Welche Strategien nutzen Personen, um im Impliziten Assoziationstest (IAT) zu verf?lschen? Replikation und Erweiterung bisheriger Erkenntnisse.
Der Implizite Assoziationstest (IAT) gilt als das valideste Verfahren zu Messung impliziter Assoziationen. Dennoch ist er nicht unverf?lschbar. Im Gegensatz zu vielen anderen Verfahren wurden für den IAT jedoch eine Reihe vielversprechender Indikatoren entwickelt, die Verf?lschungsverhalten detektieren sollen. Diese Indikatoren beinhalten Annahmen über die Strategien, welche zum Zwecke der Verf?lschung eingesetzt werden: Verlangsamung oder Beschleunigung, Begehen oder Vermeiden von Fehlern – jeweils in kongruenten und inkongruenten IAT-Blocks; das Combined Task Slowing (CTS) und Ratio 150- 10000. Bisherige Studien zur Qualit?t der Indikatoren sind widersprüchlich und hatten geringe statistische Power. Zudem wurden weitere Aspekte bisher nicht untersucht (z. B. die Stabilit?t der Befunde, die Unabh?ngigkeit von der Messung des Verf?lschungserfolges und die Güte kombinierter Indikatoren). Diese Publikation repliziert und erweitert den Stand bisheriger Erkenntnisse.
Wir re-analysierten ein gro?es Datenset (N = 750) mit Extraversion-IAT Daten. Personen wurden randomisiert entweder der Kontrollgruppe oder aber einer der Verf?lschungsgruppen (d. h. Verf?lschung in Richtung hoher Werte oder Verf?lschung in Richtung niedriger Werte) zugewiesen. Alle bearbeiteten vorab eine Baseline-Messung.
Wir konnten replizieren, dass Personen je nach Verf?lschungsziel (hohe oder niedrige Werte) verschiedene Verf?lschungsstrategien w?hlen. So war es beispielsweise m?glich, Verf?lschung niedriger Werte aufgrund von Verlangsamung im kongruenten Block zu detektieren (in geringerem Umfang auch durch CTS). Beide Strategien waren erfolgreiche Verf?lschungsstrategien. Im Gegensatz dazu wurde der strategische Einsatz von Fehlern zwar genutzt, war aber nicht erfolgreich. Verf?lschung hoher Werte konnte aufgrund von Verlangsamung im inkongruenten Block, das Begehen von Fehlern im inkongruenten Block und mit CTS entdeckt werden, wobei alle drei Strategien erfolgreich waren. Weiter zeigten wir, dass die Ergebnisse stabil über Stichproben und Berechnungen von Verf?lschungserfolg sind. Mit Hilfe von Maschinellem Lernen konnten wir zudem zeigen, dass vor allem Fehler zur Klassifikation genutzt werden. Untersuchte Personen die verf?lschen nutzen in Abh?ngigkeit des Verf?lschungsziels also unterschiedliche Strategien und nicht alle sind erfolgreich. Um Verf?lschung zu detektieren empfehlen wir, je nach Kontext, unterschiedliche Indikatoren einzusetzen und diese auf Konvergenzen zu prüfen.
Link zum Artikel:
Referenz:
R?hner, J., Holden, R.R. & Schütz, A. IAT faking indices revisited: Aspects of replicability and differential validity. Behav Res (2022). doi.org/10.3758/s13428-022-01845-0