Alltagspsychologie (Laienpsychologie): Theorien über Erleben & Verhalten aus eigener Alltagserfahrung — schnell, aber fehleranfällig.

Wissenschaftliche Psychologie: überprüft Theorien mit wissenschaftlichen Methoden, um prüfbare, präzise Aussagen über deren Wahrheitsgehalt zu treffen.

• Heuristik = Faustregel für schnelle Urteile bei wenig Info/Zeit — nützlich, aber fehleranfällig
• Kognitive Verzerrung = systematische Fehltendenz beim Wahrnehmen, Erinnern, Denken, Urteilen
• Beispiele: Rückschaufehler (Hindsight Bias), Bestätigungsfehler (Confirmation Bias)

Erster Schritt zur Wissenschaftlichkeit = kritisches Denken (systematisches Hinterfragen & Bewerten). Die Methodenlehre lehrt, welche Methoden für ein Forschungsziel geeignet sind und wie man sie anwendet.

4 Standards der Wissenschaftlichkeit (Döring): wissenschaftliches Forschungsproblem · wissenschaftlicher Forschungsprozess · Wissenschafts-/Forschungsethik · vollständige schriftliche Dokumentation (nachvollziehbar & replizierbar).

Quantitative Forschung: macht Phänomene messbar & vergleichbar; Interesse an Gruppen (typischer/repräsentativer Wert). Aktuell vorherrschender Ansatz. → Beispiel: Theater-Skala 1–10, Mittelwert bildbar.

Qualitative Forschung: sinnverstehende, interpretative Aspekte; offene Fragen → individuelle Antworten.

Üblich im quantitativen Paradigma: der hypothesenprüfende Ansatz — Hypothese aufstellen, dann überprüfen.

1. Wahl der Forschungsfragestellung
2. Theoretische Einbettung & Ableitung von Hypothesen
3. Operationalisierung & Untersuchungsplanung
4. Durchführung & Datenerhebung
5. Datenaufbereitung & Datenanalyse
6. Interpretation & Diskussion
7. Publikation/Präsentation

Theorie = geordnete Menge von Begriffen/Aussagen, die ein Phänomen erklärt (breit, allgemein). Hypothese = konkrete, überprüfbare Vermutung über einen Sachverhalt — aus Theorien abgeleitet.

Anforderungen an wissenschaftliche Hypothesen (Hussy):

• präzise & widerspruchsfreie Formulierung
• prinzipielle Widerlegbarkeit
• Operationalisierbarkeit (Begriffe erfassbar/messbar)
• Begründbarkeit (Stand der Wissenschaft berücksichtigt)

Außerdem: Hypothese vor der Datensammlung aufstellen.

Kovariation ≠ Kausalität Ein Kausalschluss ist nur zulässig, wenn zusätzlich gilt: (1) Ursache A tritt zeitlich vor B auf und (2) andere Ursachen außer A sind ausgeschlossen.

Merkmal = Eigenschaft mit Ausprägungen. Latentes Merkmal: nicht direkt messbar (z. B. Intelligenz) → man nutzt manifeste Indikatoren. Operationalisierung = Festlegung der Operationen (Indikatoren + Messinstrument) zur Erfassung. Das operationalisierte Merkmal = Variable.

Messung = regelgeleitete Zuordnung von Zahlen zu Merkmalsausprägungen. Hauptgütekriterien: Objektivität (unabhängig von der Versuchsleitung), Reliabilität (Zuverlässigkeit/Messgenauigkeit, reproduzierbar), Validität (misst, was es vorgibt zu messen).

Kategorial (nominal/ordinal) vs. kontinuierlich (intervall/verhältnis). Bei Nominalskala ist die Zahlenzuordnung willkürlich; ein arithm. Mittel ist erst ab Intervallniveau sinnvoll.

Population / Grundgesamtheit = alle Fälle, über die etwas ausgesagt werden soll. Stichprobe = Teilmenge daraus (Versuchspersonen). Ziel: Repräsentativität — Miniaturabbild der Population (Voraussetzung für externe Validität).

• Zufallsstichprobe: jede Person hat dieselbe Chance, aufgenommen zu werden → repräsentativ, aber schwer umsetzbar
• Gelegenheitsstichprobe: leicht verfügbare Personen (z. B. Studierende, Online-Umfragen) → praktisch, aber verzerrungsanfällig
• Selection Bias = Verzerrung durch nicht-zufällige Auswahl
• Stichprobenumfang ↑ → Aussagekraft ↑ (Ausnahmen fallen weniger ins Gewicht), aber Ressourcen ↑

Labor: VP kommen ins Labor → bessere Kontrolle → höhere interne Validität. Feld: natürliche Umgebung → authentisches Verhalten → höhere externe Validität, aber schlechtere Kontrolle.

Interne Validität = eindeutiger Kausalschluss möglich. Externe Validität = Übertragbarkeit der Ergebnisse auf andere Personen/Situationen (steigt mit repräsentativer Stichprobe).

