Die Flexibilität von Modellen des Wiedererkennens
Zusammenfassung der Projektergebnisse
Im Vordergrund des Projekts stehen moderne Verfahren der Selektion zwischen mathematischen Modellen, die anders als herkömmliche Verfahren die Form der Modellfunktionen und –gleichungen berücksichtigen. Insbesondere sollte ein Verfahren entwickelt werden, den sogenannten normalized maximum likelihood (NML) Index für mathematische Modelle des Wiedererkennens im Paradigma mit Konfidenzurteilen zu berechnen. Der Index sollte ferner verwendet werden, um die relative Flexibilität solcher Modelle vergleichend zu bewerten. In Simulationsstudien zur sogenannten model recovery sollte der NML Index mit traditionellen Indizes, AIC und BIC, verglichen werden, um zu prüfen, ob sich seine theoretischen Vorteile auch in praktisch realistischen Anwendungen durchsetzen. Schließlich war angezielt, die entwickelten Modellselektionsmethoden in einer Metanalyse existierender Datensätze einzusetzen. Alle vier Modellziele konnten erreicht werden. Es gelang uns, eine effiziente Methode der Berechnung des NML Index zu entwickeln. Diese ist sogar noch weit allgemeiner als die Beschränkung des Projekts auf Modelle des Wiedererkennens nahelegt und sollte im Prinzip auf alle Modelle anwendbar sein, die multinomiale oder produktmultinomiale Verteilungen von Häufigkeitsdaten parametrisieren, mithin für sogenannte kategoriale Datenanalyse. Die NML Indizes haben wir für eine große Zahl von Modellen und Datensatzgrößen tabelliert und für fehlende Datensatzgrößen Interpolationsfunktionen angepasst, die es Forschern erlauben, die NML Indizes der Modelle des Wiedererkennens zu berechnen, ohne unsere Verfahren zu implementieren. Die NML Indizes führten zu einem Vorteil gegenüber traditionellen Indizes beim Identifizieren des Modells, das den Daten zugrundeliegt, wie wir in mehreren großen Simulationsstudien unter realistischen Bedingungen zeigen konnten. Schließlich haben wir mit den neuen Verfahren 850 existierende Datensätze metaanalytisch untersucht und konnten relativ starke Evidenz für ein bestimmtes Modell in diesem Bereich, für das dual process signal detection Modell, beibringen.
Projektbezogene Publikationen (Auswahl)
- (2015). The flexibility of models of recognition memory: The case of confidence ratings. Journal of Mathematical Psychology, 67, 8-25
Klauer, K. C., & Kellen, D.
(Siehe online unter https://doi.org/10.1016/j.jmp.2015.05.002)
