Évaluation de la précision des jugements Snap

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

Source : Diego Reinero & Jay Van Bavel — Université de New York

Les psychologues sociaux ont longtemps été intéressés par les impressions de forme gens façon des autres. Une grande partie de ce travail a mis l’accent sur les erreurs que les gens font à juger les autres, comme l’influence exagérée des traits centraux (par exemple, « warm » et « froid »), le poids insuffisant compte tenu du contexte dans lequel d’autres comportements se déroule et la tendance des gens à porter des jugements qui sont conformes à leurs attentes initiales d’un autre. Cependant, l’accent sur les erreurs masque le fait que les gens sont assez bonnes à porter des jugements assez précise sur les caractéristiques d’autrui, une capacité qui était sans doute important au cours de l’évolution humaine.

En effet, la capacité humaine à faire sens rapide des situations sociales et des personnes compte parmi nos plus précieuses compétences. Ce qui est particulièrement impressionnant quant à notre capacité de donner un sens d’autrui n’est pas à quel point peu de renseignements nous avons besoin faire des déductions, mais comment bien calibré, nous pouvons être avec aussi peu d’informations. Cette vidéo montre quelques techniques expérimentales utilisées par les chercheurs de psychologie, y compris lagoutte et Rosenthal dans leur séminal travailler,1 et explore le processus de faire des inférences dans le contexte des évaluations des élèves de leurs enseignants.

Cite this Video

JoVE Science Education Database. L'essentiel de la psychologie sociale. Évaluation de la précision des jugements Snap. JoVE, Cambridge, MA, (2017).

Principles

Dans la plupart des premières recherches, les jugements étaient fondés sur l’exposition aux canaux verbales et non verbales du comportement des cibles. Toutefois, des recherches ultérieures ont suggéré que les jugements étrangers pourraient être liées à la présence d’indices observables, comportement particulièrement non verbaux et les indices de l’apparence physique. Ainsi, nouvelles expériences ont été conçues (comme en l’espèce) pour examiner l’effet médiateur du comportement non verbal et l’apparence physique sur l’exactitude des jugements de la personnalité. Dans ces expériences, les chercheurs contrôlé les informations disponibles à la cotation afin que les objectifs ont été jugés uniquement sur la base de leur comportement non verbal, et elles aussi obtient des jugements séparés de l’attractivité physique des cibles d’examiner la relation entre l’apparence physique et l’exactitude des jugements de la personnalité.

Un autre facteur dans la détermination de l’exactitude des jugements snap est le degré de correspondance entre un jugement et un critère. Les premières recherches utilisé autodéclaré critère ; Cependant, ces données sont sensibles à la partialité. Des études ultérieures, comme les techniques actuelles, éviter l’autodéclaration en faveur de la pragmatique et écologique critère valide portant sur 3rd party signalés (ici, les évaluations de l’étudiant).

Un dernier principe implique le fait que dans l’examen de l’exactitude des jugements étrangers au sujet des attributs de la personnalité des cibles à partir d’informations très non interactives, les chercheurs considèrent molaires et moléculaires des comportements non verbaux. Psychologues définissent le comportement moléculaire comme comportement décrit dans des unités de faible réponse (réponses momentanées, discrets) plutôt que de plus grands. M comportement olar, en revanche, est décrit dans les unités d’intervention grand qui absorbent des quantités variables de temps.

Procedure

1. organiser les matériaux.

  1. Créer des vidéos, qui comprend déjà filmé des séquences de 10 professeurs de collège. Le contenu de l’enseignement devrait couvrir un large éventail de domaines.
  2. Pour chaque enseignant, identifiez trois clips séparés, 10 s. Les trois clips doivent être prélevés sur le début, milieu et fin du cours, respectivement et disposent de l’enseignant seul dans l’image vidéo.
  3. Conceptions suivantes de carré Latin, combiner les trois clips dans un ordre aléatoire ; procéder ainsi pour chaque enseignant. Cela se traduira par 30 clips vidéo totales.
  4. Compiler les évaluations de fin de semestre étudiant pour chacun des 10 instructeurs dans les vidéos. Ces évaluations sont des cours réels qui correspondent à la séquence vidéo.

