Apps
EN — EnglishLogin

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

Hawthorne-Effekt

Auch bekannt als: Beobachtereffekt Reaktivität auf Beobachtung
Aspect ID: hawthorne_effect

Definition

Der Hawthorne-Effekt beschreibt die Tendenz von Personen, ihr Verhalten zu modifizieren, wenn sie wissen, dass sie beobachtet werden, unabhängig von einer spezifischen Intervention. Der Beobachtungsakt selbst verändert das Beobachtete und vermischt den Effekt des Studienverfahrens mit dem der Intervention.

Beispiele

Arbeiter in einer Fabrik steigern ihre Produktivität, wenn die Beleuchtung verbessert wird. Als die Beleuchtung auf den ursprünglichen Stand zurückgebracht wird, bleibt die Produktivität erhöht. Die Schlussfolgerung: Die Arbeiter reagierten darauf, beobachtet zu werden, nicht auf die Beleuchtungsänderung.

Eine Schule führt ein System ein, bei dem Lehrkräfte ihre Unterrichtsstunden videografieren sollen, um Fortbildungsmaterial zu erstellen. Schon allein durch das Wissen um die Kamera bereiten die Lehrkräfte ihre Stunden sorgfältiger vor und sind im Unterricht engagierter – unabhängig davon, ob die Aufnahmen je ausgewertet werden.

Ein Supermarkt testet ein neues digitales Kassensystem und informiert die Mitarbeitenden, dass ihre Arbeitsgeschwindigkeit während der Pilotphase gemessen wird. Die Kassiererinnen und Kassierer arbeiten in diesem Zeitraum deutlich schneller und machen weniger Fehler – ein Effekt, der nach Abschluss der Testphase wieder nachlässt.

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

    Wussten die Teilnehmenden, dass sie beobachtet oder untersucht werden?

    Typ: binary
  2. 2

    Verbesserte sich die Leistung oder das Verhalten auf eine Weise, die nicht allein der Intervention zugeschrieben werden kann?

    Typ: binary
  3. 3

    War die Kontrollgruppe ebenfalls über die Beobachtung informiert, oder war sie wirklich blind?

    Typ: binary
  4. 4

    Blieben die Verbesserungen nach dem Ende des Beobachtungszeitraums bestehen?

    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.