Inhalt

In Klein-Gruppen werden psychologische Experimente geplant, durchgeführt und ausgewertet. Zur Wahl stehen vom Dozenten festgelegte Fragestellungen aus dem Bereich des kohärenzbasierten Schließens. Die Studierenden sollen eigene Vorschläge und Ideen bezüglich der konkreten Umsetzung entwickeln und einbringen.

Ein Alleinstellungsmerkmal von Kurs B im Modul ist, dass wir uns mit der Anwendung von formalisierten kognitiven Modellen des kohärenzbasierten Schließens beschäftigen werden. Sie werden lernen, was formalisierte kognitive Modelle sind, wie sich aus diesen Hypothesen für Studien ableiten lassen, wie sich die Passung von Modellen zu Daten mit Maximum-Likelihood Methoden in der Software R ganz konkret berechnen lassen und wie man die Ergebnisse einer modellbasierten Datenanalyse interpretiert. Sie sollten also, wenn Sie sich für Kurs B im Modul entscheiden, Interesse an dem Thema der kognitiven Modellierung haben und nicht vor einer stärker formalisierten bzw. mathematischen Psychologie zurückschrecken.

In Teil 1 des Seminars im Sommersemester 21 arbeiten wir uns in die Theorie zum Thema und die Methoden der kognitiven Modellierung ein. In Teil 2 des Seminars im kommenden Wintersemester 21/22 erheben wir Daten zum Thema.

Voraussetzungen

BA Wissen Statistik und Methoden, optimalerweise (wird aber nicht verlangt bzw. kann im Kurs erlernt werden) grundlegende Kenntnisse im Umgang mit R

Ziel

Vermittlung und Einübung der Kompetenzen zur Planung, Durchführung und Auswertung wissenschaftlicher, psychologischer Studien

Lehr- und Lernmethode

Voraussetzungen: regelmäßige Teilnahme, kleine Referate, Mitarbeit in der Gruppe, Mitarbeit an der Vorbereitung von mündlichen Zwischenberichten, Erstellung eines Portfolios.

In dem Portfolio werden die Schritte des Forschungsprozesses nachvollziehbar dokumentiert und zusammengefasst. Zum Portfolio gehören in der Regel eine Dokumentation der Planung, Durchführung und Auswertung der Untersuchung (z.B. in Form schriftlicher Unterlagen von Präsentationen im Rahmen des Seminars), ein Poster, das die Untersuchung im Rahmen einer Präsentationsveranstaltung zum Semesterende dem Department präsentiert und/oder ein schriftlicher Abschlussbericht (weitere mögliche Elemente sind z.B. von den Studierenden erstelltes Untersuchungsmaterial, Dokumentation einer Voruntersuchung, etc.).

Passwörter

Alle verlinkten PDFs auf dieser Seite sind passwortgeschützt. Das Passwort wird in der ersten Sitzung bekannt gegeben, es ist jedoch auch in Ilias zu finden.

Kontakt

Sie erreichen mich unter meiner Email. Eine Gespräch außerhalb der Kurszeiten über Zoom kann bei Bedarf mit mir per Email vereinbart werden. Den Link zur wöchentlichen Zoom Sitzung finden Sie hier und in Ilias.

Voraussichtlicher Kursablauf

In der ersten Hälfte in jeder Seminarstunde besprechen wir einen inhaltlichen Artikel zum Thema. In der zweiten Hälfte beschäftigen wir uns mit dem methodischen Thema der kognitiven Modellierung. Sie sollen im Kurs ein kohärenzbasiertes Modell zur Modellierung von Informationsverzerrung bei sequentiell präsentierten Informationen kennenlernen und mit diesem auch prinzipiell umgehen können. Dazu werden Sie die Grundlagen der kognitiven Modellierung in der Programmiersprache R erlernen.

Für jede Stunde gibt es ein bis zwei Texte zu lesen. In der Regel sind das immer ein inhaltlicher Artikel zum kohärenzbasierten Schließen, den wir in der ersten Hälfte besprechen, und viermal ein methodisches Buchkapitel zur Kognitiven Modellierung, das wir in der zweiten Hälfte besprechen. Ab der dritten Sitzung übernimmt jeder einmal die Verantwortung für einen inhaltlichen Artikel (d.h., Sitzungen 3 bis 10; den Artikel in Sitzung 10 sollten zwei Studierende übernehmen), die zweite Hälfte liegt immer in der Verantwortung des Dozenten.

In der folgenden Tabelle sind die Themen der Sitzungen und die Artikel gelistet.