2. participant recrutement

  1. Procéder à une analyse de puissance et de recruter un nombre suffisant de participants à regarder et à évaluer les clips vidéo.
    1. Femmes ont été privilégiées dans l’étude originale parce que la recherche antérieure prend en charge la notion qu’ils sont mieux que les hommes à décoder le comportement non verbal.

3. collecte des données

  1. Prévenez les participants de fournir des notes de l’instructeur basé sur le comportement dans l’ensemble non verbale. En particulier, demandez aux participants de juger de l’enseignant sur 15 dimensions pédagogique (par exemple, accepter, actif, attentif, dominante, honnête, sympathique, chaleureux, professionnel, etc.) sur une échelle de Likert de 9 points (1 = pas du tout ; 9 = très).
    1. Les participants ne devraient recevoir aucune autre formation.
  2. Pour évaluer le comportement non verbal moléculaire (c.-à-d., des actions spécifiques non verbale), ai deux payés, formés de codeurs regarder les clips vidéo mêmes.
  3. Pour chaque clip, calculer le nombre de clins de œil, headshakes, sourires, rires, bâillements, fronce les sourcils, mordre les lèvres, les regards vers le bas, touche, fidgets, gestes emphatiques, et faibles gestes des enseignants faits.
  4. Avoir les deux évaluateurs indiquent également la symétrie de l’enseignant et la posture du corps.
  5. Pour tenir compte des effets de l’attraction, ont également deux codeurs juger l’attrait physique de chaque enseignant basé sur une échelle de Likert de 5 points (1 = pas du tout ; 5 = très) basé sur une seule photo de chaque enseignant, tirée de la vidéo.
  6. Pleinement compte rendu participants.

4. analyse des données

  1. Notez que la variable résultat principal d’intérêt est l’enseignement d’efficacité, qui est évaluée au moyen d’évaluations réalisées par étudiants des enseignants à la fin du semestre.
    1. Cela comprend deux éléments qui ont demandé aux élèves d’évaluer la performance de l’instructeur et la qualité de la formation générale.
  2. Convertir ces notations en pourcentages.
    1. Le pourcentage moyen des éléments deux évaluation sert comme variable dépendante d’intérêt primaire.
  3. Analyser les cotes des molaire comportement non verbaux de fiabilité.
  4. Partir de ces données, calculer une moyenne globale, qui représente le score composite molaire comportement non verbal.
    1. Les deux le composite score et chacune des 15 cotes individuels sont considérés comme les prédicteurs potentiels d’efficacité de l’enseignement.
  5. Analyser les cotes des codeurs de moléculaires comportements non verbaux de fiabilité.
  6. Analyser les cotes de l’attractivité des enseignants pour la fiabilité.

À rencontrer de nouvelles personnes, de nombreuses personnes ont tendance à porter des jugements rapides d’une autre personne, même sans beaucoup de renseignements.

Par exemple, à une réunion mondaine, quelqu'un pourrait immédiatement penser que le gars avec des lunettes cool, dont ils n’ont jamais rencontré, est sympathique fondée uniquement sur son apparence. Car il s’avère que, il est facile à vivre et a beaucoup d’amis.

Remarquablement, les gens sont étonnamment précis lors de ces premières impressions — visé comme snap jugements — simplement basé sur des repères visuels.

Basé sur le travail séminal de lagoutte et Rosenthal, cette vidéo illustre les techniques expérimentales utilisées pour faire casser les jugements de personnalités des instructeurs en comparaison avec réelles évaluations de leur efficacité de l’enseignement. Nous étudierons également comment ces inférences peuvent être appliquées à d’autres professions qui s’appuient sur l’analyse des caractéristiques.

Dans cette étude, les participants sont invités à regarder les compilations vidéo courtes, sourdine d’instructeurs Collège roman enseigner une variété de sujets et doivent juger certains attributs. Autres programmeurs qualifiés comptent des comportements non verbaux plus spécifiques, ainsi que noter leur apparence physique.

Ces évaluations sont finalement comparées à enseignement véritable évaluations afin d’examiner l’exactitude des premières impressions issu des traits visuels et objective des actions distinctes.

