Bewertung der Genauigkeit der Snap Urteile

Social Psychology

Your institution must subscribe to JoVE's Psychology collection to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 1 hour trial to JoVE!





By clicking "Submit", you agree to our policies.

 

Overview

Quelle: Diego Reinero & Jay Van Bavel, New York University

Sozialpsychologen haben lange an die Art und Weise Menschen Form Eindrücke anderer interessiert. Ein Großteil dieser Arbeit konzentriert sich auf die Fehler, die Menschen machen bei der Beurteilung, wie die übertriebene Einfluss der zentralen Merkmale (z. B. "warm" und "kalt"), die nicht genügend Gewicht auf den Kontext, in dem Verhalten anderer stattfindet, und die Tendenz für die Menschen zu urteilen, die ihre ursprünglichen Erwartungen über eine andere entsprechen. Dieser Fokus auf Fehler maskiert jedoch die Tatsache, dass Menschen ziemlich gut sind darin, ziemlich genaue Urteile über andere Menschen Eigenschaften, eine Fähigkeit, die im Laufe der menschlichen Evolution ohne Zweifel wichtig war.

In der Tat, die menschliche Fähigkeit, schnell von sozialen Situationen und Menschen zählt zu unseren wertvollsten Fähigkeiten sinnvoll. Besonders beeindruckend über unsere Fähigkeit, andere sinnvoll ist, nicht nur wie wenig Informationen wir Rückschlüsse machen müssen, sondern wie gut kalibriert, die wir mit so wenig Informationen sein können. Dieses Video zeigt einige experimentelle Techniken von Psychologie Forscher, einschließlich Ambady und Rosenthal in ihrer bahnbrechenden Arbeit,1 und untersucht den Prozess der Herstellung Rückschlüsse im Rahmen der studentischen Bewertungen ihrer Lehrer.

Cite this Video

JoVE Science Education Database. Grundlagen der sozialen Psychologie. Bewertung der Genauigkeit der Snap Urteile. JoVE, Cambridge, MA, (2017).

Principles

In einem Großteil der frühen Forschung basierten die Urteile auf Forderungen an verbalen und nonverbalen Kanäle die Ziele Verhalten. Jedoch später Forschung vorgeschlagen, daß fremde Urteile auf das Vorhandensein von beobachtbaren Hinweise, verwandt sein könnte vor allem nonverbale Verhalten und körperliche Erscheinung Cues. So wurden neue Experimente (wie derzeit) entwickelt, um die vermittelnde Wirkung der nonverbalen Verhalten und Aussehen von der Genauigkeit der Persönlichkeit Urteile zu untersuchen. Bei diesen versuchen Forscher Rater zur Verfügung stehenden Informationen so gesteuert, dass Ziele allein auf der Grundlage ihrer nonverbalen Verhalten bewertet wurden, und sie auch separate Urteile der physischen Attraktivität von Zielen erhalten, die die Beziehung zwischen Aussehen und die Genauigkeit der Persönlichkeit Urteile zu untersuchen.

Ein weiterer Faktor bei der Bestimmung der Genauigkeit der Snap Urteile ist der Grad der Übereinstimmung zwischen einem Urteil und ein Kriterium. Frühe Forschung verwendet Selbstauskünften Kriterium; jedoch sind diese Daten anfällig für Verzerrungen. Spätere Studien, wie die aktuellen Techniken vermeiden Berichte zu Gunsten der pragmatische und ökologische gültige Kriterium mit 3rd Party Berichte (hier: Student Bewertungen).

Eine endgültige Prinzip besteht darin, die Tatsache, dass bei der Prüfung der Richtigkeit der fremden Urteile über Persönlichkeitsmerkmale der Ziele von sehr minimal nicht interaktive Informationen, Forscher molekulare und molare nonverbales Verhalten berücksichtigen. Psychologen definieren molekulare Verhalten als in kleinen Reaktion Einheiten (momentane, diskrete Antworten) beschriebene Verhalten eher als größere. M OLAF Verhalten, wird auf der anderen Seite in großen Reaktion Einheiten beschrieben, die unterschiedliche Mengen an Zeit einnehmen.

