Risicovolle Beslissingen en Functional Measurement
Zijn er individuele verschillen in het nemen van risicovolle beslissingen?
Lieselien J.L.H. van Schooten
Datum: 03-11-2014
Studentnummer: 6078001
Afstudeerrichting: Klinische Ontwikkelingspsychologie
Begeleider: Laura M.S. Dekkers
Abstract
Uit eerder onderzoek naar proportioneel redeneren bleek dat mensen bijna nooit dimensies van keuzes integreren. Met gebruik van de Functional Measurement (FM) methode werd echter gevonden dat bijna iedereen dimensies integreert. Bij FM wordt er een continue antwoordschaal gebruikt en worden er lineaire modellen gebruikt als analyse techniek. In dit onderzoek wordt het nemen van risicovolle beslissingen onderzocht. In dit onderzoek is gekeken in hoeverre mensen dimensies meewegen en integreren bij het nemen van risicovolle beslissingen, als gebruik gemaakt wordt van de FM methode. Er is ook onderzocht of er individuele verschillen zijn in het meewegen en integreren van dimensies, door te kijken of dit samenhangt met leeftijd, sekse en rekenvaardigheid. Er bleek dat er met gebruik van de FM methode ook verschillen gevonden worden in hoeverre mensen de dimensies meewegen en integreren en dat hier individuele verschillen in zijn.
Inleiding
Mensen moeten dagelijks belangrijke beslissingen nemen. Onder deze beslissingen zijn ook veel risicovolle beslissingen, die in sommige gevallen kunnen leiden tot risicogedrag. Risicogedrag is een bekend probleem in de hedendaagse maatschappij. In de adolescentie worden er meer risico’s genomen dan gedurende andere levensfasen (Arnett, 1992; Gullone, Moore, Moss, & Boyd, 2000). Hierdoor kunnen problemen ontstaan. Zo zorgt het risicovol gedrag van adolescenten voor economische en medische problemen (Reyna & Farley, 2006) en vertonen ze het meeste criminele gedrag van alle leeftijdsgroepen (Arnett, 1996).
Aangezien risicogedrag onder andere tot stand komt door het nemen van risicovolle
beslissingen, is het onderzoek naar deze beslissingen en de ontwikkeling hiervan belangrijk. Een van de bekendste theorieën over het nemen van risicovolle beslissingen is Prospect Theory (Tversky & Kahneman, 1981). Deze theorie houdt in dat, voor het maken van een beslissing, ieder een subjectieve verwachte waarde voor de verschillende opties berekent en deze tegen elkaar afzet om zo een keuze te maken voor de optie met de hoogste subjectieve verwachte waarde. Daarbij wordt er bij het berekenen van de subjectieve
verwachte waarde van uitgegaan dat de verschillende aspecten van een optie geïntegreerd worden. Het kan echter ook dat beslissingen genomen worden op basis van een sequentieel in plaats van integratief beslisproces (Russo & Dosher, 1983; zie ook, Jansen, van
Duijvenvoorde, & Huizenga, 2012). Hierbij let de persoon die de beslissing maakt eerst op de meest opvallende dimensie die verschilt tussen de opties. Wanneer deze dimensie voldoende verschilt, maakt de persoon de meest voordelige keuze op basis van die dimensie. Wanneer deze dimensie niet voldoende verschilt, wordt er gelet op een volgende dimensie. De verschillende dimensies waar de opties op verschillen worden hierbij niet geïntegreerd (Jansen, van Duijvenvoorde, & Huizenga, 2012).