Les participants d’abord fournissent des notations molaires — jugements large trait — repose sur 15 dimensions pédagogique, comme si ils semblent confiants, sympathique et enthousiaste. L’échelle de Likert varie de 1 (pas du tout) à 9 (très).

En outre, les assistants de recherche regarder les clips de mêmes et comportements moléculaires de pointage — actions momentanées et discrètes — comme souriant ou en hochant la tête. Ils sont également priés de signaler sur la symétrie de l’enseignant et la posture du corps.

Enfin, basée sur une seule photo prise d’après les vidéos, les assistants sont priés de coter l’attrait physique de chaque instructeur sur une échelle de Likert de 5 points, où 1 signifie « pas du tout » et 5 correspond à « très », pour tenir compte des effets de l’attractivité.

D’examiner l’utilité prédictive de ces snap jugements, évaluations de fin de semestre enseignement de chaque instructeur sont compilées pour des comparaisons quantitatives nonbiased.

À l’aide de ces formes, la variable dépendante est l’enseignement d’efficacité, basé sur une moyenne de deux points où les étudiants évalué des instructeurs performances et la qualité globale des cours.

Quotes-parts des participants en fin de compte, de comportements non verbaux molaires — donné 30 s de film d’un jour d’enseignement — devraient être fortement corrélée avec les évaluations des étudiants de leurs instructeurs, qui sont basés sur une durée beaucoup plus longue — valeur d’un semestre d’interaction.

Ces résultats suggèrent que très peu de temps est nécessaire pour faire une première impression précise, qui est connue comme trancher mince — la possibilité de déduire rapidement caractère d’autrui d’une exposition très courte.

Avant l’expérience, procéder à une analyse de puissance afin de recruter un nombre suffisant de participants. En outre, utiliser auparavant filmé des séquences de dix professeurs de collège pour générer trois clips séparés, 10 s de chacun de se retrouver avec un total de 30 vidéos.

Pour tout le monde, capturer une image à enregistrer en tant que leur photo pour des observations ultérieures. Pour terminer la préparation, compilez la fin des évaluations étudiant semestre pour chacun des 10 instructeurs montrés, depuis les cours réels qui correspondent aux images.

Pour commencer, escort de chaque participant dans la salle d’examen et d’expliquer qu’ils regarder des vidéos et évaluer le comportement non verbal molaire — dans cette affaire de personnalité.

Comme ils considèrent chaque ensemble de clips randomisées, ont eux juger le comportement non verbal de chaque instructeur — 15 adjectifs pédagogique — sur une échelle de Likert de 9 points.

Ensuite, pour mesurer le comportement non verbal moléculaire, demander deux codeurs formés pour regarder les mêmes segments et calculer le nombre de fois que chaque instructeur fait l’un des 12 comportements distincts, ainsi que les détails sur leur posture de symétrie et le corps.

Enfin, pour expliquer les effets de l’attraction, ont chaque codeur afficher les images enregistrées et juger l’apparence physique de chaque instructeur sur une échelle de Likert de 5 points.

Pour conclure l’expérience, entièrement debrief participants concernant le but réel et les procédures de l’étude.

Pour compiler les données, assurez-vous que les réponses de l’évaluation de deux ont été convertis en pourcentages et en moyenne pour chaque instructeur.

Ensuite, créez des graphiques distincts pour comparer les valeurs moyennes des molaires et moléculaires catégories contre l’efficacité de l’enseignement. Tracer les corrélations pour chaque comportement non verbal mesurée.

Tout d’abord, Notez que 10 des 15 cotes molaires des comportements non verbaux étaient significativement et positivement corrélées, y compris la moyenne dans l’ensemble composite — la variable globale.

Cependant, les comportements moléculaires étaient moins prédictives. Seulement s’agiter négativement corrélée à l’efficacité de l’enseignement. En outre, les relations demeurent même après le contrôle pour l’attraction de l’instructeur.

En fin de compte, les élèves ont pu formuler des impressions fiables de l’efficacité de l’enseignement des instructeurs à l’aide de seulement 30 s de vidéo non verbale.