Procedure

1. Materialien zu organisieren.

  1. Erstellen Sie Videos, worunter zuvor gefilmten Aufnahmen von 10 College-Dozenten. Der Inhalt des Unterrichts sollte ein breites Spektrum an Fachgebieten abdecken.
  2. Identifizieren Sie für jeden Lehrer drei separate, 10-s-Clips. Die drei Clips vorzugehen, bzw. am Anfang, Mitte und Ende Klasse und verfügen über die Lehrer allein in der video-Frame.
  3. Folgende lateinische Quadrat Designs kombinieren die drei Clips in zufälliger Reihenfolge; Dies gilt für jeden Lehrer. Dies führt zu insgesamt 30 Videoclips.
  4. Kompilieren Sie die Ende der Semester Student Auswertungen für jeden der 10 Ausbilder in den Videos. Diese Bewertungen werden von den tatsächlichen Kursen, die das Videomaterial entsprechen.

(2) Teilnehmer Rekrutierung

  1. Eine Energie-Analyse durchführen und eine ausreichende Anzahl von Teilnehmern zu beobachten und bewerten Sie die video-Clips zu rekrutieren.
    1. Frauen waren in der ursprünglichen Studie bevorzugt, weil frühere Forschung die Vorstellung unterstützt, daß sie besser als Männer bei Entschlüsselung nonverbale Verhalten.

3. Datenerhebung

  1. Informieren Sie die Teilnehmer, Bewertungen des Kursleiters basierend auf insgesamt nonverbales Verhalten bereitzustellen. Insbesondere, bitten Sie die Teilnehmer zu beurteilen, den Lehrer auf 15 Unterricht Dimensionen (z. B.Annahme, aktiv, aufmerksam, dominant, ehrlich, sympathisch, warm, Professional, etc.) auf einer 9-Punkte-Likert-Skala (1 = überhaupt nicht; 9 = sehr).
    1. Die Teilnehmer sollten keine andere Ausbildung erhalten.
  2. Um molekulare nonverbales Verhalten (z. B. spezifische nonverbale Aktionen) zu beurteilen, habe zwei bezahlt, ausgebildete Programmierer die gleichen Videoclips ansehen.
  3. Für jeden Clip, decken sich die Anzahl der nickt, Headshakes, Lächeln, lachen, Gähnen, runzelt die Stirn, beißen die Lippen nach unten blicken, selbst berührt, zappelt, emphatischen Gesten und schwachen Gesten die Lehrer gemacht.
  4. Haben Sie die beiden Rater auch des Lehrers Symmetrie und Körperhaltung zeigen.
  5. Um Attraktivität Effekte berücksichtigen, haben auch zwei Programmierer beurteilen die körperliche Attraktivität der einzelnen Lehrer, basierend auf einer 5-Punkte-Likert-Skala (1 = überhaupt nicht; 5 = sehr) basierend auf einem einzigen Foto der einzelnen Lehrer genommen aus dem Video.
  6. Vollständig Nachbesprechung Teilnehmer.

(4) Datenanalyse

  1. Beachten Sie, dass die primäre Ergebnisvariable von Interesse ist Effektivität, Lehre, die über Bewertungen durch die Lehrer-Schüler am Ende des Semesters bewertet wird.
    1. Dazu gehören zwei Elemente, die die Schüler des Kursleiters Leistung und die Qualität des gesamten Kurses zu bewerten.
  2. Konvertieren Sie diese Bewertungen in Prozentsätze.
    1. Der mittlere Anteil der zwei Bewertung Artikel dient als primäre abhängige Variable von Interesse.
  3. Analysieren Sie die Ratings der molaren nonverbales Verhalten für Zuverlässigkeit.
  4. Berechnen Sie aus diesen Daten ein Gesamtmittelwert, entspricht der molaren nonverbales Verhalten zusammengesetzter Score.
    1. Sowohl das Composite score und jeweils 15 Einzelbewertungen gelten als potenzielle Prädiktoren für Gesamtlehreffektivität.
  5. Analysieren Sie Programmierer Bewertungen von molekularen nonverbale Verhaltensweisen für Zuverlässigkeit.
  6. Bewertungen von Lehrern Attraktivität für Zuverlässigkeit zu analysieren.

Auf neue Leute zu treffen, viele Menschen dazu neigen, um schnelle Entscheidungen einer anderen Person – auch ohne viele Informationen zu gehen.

Zum Beispiel könnte auf ein geselliges Beisammensein, jemand sofort denken, dass der Kerl mit coole Brille, die sie nie kennengelernt haben, sympathische basiert ausschließlich auf seinen Auftritt. Es stellt sich heraus, er ist locker und hat viele Freunde.

