🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
recall_bias
Erinnerungsbias tritt auf, wenn Studienteilnehmende vergangene Expositionen, Verhaltensweisen oder Ereignisse ungenau erinnern oder berichten und diese Ungenauigkeit systematisch zwischen den Gruppen differiert. Personen, die ein negatives Ergebnis erfahren haben, durchsuchen ihre Erinnerung gründlicher nach möglichen Ursachen, während jene ohne das Ergebnis weniger Motivation haben, vergangene Details genau zu erinnern.
In einer Fall-Kontroll-Studie zu Geburtsdefekten erinnern sich Mütter von Kindern mit Defekten viel detaillierter an während der Schwangerschaft eingenommene Medikamente als Mütter gesunder Kinder, was eine scheinbare, aber möglicherweise nicht-kausale Assoziation zwischen Medikamenteneinnahme und Defekten erzeugt.
Nach einem schweren Verkehrsunfall werden Beteiligte nach ihrer Fahrgeschwindigkeit befragt. Fahrer, die einen Schwerverletzen verursacht haben, erinnern sich tendenziell an eine niedrigere Eigengeschwindigkeit als Fahrer ohne Unfallfolgen – die emotionale Belastung verzerrt die Erinnerung systematisch.
In einer Arbeitsplatzstudie werden Mitarbeitende nach ihrer Überstundenbelastung im vergangenen Jahr befragt. Personen, die aktuell unter Burnout leiden, geben deutlich mehr Überstunden an als Kolleginnen und Kollegen in ähnlichen Positionen ohne Burnout-Diagnose, obwohl die tatsächlichen Arbeitszeiten laut Zeiterfassung vergleichbar waren.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Stützt sich die Studie auf die Erinnerung der Teilnehmenden an vergangene Ereignisse oder Expositionen?
Typ: binaryKönnten Teilnehmende mit dem untersuchten Ergebnis Expositionen anders erinnern oder berichten als die Kontrollgruppe?
Typ: binaryIst die Zeitspanne zwischen Exposition und Datenerhebung lang genug, um die Erinnerung unzuverlässig zu machen?
Typ: binaryWurden objektive Aufzeichnungen oder Verifizierungsmethoden eingesetzt, um Selbstauskünfte zu validieren?
Typ: binaryErinnerungsbias tritt auf, wenn Studienteilnehmende vergangene Expositionen, Verhaltensweisen oder Ereignisse ungenau erinnern oder berichten und diese Ungenauigkeit systematisch zwischen den Gruppen differiert. Personen, die ein negatives Ergebnis erfahren haben, durchsuchen ihre Erinnerung gründlicher nach möglichen Ursachen, während jene ohne das Ergebnis weniger Motivation haben, vergangene Details genau zu erinnern.
Negative Ergebnisse lösen Grübeln und kausale Suche aus. Menschen, die einen Verlust, eine Krankheit oder ein unerwünschtes Ereignis erlitten haben, überprüfen mental ihre Vergangenheit auf der Suche nach Erklärungen, während Nichtbetroffene keine solche Motivation haben. Diese Asymmetrie in der Erinnerung erzeugt systematische Messfehler.
Prospektive Studiendesigns verwenden, die Expositionsdaten vor Eintreten der Ergebnisse erheben. Selbstauskünfte durch objektive Aufzeichnungen (Krankenakten, Apothekendatenbanken) ergänzen. Standardisierte Fragebögen und Verblindung einsetzen, um differenziellen Recall zu reduzieren.
Klagen wegen Umweltbelastungen stützen sich oft auf erinnerungsbasierte Evidenz. Gemeinden in der Nähe einer Schadstoffquelle berichten höhere Raten vergangener Symptome, teilweise weil das Bewusstsein der Exposition die Erinnerung verstärkt. Dies wurde in Fällen mit Stromleitungen, Chemieanlagen und Mobilfunkmasten dokumentiert.
Researcher expectations systematically influence how observations are recorded.
Measurement error that differs between comparison groups, biasing results in either direction.
An interviewer's expectations or behavior systematically influence participant responses.
Systematic differences in how outcomes are identified between comparison groups.
Systematic difference between respondents and non-respondents distorting study results.
Respondents agree with statements regardless of content, inflating affirmative responses.
Systematic error in how data are collected, recorded, or classified in a study.
Measurement error in predictor variables biases effect estimates toward zero.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.