Apps
EN — EnglishLogin

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

Antwortverschiebungsbias

Auch bekannt als: Neukalibrierungsbias Skalenneuausrichtung
Aspect ID: response_shift_bias

Definition

Antwortverschiebungsbias entsteht, wenn eine Veränderung des internen Referenzstandards, der Werte oder der Definition eines Konstrukts Vorher-Nachher-Vergleiche auf derselben Skala irreführend macht. Patienten, die sich an eine chronische Erkrankung anpassen, können 'gute Lebensqualität' neu definieren und ähnliche objektive Funktionsfähigkeit nach der Anpassung höher bewerten als zuvor.

Beispiele

Krebspatienten bewerten ihre Lebensqualität vor der Behandlung mit 7/10. Nach behandlungsbedingter teilweiser Behinderung bewerten sie sie wieder mit 7/10 — aber diese zweite Bewertung spiegelt einen neu kalibrierten Standard wider.

Ein Sportler verletzt sich schwer und muss seine Karriere beenden. Sechs Monate später bewertet er sein allgemeines Wohlbefinden mit 8/10 – genauso hoch wie vor der Verletzung. Doch seine neue Bewertung basiert auf völlig anderen Maßstäben: Er vergleicht sich nun mit anderen Menschen mit Behinderungen statt mit Spitzensportlern.

Eine Mitarbeiterin wird nach einer Unternehmensumstrukturierung in ein chaotisches Team versetzt. In einer Befragung vor der Umstrukturierung bewertete sie die Teamkommunikation mit 5/10, danach wieder mit 5/10 – obwohl die objektive Kommunikationsqualität stark gesunken ist. Ihre Erwartungen haben sich schlicht nach unten angepasst, sodass der Vergleich bedeutungslos wird.

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

    Verwendet die Studie Vorher-Nachher-Vergleiche auf subjektiven Skalen (z.B. Lebensqualität, Schmerz)?

    Typ: binary
  2. 2

    Könnte sich der interne Referenzpunkt oder die Definition des Konstrukts zwischen den Messungen verändert haben?

    Typ: binary
  3. 3

    Wurde ein retrospektiver Vortest (Then-Test) neben dem prospektiven Vortest verwendet?

    Typ: binary
  4. 4

    Könnten Anpassung oder Neukalibrierung scheinbare Verbesserungen im Ergebnismaß erklären?

    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.