Bemerkenswert ist, Menschen sind erstaunlich präzise, wenn diese ersten Eindrücke machen – bezeichnet als Urteile snap – einfach basierend auf visuelle Hinweise.

Basiert auf der bahnbrechenden Arbeit von Ambady und Rosenthal, zeigt dieses Video die experimentellen Techniken verwendet, um Urteile des Instructors Persönlichkeiten im Vergleich zu aktuellen Auswertungen ihrer Lehre Wirksamkeit machen. Wir untersuchen auch, wie solche Rückschlüsse auf andere Berufe, die verlassen sich auf die Analyse der Merkmale angewendet werden können.

In dieser Studie Teilnehmer werden gebeten, kurze, gedeckte video-Compilations von neuartigen College-Dozenten unterrichten eine Vielzahl von Themen zu beobachten und beurteilen müssen bestimmte Attribute. Anderen ausgebildeten Programmierer zählen mehr spezifische nonverbale Verhaltensweisen sowie bewerten ihre körperliche Erscheinung.

Diese Bewertungen sind letztlich im Vergleich zu tatsächlichen Lehrevaluationen, die Genauigkeit der ersten Eindrücke, die ausgehend von visuellen Eigenschaften und eindeutige und objektive Maßnahmen zu prüfen.

Teilnehmer geben zunächst molare Bewertungen – breite Merkmal Urteile – basierend auf 15 Unterricht Dimensionen, z. B. ob sie begeistert, sympathisch und selbstbewusst scheinen. Die Likert-Skala reicht von 1 (überhaupt nicht) bis 9 (sehr).

Darüber hinaus wissenschaftliche Mitarbeiter die gleichen Clips ansehen und tally molekulare Verhalten – Aktionen, die momentane und diskrete sind — wie Lächeln oder nicken. Sie werden auch gebeten, Bericht über die Lehrer Symmetrie und Körperhaltung.

Zu guter Letzt basierend auf ein einzelnes Foto aus den Videos, die Assistenten sollen die physische Attraktivität des jeder Lehrer auf einer 5-Punkte-Likert-Skala zu bewerten, wo 1 bedeutet "überhaupt nicht" und "sehr", entspricht 5 Effekte an Attraktivität.

Die vorausschauende Nützlichkeit prüfen diese snap Urteile, jeder Lehrer Ende des Semesters Lehrevaluationen für unbeeinflusster quantitative Vergleiche zusammengestellt sind.

Mit diesen Formen, die abhängige Variable lehrt Wirksamkeit, basierend auf durchschnittlich zwei Elemente, wo Studenten die Lehrer Aufführungen und allgemeine Qualität der Kurse bewerten.

Letztlich Teilnehmer Bewertungen der molaren nonverbale Verhaltensweisen — gegeben 30 s der Film von einem Tag des Unterrichts – werden voraussichtlich hoch korreliert mit studentischen Bewertungen ihrer Lehrer basieren auf eine viel längere Zeitspanne – ein Semester im Wert von Interaktion.

Diese Ergebnisse deuten darauf hin, dass sehr wenig Zeit benötigt wird, um eine genaue ersten Eindruck zu bilden bekannt als dünn schneiden – die Möglichkeit, schnell eine andere Person Zeichen aus einer sehr kurzen Exposition abzuleiten.

Führen Sie vor dem Experiment eine Power-Analyse eine ausreichende Anzahl von Teilnehmern zu rekrutieren. Darüber hinaus verwenden Sie zuvor gefilmten Aufnahmen von zehn College-Dozenten, drei separate, 10-s-Clips von jedem Ende mit insgesamt 30 Videos generieren.

Erfassen Sie für jeden ein einen Rahmen, als ihr Foto für die weiteren Ausführungen zu speichern. Zum Abschluss der Vorbereitung kompilieren Sie Ende Semester Student Auswertungen für jeden der 10 Lehrer gezeigt, von den tatsächlichen Kursen, die das Material entsprechen.

Um zu Beginn jeder Teilnehmer in den Prüfraum zu begleiten und zu erklären, dass sie Videos ansehen und molare nonverbales Verhalten bewerten – in diesem Fall Persönlichkeitsmerkmale.

Da sie jeden Satz von randomisierten Clips ansehen, haben sie jeder Lehrer nonverbales Verhalten zu beurteilen – 15 Unterricht Adjektive – auf eine 9-Punkte-Likert-Skala.

