Die Effektstärkeneinschätzung anhand graphischer Darstellungen nimmt in alltäglichen und wissenschafts-psychologischen Kontexten eine vermehrte Relevanz zur Abbildung zentraler Inhalte ein. Jedoch zeigen die vor allem zu linearen Trends erhobenen Untersuchungen, dass hierbei keine Objektivität vorliegt aufgrund subjektiver Urteilsverzerrungen in Abhängigkeit vom Design. 231 Probanden, mehrheitlich Frauen nahmen an einem Online-Experiment mit einem 4 x 3 within-subject-Design der FernUniversität in Hagen teil, bei dem die ermittelten absoluten Abweichungen der subjektiven Schätzungen von cohens d und den tatsächlichen Werten von d analysiert wurden. Die domänenspezifische Auswertung stellte einen signifikanten Effekt der Einschätzungen von Überlappungen anhand von Normalverteilungen fest, zeigte aber anhand dieser Diagrammart keine exaktere Schätzung von numerischen Werten und hierbei auch keinen hoch signifikanten Wert auf Grundlage von Punktdiagrammen. Gemäß vorheriger Forschung steht die Diagrammlesbarkeit in Abhängigkeit vom Aufgabentyp und bedarf einer verantwortungsvollen Konzeption. Hieran anknüpfend sind bei zukünftigen Replikationen eine ausgewogene Stichprobe und eine Überarbeitung des Settings angemessen, um verifizierte Implikationen für den Alltags- und den wissenschaftlichen Nutzen grafischer Effektstärken zu erhalten.
Inhaltsverzeichnis
Zusammenfassung
Einschätzungen der Effektstärke anhand unterschiedlicher grafischer Darstellungsarten
Methoden
Stichprobe und demographische Informationen
Design
Messinstrumente
Skalen zur Angabe der Effektstärke
Skalen zur Erfassung von Vorwissen / Präferenz der Darstellungsart
Durchführung der Online-Studie
Ergebnisse
Überprüfung von H1
Überprüfung von H2
Diskussion
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Genauigkeit der Einschätzung von Effektstärken (Cohens d) durch Probanden unter Verwendung verschiedener grafischer Darstellungsarten (Punktdiagramm, Boxplot, Normalverteilungskurve) innerhalb des psychologischen Kontexts der Geschlechtsunterschiede.
- Einfluss unterschiedlicher grafischer Designs auf die subjektive Wahrnehmung statistischer Effektgrößen.
- Vergleich der Einschätzungsgenauigkeit für numerische Werte und Gruppenüberlappungen zwischen drei Diagrammtypen.
- Analyse domänenspezifischer Urteilsverzerrungen bei der Interpretation statistischer Visualisierungen.
- Ableitung von Empfehlungen für eine verantwortungsvolle und adressatengerechte Gestaltung wissenschaftlicher Grafiken.
Auszug aus dem Buch
Einschätzungen der Effektstärke anhand unterschiedlicher grafischer Darstellungsarten
Die visuelle Darstellung statistischer Werte basiert auf einer langen Tradition und wurde aktuell dank wissenschaftlicher Publikationen vermehrt in den Fokus der Bedeutsamkeit gerückt. Datengraphiken eignen sich, um komplexe Relationen adressatengerecht zu veranschaulichen und indizieren einen Wissenschaftsgehalt (Friendly, 2008; Godau, Vogelsang & Gaschler, 2016). Im psychologischen Forschungsfeld werden vor allem Inferenzstatistiken genutzt, die Wahrscheinlichkeitsaussagen in Bezug auf Populationswerte treffen. Diese Stichprobenverteilung gilt als Basis für inferenzstatistische Verfahren und Methoden. Für die Relevanz von Studienresultaten ist nicht nur die statistische Signifikanz bedeutsam, sondern ebenfalls Größenrelationen und richtungsweisende Tendenzen (z.B. Mittelwert, Standardabweichung, Zusammenhang) (Nachtigall & Wirtz, 2013). Die American Psychological Association (APA, 6th edition, 2009) spricht sich neben dem Bericht von Resultaten empirischer Erhebungen für die Darstellung letzterer in graphischer Form aus, um die inhaltliche Relevanz adäquat visuell zu veranschaulichen. Letztendlich können so unter anderem Effekte der Wirksamkeit bzw. Reichweite von Interventionen / Gegebenheiten interpretiert werden. An dieser Stelle ist zu beachten, dass Effektgrößen nicht nur bei der Datenauswertung, sondern auch schon bei der Studienplanung relevant sein können; u.a. bei der Ermittlung der Stichprobengröße und des Alpha-Fehlers. Ein frequent verwendetes standardisiertes Maß ist cohens d, das Unterschiede zwischen zwei Gruppen quantifiziert.
