🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
magnitude
Ausmaßverzerrung ist die systematische Fehldarstellung der Größe, des Schweregrads oder der Bedeutung von Ereignissen oder Trends – entweder durch Übertreibung (Katastrophisierung, Bedrohungsamplifikation) oder durch Verharmlosung (Bagatellisierung, Untertreibung von Auswirkungen). Sie wirkt durch absolute vs. relative Rahmung, fehlende Nenner, nicht vorhandene Basisraten, selektive historische Vergleiche und Sprache, die Ausmaß impliziert ohne Daten zu liefern.
Ein Nachrichtenbericht meldet '10.000 Fälle von X' in der Schlagzeile, ohne zu erwähnen, dass dies einer Rate von 0,002% der betroffenen Bevölkerung entspricht – niedriger als die Rate des Vorjahres von 0,003%. Die absolute Zahl erzeugt Alarm; die kontextualisierte Rate würde Verbesserung signalisieren.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Beschreibt die Berichterstattung das Ausmaß, den Schweregrad oder die Bedeutung eines Ereignisses oder Trends?
Typ: binaryIst das beschriebene Ausmaß – in Sprache oder Betonung – größer oder kleiner als die Fakten bei Anwendung von Kontext und Vergleich stützen?
Typ: binaryFehlen relevante Kontextzahlen – Basisraten, historische Vergleiche, Bevölkerungsnenner –, die eine genaue Kalibrierung ermöglichen würden?
Typ: binaryDient die Verzerrung einer konsistenten Erzählung – Bedrohungen aufbauschen, Risiken verharmlosen, Veränderungen dramatisieren oder Kontinuität herunterspielen?
Typ: binaryAusmaßverzerrung ist die systematische Fehldarstellung der Größe, des Schweregrads oder der Bedeutung von Ereignissen oder Trends – entweder durch Übertreibung (Katastrophisierung, Bedrohungsamplifikation) oder durch Verharmlosung (Bagatellisierung, Untertreibung von Auswirkungen). Sie wirkt durch absolute vs. relative Rahmung, fehlende Nenner, nicht vorhandene Basisraten, selektive historische Vergleiche und Sprache, die Ausmaß impliziert ohne Daten zu liefern.
Menschen sind schlechte intuitive Statistiker und haben Schwierigkeiten, große Zahlen ohne Referenzpunkte einzuordnen. Ausmaßsprache ('massiv', 'winzig', 'Rekord', 'vernachlässigbar') umgeht die quantitative Bewertung und ersetzt das implizite Urteil des Reporters durch das eigene des Publikums.
Fragen: Groß im Vergleich zu was? Ist die genannte Zahl absolut oder relativ? Was ist der Nenner? Was ist die historische Basislinie? Ist der beschriebene Trend statistisch signifikant? Berichte suchen, die Pro-Kopf-, Prozent- oder historische Kontextzahlen liefern.
Allgegenwärtig in Gesundheitsrisiko-Journalismus (absolutes vs. relatives Risiko), Kriminalberichterstattung (Zahlen ohne Raten), Wirtschaftsberichterstattung (BIP-Wachstum ohne Bevölkerungs- oder Inflationskontext) und Umweltberichterstattung.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.