Weiter, um molekulare nonverbales Verhalten zu messen, Fragen Sie zwei ausgebildete Programmierer zu beobachten die gleichen Segmenten und decken sich die Anzahl der Wiederholungen, die jeder Lehrer man 12 verschiedene Verhaltensweisen, zusammen mit Details über ihre Symmetrie und Körperhaltung macht.

Schließlich, um die Auswirkungen der Attraktivität ausmachen, haben Sie jeder Programmierer die gespeicherten Bilder ansehen und beurteilen die körperliche Erscheinungen von jeder Lehrer auf einer 5-Punkte-Likert-Skala.

Abschließend das Experiment voll Nachbesprechung Teilnehmer über die eigentlichen Zweck und die Modalitäten der Studie.

Um die Daten zu kompilieren, stellen Sie sicher, dass die beiden Bewertung Antworten wurden in Prozentzahlen umgewandelt und im Durchschnitt für jeden Lehrer.

Anschließend erstellen Sie separate Diagramme um die Mittelwerte der Molaren und molekularen Kategorien gegen Gesamtlehreffektivität zu vergleichen. Zeichnen Sie die Zusammenhänge für jeden nonverbales Verhalten gemessen.

Zunächst feststellen, dass 10 der 15 Molaren Bewertungen des nonverbalen Verhaltens einschließlich des gesamten zusammengesetzten Durchschnitts deutlich und positiv korreliert waren, — die globale Variable.

Molekulare Verhaltensweisen waren jedoch weniger prädiktive. Nur zappeln negativ korreliert mit Gesamtlehreffektivität. Darüber hinaus blieb die Beziehungen auch nach Steuern für Lehrer Attraktivität.

Am Ende konnten Schüler formulieren, zuverlässige Eindrücke des Instructors Lehre Wirksamkeit mit nur 30 s nonverbale Videomaterial.

Nun da Sie wissen, wie eine Studie auszuwertende Snap Urteile in einer Bildungseinrichtung zu gestalten sind, schauen Sie wie diese Forschung erstreckt sich auf andere Berufe, die auf schnelle Rückschlüsse auf andere Menschen Charakter zu verstehen.

Während eines Pokerspiels verlassen sich viele Spieler auf Snap Urteile zu ihrem Wettbewerb Größe. Wer schnell Rückschlüsse auf ihre Gegner spielen Stil — ausschließlich basierend auf eine begrenzte Menge an visuellen Hinweisen – den Pot zu gewinnen.

Jedoch hängt Aufrechterhaltung Genauigkeit beim dünn-andere schneiden zu wissen, welche Faktoren wichtig sind. Zum Beispiel haben Forscher gezeigt, dass Scheidung über dem Niveau der Wahrscheinlichkeit vorausgesagt werden kann, indem Sie ein sehr kurzes Video von ein paar Interaktion anzeigen.

In diesem Fall die erwartete Verhalten beschweren oder Wut Scheidung nicht vorhersagen, aber eher, Abwehr und Aberkennung der Tat. So kann es sein, die implizit oder explizit auf die richtigen Signale abstimmen lernen ist entscheidend für die Entwicklung dieses Know-how.

Sie sah nur Jupiters Video, wie die Genauigkeit der Snap Urteile zu bewerten. Jetzt sollten Sie ein gutes von, wie man Design, Verhalten Verständnis, und analysieren Sie ein Experiment, wie nur eine kurze Zeit zu studieren ist nötig um prädiktive Rückschlüsse machen sowie wie diese Fertigkeit in andere Berufe nützlich sein kann.

Danke fürs Zuschauen!

Results

Die Ergebnisse zeigten, dass neun der 15 Molaren Bewertungen des nonverbalen Verhaltens positiv korreliert mit Ende des Semesters Bewertungen der Lehrer Wirksamkeit (Abbildung 1), wie die gesamte molare Rating bedeutet. Molekulare Verhaltensweisen waren auf der anderen Seite weniger prädiktive (Abbildung 2). nur Stirnrunzeln und zappeln (negativ) korreliert mit Gesamtlehreffektivität (Abbildung 3). Lehrer-Attraktivität bezögen sich nicht deutlich zu Lehrer Wirksamkeit. Noch wichtiger ist, blieb die Auswirkungen der nonverbalen Verhalten auch nach statistisch controlling für Attraktivität. Also, wenn Sie nur 30 s der Film von einem Tag des Unterrichts, Bewertungen der nonverbalen Verhaltensweisen korreliert sehr stark mit SchülerInnen Eindrücke von ihren Lehrern anhand eines Semesters im Wert von Kontakt.

