Methode Diagramm verstehen

Wie Sie Entwicklungsdaten lesen und verstehen können

Herausforderung Risikokompetenz

Verbesserung der Risikokompetenz von Verbrauchern.

Risikokompetenz lässt sich als eine Sammlung von Fähigkeiten und Fertigkeiten verstehen, welche ein kritisches Verständnis von unsicheren Ereignissen und einen für das eigene Leben dienlichen Umgang mit diesen ermöglichen. Hierzu zählen:

  • Risiko von Sicherheit korrekt zu unterscheiden,
  • Probleme des Risikos von Problemen der Unsicherheit korrekt zu unterscheiden,
  • numerische Wahrscheinlichkeitsausdrücke korrekt zu interpretieren,
  • Referenzbedingungen von Wahrscheinlichkeitsausdrücken zu hinterfragen,
  • absolute und relative Risikodarstellungen korrekt zu unterscheiden,
  • bedingte Wahrscheinlichkeiten korrekt zu berechnen,
  • grafische Risikodarstellungen (Diagramme) kritisch zu nutzen.

Warum ist es relevant, die Risikokompetenz von Verbrauchern zu verbessern?

Wunsch und Ziel ist, dass der Verbraucher bessere Entscheidungen trifft. Für viele dieser Entscheidungen liegen statistische Informationen in Form grafischer Risikodarstellungen (Diagramme) vor. Diagramme erleichtern es, Zusammenhänge und Muster zu erkennen, die in Tabellen verborgen bleiben würden. Und weil der grafische Zugang zudem für viele Menschen leichter ist als zu Tabellen, sind Diagramme auch ein Einfallstor für Manipulationen. Akteure, die Informationen so auswählen, dass Verbraucher eher eine bestimmte Entscheidung treffen, machen das am unauffälligsten über die Gestaltung grafischer Informationen. Verbraucher müssen also auf Manipulationen aufmerksam werden können. Die Fertigkeit, für eine Risikoentscheidung relevante Informationen aus einer grafischen Standarddarstellung kritisch zu reflektieren, muss jedoch geübt werden (wie bereits schon beim Mathematikunterricht in den Schulen).

Warum ist es schwierig, die Risikokompetenz hinsichtlich grafischer Darstellungen zu verbessern?

Möchte man die Risikokompetenz von Verbrauchern erhöhen, indem man ihre Fertigkeit stärkt, Daten aus Diagrammen kritisch zu reflektieren, ergeben sich verschiedene Herausforderungen:

  • jenseits von Ablesen zu vermitteln, wie Daten  zu interpretieren sind,
  • jenseits von Ablesen zu vermitteln, wie eine Manipulation aufgespürt werden kann,
  • Interesse an der Auseinandersetzung mit diesen Lerninhalten zu wecken.
     
Welcher wissenschaftliche Lösungsansatz bietet sich an?

Das Interesse an der Auseinandersetzung mit Statistiken lässt sich bei vielen Lernenden über das Leistungsmotiv motivieren, d.h. den zu erreichenden Fortschritt, den man erzielen könnte. Dies lässt sich mit einem anwendbaren Kompetenzgewinn verdeutlichen. Entsprechend wird die Lernvisualisierung anhand eines relevanten Verbraucherbeispiels implementiert: Liniendiagramme mit Finanzdaten als Datenquelle für verbreitete Entscheidungen mit hohen finanziellen Einsätzen.

In der vorgestellten Lernvisualisierung werden kontinuierlich Testaufgaben eingesetzt. Deren Schwierigkeit steigt schrittweise, denn sie folgt den Stufen zu lernen, wie man etwas aus dem Diagramm abliest, wie man etwas interpretiert und wie man etwas manipuliert. 

Abgelesen werden (1) Punktwerte, welche ein Verständnis von Achsen, ihren Bezeichnern sowie den Achsen-Ticks im Verhältnis zu den Daten und ihrer Legende verlangen.

(2) Interpretiert werden Trends, die steigen, fallen oder auch eine Volatilität ausdrücken können. Hierbei sind die kompletten Linienverläufe mit Blick auf die Achsen, ihre Bezeichner und die Achsen-Ticks sowie die Legende miteinander in Vergleich zu setzen.

(3) Manipulation soll erlernt werden, um in der realen Welt Diagramme auf bestimmte Strategien der Manipulation selbst prüfen zu können. Hierbei müssen nicht nur Achsen, Bezeichner und Achsen-Ticks in das Verhältnis zu den Daten und ihrer Legende gesetzt werden. Es ist zusätzlich erforderlich, ihr Zusammenspiel zu verstehen und mittels Kontrolle von Datenabschnitt und Vergrößerungsfaktor auf zwei Achsen ein vorgegebenes Ziel zu erreichen.

