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

German
Bewertung der Genauigkeit der Snap Urteile
 

Bewertung der Genauigkeit der Snap Urteile

Article

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

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!

Read Article

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

Waiting X
simple hit counter