Simple Modelle für komplexe Diagnoseprobleme? Zur Robustheit probabilistischer Diagnoseverfahren gegenüber vereinfachenden Modellannahmen Lehr- und Forschungstexte Psychologie Series, Vol. 21

Die vorliegende Arbeit setzt sich mit dem Problem grob vereinfachender Annahmen bei formalen Diagnoseverfahren auseinander. die zur Unter­ stOtzung der intuitiven Urteilsbildung bzw. zur Vermeidung intuitiver Urteilsfehler entwickelt wurden. Damit solI keineswegs gegen den Ein­ satz formalisierter Verfahren argumentiert werden. Angesichts der rapiden Entwicklung der Dokumentationstechnologie. die den Einsatz formalisierter Verfahren der Informationsaggregation als Grundlage einer rationalen Urteilsbildung nicht nur nahelegt. sondern vermutlich erzwingen wird. drangt sich jedoch die Frage auf. ob grob vereinfa­ chen de Annahmen. die in der Entwicklungsphase bzw. im Rahmen der experimentellen Erprobung formalisierter Verfahren zumeist unter dem Gesichtspunkt der Praktikabilitat eingefOhrt wurden. auch dann noch vertretbar sind. wenn es urn die praktische Anwendung solcher Verfahren mit moglicherweise gravierenden Konsequenzen geht. Ich danke Herrn Prof. Dr. Martin Irle und Herrn Prof. Dr. Ralf Schae­ fer fOr die kritische Kommentierung des Manuskriptes. die wesentlich zur jetzt vorliegenden Fassung beigetragen hat. 1m folgenden wird ein kurzer Oberblick Ober den Inhalt der einzelnen Kapitel gegeben. der zur Orientierung des Lesers hilfreich sein mag. In den beiden ersten Kapiteln wird der Grundgedanke formaler Entschei­ dungshilfeverfahren skizziert. und ihre Notwendigkeit mit der zuneh­ menden Diskrepanz zwischen der begrenzten Informationsverarbeitungsfa­ higkeit des Menschen und den steigenden Anforderungen begrOndet. die die immer raschere technologische Entwicklung an ihn stellt.

1. Einleitung.- 2. Simple Modelle für komplexe Probleme ?.- 2.1. Zur Notwendigkeit formaler Entscheidungshilfen.- 2.2. Zur Notwendigkeit vereinfachender Modellannahmen bei formalen Entscheidungshilfeverfahren.- 2.3. Formale Diagnose über das Bayes Theorem und bedingte Unabhängigkeit.- 3. Bisherige Untersuchungen zum Problem bedingte Unabhängigkeit.- 4. Alternative ModelLannahmen, Möglichkeiten ihrer Fotmalisierung und Schätzverfahren.- 4.1. Welche Alternativen kommen in Betracht ?.- 4.2. Parametrische Modelle für mehrdimensionale Kontingenztafeln und Schätzverfahren.- 5. Methodische Probleme.- 5.1. Bewertungskriterien für probabi1istische Diagnoseverfahren.- 5.2. Modellfehler und Stichprobenfehler.- 5.3. Zur Grobdifferenzierung von Datenstrukturen.- 6. Ablauf der Untersuchung.- 6.1. Programmentwicklung.- 6.2. Auswahl der Datensätze und Zusammenstellung der Analyseeinheiten.- 6.3. Auswertungsphase.- 7. Ergebnisse.- 7.1. Beschreibung der Datensätze.- 7.2. Übersicht über die Grobstruktur der verwendeten Datensätze.- 7.3. Vergleich der Schätzfehler bei der Annahme bedingt unabhängiger Indikatoren und der Annahme paarweise interkorrelierter Indikatoren.- 7.4. Modellfehler und Stichprobenfehler.- 7.5. C1uster-Modelle.- 8. Zusammenfassung und Diskussion.- 8.1. Gegenstand und Zielsetzung der Arbeit.- 8.2. Zusammenfassung der Ergebnisse.- 8.2.1. Zur Robustheit des Bayes Theorems gegenüber Verletzungen der bedingten Unabhängigkeit.- 8.2.2. Es gibt brauchbare Alternativen.- 8.2.3. Modellfehler und Stichprobenfehler.- 8.3. Schlußfolgerungen.- Anhang A Übersicht über die Prozentsätze übet- und unterkonfidenter Schätzungen bei den einzelnen Analyseeinheiten der drei Datensätze.- Anhang B Tabellen des “Wahl-Datensatzes”.