an der Universität Osnabrück | Karteikarten & Zusammenfassungen

Karteikarten und Zusammenfassungen für 11. Durchführung und Datenintegration an der Universität Osnabrück

Komplett kostenfrei

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs 11. Durchführung und Datenintegration an der Universität Osnabrück.

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Was ist klinische und statistische Urteilsbildung?

Klinische Urteilsbildung:

Informationen werden auf der Basis subjektiver, intuitiver, informeller Einschätzungen zu einem diagnostischen Urteil integriert.

Statistische Urteilsbildung: Auf Basis fester Regeln und Algorithmen werden Informationen über Prädiktor- und Kriteriumsvariablen und deren Zusammenhänge zu einem diagnostischen Urteil integriert.

In der Praxis werden wohl beide Strategien gemeinsam zur Urteilsbildung beitragen

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

klinische Urteilsbildung ist anfälliger für subjektive Verzerrungen. Welche Fehler können auftreten:

• Strategie-basierte Fehler: Wenn der Mehraufwand für eine umfangreiche Diagnostik (fälschlicherweise) Höher als der potentielle Nutzen angesehen wird

• Assoziations-basierte Fehler: Kognitive Verzerrungen, die den Entscheidungsprozess beeinflussen können

Psychophysikalisch-basierte Fehler:

sehr auffällige oder unauffällige Ergebnisse werden weniger akkurat geprüft. (menschliches Wahrnehmungssystem nicht linear)

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Mögliche Heuristiken (assoziations-basierte Fehler):

Repräsentativitätsheuristik: Einschätzung der Wahrscheinlichkeit einer psychischen Störung auf Grund der Ähnlichkeit zu einem prototypischen Fall und nicht auf Grund der Prävalenz. 

Verfügbarkeitsheuristik: Urteile über Ereignisse werden dadurch beeinflusst, wie schnell (oder langsam) sie aus dem Gedächtnis abgerufen werden können. 

Ankerheuristik: Anfängliche Hypothesen werden als „Anker“ beibehalten obwohl es Hinweise gibt, dass diese verworfen werden sollten.

Simulationsheuristik: Je leichter Ereignisse künstlich/gedanklich konstruiert werden können, desto plausibler könnte es dem Diagnostiker erscheinen, dass es auch in der Realität so ist.

Das war nur eine Vorschau der Karteikarten auf StudySmarter.

Über 50 Mio Karteikarten von Schülern erstellt

Erstelle eigene Karteikarten in Rekordzeit

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Konfidenzintervalle

Das Konfidenzintervall gibt den Bereich an, in dem der wahre Testwert einer Person bei einer zuvor festgelegten Sicherheits- bzw. Irrtumswahrscheinlichkeit liegt.

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Konfidenzintervalle- was sagt die Äquivalenzhypothese aus ?

• Es wird angenommen, dass der wahre Wert dem gemessenen/beobachteten Wert entspricht bzw. dieser ihn gut repräsentiert.

• Mit dem Standardmessfehler (Messgenauigkeit eines Tests) wird ein Konfidenzintervall um den beobachteten Wert gelegt.

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Konfidenzintervalle- was sagt die Regressionshypothese aus?

Annahme, dass der beobachtete Wert den wahren Wert nicht gut repräsentiert.

1. Schätzung des wahren Wertes mittels Regression;

2. Berechnung des Konfidenzintervalls mittels Standardschätzfehler (Messgenauigkeit der Vorhersage).

• Intervall in der Regel kleiner als bei Äquivalenzhypothese.

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Welche fundamentalen Eigenschaften hat ein Profil?

• Höhe / Elevation: Kann durch die mittlere Ausprägung über alle erfassten Variablen/Eigenschaften eines Profils beschrieben werden

• Streuung / Scatter: Beschreibt die Streubreite der erfassten Eigenschaften und kann durch die Varianz quantifiziert werden.

Das war nur eine Vorschau der Karteikarten auf StudySmarter.

Über 50 Mio Karteikarten von Schülern erstellt

Erstelle eigene Karteikarten in Rekordzeit

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Profilvergleiche

es ist wünschenswert die verschiedenen Informationen zu kombinieren
verschiedene Eigenschaften können sich gegenseitig beeinflussen

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Profilvergleiche- wichtige Informationen zur Formel

D2 ist schwer zu interpretieren, da es abhängig von k und dem Wertebereich von x ist
Cattells Korrelationskoeffizienten rp für Profilbereiche hat einen Wertebereich von +1 (absolute Übereinstimmung) bis -1 (absolute Unähnlichkeit), 0 entspricht keiner Ähnlichkeit.

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Profilvergleiche Ähnlichkeitsindex:

McCrae's Ähnlichkeitsindex Ipa berücksichtigt die mittlere Höhe beider Ratings (M2).
Ipa kann in einen Korrelationskoeffizienten rpa konvertiert (geändert) werden

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Profilvergleiche- „double entry“ ICC

Berechnung: die Spalte des einen Profils muss jeweils um die Werte des anderen Profils ergänzt und damit der Pearson Korrelationskoeffizient berechnet werden

Das war nur eine Vorschau der Karteikarten auf StudySmarter.

Über 50 Mio Karteikarten von Schülern erstellt

Erstelle eigene Karteikarten in Rekordzeit

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für 11. Durchführung und Datenintegration an der Universität Osnabrück auf StudySmarter:

Profilvergleiche- „double entry“ ICC

Aus welchen Komponenten setzt sich die Formel zusammen ?

Die Mittelwertsdifferenzen greifen die Höhe der Profile auf. Im Fall von perfekter Höhenübereinstimmung wird weder im Zähler noch im Nenner etwas verändert.
Mit zunehmender Differenz wird der Zähler kleiner und der Nenner größer
 ICCDE sinkt (cave: negative Werte bedeuten Unähnlichkeit!).
Die Standardabweichungen/Varianzen erfassen die Homogenität der Streuung, je ungleicher desto mehr geht der ICCDE gegen 0 (egal ob eigentlich negativer oder positiver Zusammenhang, i.e. ähnlich oder unähnlich).

Kommilitonen im Kurs 11. Durchführung und Datenintegration an der Universität Osnabrück. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!