Figure 1
Abbildung 1 : Korrelationen der molaren nonverbale Verhaltensweisen und Studenten Bewertungen der Lehrer Wirksamkeit. Molare nonverbale Verhaltensweisen (d.h. Merkmal Urteile) aus der dünnen Scheibe Videoclips wurden mit SchülerInnen Ende des Semesters Bewertungen der Lehrer Wirksamkeit korreliert. Zehn der 15 Molaren nonverbalen Verhaltensweisen vorhergesagt Bewertungen der Lehrer Wirksamkeit (optimistisch, zuversichtlich, dominant, aktiv, enthusiastisch, globale Variable, sympathisch, warm, kompetente, unterstützend).

Figure 2
Abbildung 2 : Korrelationen der molekularen nonverbale Verhaltensweisen und molare global Rating. Molekulare nonverbale Verhaltensweisen (z.B. spezifische nonverbale Aktionen) aus der dünnen Scheibe Videoclips wurden mit den Lehrern insgesamt molare global Rating korreliert. Nur Stirnrunzeln war negativ korreliert.

Figure 3
Abbildung 3 : Korrelationen der molekularen nonverbale Verhaltensweisen und Studenten Bewertungen der Lehrer Wirksamkeit. Molekulare nonverbale Verhaltensweisen (z.B. spezifische nonverbale Aktionen) aus der dünnen Scheibe Videoclips wurden mit SchülerInnen Ende des Semesters Bewertungen der Lehrer Wirksamkeit korreliert. Zappeln war negativ korreliert mit dem Kriterium variabel: Lehrer, zappelte herum mehr mit ihren Händen oder fummelte mit einem Objekt, wie Kreide oder einem Stift, erhielt deutlich niedrigere Bewertungen von ihren Schülern.

Applications and Summary

Die beschriebene Technik zeigt, dass Beobachtung nur 30 s des Verhaltens ist genug, um genaue Rückschlüsse auf die Wirksamkeit Lehren zu ziehen. Ambady und Rosenthal wiederholte diese Studie mit noch kürzeren Clips und fand ähnliche Effekte: Urteile basierend auf drei Clips so kurz wie 2,0 s Ertrag hohe Korrelationen mit Ende des Semesters Bewertungen. 1 Wissen der nonverbalen Korrelate des effektiven Unterrichts helfen, unser Verständnis für die Bedeutung der affektiven Verhalten in Lehr- und Lernprozessen und sind auch von praktischer Bedeutung führen die Auswahl und Ausbildung von zukünftigen LehrerInnen.

Dieser Körper der Forschung wurde darüber hinaus Urteile des Gesamtlehreffektivität erweitert. Forschung hat gezeigt, dass Leute beurteilen können, wie vertrauenswürdig Individuum ist nur für ein paar kurze Sekunden ein Foto der betreffenden Person anzeigen. Andere haben festgestellt, dass Menschen vorhersagen können, die eine Wahl mit oben Chance Genauigkeit nur auf Fotos der Kandidaten zu gewinnen. Die Möglichkeit, schnell eine andere Person Zeichen- oder Eigenschaften aus einer kurzen Belichtungszeit abzuleiten bezeichnet man als dünn schneiden.

Menschen können andere dünn mit einer beeindruckenden Genauigkeit schneiden. Allerdings hängt diese Genauigkeit im großen Teil zu wissen, welche Faktoren wichtig sind. Zum Beispiel Untersuchungen von Beziehung Experte John Gottman und Kollegen zeigt, dass Scheidung Ebene höher als Chance vorausgesagt werden kann, indem Sie eine dünne Scheibe aus Video von ein paar Interaktion anzeigen. 2 Gottman identifiziert vier wesentliche Verhaltensweisen, die Scheidung Vorhersagen: Kritik, Verachtung, Abwehr und Rücknahme/Mauern. Interessanterweise sagen beschweren und Wut eigentlich nicht Scheidung voraus.

Darüber hinaus setzen viele Berufe auf genaue dünn-slicing, Detektivarbeit und persönliche Sicherheit bis hin zu Poker spielen und psychischen Messwert. Es kann sein, implizit oder explizit auf die richtigen Signale abstimmen lernen ist entscheidend für die Entwicklung dieses Know-how.

