🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
identifiable_victim_effect
Die Tendenz, einer bestimmten, identifizierbaren Person mehr Hilfe anzubieten als einer großen, vage definierten Gruppe mit dem gleichen Bedürfnis. Ein einzelnes namentlich genanntes Opfer mit einer Geschichte löst weitaus mehr emotionale Reaktionen und Spendenbereitschaft aus als statistische Abstraktionen über Tausende von Leidenden.
Eine Spendenkampagne, die ein namentlich genanntes Kind mit einem Foto zeigt, sammelt weitaus mehr Geld als ein Bericht, der besagt, dass 10.000 Kinder an derselben Krankheit leiden.
Ein virales Social-Media-Video zeigt den kleinen Luca, der dringend eine Knochenmarkspende braucht. Innerhalb von Stunden melden sich Tausende als Spender – obwohl die Aufrufe für die vielen anonymen Patienten auf der Warteliste seit Monaten kaum Resonanz fanden.
Eine Nachricht über einen namentlich bekannten Obdachlosen, dessen Geschichte in der Lokalzeitung erscheint, löst eine Welle an Hilfsangeboten aus. Ein Artikel über die gestiegene Obdachlosigkeit in derselben Stadt um 30 Prozent blieb dagegen weitgehend ohne Reaktion.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Wird das Leiden eines bestimmten, identifizierbaren Individuums hervorgehoben?
Typ: binaryErzeugt dieser Einzelfall mehr Empathie oder Handlungsbereitschaft als statistische Informationen über eine größere Gruppe?
Typ: binaryWerden Entscheidungen durch die emotionale Reaktion auf das Individuum und nicht durch das Ausmaß des Problems getrieben?
Typ: binaryDie Tendenz, einer bestimmten, identifizierbaren Person mehr Hilfe anzubieten als einer großen, vage definierten Gruppe mit dem gleichen Bedürfnis. Ein einzelnes namentlich genanntes Opfer mit einer Geschichte löst weitaus mehr emotionale Reaktionen und Spendenbereitschaft aus als statistische Abstraktionen über Tausende von Leidenden.
Empathie wird durch konkrete, anschauliche Reize ausgelöst und nicht durch abstrakte Zahlen. Ein Gesicht und ein Name aktivieren die emotionale Verarbeitung auf eine Weise, die Statistiken nicht leisten können.
Nutze sowohl individuelle Geschichten ALS AUCH den statistischen Kontext, um Entscheidungen zu treffen. Stelle sicher, dass emotionale Reaktionen auf Einzelfälle die systematische Analyse des Ausmaßes eines Problems ergänzen und nicht ersetzen.
Spendenbereitschaft, Medienberichterstattung, politische Prioritätensetzung, Zuteilung von Katastrophenhilfe und Entscheidungen bei der medizinischen Triage.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.