Wie misst man Assoziationen?

Möchtest du wissen, was Menschen mit deiner Marke, deinem Unternehmen als Arbeitgeber oder deinem Produkt verbinden? Kläre zuerst die Frage. Suchst du spontane Wörter, eine direkte Bewertung, eine vergleichsweise leicht hergestellte Verbindung oder einen Zusammenhang mit einer konkreten Entscheidung? Diese Fragen erfordern unterschiedliche Messungen. Gute Assoziationsforschung verbindet Forschungsfrage, Aufgabe und Ergebnisinterpretation.

Assoziationen messen bedeutet hier: mit einer dokumentierten Aufgabe untersuchen, welche Verbindungen Menschen zwischen einem Gegenstand und anderen Begriffen, Bildern oder Bewertungen herstellen. Das Ergebnis hängt von Aufgabe, Reizen, Teilnehmenden und Kontext ab.

Du kannst Menschen direkt antworten lassen oder eine Verbindung indirekt über Aufgabenleistungen untersuchen, beispielsweise mit einem IAT. Lege vorher fest, welches Ergebnis du brauchst. Halte das Nennen einer Assoziation, ihre Bewertung und ihre Bedeutung für eine Entscheidung getrennt erkennbar.

In diesem Artikel heißt eine Messung explizit, wenn jemand die erfragte Assoziation oder Bewertung direkt angibt. Bei einer impliziten Messung wird die relevante Beziehung indirekt aus Aufgabenleistungen abgeleitet.

Greenwald und Lai unterscheiden „indirekt gemessen“ von der theoretischen Aussage „unbewusst“. Außerdem erläutern sie, dass interne Konsistenz und Test-Retest-Reliabilität unterschiedliche Aspekte der Messpräzision beurteilen. Greenwald & Lai, 2020.

Verwende im Forschungsbriefing konkrete Formulierungen: Was macht die Person, welche Daten werden erfasst und welche Schlussfolgerung möchtest du daraus ziehen? Die Bezeichnung „implizit“ sollte diese Erklärung nicht ersetzen. Behandle einen Unterschied zwischen Methoden als erklärungsbedürftigen Befund, ohne eine Antwort vorab zur verborgenen Wahrheit zu erklären.

Die folgende Tabelle ist eine praktische Planungshilfe. Sie bietet Ausgangspunkte für einen Forschungsvorschlag, keine feste Rangfolge von Methoden.

Bitte für jede vorgeschlagene Aufgabe um Belege für die konkrete Anwendung. „Reaktionszeitmessung“ ist noch keine vollständige Methodenbeschreibung. Dieser Artikel behandelt den IAT ausführlicher; er liefert kein ausführbares Primingprotokoll.

Bei freier Assoziation erhält eine Person einen Hinweisreiz, etwa einen Markennamen, und nennt dazu passende Wörter. De Deyne und Kollegen erhoben in Small World of Words mehrere Antworten pro Hinweisreiz, um Wortassoziationen abzubilden. De Deyne et al., 2019.

Für eine eigene Studie könntest du fragen: „Welche Wörter fallen dir ein, wenn du an diesen Arbeitgeber denkst?“ Bestimme vorher, wie viele Antworten du erbittest und ob Teilnehmende diese erläutern dürfen. Erfasse Originalantworten, bevor du sie unter einem Thema zusammenfasst.

Bewahre auch die genaue Frage auf. „Was findest du an diesem Arbeitgeber attraktiv?“ verlangt bereits eine positive Auswahl. Das ist eine andere Aufgabe als eine offene Assoziationsfrage. Sind beide relevant, berichte sie als getrennte Bestandteile.

Frage anschließend, was ein Wort für die betreffende Person bedeutet. „Groß“ könnte in deiner Untersuchung als viele Möglichkeiten, aber auch als unpersönlich erläutert werden. Eine Interpretation sollte auf die gegebene Erklärung zurückführbar bleiben. Eine allgemeine Wortdatenbank kann die Vorbereitung unterstützen; Aussagen über deine Zielgruppe brauchen passende Daten.

Nach einer explorativen Phase kannst du Merkmale gezielt bewerten lassen. Definiere dabei:

1. Den Gegenstand: Bewertet jemand eine Marke, ein Produkt, eine Anzeige oder ein konkretes Erlebnis?
2. Das Merkmal: Geht es etwa um Zuverlässigkeit, Attraktivität oder Wiedererkennbarkeit?
3. Die Skala: Was bedeuten die Antwortkategorien, und wie wird „weiß ich nicht“ behandelt?
4. Den Kontext: Welche Informationen hat die Person vorher gesehen und in welcher Reihenfolge?
5. Die Darstellung: Zeigst du Prozentwerte, Verteilungen oder einen begründeten zusammengesetzten Wert?