Maintenant que vous êtes familier avec la façon de concevoir une étude visant à évaluer les jugements de composant logiciel enfichable dans un contexte éducatif, nous allons étudier comment cette recherche s’étend à d’autres professions qui reposent sur des inférences rapides à comprendre le caractère d’autrui.

Lors d’un match de poker, beaucoup de joueurs dépendre de jugements clin d’oeil à la taille vers le haut de leur compétition. Ceux qui font des inférences rapides sur leurs adversaires jouant style — uniquement basés sur une quantité limitée de repères visuels — peut gagner le pot.

Cependant, maintenir la précision lorsque mince de tranchage d’autres dépend en grande partie en sachant quels facteurs sont importants. Par exemple, les chercheurs ont montré que le divorce peut être prédit au-dessus des niveaux de chance en affichant une très courte vidéo d’un couple en interaction.

Dans ce cas, les comportements attendus de se plaindre ou de colère n’ont pas prédit divorce, mais plutôt une attitude défensive et retrait n’ont. Ainsi, il est possible qu’implicitement ou explicitement d’apprendre à s’harmoniser aux bons signaux est essentielle au développement de cette expertise.

Vous avez juste regardé les vidéo de JoVE sur la façon d’évaluer l’exactitude des jugements de composant logiciel enfichable. Maintenant vous devriez avoir une bonne compréhension de la façon de la conception, la conduite et analyser une expérience visant à étudier comment un peu de temps est nécessaire pour procéder à des inférences prédictives, ainsi que la façon dont cette compétence peut être utile dans d’autres professions.

Merci de regarder !

Results

Les résultats indiquent que neuf des 15 cotes molaires du comportement non verbal en corrélation positive avec la fin du semestre cotes d’efficacité de l’enseignant (Figure 1), à l’instar de l’ensemble signifie notation molaire. Les comportements moléculaires, d’autre part, étaient moins prédictive (Figure 2) ; seulement froncer les sourcils et s’agiter (négativement) en corrélation avec l’enseignement efficacité (Figure 3). Attractivité de l’enseignant ne se rapporte pas significativement à l’efficacité des enseignants. Plus important encore, les effets du comportement non verbal est resté même après le contrôle statistiquement pour l’attraction. Ainsi, lorsqu’il est administré seulement 30 s de film d’un jour d’enseignement, évaluation des comportements non verbaux en corrélation très fortement avec des impressions des étudiants de leurs professeurs, basés sur la valeur d’un semestre de contact.

Figure 1
Figure 1 : Corrélations des comportements non verbaux molaires et cotes des étudiants de l’efficacité des enseignants. Molaires comportements non verbaux (c.-à-d., jugements de trait) des clips vidéo de tranches minces sont en corrélation avec des cotes de fin de semestre des étudiants de l’efficacité des enseignants. Dix des 15 comportements non verbaux molaires prédit cotes d’efficacité de l’enseignant (optimiste, confiant, dominante, actif, enthousiaste, global variable, sympathique, chaleureuse, compétente, soutien).

Figure 2
Figure 2 : Corrélations des comportements non verbaux moléculaires et cotation globale molaire. Des comportements non verbaux moléculaires (c.-à-d., des actions spécifiques non verbales) des clips vidéo tranches minces étaient corrélées avec cotation globale dans l’ensemble molaire du RREO. Fronçant les sourcils seulement une corrélation négative.

Figure 3
Figure 3 : Corrélations des comportements non verbaux moléculaires et cotes des étudiants de l’efficacité des enseignants. Des comportements non verbaux moléculaires (c.-à-d., des actions spécifiques non verbales) des clips vidéo tranches minces étaient corrélés aux cotes de fin de semestre des étudiants de l’efficacité de l’enseignant. S’agiter une corrélation négative avec la variable critère : les enseignants qui s’affairaient plus avec leurs mains ou bricolé avec un objet, telles que la craie ou un crayon, a obtenu des notes significativement plus faibles de leurs élèves.