Experiment — 2 Kernmerkmale: (1) mindestens eine Variable wird systematisch variiert (manipuliert) und der Effekt beobachtet; (2) Störvariablen werden kontrolliert/ausgeschaltet. Ziel: Ursache-Wirkungs-Hypothesen prüfen → aussagekräftigste Methode.

UV unabhängige Variable = die manipulierte, ursächliche Variable. AV abhängige Variable = wird von der UV beeinflusst (hängt von ihr ab). Experimentalbedingung (UV gegeben) vs. Kontrollbedingung (UV nicht gegeben).

Störvariable / Konfundierung: kovariiert mit der AV und liefert eine Alternativerklärung. Kontrolle durch Konstanthalten oder Balancieren (in allen Bedingungen im Schnitt gleiche Ausprägung).

Randomisierung = zufällige Zuweisung der VP zu den Bedingungen → balanciert (bei großer Stichprobe) alle personengebundenen Störvariablen, auch unbekannte. Parallelisieren: gezielte Aufteilung nach gemessener Störvariable (nur 1 Variable, bei kleinen Stichproben). Fehlt die Randomisierung (UV nicht manipulierbar) → Quasi-Experiment.

Designs: Between-Subjects = VP nur in einer Bedingung (Gruppenvergleich). Within-Subjects = alle VP durchlaufen alle Bedingungen (ökonomisch, perfekte Parallelisierung; ungeeignet, wenn Vorwissen die AV beeinflusst).

Reaktivität / Hawthorne-Effekt: schon das Wissen, beobachtet zu werden, verändert das Verhalten der VP → gefährdet die interne Validität. Gegenmaßnahmen: Coverstory, schwer verfälschbare Maße (z. B. bildgebende Verfahren, Hormonspiegel, impliziter Assoziationstest IAT).

Placebo = Scheinmedikament ohne Wirkstoff. Placebo-Effekt = positive Veränderung allein durch die Erwartung der VP. Nocebo-Effekt = unerwünschte Wirkungen nach einer unwirksamen Behandlung.

Blindversuch: die VP weiß nicht, ob sie zur Experimental- oder Kontrollgruppe gehört. Rosenthal-Effekt: Erwartungen der Versuchsleitung beeinflussen das Ergebnis (selbsterfüllende Prophezeiung; Ratten-Experiment Rosenthal & Fode).

Doppelblindstudie: weder VP noch Versuchsleitung wissen, welcher Bedingung die VP zugeordnet ist → kontrolliert sowohl Reaktivität als auch den Rosenthal-Effekt.

Deskriptive (beschreibende) Statistik = beschreibt die Stichprobe. Inferenzstatistik (schließende) = schließt von der Stichprobe auf die Population (z. B. Signifikanz).

Häufigkeiten: absolut = Anzahl pro Ausprägung; relativ = Anteil (absolut ÷ Gesamtzahl, Summe = 1); prozentual = relativ × 100. Veranschaulichung über Histogramm (x = Ausprägung, y = Häufigkeit).

Streuungsmaße: Interquartilsabstand IQA = Q3 − Q1 (Bereich der mittleren 50 %; ab Ordinal). Varianz = Σ(xᵢ − M)² ÷ N (ab Intervall). Standardabweichung SD = √Varianz. Für Nominaldaten ist kein Streuungsmaß sinnvoll.

Beispiel D = [200, 200, 230, 280, 290]: Modalwert = 200 · Median = 230 · M = 240 · Varianz = 1480 · SD ≈ 38,47 · IQA = Q3 − Q1 = 280 − 200 = 80.

Grafik: Streudiagramm (jede Variable auf einer Achse, jeder Punkt = eine Versuchseinheit) gibt einen ersten Eindruck des Zusammenhangs.

Korrelationskoeffizient r (Produkt-Moment-Korrelation) quantifiziert den Grad des linearen Zusammenhangs; nur ab Intervallskalenniveau. Er ist das standardisierte Maß der Kovarianz: r = Cov(x,y) ÷ (SD(x) · SD(y)) — dadurch einheitenunabhängig.

• r = 0: kein linearer Zusammenhang
• 0 < r < 1: positive Korrelation (beide Variablen steigen gemeinsam); r = 1 = perfekt positiv
• −1 < r < 0: negative Korrelation (eine steigt, andere fällt); r = −1 = perfekt negativ

r erfasst keine nichtlinearen (z. B. U-förmigen) Zusammenhänge. Je weiter r von 0 entfernt, desto stärker die Korrelation und desto genauer die Vorhersage. Bei perfekter Korrelation liegen alle Punkte auf einer Linie.

Zum Abschluss ein paar Beispielfragen im Stil der Aufnahmeprüfung.

Pro Frage vier Aussagen — entscheide bei jeder, ob sie korrekt ist. Eine Frage gilt nur als gelöst, wenn alle richtigen markiert und alle falschen nicht markiert sind.

Keine Teilpunkte, keine Minuspunkte. Viel Erfolg!