Interaktivität kann eingesetzt werden, um das Interesse aufrechtzuerhalten. Dies sollte, wie hier, sparsam, gezielt und stimmig mit der notwendigen Bedienung sowie dem Inhalt sein. Da es sich um spielerisches Lernen aus dem Erwachsenenbereich handelt (Barth, 2018), lässt sich dieses Interesse bei bestimmten Lesern durch eine Ansprache des Machtmotivs (Wettbewerb, Status) noch verstärken (Sailer et al., 2014): die eigene Fähigkeit der Risikoeinschätzung mit anderen zu vergleichen. Das reduzierte Design verzichtet darauf, weitere, das Interesse durchaus motivierende Details zu präsentieren. Diese könnten dem eigentlichen Ziel zuwiderlaufen, gerade wenn sie sich nicht stimmig in den Inhalt einfügen, gar ablenken oder einfach zu Verwirrung führen (Eitel & Kühl, 2019). 
 

Literaturempfehlungen zu den methodischen Grundlagen
  • Barth, R. (2018). Möglichkeiten der Nutzung von Game Design Prinzipien in der Erwachsenenbildung. digital. innovativ|# digiPH, 109–118. 
  • Eitel, A., & Kühl, T. (2019). Harmful or helpful to learning? The impact of seductive details on learning and instruction. Applied Cognitive Psychology, 33(1), 3–8.
  • Sailer, M., Hense, J., Mandl, J., & Klevers, M. (2014). Psychological perspectives on motivation through gamification. Interaction Design and Architecture Journal, (19), 28–37.
Wie können Sie die Methode übernehmen?

1. Weg: Sie können die vorliegende Visualisierung einbinden

Es besteht die Möglichkeit, die Visualisierung von unserer Website samt Rahmentext über iframe einzubinden. Hierfür übernehmen Sie folgenden html-Code für Ihre Webseite: <iframe frameborder="0" height="650px" src="https://static.risikoatlas.de/modules/understanding-graphs/" width="1024px"></iframe>

2. Weg: Sie können die vorliegende Visualisierung adaptieren

Sollten Sie als Multiplikator Ihre eigenen Daten nutzen, können Ihre Webentwickler diese in die Lernvisualisierung einpflegen.

Wir stellen Ihnen den dokumentierten Code für den Verantwortlichen Ihrer Webseite zum Download über github bereit. Sie können das Material dann editieren. Den Link zum Repository finden Sie demnächst hier.

3. Weg: Sie können das wissenschaftliche Prinzip unabhängig anwenden.

Wenn Sie hierbei Unterstützung benötigen, konsultieren Sie bitte den Abschlussbericht zum RisikoAtlas-Projekt ab Juli 2020 oder richten Sie eine Anfrage an uns. Die Kontaktdaten finden Sie im Reiter Kontakt.

Wir bitten darum, bei der Nutzung der Instrumente den Zuwendungsgeber, das Bundesministerium der Justiz und für Verbraucherschutz, sowie das Harding-Zentrum für Risikokompetenz als verantwortliche Entwickler zu erwähnen.

Die Logos zum Download finden Sie hier.
 

Links zu weiteren Methoden
Visualisierung mit Rahmentext

Wann brauche ich die Visualisierung?

Wenn Sie etwas lernen möchten. Die Bearbeitung dieser Lernvisualisierung soll Sie hinsichtlich der Fertigkeit, grafische Risikodarstellungen kritisch zu nutzen, schulen. Damit leisten Sie einen Beitrag für Ihre eigene Risikokompetenz. Diese Lernvisualisierung dient nicht dazu, Sie bei einer konkreten Entscheidungsfindung zu unterstützen.
 

Was zeigt die Visualisierung?

Die Visualisierung stellt drei Investitionsfonds dar. Konkret wird abgebildet, wie sich ihr Wert (y-Achse) über die Quartale mehrerer Jahre (x-Achse) verändert hat. Der Lernende wird nun durch Multiple-Choice-Fragen an der Hand geführt, erhält immer unmittelbare Rückmeldung, was korrekt und was falsch war, und arbeitet so die komplette Visualisierung einmal linear durch. Zusätzlich werden immer soziale Rückmeldungen gegeben, d.h. man erfährt, wie viele andere Lernende eine bestimmte Frage korrekt beantworten konnten.
 

Quelle und Qualität der Daten

Wie hoch ist die Qualität der Daten?

Die Zahlen sind veröffentlicht und können auf allen Finanzportalen nachvollzogen werden, welche Investmentfonds führen. Die Qualität der publizierten Werte gilt für Marktteilnehmer als faktisch richtig, ist also sehr hoch.

Zur empirischen Evaluation mit Verbrauchern

Alle Forschungsergebnisse zu den Grundlagen und zur Wirksamkeit der RisikoAtlas-Werkzeuge bezüglich Kompetenzförderung, Informationssuche und Risikokommunikation werden mit dem Projekt-Forschungsbericht am 30. Juni 2020 veröffentlicht. Bei vorausgehendem Interesse sprechen Sie uns bitte direkt an (Felix Rebitschek, rebitschek@mpib-berlin.mpg.de).

Datum der letzten Aktualisierung: 14. Oktober 2019
 

Links zu weiteren Themen