In het onderzoek van Jansen et al. (2012) is een sequentieel versus integratief beslisproces onderzocht aan de hand van een experimenteel paradigma dat risicovolle beslissingen meet. De taak die in dit onderzoek gebruikt is, is de Gambling Machine Task (GMT). In deze taak krijgt de deelnemer elke keer twee gokmachines te zien en moet hij/zij aangeven welke gokmachine het voordeligst is of dat deze even voordelig zijn, in het geval dat er een spel met de machines gespeeld zou worden en er willekeurig één balletje uit de machine getrokken zou worden. De gokmachines verschillen op drie dimensies, namelijk, frequentie verlies, hoeveelheid verlies en zekere winst. Frequentie verlies staat voor het aantal verlies balletjes dat in de desbetreffende machine zit, hoeveelheid verlies is het bedrag dat met elk verlies balletje verloren kan worden en zekere winst is het startbedrag dat op de
gokmachine staat afgebeeld. In het onderzoek van Jansen et al. is een latente klassen analyse uitgevoerd, waaruit bleek dat een model met zes groepen, die verschilden in de
beslisstrategieën die ze hanteerden bij het maken van een keuze voor (g)een van de
gokmachines, het beste paste. De eerste groep leek het meest op een groep die de keuze maakt voor één van de machines door de drie dimensies te integreren. Groep 2, 3 en 4 letten bij het maken van een keuze op drie dimensies in een sequentiële volgorde. Groep 2 lette eerst op het verschil tussen de machines in frequentie verlies, dan hoeveelheid verlies en daarna zekere winst. Groep 3 lette eerst op het verschil tussen de machines in frequentie verlies, dan zekere winst en daarna hoeveelheid verlies. Groep 4 lette eerst op het verschil tussen de machines in hoeveelheid verlies, dan frequentie verlies en daarna zekere winst. Groep 5 lette op het verschil tussen de machines op twee dimensies in een sequentiële volgorde, eerst frequentie verlies en vervolgens hoeveelheid verlies. Bij de laatste groep leek het er het meeste op dat de deelnemers gokten. In dit onderzoek is ook gekeken naar de invloed van leeftijd en sekse op het gebruik van verschillende beslisstrategieën. Er bleek dat de jongste groep deelnemers vooral naar twee dimensies keek en dat de kans op het gebruik van deze regel afnam met leeftijd. Deze groep keek het minst naar de drie dimensies tegelijkertijd, dit nam toe met leeftijd. Het integreren van dimensies nam af met leeftijd, in vergelijking tot het letten op drie dimensies. Wat sekse betreft, bleek dat jongens ten opzichte van meisjes vaker op drie
dimensies letten, waarbij frequentie verlies het eerst in overweging werd genomen en dat zij een verminderde voorkeur hadden voor het integreren van de dimensies en gokken.
Uit het onderzoek van Siegler (1976) bleek ook dat dimensies vaak sequentieel verwerkt werden. Om onderliggende kennisstructuren met betrekking tot wis- en
natuurkundige principes beter te begrijpen ontwikkelde hij onder andere de Balance Scale Task. Op deze taak wordt een balans afgebeeld waar onder beide armen van de balans een blokje staat, zodat deze in evenwicht wordt gehouden. Op de armen van de balans staat aan weerszijden een bepaald gewicht op een bepaalde afstand van het midden van de balans. De deelnemer wordt gevraagd aan te geven welke kant de balans op valt als de blokjes eronder vandaan gehaald worden, of dat deze in balans blijft. Er zijn twee dimensies waar rekening mee gehouden kan worden bij het maken van een keuze, namelijk gewicht en afstand van het gewicht tot het middelpunt. Siegler gebruikte Rule Assessment om de regels die deelnemers gebruikten om een keuze te maken te achterhalen. Hij bedacht van tevoren de mogelijke regels die deelnemers zouden kunnen gebruiken om keuzes te maken op de Balance Scale Task. Vervolgens dacht hij, voor elk van deze regels, uit hoe het antwoordpatroon op een combinatie van verschillende items eruit zou zien. Hij koos daarna de items van de taak zo dat
aan de hand van deze selectie van items alle vooronderstelde regels onderscheiden konden worden. Aan de hand van de daadwerkelijke antwoorden van elke deelnemer op de Balance Scale Task leidde hij af welke van deze regels een deelnemer hanteerde.
Uit het onderzoek van Siegler (1976) bleek dat kinderen maar op één dimensie letten, gewicht, en dat naarmate kinderen ouder worden, zij op meer dimensies gaan letten. Het integreren van dimensies wordt alleen door volwassenen soms bereikt. Dit betekent dus dat men vooral sequentieel de dimensies af zou wegen om een optie te kiezen en er minder vaak wordt geïntegreerd. De belangrijkste kritiek op het onderzoek van Siegler was dat er mogelijk bevestiging voor de regels gevonden wordt door de manier waarop de taak en de items in elkaar zitten. Dat betekent dat deelnemers in een andere soort taak wellicht anders zouden kiezen, maar door de beperkte antwoordmogelijkheid en de simpele keuzeproblemen een bepaald patroon vertonen op de taak. Ook zou het kunnen dat deelnemers worden toegewezen aan het gebruik van een bepaalde regel, terwijl zij deze regel eigenlijk niet gebruiken. Er zijn namelijk maar vier regels waar de deelnemers aan toegewezen kunnen worden. In het
verlengde daarvan kunnen er geen regels gevonden worden die niet van tevoren bedacht zijn. Verder heeft Siegler arbitraire grenzen gesteld om deelnemers toe te wijzen aan een bepaalde regel (Jansen & van der Maas, 1997; Wilkening & Anderson, 1982), deze grenzen zijn niet statistisch bepaald. Ten slotte kan men op basis van het onderzoek van Siegler niets zeggen over de ontwikkeling van de ene regel naar de andere.
