wasser drin! (3+4) < (2+6). Man kann die Frage, um die es hier geht, im Rahmen der von der Informationsintegrationstheorie vorgegebenen Methoden untersuchen, indem man die Werte auf zwei Dimensionen systematisch variiert, in mehreren Stufen und dann alle sich ergebenden Kombinationen beurteilen lässt, und zwar jede Kombination einzeln, wobei die Reizkombinationen des faktoriellen Versuchsplans in zufälliger Reihenfolge präsentiert werden. Ein einfaches Beispiel für solche Reize sind Rechtecke, deren Grösse, d.h. Fläche, zu beurteilen ist. Bei Wilkening (1978, 1979) wurden die Flächen als Schokoladentafeln vorgegeben. Zu beurteilen war die Länge aller Schokoladenstücke der Tafel, wenn diese aneinandergereiht würden. Abbildung 17 zeigt schematisch die Flächen in Anordnung des faktoriellen Versuchsplans:

9 Abbildung 17 Abbildung 18 zeigt die in diesem Experiment erhobenen Daten für mehrere Altersgruppen. Abbildung 18 Die Kinder scheinen also tatsächlich additiv zu verknüpfen, während die Erwachsenen eine multiplikative Verknüpfung vornehmen. Kritik kam nun dahingehend auf, die Kinder können gleichwohl zentriert haben die eine Hälfte auf die Höhe und die andere Hälfte auf die Breite und durch die Mittelung wäre trotzdem ein solches Muster entstanden. Das wurde aber natürlich anhand der individuellen Muster überprüft, und es war nicht der Fall. Dieses additive Muster findet man auch auf individueller Ebene. Eine etwas anspruchsvollere Kritik kam von zunächst von Richard Bogartz, dann auch von Gerd Gigerenzer:

10 Es gibt nämlich einen unangenehmen Fall: die theoretisch denkbare Möglichkeit, dass die Kinder gemäss einer multiplikativen Regel verknüpft haben, aber die Transformation ρ > R nicht wie bei den Erwachsenen linear ist, sondern logarithmisch. Das Datenmuster würde dann so aussehen, als ob sie addiert hätten! Denn: log (a x b) = log (a) + log (b). Dieses ist logisch nicht aus der Welt zu räumen, man kann es nur empirisch unplausibel machen. Dies verlangt weitere Forschung die in den folgenden Kapiteln berichtet wird..