Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- de:create:questions:iat [12.11.2017 14:44] – Ergänzungen zur Verwertung des D-Scores admin
+++ de:create:questions:iat [17.01.2019 12:51] – [Auswertung] admin
@@ Zeile 3: / Zeile 3: @@
 Der implizite Assoziationstest (IAT) nach Greenwald et al. (1998) dient dazu, die kognitive Assoziation zweier Dimensionen (z.B. Demokraten/Republikaner und gut/schlecht) zu messen. Dazu werden dem Teilnehmer in 7 Test-Blöcken Wörter und/oder Bilder vorgelegt, welche der Teilnehmer korrekt per Tastendruck einer Kategorie zuordnen soll. Anhand der Reaktionszeiten wird die Stärke und Richtung der Assoziation gemessen.
-**Wichtig:** Der IAT gehört nicht zum Standard-Umfang von SoSci Survey. Der Test muss gesondert und kostenpflichtig als Modul installiert oder zusätzlich gebucht werden.
+**Wichtig:** Der IAT gehört nicht zum Standard-Umfang von SoSci Survey. Der Test muss gesondert und kostenpflichtig als Modul "Implizite Methoden" gebucht werden.
+**Hinweis:** Sollten beim Herunterladen der Daten in SPSS die D-Scores fehlen, stellen Sie beim Download bitte ein anderes Dezimaltrennzeichen ein ([[:de:results:troubleshooting]] -> [[:de:results:troubleshooting#fehlende_dezimalzahlen_in_spss|Fehlende Dezimalzahlen in SPSS]]).
 ===== Verwendung =====
@@ Zeile 57: / Zeile 58: @@
 ===== Auswertung =====
-Die IAT-Frage speichert (neben den Rohdaten) einen Indexwert für die Assoziationsstärke. Dieser wird entsprechend der unten genannten Literatur berechnet.
+Die IAT-Frage speichert (neben den Rohdaten) einen Indexwert für die Assoziationsstärke (D-Score). Dieser wird entsprechend der unten genannten Literatur berechnet.
@@ Zeile 86: / Zeile 87: @@
 Die Berechnung des "improved" Scores erfolgt auf Basis der Trainingsblöcke //und// der eigentlichen Test-Blöcke. Zur Abschätzung der Reliabilität werden die getrennten D-Scores für die Trainingblöcke und die Testblöcke korreliert. In SoSci Survey sind das die Variablen "Teilergebnis basierend auf den Trainings-Blöcken 3 und 6 (D-Score)" und "Teilergebnis basierend auf den Test-Blöcken 4 und 7 (D-Score)". Die Schätzung der Reliabilität folgt der Idee des Split-Half-Verfahrens, wie es bei Skalenbatterien eingesetzt wird.
+==== Arbeiten mit den Rohdaten ====
+Das IAT-Modul von SoSci Survey wertet die gemessenen Daten automatisch aus und liefert einen D-Score entsprechend der gängigen Literatur (s. oben). Falls die Standard-Auswertung einmal nicht ausreicht, liefert SoSci Survey auch die Rohdaten der Messung.
+Die Rohdaten des IAT umfassen pro Block jeweils die Angabe, welches Item präsentiert wurde, ob das Item im ersten Versuch der korrekten Kategorie zugeordnet wurde, und wie lange der Teilnehmer für die Zuordnung benötigte [ms]. Es handelt sich also nicht um klassisch tabellarische Daten, denn die Items werden ja standardmäßig in zufälliger Reihenfolge präsentiert.
+In den Variablen ...b01i bis ...b07i werden die Informationen in einem Format gespeichert, wie es die Konkurrenz ausgibt, z.B.
+    ItemA 1 1183 ItemB 0 581 ItemC 1 774 ItemD 1 565 ItemE 1 565
+Hierbei ist immer eine Kennung für das Item angegeben, die Korrekte Zuordnung (0=falsch, 1=korrekt) und die Reaktionszeit in Millisekunden [ms].
+Für die Auswertung werden i.d.R. aber nur die Reaktionszeiten und die korrekte Zuordnung benötigt. Dafür aber in einem handlicheren Format. Das IAT-Modul speichert die Rohdaten daher zusätzlich als JSON, z.B.
+    [
+      [
+        [1183,1],[581,0],[774,1],[565,1],[565,1]
+      ],[
+        [1600,1],[629,1],[551,1],[677,1],[1317,1]
+      ],
+      ...
+    ]
+Im Datensatz sind die Zeilen nicht so hübsch eingerückt, die Daten sind aber die gleichen: Das äußerste Array (`[]`) umfasst 7 Elemente entsprechend den 7 Blöcken. Jeder Block wird durch ein weiteres Array repräsentiert (`[]`), welches wiederum so viele Arrays wie Trials enthält. In den obigen Daten also z.B. 5 Trials in den Blöcken 1 und 2. Innerhalb der Trials ist jeweils die Reaktionszeit [ms] und die korrekte Zuordnung (0=falsch, 1=korrekt) kodiert.
+Diese Daten lassen sich mit jeer Software einlesen, die JSON unterstützt, z.B. GNU R. Da das Einlesen und Verarbeiten der unterschiedlich langen Arrays (d.h. keine klassischen Matrizen) in R nicht ganz trivial ist, haben wir hier exemplarisch ein R-Script bereitgestellt, welches die Auswertung eines SC-IAT auf Basis der JSON-Daten vornimmt: {{:de:create:questions:iat.sciat.r | Import und Auswertung für den SC-IAT}}
+**Hinweis:** Der Umgang mit den Rohdaten ist nur erforderlich, wenn von der standardmäßigen Auswertung abgewichen werden soll. Normalerweise erledigt SoSci Survey die Auswertung automatisch.
