Messung und Erklärung von Vertrauen (TRUSTME)
Zusammenfassung der Projektergebnisse
Das Projekt "Messung und Erklärung von Vertrauen (TRUSTME)" zielte darauf ab, zwei zentrale Fragen der Vertrauensforschung zu untersuchen: Wie können wir Vertrauen messen? Wie können wir Unterschiede im Vertrauen erklären? Messung von Vertrauen. Eine zentrale Herausforderung in der Vertrauensforschung ist der fehlende Konsens darüber, wie Vertrauen gemessen werden soll. Das TRUSTME-Projekt nahm sich dieser Herausforderung an, indem es die Validität von Standardmaßen des generalisierten sozialen Vertrauens mit neueren, situationsspezifischen Vertrauensmaßen verglich. Wir zeigen, dass Umfragemaße, die sich in ihrer Frageformulierung auf "Fremde" beziehen, das Konzept des generalisierten Vertrauens, auch bekannt als Vertrauen in unbekannte Andere, am besten widerspiegeln. Während situationsspezifische Vertrauensmaße zwar sprachlich präziser sein mögen, weil sie Situationen schon in der Frage spezifischer eingrenzen, können sie auch Assoziationen mit Personen verstärken, die man persönlich kennt. Dies ist bei der Messung von generalisiertem Vertrauen unerwünscht. Erklärung von Unterschieden im Vertrauen. Das TRUSTME-Projekt untersuchte auch Faktoren, die zu Unterschieden im Vertrauensniveau zwischen Individuen beitragen. Hierbei lag der Fokus zum einen auf der Verwendung verschiedener Vertrauensmaße. Die Ergebnisse zeigen, dass mit aktuellen spezifischen Maßen generell geringere Vertrauenswerte gemessen werden. Zum anderen wurden innovative Methoden, wie z.B. Audio-Probing, angewandt, um den Denkprozess und die Emotionen, die Vertrauensurteilen unterliegen, zu messen. Hierbei hat sich gezeigt, dass Gefühle und Emotionen Vertrauensurteile beeinflussen können. Methodische Beiträge. Im Laufe des Projektes wurde klar, dass zur Beantwortung der genannten Forschungsfragen und zur Förderung der Innovation im Feld der Vertrauensforschung (und darüber hinaus) verschiedene methodische Studien nötig sind. Diese wurden im Rahmen des Projektes durchgeführt. Landesvatter et al. (2023) vergleicht verschiedene Speech-to-Text-Algorithmen für die Transkription von Sprachdaten aus Umfragen. Die Ergebnisse zeigten, dass die Variation in der Genauigkeit zwischen verschiedenen ASR Systemen sehr unterschiedlich ist, was die Notwendigkeit hervorhebt, verschiedene ASR-Systeme für die Transkription von Sprachdaten zu vergleichen. Eine weitere Studie untersuchte die Verwendung von Spracheingabe in Umfragen und fand heraus, dass gesprochene Antworten tendenziell länger und etwas informativer sind als schriftliche Antworten. Dies deutet darauf hin, dass die Verwendung von Spracheingaben in Umfragen potenziell zu reichhaltigen und nuancierten Daten führen könnte. Schließlich untersuchten wir das Konzept idealer Forschungsdesigns (IRDs), mit dessen Hilfe man bessere Forschungsdesigns entwickeln kann.
Projektbezogene Publikationen (Auswahl)
-
Comparing Speech-to-Text Algorithms for Transcribing Voice Data from Surveys. Center for Open Science.
Landesvatter, Camille; Behnert, Jan & Bauer, Paul C.
-
From ideal experiments to ideal research designs (IDRs): What they are and why we should use them more. Center for Open Science.
Bauer, Paul C. & Landesvatter, Camille
-
Dissertation: Methods for the classification of data from open-ended questions in surveys. Dissertation verteidigt an der Universität Mannheim am 16. April 2024
Landesvatter, C.
-
How Valid Are Trust Survey Measures? New Insights From Open-Ended Probing Data and Supervised Machine Learning. Sociological Methods & Research, 54(2), 534-564.
Landesvatter, Camille & Bauer, Paul C.
-
Do emotions affect political trust judgments?. Center for Open Science.
Bauer, Paul C. & Landesvatter, Camille
-
Information content in text and voice response formats for open-ended survey questions. Center for Open Science.
Landesvatter, Camille & Bauer, Paul C.
