@misc{rohner2025_108784,
  title = {Die Untersuchung von fälschungs- und konstruktbezogener Varianz im IAT mit Hilfe von Diffusionsmodellanalysen},
  author = {Röhner, Jessica},
  year = {2025},
  pages = {74},
  publisher = {Otto-Friedrich-Universität},
  address = {Bamberg},
  doi = {10.20378/irb-108784},
  urn = {urn:nbn:de:bvb:473-irb-108784x},
  url = {https://fis.uni-bamberg.de/handle/uniba/108784},
  language = {deu},
  abstract = {Der Implizite Assoziationstest (IAT; Greenwald, McGhee, \& Schwartz, 1998) ist ein populäres, jedoch auch verfälschbares Verfahren (z. B. Röhner, Schröder-Abé, \& Schütz, 2011).  Die Prozesse hinter dem Zustandekommen und der Verfälschbarkeit des IAT-Effektes sind noch nicht umfänglich verstanden.  Der traditionelle IAT-Effekt (D measure) lässt sich durch Diffusionsmodellanalysen in drei neue IAT-Effekte aufteilen: IATv, IATa und IATt0.  Für IATv wurde gezeigt, dass er mit Konstruktvarianz assoziiert ist (Klauer, Voss, Schmitz, \& Teige-Mocigemba, 2007).  Bei IATa und IATt0 vermutet man hingegen, sie seien mit Fälschungsverhalten assoziiert (Klauer et al., 2007).  Anhand von Re-Analysen eines Datensets mit gefälschten und ungefälschten IAT-Effekten wurde untersucht, ob es mittels Diffusionsmodellanalysen möglich ist, konstrukt- und fälschungsbezogene Varianz voneinander zu trennen (Röhner \& Ewers, 2016a, 2016b; Röhner \& Thoss, 2018).  Im Rahmen des Vortrages soll die Frage geklärt werden, ob diffusionsmodelbasierte IAT Effekte eine Trennung von fälschungs- und konstruktbezogener Varianz erlauben.  Es soll weiterhin ein Einblick in das Vorgehen zur Analyse von IAT Effekten mit Diffusionsmodellanalysen gegeben werden.  Zu guter Letzt werden potenzielle Vor- und Nachteile für Anwendende erörtert.},
  keywords = {Impliziter Assoziationstest, IAT, Diffusionsmodellanalysen, IATv, IATa, IATt0}
}