+===== Anpassungen =====
+Per JavaScript sind einige Modifikationen am IAT möglich. Dazu wird unter der Frage ein HTML-Element mit dem entsprechenden JavaScript-Code platziert. Die Kennung `iatAB01` in den folgende Beispielen muss an die Kennung des IAT angepasst werden.
+==== Rotation der Reihenfolge ====
+Um ein hohes Maß an Vergleichbarkeit zu gewährleisten, ist die Reihenfolge der Blöcke im IAT fest vorgegeben, z.B. zeigt Block 3 immer die Kategorien A und C gemeinsam auf der linken Seite ([[#bloecke|Blöcke]]).
+Falls hier eine zufällige Rotation z.B. der Seiten gewünscht ist...
+  * ... erstellen Sie eine Kopie der IAT-Frage (wenn Sie die Frage im **Fragenkatalog** auswählen, erscheint über der Frage (rechts) eine Leiste mit mehreren Symbolen, davon eines zum "Frage duplizieren").
+  * In der Kopie tauschen Sie die Inhalte der Kategorien (z.B. die Wörter der positiven und der negativen Bewertungsdimension).
+  * Zuletzt folgen Sie der Anleitung [[:de:create:randomization]], um zufällig eine der beiden (oder ggf. auch mehr Variationen) im Fragebogen zu verwenden.
+Mit diesem Vorgehen ist gewährleistet, dass die verfügbaren Variationen genau festgelegt werden. Außerdem kann die verwendete Abfolge im Datensatz genau nachvollzogen werden.
+==== Anzahl der Trials ====
+Der Standard-IAT umfasst 7 Blöcke mit 20, 20, 20, 40, 20, 20 und 40 Trials pro Block. Folgender JavaScript-Code erhöht die Anzahl der Trials.
+<code javascript>
+<script type="text/javascript">
+<!--
+SoSciTools.attachEvent(window, "load", function() {
+  iatAB01.setTrials([24,24,48,48,35,48,48]);
+});
+// -->
+</script>
+</code>
+Bitte beachten Sie die eckigen Klammern innerhalb der runden Klammern. Diese definieren ein Array. Dieses Array muss exakt 7 Elemente haben, entsprechend der Anzahl der Trials.
+===== Varianten =====
+Das Modul "Implizite Methoden" enthält neben dem klassischen IAT nach Greenwald et al. (1998) auch einen Single Category IAT (SC-IAT nach Karpinski & Steinman, 2006) und den Brief IAT (BIAT nach Sriram & Greenwald, 2009).
+==== Single Category IAT ====
+Beim SC-IAT werden nicht zwei gegensätzliche Konzepte eine evaluativen Dimension gegenübergestellt, sondern nur eines. Der Teilnehmer soll dann z.B. kategorisieren, ob "Affe" zur Dimension "Tier" oder "positiv" gehört oder eben nicht.
+Die Implementierung des SC-IAT folgt Karpinski und Steinman (2006), eine Studie zur Reliabilität legen Blümke und Friese (2008) vor.
+In der Frage sind in der deutschen und englischen Variante bereits Begriffe (Stimuli) für die evaluative Dimension eingetragen. Diese Begriffe entstammen  Karpinski und Steinman (2006, S. 32) bzw. sind eine wörtliche Übersetzung dieser Begriffe ins Deutsche.
+==== Brief IAT ====
+Der BIAT reduziert die Anzahl der Blöcke und Trials, um die Testdauer zu verkürzen. Der Ablauf ist entsprechend Sriram und Greenwald (2009) implementiert.
 ===== Literatur =====
+Blümke, M. & Friese, M. (2008). Reliability and validity of the Single-Target IAT (ST-IAT): Assessing automatic affect towards multiple attitude objects. //European Journal of Social Psychology, 38//, 977–997.
 Greenwald, A. G., McGhee, D. E. & Schwartz, J. L. K. (1998). Measuring individual differences in implicit cognition: The implicit association test. //Journal of Personality and Social Psychology, 74//(6), 1464-1480. [[http://faculty.washington.edu/agg/pdf/Gwald_McGh_Schw_JPSP_1998.OCR.pdf|Available online]]
 Greenwald, A. G., Nosek, B. A. & Banaji, M. R. (2003). Understanding and using the Implicit Association Test: I. An improved scoring algorithm. //Journal of Personality and Social Psychology, 85//(2), 197–216. DOI: 10.1037/0022-3514.85.2.197
+Karpinski, A. & Steinman, R. B. (2006). The Single Category Implicit Association Test as a Measure of Implicit Social Cognition. //Journal of Personality and Social Psychology, 91//(1), 16–32.
 Lane, K. A., Banaji, M. R., Nosek, B. A. & Greenwald, A. G. (2007). Understanding and Using the Implicit Association Test: IV. In B. Wittenbrink & N. Schwarz. //Implicit Measures of Attitudes//, S. 59-102. [[http://books.google.de/books?id=7YZ4-2f1bNoC&pg=PA59|Google Book Preview]]
 Nosek, B. A., Greenwald, A. G., & Banaji, M. R. (2005). Understanding and Using the Implicit Association Test: II. Method Variables and Construct Validity. //Personality and Social Psychology Bulletin, 31//(2), 166-174. DOI: 10.1177/0146167204271418
+Sriram, N. & Greenwald, A. G. (2009). The Brief Implicit Association Test. //Experimental Psychology, 56//(4), 283-94.