Ein Expertenleitfaden zur Planung experimenteller Aufgaben für die Evidenzakkumulationsmodellierung

Evidenzakkumulationsmodelle (EAMs) sind leistungsfähige Werkzeuge, um das Entscheidungsverhalten von Menschen und Tieren zu verstehen. EAMs haben bedeutende theoretische Fortschritte in Psychologie, Verhaltensökonomie und kognitiver Neurowissenschaft erzielt und werden zunehmend als Messinstrument in der klinischen Forschung und anderen angewandten Bereichen verwendet. Gültige und zuverlässige Schlüsse aus EAMs zu ziehen, hängt davon ab, wie gut die Modellannahmen mit den Merkmalen der Aufgabe/der Daten, auf die das Modell angewendet wird, übereinstimmen. Dieses Wissen wird in der EAM-Literatur jedoch selten dargestellt, sodass Anfänger auf die privaten Ratschläge von Mentoren und Kollegen sowie auf ineffizientes Ausprobieren angewiesen sind. In diesem Artikel geben wir praktische Anleitungen zur Gestaltung von Aufgaben, die für EAMs geeignet sind, zur Beziehung zwischen experimentellen Manipulationen und EAM-Parametern, zur Planung angemessener Stichprobengrößen sowie zur Datenaufbereitung und Durchführung einer EAM-Analyse. Unsere Ratschläge basieren auf früheren methodischen Studien und der umfangreichen gemeinsamen Erfahrung der Autoren mit EAMs. Indem wir gute Aufgaben-Design-Praktiken fördern und auf potenzielle Fallstricke hinweisen, hoffen wir, die Qualität und Verlässlichkeit zukünftiger EAM-Forschung und -Anwendungen zu verbessern.