References

  1. Ambady, N. & Rosenthal, R. (1993). Half a minute: Predicting teacher evaluations from thin slices of nonverbal behavior and physical attractiveness. Journal of Personality and Social Psychology, 64, 431-441.
  2. Gottman, J. M., Coan, J., Carrere, S., & Swanson, C. (1998). Predicting marital happiness and stability from newlywed interactions. Journal of Marriage and Family, 60, 5-22.

1. Materialien zu organisieren.

  1. Erstellen Sie Videos, worunter zuvor gefilmten Aufnahmen von 10 College-Dozenten. Der Inhalt des Unterrichts sollte ein breites Spektrum an Fachgebieten abdecken.
  2. Identifizieren Sie für jeden Lehrer drei separate, 10-s-Clips. Die drei Clips vorzugehen, bzw. am Anfang, Mitte und Ende Klasse und verfügen über die Lehrer allein in der video-Frame.
  3. Folgende lateinische Quadrat Designs kombinieren die drei Clips in zufälliger Reihenfolge; Dies gilt für jeden Lehrer. Dies führt zu insgesamt 30 Videoclips.
  4. Kompilieren Sie die Ende der Semester Student Auswertungen für jeden der 10 Ausbilder in den Videos. Diese Bewertungen werden von den tatsächlichen Kursen, die das Videomaterial entsprechen.

(2) Teilnehmer Rekrutierung

  1. Eine Energie-Analyse durchführen und eine ausreichende Anzahl von Teilnehmern zu beobachten und bewerten Sie die video-Clips zu rekrutieren.
    1. Frauen waren in der ursprünglichen Studie bevorzugt, weil frühere Forschung die Vorstellung unterstützt, daß sie besser als Männer bei Entschlüsselung nonverbale Verhalten.

3. Datenerhebung

  1. Informieren Sie die Teilnehmer, Bewertungen des Kursleiters basierend auf insgesamt nonverbales Verhalten bereitzustellen. Insbesondere, bitten Sie die Teilnehmer zu beurteilen, den Lehrer auf 15 Unterricht Dimensionen (z. B.Annahme, aktiv, aufmerksam, dominant, ehrlich, sympathisch, warm, Professional, etc.) auf einer 9-Punkte-Likert-Skala (1 = überhaupt nicht; 9 = sehr).
    1. Die Teilnehmer sollten keine andere Ausbildung erhalten.
  2. Um molekulare nonverbales Verhalten (z. B. spezifische nonverbale Aktionen) zu beurteilen, habe zwei bezahlt, ausgebildete Programmierer die gleichen Videoclips ansehen.
  3. Für jeden Clip, decken sich die Anzahl der nickt, Headshakes, Lächeln, lachen, Gähnen, runzelt die Stirn, beißen die Lippen nach unten blicken, selbst berührt, zappelt, emphatischen Gesten und schwachen Gesten die Lehrer gemacht.
  4. Haben Sie die beiden Rater auch des Lehrers Symmetrie und Körperhaltung zeigen.
  5. Um Attraktivität Effekte berücksichtigen, haben auch zwei Programmierer beurteilen die körperliche Attraktivität der einzelnen Lehrer, basierend auf einer 5-Punkte-Likert-Skala (1 = überhaupt nicht; 5 = sehr) basierend auf einem einzigen Foto der einzelnen Lehrer genommen aus dem Video.
  6. Vollständig Nachbesprechung Teilnehmer.

(4) Datenanalyse

  1. Beachten Sie, dass die primäre Ergebnisvariable von Interesse ist Effektivität, Lehre, die über Bewertungen durch die Lehrer-Schüler am Ende des Semesters bewertet wird.
    1. Dazu gehören zwei Elemente, die die Schüler des Kursleiters Leistung und die Qualität des gesamten Kurses zu bewerten.
  2. Konvertieren Sie diese Bewertungen in Prozentsätze.
    1. Der mittlere Anteil der zwei Bewertung Artikel dient als primäre abhängige Variable von Interesse.
  3. Analysieren Sie die Ratings der molaren nonverbales Verhalten für Zuverlässigkeit.
  4. Berechnen Sie aus diesen Daten ein Gesamtmittelwert, entspricht der molaren nonverbales Verhalten zusammengesetzter Score.
    1. Sowohl das Composite score und jeweils 15 Einzelbewertungen gelten als potenzielle Prädiktoren für Gesamtlehreffektivität.
  5. Analysieren Sie Programmierer Bewertungen von molekularen nonverbale Verhaltensweisen für Zuverlässigkeit.
  6. Bewertungen von Lehrern Attraktivität für Zuverlässigkeit zu analysieren.

