Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Science Education Library
Social Psychology

You have full access to this content through your JoVE user account

French
Évaluation de la précision des jugements Snap
 

Évaluation de la précision des jugements Snap

Article

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

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 !

Read Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter