Knowledge base – Redem® Knowledge base – Redem®
  • Gehe zu redem.io 
  • Dokumente 
  • Blog 
  • Kontakt 
Login
Knowledge base – Redem® Knowledge base – Redem®
Login
Knowledge base – Redem®
  • Gehe zu redem.io 
  • Dokumente 
  • Blog 
  • Kontakt 

Qualitätskriterien und Quality-Scores

  • folder icon closed folder iconRedem®-Score
  • folder icon closed folder iconPsychologische Qualitäts-Checks durch projektive Angaben
    • Antwort-Gewissheit bewerten
    • Oberflächlichkeit bewerten
    • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
    • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • folder icon closed folder iconInhaltliche Qualitäts-Checks
    • KI-Bewertung von Freitext / Offenen Fragen
  • folder icon closed folder iconFormale Qualitäts-Checks
    • Bewertung der Interview-Dauer
    • Antwortverhalten bei Item-Batterien
loading
  1. Home
  2. Docs
  3. Qualitätskriterien und Quality-Scores
  4. Psychologische Qualitäts-Checks durch projektive Angaben
  5. Oberflächlichkeit bewerten
Updated on Mai 12, 2022

Docy

Qualitätskriterien und Quality-Scores

  • folder icon closed folder open iconRedem®-Score
  • folder icon closed folder open iconPsychologische Qualitäts-Checks durch projektive Angaben
    • Antwort-Gewissheit bewerten
    • Oberflächlichkeit bewerten
    • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
    • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • folder icon closed folder open iconInhaltliche Qualitäts-Checks
    • KI-Bewertung von Freitext / Offenen Fragen
  • folder icon closed folder open iconFormale Qualitäts-Checks
    • Bewertung der Interview-Dauer
    • Antwortverhalten bei Item-Batterien

Oberflächlichkeit bewerten

Estimated reading: 2 minutes
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.

  • Tagged:
  • Prediction-Score
  • projective questions
  • quality-scores

War dieser Artikel hilfreich? Yes No

Ähnliche Artikel

  • Ansicht für Qualität der Rohdaten
  • Detailansicht der Qualitätskriterien
  • Antwortverhalten bei Item-Batterien
  • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
  • Bewertung der Interview-Dauer
  • Projektive Fragesets in den Fragebogen integrieren
  • Projektives-Frageset bestimmen
  • Antwort-Gewissheit bewerten
  • Redem®-Score
  • Allgemeines über Projektive-Fragen & FAQ’s
  • Gewichtung von projektiven Fragen
  • Ansicht für Qualität der bereinigten Daten
  • KI-Bewertung von Freitext / Offenen Fragen
CONTENTS

© 2023 Redem GmbH