Dies ist eine redaktionelle Planungshilfe. Eine Skala von „--“ bis „++“ kann als vereinbarte Kodierung dienen, wenn die Kategorien klar sind. Behandle sie ohne zusätzliche Begründung als ordinal: Die Abstände zwischen Kategorien sind nicht automatisch gleich. Wandle das Ergebnis nicht stillschweigend in einen Prozentwert der Assoziationsstärke um.

Greenwald, McGhee und Schwartz führten den Implicit Association Test 1998 ein. Die Aufgabe vergleicht Klassifikationsleistungen, wenn zwei Zielkategorien unterschiedlich mit zwei Attributkategorien auf gemeinsame Antworttasten gelegt werden. Das Ergebnis betrifft eine relative Assoziation innerhalb dieses Vergleichs. Greenwald et al., 1998.

Ein Forschungsvorschlag muss deshalb den vollständigen Vergleich benennen. Schreibe nicht nur „Wir messen, wie vertrauenswürdig Marke A wirkt“, sondern nenne auch die andere Zielkategorie und beide Attributkategorien. Ohne diese Informationen lässt sich ein Wert schwer beurteilen.

Bezeichne eine eigene schnelle Ja/Nein-Frage nicht automatisch als IAT. Lass bei jeder Aufgabenvariante erläutern, welcher wissenschaftlichen Methode sie folgt und was angepasst wurde. Markenforschung braucht außerdem Belege für ihre eigene Anwendung; eine klassische Veröffentlichung validiert nicht automatisch deine Wörter, Marken oder Zielgruppe.

Greenwald, Nosek und Banaji beschrieben 2003 eine verbesserte IAT-Auswertung. Der D-Wert standardisiert Unterschiede zwischen Aufgabenblöcken anhand der Reaktionszeitstreuung; der Algorithmus enthält auch Regeln für Fehler und ungewöhnliche Reaktionen. Greenwald et al., 2003.

Verlange im Briefing die gewählte Algorithmusvariante, Wertrichtung, Ausschlussregeln und Analyseversion. Lass angeben, wie viele Beobachtungen und Teilnehmende nach der Qualitätsprüfung verbleiben. Dieser Artikel liefert weder einen eigenen Auswertungsalgorithmus noch universelle Grenzwerte.

Ein positiver oder negativer Wert ist erst mit der zugehörigen Kodierung verständlich. Ergänze den Bericht deshalb um einen Satz wie: „Ein höherer Wert bedeutet innerhalb dieser Aufgabe eine relativ stärkere Verknüpfung von Kategorie X mit Attribut Y gegenüber der festgelegten anderen Kombination.“ Setze X und Y entsprechend dem tatsächlichen Protokoll ein. Bezeichne den Wert nicht als Kaufwahrscheinlichkeit oder Marktanteil.

Die Empfehlungen von Greenwald und Kollegen betonen unter anderem bekannte Kategorien, gut zuordenbare Beispiele und einen Pilottest mit der vorgesehenen Teilnehmendengruppe. Zudem fordern sie eine transparente Dokumentation von Reizen und Verfahren. Greenwald et al., 2022.

Erstelle dafür ein Dossier mit endgültigen Texten, Bildern, Anweisungen und Aufgabenreihenfolge. Dokumentiere den Umgang mit möglichen Reihenfolgeeffekten, etwa durch eine begründete Verteilung der Startreihenfolgen. Teste auch die technische Durchführung auf den tatsächlich verwendeten Geräten.

Bei Forschung auf Niederländisch, Englisch und Deutsch ist Übersetzung eine überprüfungsbedürftige Designentscheidung. Lass Teilnehmende jeder Sprache beurteilen, ob Kategorien und Wörter wie beabsichtigt verstanden werden. Lege fest, ob du Ergebnisse je Sprache beschreibst oder zwischen Sprachen vergleichen möchtest und welche Belege dieser Vergleich benötigt.

Nutze im Forschungsplan diese Arbeitsfragen:

• Interne Konsistenz: Wie stimmig tragen Teile der Messung zum beabsichtigten Wert bei?
• Test-Retest-Reliabilität: Inwieweit bleiben Unterschiede zwischen Teilnehmenden bei Wiederholung unter vergleichbaren Bedingungen erhalten?
• Validität: Welche Daten stützen die Interpretation, die du dem Wert geben möchtest?

