Apps
EN — EnglishLogin

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

Einheits-Bias (Unit Bias)

Auch bekannt als: Completion Bias Portion Size Effect
Discourse Mechanics ID: unit_bias

Definition

Die Tendenz, eine einzelne Einheit von etwas als die angemessene Menge zu betrachten, unabhängig von der tatsächlichen Größe der Einheit. Menschen konsumieren mehr, wenn ihnen größere Einheiten gegeben werden, und weniger bei kleineren Einheiten, weil sich 'eine Einheit' wie ein natürlicher Stopppunkt anfühlt.

Beispiele

Menschen essen mehr Pasta, wenn sie auf einem größeren Teller serviert wird, weil sich ein Teller als die richtige Menge anfühlt, unabhängig davon, wie viel Pasta darauf ist.

Ein Softdrink im Kino kostet im 'Large'-Format nur 50 Cent mehr als im 'Medium'-Format – doch die meisten Leute bestellen trotzdem das Medium, weil es sich als 'ein Getränk' anfühlt und die tatsächliche Menge kaum eine Rolle spielt.

Ein Rezept empfiehlt 'eine Handvoll Nüsse' als Snack. Obwohl die Hände unterschiedlich groß sind, isst jede Person genau eine Handvoll – egal ob das 20 oder 50 Gramm sind – weil sich eine Einheit als die richtige Portion anfühlt.

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 Menge konsumiert, zugeteilt oder bewertet?

    Typ: binary
  2. 2

    Wird die wahrgenommene angemessene Menge durch die präsentierte Einheit oder Portionsgröße beeinflusst?

    Typ: binary
  3. 3

    Würde sich der Konsum oder die Zuteilung unterscheiden, wenn dieselbe Gesamtmenge in unterschiedlichen Einheitsgrößen präsentiert würde?

    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