Sitzung	Datum	Inhalt	Methoden	Literatur Inhalt	Literatur Methoden
1	12.04.21	Vorbesprechung Ablauf Seminar	-	-	-
2	19.04.21	Einführung kohärenzbasiertes Schließen	Hintergründe zu Kognitive Modellierung - Teil 1	Kapitel 1 und 2 aus Thagard (2000)	Kapitel 1 aus Farrell & Lewandowsky (2018)
3	26.04.21	Überblick Information Distortion (ID)	Hintergründe zu Kognitive Modellierung - Teil 2	Russo (2015)	Kapitel 2 aus Farrell & Lewandowsky (2018)
4	03.05.21	Paradigma ID	Grundlagen R - Teil 1: Daten mit dem dplyr-Paket verarbeiten	Russo et al. (2008)
5	10.05.21	Messung von ID	Grundlagen R - Teil 2: Funktionen schreiben	Blanchard et al. (2014)
6	17.05.21	Anwendungskontext 1: Entscheidungen vor Gericht	Übung: Grundlagen R	Engel et al. (2020)
-	24.05.21	Feiertag	-	-
7	31.05.21	Anwendungskontext 2: Medizinische Entscheidungen	Grundlagen Parameterschätzung in formalisierten Modellen	Nurek et al. (2014)	Kapitel 3 aus Farrell & Lewandowsky (2018)
8	07.06.21	Konzeptuelles Modell ID	Wahrscheinlichkeit, Likelihood, Maximum Likelihood, & Maximum Likelihood Estimation	DeKay (2015)	Kapitel 4 aus Farrell & Lewandowsky (2018)
9	14.06.21	Parallel Constraint Satisfacton Model of Decision Making (PCS-DM)	Mathematische Details zum PCS-Modell	Glöckner & Betsch (2008)
10	21.06.21	iCodes Model (integrated coherence-based decision and search)	Übung 1: MLE für Regressionsmodelle	Jekel et al. (2018)
11	28.06.21	Sequential-iCodes - Teil 1	Übung 2: MLE für Entscheidungsheuristiken	-
12	05.07.21	Sequential-iCodes - Teil 2	Model Selection: Likelihood Ratio Test, BIC, AIC, Cross-prediction	-
13	12.07.21	Generierung von ersten Projektideen - Teil 1	Übung: Anwendung PCS-Modelle	-
14	19.07.21	Generierung von ersten Projektideen - Teil 2	-	-

Literatur

Die Kapitel aus dem Buch von Farrell & Lewandowsky (2018) können Sie hier herunterladen, nachdem Sie sich mit VPN im Uninetz angemeldet haben. Die beiden Buchkapitel von Thagard (2000) finden Sie hier. Das Buchkapitel von Russo (2015) finden Sie hier. Alle Artikel sind unter References auf dieser Seite gelistet und sollten prinzipiell über Ebsco/die Universitätsbibliothek zugänglich sein. Sollte dem nicht so sein, schreiben Sie mir!

Software

Bitte installieren Sie bis zur vierten Sitzung folgende Software auf Ihrem Rechner.

Unterstützende Ressource

Sie können sich hier mit Ihrer smail.uni-koeln.de Adresse einen kostenlosen Zugang zu der Lernplattform DataCamp verschaffen. In DataCamp sind derzeit 150 R-Kurse zu verschiedenen Themen gelistet. Jeder R-Kurs besteht in der Regel aus einer Kombination von Videos und interaktiven Übungen zu einem Thema (z.B. Daten verarbeiten in R, Plots in R, Inferenzstatistik in R, etc.) . Der Zugang ist für 6 Monate gültig.

Wenn Sie noch nie mit R gearbeitet haben, empfehle ich Ihnen vor der vierten Sitzung, sich folgende Kurse anzuschauen:

Jeder Kurs dauert 3 bis 4 Stunden, die Investition lohnt sich!

Blanchard, S. J., Carlson, K. A., & Meloy, M. G. (2014). Biased predecisional processing of leading and nonleading alternatives. Psychological Science, 25(3), 812–816. https://doi.org/10.1177/0956797613512663

DeKay, M. L. (2015). Predecisional information distortion and the self-fulfilling prophecy of early preferences in choice. Current Directions in Psychological Science, 24(5), 405–411. https://doi.org/10.1177/0963721415587876

Engel, C., Timme, S., & Glöckner, A. (2020). Coherence-based reasoning and order effects in legal judgments. Psychology, Public Policy, and Law, 26(3), 333–352. https://doi.org/10.1037/law0000257

Farrell, S., & Lewandowsky, S. (2018). Computational modeling of cognition and behavior (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781316272503

Glöckner, A., & Betsch, T. (2008). Modeling option and strategy choices with connectionist networks: Towards an integrative model of automatic and deliberate decision making. Judgment and Decision Making, 215–228.

Jekel, M., Glöckner, A., & Bröder, A. (2018). A new and unique prediction for cue-search in a parallel-constraint satisfaction network model: The attraction search effect. Psychological Review, 125(5), 744–768. https://doi.org/10.1037/rev0000107

Nurek, M., Kostopoulou, O., & Hagmayer, Y. (2014). Predecisional information distortion in physicians’ diagnostic judgments: Strengthening a leading hypothesis or weakening its competitor? Judgment and Decision Making, 9(6), 14.

Russo, J. E. (2015). The predecisional distortion of information (E. A. Wilhelms & V. F. Reyna, Eds.; pp. 91–110). Psychology Press.

Russo, J. E., Carlson, K. A., Meloy, M. G., & Yong, K. (2008). The goal of consistency as a cause of information distortion. Journal of Experimental Psychology: General, 137(3), 456–470. https://doi.org/10.1037/a0012786

Thagard, P. (2000). Coherence in thought and action. MIT Press.

Ablauf Projektseminar