Privates schuldanerkenntnis Muster

Zusätzlich zu der gleitenden Bewertung wurden die Richter ermutigt, alle Fälle von Emotionen zu melden, d.h. jeder Moment innerhalb des Videos trat auf die Emotionen (im Folgenden ein Punkt), so dass ihre Urteile auf einen genauen Zeitpunkt lokalisiert werden konnten. Sie hätten berichten können, dass die Person im Video insgesamt 20% der Beschwerden erlebte; Dies erlaubte es ihnen, anzugeben, wann genau im Video die Person Beschwerden erlebte. Sie wurden ermutigt, Zeiten zu melden, in denen die angegebene Emotion am deutlichsten im Gesicht zum Ausdruck kam (d.h. Spitzen emotionaler Ausdrücke). Um dies zu tun, könnten Richter die Videos stoppen, wann immer sie wollten, das Video mehrmals ansehen und sogar die Videos verlangsamen. Richter konnten aufgrund des Formats der Reize keinen bestimmten Frame im Video melden, aber sie konnten bestimmte Zeit (min:sec) melden. Richter könnten mehrere Punktpunkte für mehrere Emotionen und mehrere Punktpunkte pro Emotion erstellen. Zum Beispiel könnten sie berichten, dass in einem Video die Person 50% schuldig erscheint, um 15 und 25 Sekunden im Video; oder ein Richter könnte uns mit der Information, dass eine Person in einem bestimmten Video erscheint 50% peinlich und 10% überrascht über 35 Sekunden im Video, und 30% schuldig in 40 Sekunden im Video. Ein weiteres klassisches Beispiel für Schuld ohne Verantwortung ist die Schuld der Überlebenden (z.B. Brockner, Davy& Carter, 1985). In vielen solchen Fällen erkennen die Menschen an, dass ihre Schuldgefühle „unlogisch“ sind, und erklären immer noch, dass sie sich verantwortlich fühlen.

Wie kann man sich dafür verantwortlich fühlen, dass man das Unglück anderer nicht teilt? Einige moderne Kommentatoren haben argumentiert, dass es zwei Arten von Schuld gibt: „maladaptive, neurotische Schuld“ und „adaptive, pro-soziale Schuld“ (Tignor & Colvin, 2017). Diese Forscher argumentieren, dass die Art der Untersuchung der Schuld von der verwendeten Maßnahme abhängt und dass zukünftige Forschung diese beiden Arten von Schuld unterscheiden muss. Wir führten interrater-Zuverlässigkeitstests zwischen dem Hauptgeber (Erstautor) und einem zweiten Coder durch, die beide ausgebildete FACS-Coder sind. Die Zuverlässigkeitsanalyse dieser 15 AUs wurde auf 5 % der Videoclips durchgeführt, die aus den während der Studie gesammelten Videos extrahiert wurden (42 von 820 Videos, von denen die Hälfte aus der gestellten Gesichtsausdrucksaufgabe und die Hälfte von spontanen Gesichtsausdrücken während der Induktionsaufgabe stammten, sowohl von Kontroll- als auch von Schuldbedingungen). Zuverlässigkeitsanalyse ist wichtig für FACS-Codierung, um sicherzustellen, dass die Codierung unvoreingenommen ist, und alle produzierten Bewegungen wurden vom Hauptprogrammierer beobachtet und gemeldet. Für die Analyse haben wir das Krippendorff-Alpha [64,65] mit dem Makro „KAlpha“ für die Verwendung mit IBM SPSS Version 24 [66] berechnet. Krippendorffs Alpha-Koeffizienten gelten als zuverlässig, wenn die 95%-Konfidenz größer als der Zufall war (d. h., wenn die Untergrenze >0 betrug). Nach diesem Index war der Zuverlässigkeitskoeffizient signifikant größer als der Zufall (= 0,740; K-95% LCI: 0,684; K-95% UCI: 0,788), was darauf hindeutet, dass die beiden FACS-Coder eine gute Zuverlässigkeit in ihren Kodierungsurteilen angesichts des hier verwendeten Codierungsschemas (vollständige FACS-Codierung, mit Dauer und Intensität) teilten.

This entry was posted in Allgemein. Bookmark the permalink.

Comments are closed.