Erkennen, welche Merkmale tatsächlich diagnostisch sind

Merkmale, die Kategorien tatsächlich unterscheiden, von solchen trennen, die nur das Bild vervollständigen.

Why it works

Wenn eine Beschreibung viele mit einem Prototyp konsistente Merkmale enthält, behandeln Menschen die Stimmigkeit des Bildes als Beweis für Zugehörigkeit – selbst wenn die meisten Merkmale keine unterscheidende Information tragen. Ein Merkmal ist nur diagnostisch, wenn es in der Zielkategorie häufiger vorkommt als bei Alternativen. Dekorative Merkmale (sie passen zur Geschichte, unterscheiden aber nicht) von diagnostischen zu trennen aktiviert sorgfältigeres, bayessches Denken.

How to do it

1. Die Merkmale des zu bewertenden Falls auflisten.
2. Für jedes Merkmal fragen: „Ist das in der betrachteten Kategorie häufiger als in anderen?“
3. Merkmale als „dekorativ“ markieren, wenn sie zum Prototyp passen, aber nicht unterscheiden.
4. Das Wahrscheinlichkeitsurteil nur auf die diagnostische Teilmenge stützen.

Evidenz

Forschung zum Verdünnungseffekt (Nisbett et al., 1981) zeigt, dass das Hinzufügen irrelevanter (nicht-diagnostischer) Information die Urteilsgenauigkeit tatsächlich schwächt – Menschen mitteln sie ein, statt sie zu ignorieren. Das stützt direkt die Trennung diagnostischer von dekorativen Merkmalen. (observational)

Der Verdünnungseffekt selbst ist kontextabhängig; die praktische Disziplin, diagnostische Merkmale zu identifizieren, ist ein korrigierendes Heuristikum, keine garantierte Debiasing-Prozedur.

Quellen

• Nisbett, Zukier & Lemley (1981), The dilution effect: Nondiagnostic information weakens the implications of diagnostic information, Cognitive Psychology

Häufiger Fehler

Eine lange, konsistente Beschreibung als starke Evidenz behandeln – die Anzahl konsistenter Merkmale summiert sich nicht zu höherer Wahrscheinlichkeit; nur unterscheidende Merkmale tun das.