I examined two simple inference principles that allow to judge unknown properties of objects in the environment. The first, the recognition principle, makes inferences about objects in the environment based on the simple discrimination of whether an object has been encountered before or not. The second, the recall principle, makes inferences about the frequency with which events occur in the population based on the number of instances of the events that can be recalled from a person s immediate social environment. In Chapter 2.1, I provide some evidence that recognition has a special status in decision making due to the immediacy with which a recognition assessment is generated. It was observed that inferences that were in line with the recognition heuristic were made faster than inferences that were inconsistent with it. Moreover, the proportion of inferences in line with the heuristic was increased when the inferences had to be made under severe time pressure. In Chapter 2.2, the recognition heuristic is applied to modelling forecasts of sports events. It was shown that even when tested against alternative forecasting mechanisms, the recognition heuristic was best in predicting people s decisions. Moreover, there was some indication for a less-is-more effect, which can occur when the recognition heuristic is used. The recall principle is tested and elaborated in Chapter 3. In a first step (Chapter 3.1), I showed that the recall principle allows to predict people s frequency judgments very well. As a second step (Chapter 3.2), I developed a process model based on the recall principle: the social circle heuristic. This heuristic retrieves instances from a person s social circles sequentially and stops retrieval as soon as the instances within a circle allow to make an inference. Computer simulation showed that such a frugal mechanism can yield given its frugality surprisingly accurate inferences. In addition, a subsequent empirical study provided some evidence that people actually use the social circle heuristic. A final empirical study pitted the recall principle against an alternative account of how people make inferences about event frequencies in the environment. Rather than retrieving instances to make an inference (as described by the recall principle), people might abstract (from their general knowledge about the events) cues that correlate with frequency and base an inferences on these cues. Interestingly, although the cue-based mechanisms allowed to infer the actual event frequencies in the population more accurately, the mechanisms derived from the recall principle (using instances) were superior in predicting people s inferences.
In meiner Dissertation untersuchte ich in insgesamt acht Studien zwei einfache Inferenzprinzipien, die erlauben, unbekannte Merkmale von Objekten in der Umwelt zu erschließen: das Rekognitions-Prinzip, auf dem die Rekognitions- Heuristik (Goldstein & Gigerenzer, 2002) beruht, und das Abruf-Prinzip ( recall principle ). Die Untersuchungen zu diesen beiden Inferenzprinzipien werden in Kapitel 2 bzw. Kapitel 3 berichtet. Das Rekognitions-Prinzip funktioniert folgendermaßen: sollen zwei Objekte hinsichtlich eines quantitativen Kriteriums verglichen werden (z.B. welcher Musiker hat mehr Alben verkauft: George Strait oder Billy Joel?), und man hat nur von einem der beiden Objekte schon einmal gehört, wird geschlussfolgert, dass das wieder erkannte Objekt einen höheren Kriteriumswert hat. Goldstein und Gigerenzer (2002) nehmen mit der Rekognitions-Heuristik an, dass Rekognition nonkompensatorisch genutzt wird: das bekannte Objekt wird als größer beurteilt, unabhängig davon, welche anderen Cues über das bekannte Objekt sonst noch bekannt sind. In Kapitel 2.1 zeige ich, dass Rekognition einen spezieller Status im Urteilsverhalten hat, da ihm verglichen mit weiteren probabilistischen Cues ein Abrufvorteil zukommt. Urteile, die den Vorhersagen der Rekognitions-Heuristik entsprachen, wurden schneller getroffen als Urteile, die entgegen der Rekognitions-Heuristik getroffen wurden. Zudem war der Anteil an Urteilen, die der Rekognitions-Heuristik entsprachen, höher, wenn die Urteile unter Zeitdruck gefällt werden müssen. In Kapitel 2.2 wird die Rekognitions-Heuristik zur Modellierung von Vorhersagen von Sportereignissen angewendet. Die Rekognitions-Heuristik erklärte 90% der Vorhersagen korrekt. Zudem fand sich, wenn auch schwache, Evidenz für den Weniger-Ist-Mehr-Effekt, der bei Verwendung der Rekognitions-Heuristik auftreten kann. Kapitel 3 ist der Untersuchung des Abruf-Prinzips gewidmet. Das Abruf-Prinzip beschreibt die Strategie, dass zur Beurteilung von Häufigkeiten personengebundener Ereignissen in der Population (z.B. Häufigkeit von Krankheiten oder Freizeitaktivitäten in Deutschland) Auftretensfälle der Ereignisse im persönlichen sozialen Netzwerk einer Person abgerufen werden. Kapitel 3.1 zeigt, dass dieses Prinzip in der Lage ist, (a) menschliches Urteilsverhalten vorherzusagen und (b) dass die Verwendung von erinnerten Auftretensfällen aus dem persönlichen sozialen Netzwerk korrekte Inferenzen über die Ereignishäufigkeiten in der Population erlaubt. In Kapitel 3.2 wird aus dem Abruf-Prinzip ein Prozess-Modell entwickelt (die Social Circle -Heuristik), welches Auftretensfälle sequentiell abruft und den Abruf stoppt, sobald die abgerufene Information eine Entscheidung erlaubt. In einer Computersimulation und empirischen Studien zeigt sich, dass die Social Circle -Heuristik sowohl in der Lage ist, menschliches Entscheidungsverhalten zu beschreiben als auch (unter bestimmten Umständen) trotz ihrer Frugalität erstaunlich genaue Urteile erlaubt.
