Human Factors Teil2

Kapitel 10-19

Frage zuerst
Antwort zuerst
Selbsttest

5.0 (1)

Lernen

Kartei Details

Karten	27
Sprache	Deutsch
Kategorie	Psychologie
Stufe	Universität
Erstellt / Aktualisiert	30.01.2021 / 26.01.2024
Weblink	https://card2brain.ch/box/20210130_human_factors_teil2
Einbinden	<iframe src="https://card2brain.ch/box/20210130_human_factors_teil2/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Flip-Modus

Welche Aussagen übers deduktive und induktive Schlussfolgern sind richtig?

Induktives Schlussfolgern ist im Gegensatz zu deduktiven Schlussfolgern nicht Fehleranfällig.

Deduktives Schlussfolgern bedeutet wenn man von allgemeinen Regeln auf Lösungen für konkrete Fragestellungen schließt.

In der psychologischen Forschung findet vor allem die deduktive Methode ihre Anwendung.

Das Four card-experiment macht den Affirmation bias beim deduktiven schlussfolgern erkennbar.

Wenn beim deduktiven Schlussfolgern die Regeln richtig sind und richtig angewandt werden, ist die Antwort immer richtig.

Um was für eine Art der Schlussfolgerung handelt es sich hier nicht und welche Aussagen darüber sind folglich falsch:

If the system was shut down, then there was a system failure. 2) The System was shut down.→3) Therefore, the system failed.

Categorical reasoning

Conditional reasoning

Hier werden Aussagen über eine Gruppe/ Menge oder Kategorie gemacht

Es handelt sich dabei um eine Schlussfolgerung, die an eine Bedingung geknüpft ist.

Die Schlussfolgerung wird unter anderem von ihrem Kontext beeinflusst.

Welche der folgenden Aussagen sind korrekt?

Menschen treffen Entscheidungen meistens nach dem größten erwarteten Nutzen.

Die normative Theorie der Entscheidungsfindung befasst sich damit, wie ein rational handelnder Mensch unter Idealbedingungen handeln würde.

Bei der deskriptiven Theorie der Entscheidungsfindung spielen Heuristiken eine Rolle

Bounded rationality beschreibt die Veränderung des Entscheidungsverhaltens je nach Kontext

Welche Aussagen treffen auf Expert Systems zu?

Die inference engine beruft sich aus Fakten aus einer knowledge base und generiert dann Lösungmöglichkeiten.

Die inference engine hilft dem Novizen anhand von fractionation, segmentation und simplification das Systems zu erlernen. (→part whole transfer)

Ein belief network stellt Zusammenhänge zwischen Fakten und möglichen Ergebnissen her, statt alle Informationen einzeln zu betrachten

Ein belief network soll alle Fakten und möglichen Ergebnisse voneinander trennen und unterscheiden, um keine künstlichen Zusammenhänge zu generieren.

Beim naturalistic decision making...

sollen mentale Simulationen unterbunden werden, damit sich der Experte auf ausschlaggebende Hinweise in der natürlichen Situation beschränkt, um Fehler zu vermeiden

soll der Experte mentale Simulation einsetzen, um Handlungen durchzuspielen und daraufhin mögliche Konsequenzen zu bewerten

unterstützt das Prinzip der recognition-primed decisions den Experten, da viele Situationen nicht wiedererkannt werden können und deshalb auf ähnliche, bereits erlebte Situationen zurückgegriffen werden soll.

stellt das Prinzip der recognition-based decision einen gefährlichen bias dar, da der Experte bereits erlebte Situationen möglicherweise generalisiert und auf die gegebene Situation anwendet anwendet

Nenne ein Beispiel für einen Rule basierenden Fehler in Rasmussens skill-rule-knowledge framework of behaviour:

Falschanwendung guter Regeln oder die Anwendung schlechter Regeln.

Nennen Sie die Komponenten des Dreistufigen Modells für Reaktionszeitaufgaben.

1. Stimulusidentifikation

2. Reaktionsauswahl

3. Reaktionsausführung

Der Speed-Accuracy-Tradeoff beschreibt, wie die Schwelle der Informationsakkumulation mit der relativen Geschwindigkeit und Genauigkeit bei Choice reactions zusammenhängt.