🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
digit_preference_bias
Ziffernpräferenzbias tritt auf, wenn Beobachter Messungen systematisch auf bevorzugte Zahlen runden, typischerweise solche, die auf 0 oder 5 enden. Diese scheinbar geringfügige Gewohnheit kann erhebliche Folgen haben, wenn die Rundung Werte über diagnostische oder therapeutische Schwellenwerte verschiebt und dadurch Prävalenzschätzungen und klinische Entscheidungen verzerrt.
Eine Pflegekraft, die Blutdruckwerte notiert, rundet auf die nächste 10 mmHg. Ein wahrer Messwert von 138/88 wird als 140/90 erfasst, was den Patienten über die Hypertonie-Schwelle schiebt. Über eine Populationsstudie hinweg wird dadurch die scheinbare Hypertonie-Prävalenz aufgebläht.
Bei einer groß angelegten Bevölkerungsstudie schätzen Interviewer das Alter von Teilnehmenden, die keinen Ausweis vorlegen können. Dabei werden überproportional viele Altersangaben auf glatte Zehner wie 30, 40 oder 50 Jahre gerundet, was die Altersverteilung in der Stichprobe unnatürlich verzerrt.
In einer ernährungswissenschaftlichen Studie sollen Teilnehmende ihre tägliche Kalorienaufnahme schätzen. Die Auswertung zeigt, dass Angaben wie 1500, 2000 oder 2500 Kalorien extrem häufig vorkommen, während Werte wie 1.743 oder 2.318 kaum genannt werden – ein klares Zeichen für systematisches Runden auf runde Zahlen.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Zeigen die Daten eine ungewöhnliche Häufung von Werten, die auf bestimmte Ziffern enden (0, 5)?
Typ: binaryWurden Messungen von menschlichen Beobachtern statt von automatisierten Instrumenten erfasst?
Typ: binaryKönnte Rundung Messungen über einen klinisch bedeutsamen Schwellenwert verschoben haben?
Typ: binaryWurde die Ziffernverteilung analysiert, um Rundungsmuster zu erkennen?
Typ: binaryZiffernpräferenzbias tritt auf, wenn Beobachter Messungen systematisch auf bevorzugte Zahlen runden, typischerweise solche, die auf 0 oder 5 enden. Diese scheinbar geringfügige Gewohnheit kann erhebliche Folgen haben, wenn die Rundung Werte über diagnostische oder therapeutische Schwellenwerte verschiebt und dadurch Prävalenzschätzungen und klinische Entscheidungen verzerrt.
Menschliche Beobachter neigen natürlicherweise dazu, numerische Werte zu vereinfachen. Runden erscheint bei jeder einzelnen Messung unbedeutend, aber wenn es systematisch über Tausende von Beobachtungen auftritt, erzeugt es messbare Verzerrungen in Datenverteilungen.
Automatisierte digitale Messgeräte verwenden, die exakte Werte erfassen. Datenerfassende schulen, präzise Messwerte zu notieren. Datenverteilungen auf Häufungen bei runden Zahlen als Qualitätskontrollschritt prüfen. Verdächtige Ziffernmuster kennzeichnen und untersuchen.
Blutdruckmessstudien zeigen konsistent übermäßig viele Messwerte bei 0 und 5, selbst bei Quecksilber-Sphygmomanometern, die präzise Ablesungen ermöglichen. Dies hat klinische Leitlinien und Prävalenzschätzungen der Hypertonie weltweit beeinflusst und zum Trend hin zu automatisierten Messgeräten beigetragen.
Systematic error arising from faulty or poorly calibrated measurement instruments.
Raters avoid extreme values, compressing variability in subjective assessments.
Equal measurement error across groups that typically biases estimates toward the null.
Researcher expectations systematically influence how observations are recorded.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.