Auf neue Leute zu treffen, viele Menschen dazu neigen, um schnelle Entscheidungen einer anderen Person – auch ohne viele Informationen zu gehen.

Zum Beispiel könnte auf ein geselliges Beisammensein, jemand sofort denken, dass der Kerl mit coole Brille, die sie nie kennengelernt haben, sympathische basiert ausschließlich auf seinen Auftritt. Es stellt sich heraus, er ist locker und hat viele Freunde.

Bemerkenswert ist, Menschen sind erstaunlich präzise, wenn diese ersten Eindrücke machen – bezeichnet als Urteile snap – einfach basierend auf visuelle Hinweise.

Basiert auf der bahnbrechenden Arbeit von Ambady und Rosenthal, zeigt dieses Video die experimentellen Techniken verwendet, um Urteile des Instructors Persönlichkeiten im Vergleich zu aktuellen Auswertungen ihrer Lehre Wirksamkeit machen. Wir untersuchen auch, wie solche Rückschlüsse auf andere Berufe, die verlassen sich auf die Analyse der Merkmale angewendet werden können.

In dieser Studie Teilnehmer werden gebeten, kurze, gedeckte video-Compilations von neuartigen College-Dozenten unterrichten eine Vielzahl von Themen zu beobachten und beurteilen müssen bestimmte Attribute. Anderen ausgebildeten Programmierer zählen mehr spezifische nonverbale Verhaltensweisen sowie bewerten ihre körperliche Erscheinung.

Diese Bewertungen sind letztlich im Vergleich zu tatsächlichen Lehrevaluationen, die Genauigkeit der ersten Eindrücke, die ausgehend von visuellen Eigenschaften und eindeutige und objektive Maßnahmen zu prüfen.

Teilnehmer geben zunächst molare Bewertungen – breite Merkmal Urteile – basierend auf 15 Unterricht Dimensionen, z. B. ob sie begeistert, sympathisch und selbstbewusst scheinen. Die Likert-Skala reicht von 1 (überhaupt nicht) bis 9 (sehr).

Darüber hinaus wissenschaftliche Mitarbeiter die gleichen Clips ansehen und tally molekulare Verhalten – Aktionen, die momentane und diskrete sind — wie Lächeln oder nicken. Sie werden auch gebeten, Bericht über die Lehrer Symmetrie und Körperhaltung.

Zu guter Letzt basierend auf ein einzelnes Foto aus den Videos, die Assistenten sollen die physische Attraktivität des jeder Lehrer auf einer 5-Punkte-Likert-Skala zu bewerten, wo 1 bedeutet "überhaupt nicht" und "sehr", entspricht 5 Effekte an Attraktivität.

Die vorausschauende Nützlichkeit prüfen diese snap Urteile, jeder Lehrer Ende des Semesters Lehrevaluationen für unbeeinflusster quantitative Vergleiche zusammengestellt sind.

Mit diesen Formen, die abhängige Variable lehrt Wirksamkeit, basierend auf durchschnittlich zwei Elemente, wo Studenten die Lehrer Aufführungen und allgemeine Qualität der Kurse bewerten.

Letztlich Teilnehmer Bewertungen der molaren nonverbale Verhaltensweisen — gegeben 30 s der Film von einem Tag des Unterrichts – werden voraussichtlich hoch korreliert mit studentischen Bewertungen ihrer Lehrer basieren auf eine viel längere Zeitspanne – ein Semester im Wert von Interaktion.

Diese Ergebnisse deuten darauf hin, dass sehr wenig Zeit benötigt wird, um eine genaue ersten Eindruck zu bilden bekannt als dünn schneiden – die Möglichkeit, schnell eine andere Person Zeichen aus einer sehr kurzen Exposition abzuleiten.

Führen Sie vor dem Experiment eine Power-Analyse eine ausreichende Anzahl von Teilnehmern zu rekrutieren. Darüber hinaus verwenden Sie zuvor gefilmten Aufnahmen von zehn College-Dozenten, drei separate, 10-s-Clips von jedem Ende mit insgesamt 30 Videos generieren.

