Apps
EN — EnglishLogin

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

Verbreitungsverzerrung

Auch bekannt als: Dissemination bias Reporting bias Selective dissemination Selektive Verbreitung
Statistical Error ID: dissemination_bias

Definition

Verbreitungsverzerrung ist der Oberbegriff für alle Prozesse, durch die Forschungsergebnisse auf Basis der Art ihrer Resultate selektiv verfügbar gemacht werden. Sie umfasst Publikationsverzerrung, Zeitverzögerungsverzerrung, Publikationsort-Verzerrung, Zitationsverzerrung und Sprachverzerrung als spezifische Mechanismen. Der gemeinsame Nenner ist, dass die Zugänglichkeit und Sichtbarkeit von Forschung nicht von ihrer Qualität oder Bedeutung abhängt, sondern davon, ob ihre Ergebnisse positiv, signifikant, neuartig oder im Einklang mit mächtigen Interessen sind.

Beispiele

Ein Pharmaunternehmen führt zehn klinische Studien zu einem neuen Medikament durch. Drei zeigen Wirksamkeit und werden in hochrangigen Zeitschriften publiziert, auf Konferenzen präsentiert und in Pressemitteilungen beworben. Sieben zeigen keinen Effekt und werden in Regulierungsarchiven abgelegt, nie veröffentlicht oder öffentlich diskutiert. Ärzte und Patienten sehen nur die positive Evidenz.

Eine Behörde beauftragt fünf unabhängige Forschungsinstitute, die Wirksamkeit eines neuen Sozialprogramms zu evaluieren. Zwei Institute berichten positive Effekte und werden zu Pressekonferenzen eingeladen. Die drei Institute mit gemischten oder negativen Befunden erhalten keine Plattform – ihre Berichte verschwinden in internen Archiven.

Ein Technologieunternehmen lässt die Auswirkungen seiner Social-Media-Plattform auf das psychische Wohlbefinden von Jugendlichen intern untersuchen. Studien, die keine negativen Effekte zeigen, werden auf der Unternehmenswebsite veröffentlicht. Studien mit beunruhigenden Ergebnissen werden als 'vorläufig' eingestuft und nicht publiziert.

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 bestimmte Forschungsergebnisse auf Basis ihrer Resultate selektiv geteilt oder öffentlich gemacht?

    Typ: binary
  2. 2

    Wird die Verbreitung von Befunden davon beeinflusst, ob sie eine bestimmte Position unterstützen?

    Typ: binary
  3. 3

    Werden Null- oder ungünstige Befunde unterdrückt, verzögert oder unzureichend beworben?

    Typ: binary
  4. 4

    Zeichnet die öffentlich verfügbare Evidenz aufgrund selektiver Verbreitung ein schiefes Bild?

    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