Zusammenfassung der Kapitel
Zusammenfassung: Bietet einen Überblick über die Relevanz, Methodik und Kernergebnisse der Untersuchung zur Effektstärkeneinschätzung.
Einschätzungen der Effektstärke anhand unterschiedlicher grafischer Darstellungsarten: Führt in die theoretische Bedeutung visueller Datendarstellung und die Relevanz von Effektgrößen wie Cohens d ein.
Methoden: Beschreibt das Studiendesign, die Stichprobenrekrutierung (n=231), die verwendeten Messinstrumente sowie den Ablauf der Online-Erhebung.
Ergebnisse: Präsentiert die statistische Auswertung der Hypothesen H1 und H2 mittels Kontrastanalysen und erläutert die signifikanten sowie nicht-signifikanten Befunde.
Diskussion: Reflektiert die Ergebnisse kritisch, diskutiert methodische Limitationen und formuliert Implikationen für die zukünftige Gestaltung wissenschaftlicher Diagramme.
Schlüsselwörter
Effektstärke, Cohens d, Grafische Darstellung, Punktdiagramm, Boxplot, Normalverteilungskurve, Statistische Visualisierung, Wahrnehmungspsychologie, Gruppenunterschiede, Datenabbildung, Validität, Studienplanung, Lesbarkeit, Urteilsverzerrung, Inferenzstatistik.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit untersucht, wie präzise Menschen die Effektstärke (Cohens d) ablesen können, wenn diese durch verschiedene Diagrammtypen wie Punktdiagramme, Boxplots oder Normalverteilungskurven visualisiert wird.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind die visuelle statistische Kommunikation, die subjektive Wahrnehmung von Daten sowie die Untersuchung von Geschlechtsunterschieden als Domäne für die Einschätzung von Effektgrößen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es zu prüfen, ob bestimmte grafische Darstellungsformen zu genaueren Schätzungen der Effektstärke oder der Gruppenüberlappung führen als andere.
Welche wissenschaftliche Methode wurde verwendet?
Es wurde ein Online-Experiment im 4x3 within-subject-Design durchgeführt, bei dem die Daten von 231 Probanden mittels statistischer Innersubjekt-Kontrastanalysen ausgewertet wurden.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die theoretische Einbettung, die detaillierte Beschreibung der Datenerhebung (Methoden), die statistische Überprüfung der aufgestellten Hypothesen (Ergebnisse) sowie eine kritische Reflexion der Ergebnisse (Diskussion).
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Effektstärke, Cohens d, grafische Darstellung, Punktdiagramm, Boxplot, Normalverteilung und statistische Validität.
Welche Rolle spielt die Domäne "Geschlechtsunterschiede" in der Studie?
Die Domäne dient als konkretes inhaltliches Anwendungsbeispiel, da sie gesellschaftlich tief verankert ist und eine hohe Relevanz für die präzise Interpretation von Effektstärken aufweist.
Warum schnitten Normalverteilungskurven bei der Schätzung der Gruppenüberlappung besser ab?
Die Studie zeigt, dass Normalverteilungskurven bei der Aufgabe, Gruppenüberlappungen einzuschätzen, einen signifikanten Vorteil bieten, obwohl sie bei der Schätzung numerischer Werte schlechtere Ergebnisse liefern als andere Diagrammarten.
Welche Empfehlung gibt der Autor für die Diagrammgestaltung?
Der Autor empfiehlt einen bewussten und zweckorientierten Einsatz von Graphen sowie die Verwendung visueller Marker, um die Lesegenauigkeit für spezifische Aufgaben wie die Mittelwertablesung zu erhöhen.
Wie wirkten sich methodische Aspekte auf die Reliabilität aus?
Die geringe interne Konsistenz einiger Verständnisfragen (Cronbachs Alpha) deutet auf Verbesserungspotenzial bei den verwendeten Instruktionen und Items hin, um die Reliabilität in künftigen Studien zu steigern.
- Citar trabajo
- Nora Schrader (Autor), 2019, Die Effektstärke unterschiedlicher grafischer Darstellungsarten, Múnich, GRIN Verlag, https://www.grin.com/document/512729
