Use LEFT and RIGHT arrow keys to navigate between flashcards;
Use UP and DOWN arrow keys to flip the card;
H to show hint;
A reads text to speech;
13 Cards in this Set
- Front
- Back
|
Was für eine Skala Type ist das? Selbsteinstufung des Einkommens hoch | mittel | niedrig |
Ordinalskalen: Skalenelemente besitzen Identität und Rangordnung; Ränge sind jedoch nicht unbedingt äquidistant |
|
Was für eine Skala Type ist das? |
Nominalskalen: Skalenelemente repräsentieren Identitäten; keine Relationen zwischen den Identitäten definiert |
|
|
Gib ein Bespiel von Intervallskala |
Intervallskalen: Skalenelemente besitzen Identität, Rangordnung und Additivität, jedoch keinen absoluten Nullpunkt Beispiel: Die Temperaturskalain Celsius, IQ-Skala |
|
|
Gib ein Bespiel von Ratioskala |
Ratioskalen: Neben den Eigenschaften der Intervallskala besitzt die Skala aucheinen absoluten Nullpunkt. Dadurch lassen sich auf dieser Skala Verhältnisse(z.B.”doppelt so laut“ oder”halb so laut“) bilden, bei der eine Verdopplung desSkalenwertes einer Verdopplung des Wahrnehmungsmerkmals entspricht. |
|
|
Was ist Magnitude Estimation (ME) und wie benutzt man das? |
Magnitude Estimation (ME) benutzt man um der „absoluten Größe“ einer Wahrnehmung zu bestimmen. Aufgabe: Zuordnung von Zahlen zu Wahrnehmungen, sodass Verhältnisse gewahrt bleiben; z.B.– Referenzstimulus der Lautheit 10– Wenn Teststimulus doppelt so laut, dann urteile mit 20– Wenn Teststimulus halb so laut, dann urteile mit 5 Andere Methoden: Summe konstanter Verhältnisse, Bestimmung einer Linienlänge, Magnitude Production, etc. Nachteil: Zahlen haben nur relative Bedeutung; keine Verankerung am „Weltwissen“ |
|
|
Kategorie-Skalierung. MOS |
Zuordnung von Stimuli zu Kategorien Möglichkeiten: – Absolute Category Rating (ACR): Zuordnung einzelner Stimuli zu (beschrifteten) Kategorien – Degradation Category Rating (DCR)/Comparison Category Rating(CCR): Zuordnung des Unterschiedes zwischen zwei Stimuli zu (beschrifteten) Kategorien Populär: 5-stufige Kategorien-Skala für Gesamtqualität – Mittelwert der Urteile: Mean Opinion Score (MOS) |
|
|
Was sind die Nachteile von Kategorie-Skalierung |
Probleme mit Kategorie-Skalierungen: Interpretation der Attribute Distanz der Attribute -> Skala hat nur Ordinalniveau Interpretation der Attribute Sättigung am Skalenende <-> Vermeidung der Endpunkte |
|
|
Wie kann man die Nachteile von Kategorie-Skalierung vermeiden? |
|
|
|
Kategorie-Ratio-Skalierung |
|
|
|
MDS: Ähnlichkeitsbewertung und Multidimensionale Skalierung |
- Bewertung von Stimuluspaaren bzgl.des perzeptiven Abstands - Abbildung der gemessenen Abständein einen Raum möglichst geringerDimensionalität (rotationsinvariant) Gütekriterium: Anteil abgedeckter Varianz bzw. Stress Abhängigkeit der Urteile von Versuchspersonen: INDividual SCALing (INDSCAL) Vorteil: Keine Vorgabe von Merkmalen Nachteil: Interpretation schwierig |
|
|
Semantisches Differential und Hauptkomponentenanalyse |
Bewertung auf einer Anzahlvordefinierter Skalen (z.B. Antonympaare) Darstellung als Polaritätsprofil Bestimmung der perzeptiven Dimensionendurch Hauptkomponentenanalyse(Principle Component Analysis, PCA) Vorteil: Bessere Interpretierbarkeit der Dimensionen Nachteil: Nur auf den Skalen erfasste Dimensionen– Vorversuche zur Bestimmung der Skalen |
|
|
Präferenz-Mapping |
Bestimmung des Zusammenhangs zwischen perzeptiven Dimensionen und Qualität Externes Präferenz-Mapping – Vektormodell (je mehr, desto besser, je weniger, desto besser) – Idealpunktmodell (optimaler Dimensionswert) |
|
|
Auswertung skalierter Messergebnisse |
1. Umkodierung in Skalenwerte 2. Dateneingabe (z.B. in SPSS) 3. Deskriptive Analyse Man schaut sich die Verteilung der Daten an und überprüft sie auf inhaltliche Plausibilität (z.B. negative Werte bei Alter?) und ihre Verteilungsform (z.B. Normalverteilung, Gleichverteilung,etc.). 4. Mittelwertvergleiche – T-Test – einfaktorielle ANOVA (Analysis of Variance) – mehrfaktorielle ANOVA – MANOVA (Multivariate Analysis of Variance) 5. Korrelationsanalyse 6. Regressionsanalyse |