Applications and Summary

La technique décrite montre cette observation juste 30 s du comportement est suffisant pour tirer des conclusions précises sur l’efficacité de l’enseignement. Lagoutte et Rosenthal répété cette étude à l’aide de clips encore plus courts et ont trouvé des effets similaires : jugements basés sur trois clips aussi courtes que 2,0 s rendement fortes corrélations avec les notes de fin de semestre. 1 connaissance des corrélats non verbales d’un enseignement efficace aide à comprendre l’importance du comportement affectif dans le processus d’apprentissage et d’enseignement et revêtent également une importance pratique pour guider la sélection et la formation des futurs enseignants.

Ce corps de recherche a été étendu au-delà des jugements d’efficacité de l’enseignement. Les recherches démontrent que les gens peuvent juger une personne digne de confiance comment est juste d’afficher une photo de cette personne pour quelques brèves secondes. D’autres ont trouvé que les gens peuvent prédire qui va gagner une élection avec une précision d’au-dessus-chance juste basée sur l’affichage des photos des candidats. La possibilité de déduire rapidement d’une autre personne caractère ou traits d’une exposition brève est dénommée trancher mince.

Personnes peuvent d’autres trancher mince avec une précision impressionnante. Cependant, cette précision dépend en grande partie en sachant quels facteurs sont importants. Par exemple, les recherches menées par relation expert John Gottman et ses collègues montre que divorce peut être prédit à des niveaux plus-que-chance en affichant une fine tranche de vidéo d’un couple en interaction. 2 Gottman identifié quatre comportements clés permettant de prédire le divorce : critique, mépris, une attitude défensive et retrait/obstruction. Fait intéressant, se plaindre et colère en fait ne prédisent pas divorce.

En outre, plusieurs métiers s’appuient sur précis mince de tranchage, allant du travail de détective et de la sécurité personnelle à jouer au poker et voyance. Il est possible qu’implicitement ou explicitement d’apprendre à s’harmoniser aux bons signaux est essentielle au développement de cette expertise.

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. organiser les matériaux.

  1. Créer des vidéos, qui comprend déjà filmé des séquences de 10 professeurs de collège. Le contenu de l’enseignement devrait couvrir un large éventail de domaines.
  2. Pour chaque enseignant, identifiez trois clips séparés, 10 s. Les trois clips doivent être prélevés sur le début, milieu et fin du cours, respectivement et disposent de l’enseignant seul dans l’image vidéo.
  3. Conceptions suivantes de carré Latin, combiner les trois clips dans un ordre aléatoire ; procéder ainsi pour chaque enseignant. Cela se traduira par 30 clips vidéo totales.
  4. Compiler les évaluations de fin de semestre étudiant pour chacun des 10 instructeurs dans les vidéos. Ces évaluations sont des cours réels qui correspondent à la séquence vidéo.

2. participant recrutement

  1. Procéder à une analyse de puissance et de recruter un nombre suffisant de participants à regarder et à évaluer les clips vidéo.
    1. Femmes ont été privilégiées dans l’étude originale parce que la recherche antérieure prend en charge la notion qu’ils sont mieux que les hommes à décoder le comportement non verbal.

3. collecte des données

  1. Prévenez les participants de fournir des notes de l’instructeur basé sur le comportement dans l’ensemble non verbale. En particulier, demandez aux participants de juger de l’enseignant sur 15 dimensions pédagogique (par exemple, accepter, actif, attentif, dominante, honnête, sympathique, chaleureux, professionnel, etc.) sur une échelle de Likert de 9 points (1 = pas du tout ; 9 = très).
    1. Les participants ne devraient recevoir aucune autre formation.
  2. Pour évaluer le comportement non verbal moléculaire (c.-à-d., des actions spécifiques non verbale), ai deux payés, formés de codeurs regarder les clips vidéo mêmes.
  3. Pour chaque clip, calculer le nombre de clins de œil, headshakes, sourires, rires, bâillements, fronce les sourcils, mordre les lèvres, les regards vers le bas, touche, fidgets, gestes emphatiques, et faibles gestes des enseignants faits.
  4. Avoir les deux évaluateurs indiquent également la symétrie de l’enseignant et la posture du corps.
  5. Pour tenir compte des effets de l’attraction, ont également deux codeurs juger l’attrait physique de chaque enseignant basé sur une échelle de Likert de 5 points (1 = pas du tout ; 5 = très) basé sur une seule photo de chaque enseignant, tirée de la vidéo.
  6. Pleinement compte rendu participants.