Bitte um Belege passend zu deiner Anwendung. Eine Aussage über einen Gruppenmittelwert benötigt andere Begründungen als eine feste Klassifikation einer einzelnen Person. Plane die Stichprobe anhand von Forschungsfrage, Vergleich, gewünschter Präzision und erwarteten Ausschlüssen. Eine allgemeine Mindestanzahl passt nicht zu jeder Untersuchung.

Berichte bei quantitativen Schlussfolgerungen die relevante Unsicherheit und bei qualitativer Deutung Datengrundlage und abweichende Antworten. Verändert sich ein Wert bei Wiederholung, untersuche sowohl mögliche Kontextänderungen als auch Messunsicherheit. Ein Reliabilitätskennwert ersetzt keine inhaltliche Validierung.

In dieser Wissensdatenbank bezeichnet eine assoziative Zielgruppe eine abgegrenzte Gruppe von Menschen, die in einem konkreten Entscheidungskontext auf Grundlage ähnlicher Assoziationen entscheidet. Dies ist eine Arbeitsdefinition. Assoziationsmessungen liefern Bausteine für diese Abgrenzung; auch der Zusammenhang mit Entscheidungen muss untersucht werden.

Halte die Schritte erkennbar: Welche Assoziationen wurden gefunden, wer teilt sie und welches Ergebnis hängt damit zusammen? Erfasse für die letzte Frage ein passendes Entscheidungs- oder Verhaltensmaß. Ein Zusammenhang darf als Zusammenhang berichtet werden. Eine kausale Aussage braucht ein Forschungsdesign, das alternative Erklärungen ausreichend berücksichtigt.

Wenn EEG vorgeschlagen wird, frage nach der zusätzlichen Forschungsfrage, dem Maß und der Interpretation. Wandle ein EEG-Ergebnis ohne gesonderte Validierung nicht in einen Assoziations-, Präferenz- oder Kaufwert um. Methoden zu kombinieren ist besonders nützlich, wenn ihre Rollen vorher klar sind.

Ein Lieferdienst möchte verstehen, was Kunden unter Zuverlässigkeit verstehen. Dieses Beispiel ist vollständig fiktiv und enthält weder Messergebnisse noch nachgewiesene kommerzielle Effekte.

Angenommen, das Team hält „schnell“ zunächst für den Kern von Zuverlässigkeit. Die Exploration sollte Raum für andere Bedeutungen lassen, etwa Zusagen einzuhalten oder unbeschädigt zu liefern. Lege die endgültige Messaufgabe erst fest, nachdem der untersuchte Begriff geklärt ist.

Ein IAT ist hier ein möglicher Folgeschritt, kein Pflichtbestandteil. Lass zuerst beurteilen, ob Kategorien und Beispiele eine geeignete Aufgabe bilden. Kann eine direkte Frage oder Entscheidungsaufgabe die Frage besser beantworten, richte den Vorschlag darauf aus.

Die abschließende Empfehlung sollte zeigen, welche Daten sie stützen. Dieses Beispiel sagt nicht voraus, welches Merkmal das größte Gewicht erhält.

• Eine nicht genannte Assoziation ohne Berücksichtigung der Fragestellung als nicht vorhanden behandeln.
• Häufigkeit, positive Bewertung und Entscheidungsrelevanz als denselben Wert darstellen.
• Jede schnelle Antwortaufgabe IAT nennen.
• Erst nach Betrachtung der Ergebnisse günstige Ausschlussregeln wählen.
• Einen Gruppenunterschied in eine sichere Aussage über jede Person übersetzen.
• Eine Sprachversion oder einen neuen Reizsatz automatisch als vergleichbar behandeln.
• Einen statistischen Zusammenhang als Beleg für eine Kaufursache formulieren.

Nutze diese Punkte zur Prüfung von Angebot, Analyse und Bericht. Das Forschungsdossier sollte den Weg von Antwort oder Aufgabenleistung zur Empfehlung nachvollziehbar machen.

Ein guter Plan benennt untersuchte Assoziation, Vergleich, Teilnehmende, Aufgabe und Interpretationsgrenzen. Verlange Originalreize, Auswertungsregeln, Qualitätsprüfung und eine begründete Verbindung zu deiner Entscheidung. So wird klar, welche Schlussfolgerung die Daten tragen und welche Anschlussfrage offenbleibt.