Oberflächlichkeit bewerten
Der Prediction-Score misst, wie gut Befragte die empirische Verteilung aller Antworten einschätzen (Prognosefähigkeit). Eine bessere Prognosefähigkeit deutet darauf hin, dass der Befragte weniger oberflächlich und mit einem höheren Aufmerksamkeitsgrad geantwortet hat. Dies gibt unter anderem Einblicke wie aufmerksam Befragte beim Beantworten der Fragen sind.
Bewertung der Prognosefähigkeit
Der Prediction-Score bewertet die Prognosefähigkeit jedes einzelnen Befragten. Je näher die Projektion an der tatsächlichen Verteilung liegt, desto höher der Prediction-Score eines Befragten.
Bei einer „perfekten“ Vorhersage, erhält ein Befragter einen PS von 100. Damit misst der Prediction-Score, wie gewissenhaft die Antworten der Befragten sind.
Prämisse hinter dem Prediction-Score
Die Prämisse hinter dem Prediction-Score ist folgende: Befragte mit höherer Sorgfalt im Antwortverhalten können besser vorhersagen, wie sich andere verhalten werden.
Wissenschaftlicher Hintergrund
Gemeinsam mit dem Information-Score ist der Prediction-Score Teil des sogenannten Bayesian Truth Serum . Dieses Konzept entstammt einer über 15-jährigen Grundlagenforschung am Massachusetts Institute of Technology (MIT), unter der Leitung von Prof. Drazen Prelec. Die Ergebnisse wurden auch in unterschiedlichen wissenschaftlichen Publikationen veröffentlicht.
Anwendungen und Einsatzgebiete
Der Prediction-Score kann bei jeder Befragung als auch methodenunabhängig eingesetzt werden. Voraussetzung ist lediglich die Integration von projektiven Fragesets.