Apps
EN — EnglishLogin

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

Illusionäre Korrelation (Illusory Correlation)

Auch bekannt als: Illusory association Scheinkorrelation
Cognitive Bias ID: illusory_correlation

Definition

Die Wahrnehmung einer Beziehung zwischen zwei Variablen, wenn keine solche Beziehung existiert, oder die Überschätzung der Stärke einer schwachen Beziehung. Menschen sind besonders anfällig dafür, Korrelationen zwischen auffälligen Ereignissen zu sehen, selbst wenn sie nicht öfter gemeinsam auftreten, als es der Zufall vorhersagen würde. Diese Verzerrung ist ein Schlüsselmechanismus bei der Stereotypenbildung.

Beispiele

Eine Person, die zweimal negative Erfahrungen mit einer bestimmten Automarke gemacht hat, kommt zu dem Schluss, dass die Marke unzuverlässig ist, während sie die vielen ereignislosen Erfahrungen ignoriert und die Rate nicht mit anderen Marken vergleicht. Die negativen Ereignisse sind einprägsam und erzeugen eine illusorische Assoziation.

Eine Managerin bemerkt, dass zwei ihrer Mitarbeiter mit roten Haaren besonders kreativ sind, und beginnt zu glauben, dass rothaarige Menschen grundsätzlich kreativer sind – obwohl sie Dutzende andersfarbig-haariger Kollegen mit ebenso kreativen Ideen übersieht.

Ein Nutzer in sozialen Medien postet dreimal in Folge über Rückenschmerzen nach Vollmond und zieht daraus den Schluss, dass der Mondstand seine Gesundheit beeinflusst. Die vielen schmerzfreien Vollmondnächte werden dabei vollständig ignoriert.

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

    Wird eine kausale oder korrelative Verbindung ohne statistische Evidenz behauptet?

    Typ: binary
  2. 2

    Werden Koinzidenzen (gemeinsames Auftreten) zweier Ereignisse bemerkt, während Nicht-Koinzidenzen ignoriert werden?

    Typ: binary
  3. 3

    Würden kontrollierte Daten die wahrgenommene Beziehung stützen?

    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