Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Zitationsverzerrung

Auch bekannt als: Selective citation Citational favoritism Citation Bias
Statistical Error ID: citation_bias

Definition

Zitationsverzerrung tritt auf, wenn Studien mit statistisch signifikanten oder positiven Ergebnissen häufiger zitiert werden als Studien mit Null- oder negativen Ergebnissen. Dies erzeugt einen verzerrten Eindruck vom Stand der Evidenz: Viel zitierte Studien erscheinen autoritativer und wichtiger, während unzitierte Nullstudien unsichtbar werden. Im Laufe der Zeit kann ein falscher Konsens entstehen, weil Forschende, Gutachtende und politische Entscheidungsträger die positive Evidenz wiederholt wahrnehmen, während die widersprechende Evidenz zu langsam Zitationen akkumuliert, um den Diskurs zu beeinflussen.

Beispiele

Eine wegweisende Studie, die einen Zusammenhang zwischen einem bestimmten Lebensmittelzusatzstoff und Hyperaktivität bei Kindern behauptet, wird über 1.000 Mal zitiert. Drei Folgestudien ohne Nachweis eines Zusammenhangs werden jeweils weniger als 50 Mal zitiert. Eine stark von Zitationszahlen beeinflusste politische Überprüfung schließt, die Evidenz stütze den Zusammenhang nachdrücklich.

Eine Studie, die behauptet, ein bestimmtes Nahrungsergänzungsmittel steigere die Konzentrationsfähigkeit signifikant, wird in zwei Jahren über 800 Mal zitiert und in zahlreichen Medien erwähnt. Zwei sorgfältig durchgeführte Replikationsstudien, die keinen Effekt fanden, werden zusammen nur 23 Mal zitiert.

In der Klimaforschung wird eine Modellstudie, die extreme Szenarien des Meeresspiegelanstiegs prognostiziert, in wissenschaftlichen Artikeln und Medienberichten ständig referenziert. Eine methodisch robustere Folgestudie mit moderateren Schätzungen findet sich kaum in Literaturlisten – sie ist schlicht weniger spektakulär.

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Werden Studien mit signifikanten Ergebnissen häufiger zitiert als solche mit Nullergebnissen?

    Typ: binary
  2. 2

    Referenziert die zitierende Literatur selektiv unterstützende Studien und ignoriert widersprüchliche Evidenz?

    Typ: binary
  3. 3

    Könnten hohe Zitationszahlen einen falschen Eindruck von der Stärke der Evidenz erzeugen?

    Typ: binary
  4. 4

    Hat die zitierende Arbeit eine ausgewogene Übersicht sowohl unterstützender als auch widersprüchlicher Studien durchgeführt?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.

Hierarchischer Kontext