4. analyse des données

  1. Notez que la variable résultat principal d’intérêt est l’enseignement d’efficacité, qui est évaluée au moyen d’évaluations réalisées par étudiants des enseignants à la fin du semestre.
    1. Cela comprend deux éléments qui ont demandé aux élèves d’évaluer la performance de l’instructeur et la qualité de la formation générale.
  2. Convertir ces notations en pourcentages.
    1. Le pourcentage moyen des éléments deux évaluation sert comme variable dépendante d’intérêt primaire.
  3. Analyser les cotes des molaire comportement non verbaux de fiabilité.
  4. Partir de ces données, calculer une moyenne globale, qui représente le score composite molaire comportement non verbal.
    1. Les deux le composite score et chacune des 15 cotes individuels sont considérés comme les prédicteurs potentiels d’efficacité de l’enseignement.
  5. Analyser les cotes des codeurs de moléculaires comportements non verbaux de fiabilité.
  6. Analyser les cotes de l’attractivité des enseignants pour la fiabilité.

À rencontrer de nouvelles personnes, de nombreuses personnes ont tendance à porter des jugements rapides d’une autre personne, même sans beaucoup de renseignements.

Par exemple, à une réunion mondaine, quelqu'un pourrait immédiatement penser que le gars avec des lunettes cool, dont ils n’ont jamais rencontré, est sympathique fondée uniquement sur son apparence. Car il s’avère que, il est facile à vivre et a beaucoup d’amis.

Remarquablement, les gens sont étonnamment précis lors de ces premières impressions — visé comme snap jugements — simplement basé sur des repères visuels.

Basé sur le travail séminal de lagoutte et Rosenthal, cette vidéo illustre les techniques expérimentales utilisées pour faire casser les jugements de personnalités des instructeurs en comparaison avec réelles évaluations de leur efficacité de l’enseignement. Nous étudierons également comment ces inférences peuvent être appliquées à d’autres professions qui s’appuient sur l’analyse des caractéristiques.

Dans cette étude, les participants sont invités à regarder les compilations vidéo courtes, sourdine d’instructeurs Collège roman enseigner une variété de sujets et doivent juger certains attributs. Autres programmeurs qualifiés comptent des comportements non verbaux plus spécifiques, ainsi que noter leur apparence physique.

Ces évaluations sont finalement comparées à enseignement véritable évaluations afin d’examiner l’exactitude des premières impressions issu des traits visuels et objective des actions distinctes.

Les participants d’abord fournissent des notations molaires — jugements large trait — repose sur 15 dimensions pédagogique, comme si ils semblent confiants, sympathique et enthousiaste. L’échelle de Likert varie de 1 (pas du tout) à 9 (très).

En outre, les assistants de recherche regarder les clips de mêmes et comportements moléculaires de pointage — actions momentanées et discrètes — comme souriant ou en hochant la tête. Ils sont également priés de signaler sur la symétrie de l’enseignant et la posture du corps.

Enfin, basée sur une seule photo prise d’après les vidéos, les assistants sont priés de coter l’attrait physique de chaque instructeur sur une échelle de Likert de 5 points, où 1 signifie « pas du tout » et 5 correspond à « très », pour tenir compte des effets de l’attractivité.

D’examiner l’utilité prédictive de ces snap jugements, évaluations de fin de semestre enseignement de chaque instructeur sont compilées pour des comparaisons quantitatives nonbiased.

À l’aide de ces formes, la variable dépendante est l’enseignement d’efficacité, basé sur une moyenne de deux points où les étudiants évalué des instructeurs performances et la qualité globale des cours.

Quotes-parts des participants en fin de compte, de comportements non verbaux molaires — donné 30 s de film d’un jour d’enseignement — devraient être fortement corrélée avec les évaluations des étudiants de leurs instructeurs, qui sont basés sur une durée beaucoup plus longue — valeur d’un semestre d’interaction.

Ces résultats suggèrent que très peu de temps est nécessaire pour faire une première impression précise, qui est connue comme trancher mince — la possibilité de déduire rapidement caractère d’autrui d’une exposition très courte.