Erfassen Sie für jeden ein einen Rahmen, als ihr Foto für die weiteren Ausführungen zu speichern. Zum Abschluss der Vorbereitung kompilieren Sie Ende Semester Student Auswertungen für jeden der 10 Lehrer gezeigt, von den tatsächlichen Kursen, die das Material entsprechen.

Um zu Beginn jeder Teilnehmer in den Prüfraum zu begleiten und zu erklären, dass sie Videos ansehen und molare nonverbales Verhalten bewerten – in diesem Fall Persönlichkeitsmerkmale.

Da sie jeden Satz von randomisierten Clips ansehen, haben sie jeder Lehrer nonverbales Verhalten zu beurteilen – 15 Unterricht Adjektive – auf eine 9-Punkte-Likert-Skala.

Weiter, um molekulare nonverbales Verhalten zu messen, Fragen Sie zwei ausgebildete Programmierer zu beobachten die gleichen Segmenten und decken sich die Anzahl der Wiederholungen, die jeder Lehrer man 12 verschiedene Verhaltensweisen, zusammen mit Details über ihre Symmetrie und Körperhaltung macht.

Schließlich, um die Auswirkungen der Attraktivität ausmachen, haben Sie jeder Programmierer die gespeicherten Bilder ansehen und beurteilen die körperliche Erscheinungen von jeder Lehrer auf einer 5-Punkte-Likert-Skala.

Abschließend das Experiment voll Nachbesprechung Teilnehmer über die eigentlichen Zweck und die Modalitäten der Studie.

Um die Daten zu kompilieren, stellen Sie sicher, dass die beiden Bewertung Antworten wurden in Prozentzahlen umgewandelt und im Durchschnitt für jeden Lehrer.

Anschließend erstellen Sie separate Diagramme um die Mittelwerte der Molaren und molekularen Kategorien gegen Gesamtlehreffektivität zu vergleichen. Zeichnen Sie die Zusammenhänge für jeden nonverbales Verhalten gemessen.

Zunächst feststellen, dass 10 der 15 Molaren Bewertungen des nonverbalen Verhaltens einschließlich des gesamten zusammengesetzten Durchschnitts deutlich und positiv korreliert waren, — die globale Variable.

Molekulare Verhaltensweisen waren jedoch weniger prädiktive. Nur zappeln negativ korreliert mit Gesamtlehreffektivität. Darüber hinaus blieb die Beziehungen auch nach Steuern für Lehrer Attraktivität.

Am Ende konnten Schüler formulieren, zuverlässige Eindrücke des Instructors Lehre Wirksamkeit mit nur 30 s nonverbale Videomaterial.

Nun da Sie wissen, wie eine Studie auszuwertende Snap Urteile in einer Bildungseinrichtung zu gestalten sind, schauen Sie wie diese Forschung erstreckt sich auf andere Berufe, die auf schnelle Rückschlüsse auf andere Menschen Charakter zu verstehen.

Während eines Pokerspiels verlassen sich viele Spieler auf Snap Urteile zu ihrem Wettbewerb Größe. Wer schnell Rückschlüsse auf ihre Gegner spielen Stil — ausschließlich basierend auf eine begrenzte Menge an visuellen Hinweisen – den Pot zu gewinnen.

Jedoch hängt Aufrechterhaltung Genauigkeit beim dünn-andere schneiden zu wissen, welche Faktoren wichtig sind. Zum Beispiel haben Forscher gezeigt, dass Scheidung über dem Niveau der Wahrscheinlichkeit vorausgesagt werden kann, indem Sie ein sehr kurzes Video von ein paar Interaktion anzeigen.

In diesem Fall die erwartete Verhalten beschweren oder Wut Scheidung nicht vorhersagen, aber eher, Abwehr und Aberkennung der Tat. So kann es sein, die implizit oder explizit auf die richtigen Signale abstimmen lernen ist entscheidend für die Entwicklung dieses Know-how.

Sie sah nur Jupiters Video, wie die Genauigkeit der Snap Urteile zu bewerten. Jetzt sollten Sie ein gutes von, wie man Design, Verhalten Verständnis, und analysieren Sie ein Experiment, wie nur eine kurze Zeit zu studieren ist nötig um prädiktive Rückschlüsse machen sowie wie diese Fertigkeit in andere Berufe nützlich sein kann.

Danke fürs Zuschauen!

A subscription to JoVE is required to view this article.
You will only be able to see the first 20 seconds.

RECOMMEND JoVE