Avant l’expérience, procéder à une analyse de puissance afin de recruter un nombre suffisant de participants. En outre, utiliser auparavant filmé des séquences de dix professeurs de collège pour générer trois clips séparés, 10 s de chacun de se retrouver avec un total de 30 vidéos.

Pour tout le monde, capturer une image à enregistrer en tant que leur photo pour des observations ultérieures. Pour terminer la préparation, compilez la fin des évaluations étudiant semestre pour chacun des 10 instructeurs montrés, depuis les cours réels qui correspondent aux images.

Pour commencer, escort de chaque participant dans la salle d’examen et d’expliquer qu’ils regarder des vidéos et évaluer le comportement non verbal molaire — dans cette affaire de personnalité.

Comme ils considèrent chaque ensemble de clips randomisées, ont eux juger le comportement non verbal de chaque instructeur — 15 adjectifs pédagogique — sur une échelle de Likert de 9 points.

Ensuite, pour mesurer le comportement non verbal moléculaire, demander deux codeurs formés pour regarder les mêmes segments et calculer le nombre de fois que chaque instructeur fait l’un des 12 comportements distincts, ainsi que les détails sur leur posture de symétrie et le corps.

Enfin, pour expliquer les effets de l’attraction, ont chaque codeur afficher les images enregistrées et juger l’apparence physique de chaque instructeur sur une échelle de Likert de 5 points.

Pour conclure l’expérience, entièrement debrief participants concernant le but réel et les procédures de l’étude.

Pour compiler les données, assurez-vous que les réponses de l’évaluation de deux ont été convertis en pourcentages et en moyenne pour chaque instructeur.

Ensuite, créez des graphiques distincts pour comparer les valeurs moyennes des molaires et moléculaires catégories contre l’efficacité de l’enseignement. Tracer les corrélations pour chaque comportement non verbal mesurée.

Tout d’abord, Notez que 10 des 15 cotes molaires des comportements non verbaux étaient significativement et positivement corrélées, y compris la moyenne dans l’ensemble composite — la variable globale.

Cependant, les comportements moléculaires étaient moins prédictives. Seulement s’agiter négativement corrélée à l’efficacité de l’enseignement. En outre, les relations demeurent même après le contrôle pour l’attraction de l’instructeur.

En fin de compte, les élèves ont pu formuler des impressions fiables de l’efficacité de l’enseignement des instructeurs à l’aide de seulement 30 s de vidéo non verbale.

Maintenant que vous êtes familier avec la façon de concevoir une étude visant à évaluer les jugements de composant logiciel enfichable dans un contexte éducatif, nous allons étudier comment cette recherche s’étend à d’autres professions qui reposent sur des inférences rapides à comprendre le caractère d’autrui.

Lors d’un match de poker, beaucoup de joueurs dépendre de jugements clin d’oeil à la taille vers le haut de leur compétition. Ceux qui font des inférences rapides sur leurs adversaires jouant style — uniquement basés sur une quantité limitée de repères visuels — peut gagner le pot.

Cependant, maintenir la précision lorsque mince de tranchage d’autres dépend en grande partie en sachant quels facteurs sont importants. Par exemple, les chercheurs ont montré que le divorce peut être prédit au-dessus des niveaux de chance en affichant une très courte vidéo d’un couple en interaction.

Dans ce cas, les comportements attendus de se plaindre ou de colère n’ont pas prédit divorce, mais plutôt une attitude défensive et retrait n’ont. Ainsi, il est possible qu’implicitement ou explicitement d’apprendre à s’harmoniser aux bons signaux est essentielle au développement de cette expertise.

Vous avez juste regardé les vidéo de JoVE sur la façon d’évaluer l’exactitude des jugements de composant logiciel enfichable. Maintenant vous devriez avoir une bonne compréhension de la façon de la conception, la conduite et analyser une expérience visant à étudier comment un peu de temps est nécessaire pour procéder à des inférences prédictives, ainsi que la façon dont cette compétence peut être utile dans d’autres professions.

Merci de regarder !

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

RECOMMEND JoVE