Een mogelijke oplossing voor deze problemen ligt volgens Wilkening en Anderson (1991) in de Functional Measurement methode. Functional Measurement is een manier van data analyse, gebaseerd op Information Integration Theory (Wilkening & Anderson, 1991). Dit is net als de theorie van Siegler (1976), een theorie over proportioneel redeneren. Bij deze theorie wordt ervan uit gegaan dat men bij het maken van keuzes de verschillende dimensies integreert. Binnen deze theorie wordt integreren niet hetzelfde gedefinieerd als binnen Prospect Theory. Integreren wordt gezien als het gecombineerd meewegen van de verschillende dimensies van de optie om tot een beslissing te komen. Dit houdt
vermenigvuldigen van de dimensies in, maar ook bijvoorbeeld optellen van de dimensies (Wilkening & Anderson, 1991). Bij Functional Measurement worden de mogelijke regels niet van tevoren vastgesteld. Er wordt daarentegen aan de hand van de antwoorden op de
keuzeproblemen van de taak naar lineaire functies gezocht die deze patronen in het gedrag van de deelnemers het beste beschrijven. Aan de hand van deze functies kan worden bepaald in hoeverre een deelnemer een dimensie van de optie meeweegt om een beslissing te maken en of dit bijvoorbeeld in interactie met een andere dimensie gebeurt (Wilkening & Anderson,
1982). Uit het onderzoek van Wilkening en Anderson (1991), waarbij gebruik gemaakt werd van Functional Measurement, bleek dat behalve de jongste deelnemers, bijna alle deelnemers de dimensies integreerden om tot een beslissing te komen. Dit is tegenstrijdig aan de
uitkomsten van het onderzoek van Siegler, die vond dat dimensies vooral sequentieel afgewogen worden en bijna nooit worden geïntegreerd.
Uit het eerder besproken onderzoek van Jansen et al. (2012) blijkt dat gedrag van mensen bij het nemen van risicovolle beslissingen uiteenvalt in zes subgroepen die
verschillende strategieën gebruiken om hun keuze te maken. In dit onderzoek is gezocht naar het gebruik van regels door, net als Siegler (1976), de keuzetaak zo te ontwerpen dat er aan de hand van de antwoorden op de taak regels af te leiden zijn die de deelnemers gebruikt hebben. Aan de hand van latente klassen analyse zijn subgroepen gevormd op basis van de
antwoorden van de deelnemers. Vervolgens is voor elke subgroep bepaald aan de hand van welke vooraf opgestelde regel de antwoordpatronen van deze subgroep het beste beschreven kunnen worden. Op het onderzoek van Siegler was veel kritiek, aangezien het ook zou kunnen dat mensen het regelgebruik vertonen door de manier waarop de taak ontworpen is. De taak gebruikt in Jansen et al. is een vergelijkbare taak, waarbij ook elke keer drie
antwoordmogelijkheden zijn. In dit onderzoek is wel een statistische methode gebruikt om de deelnemers toe te wijzen aan bepaalde regels, waardoor het probleem dat deelnemers arbitrair aan de verkeerde regel worden toegewezen komt te vervallen. Het zou echter nog steeds kunnen dat door de gekozen items en beperkte antwoordmogelijkheden, deelnemers een bepaalde regel lijken te gebruiken, terwijl ze deze in een andere soort taak wellicht niet zouden gebruiken.
Het doel van dit onderzoek is na te gaan in hoeverre mensen dimensies meewegen en integreren bij het nemen van risicovolle beslissingen, als er gebruik gemaakt wordt van de Functional Measurement methode. In dit onderzoek wordt wederom de GMT gebruikt, maar zijn de items niet ontworpen om bepaalde regels te detecteren. Ook zijn er meerdere
antwoordmogelijkheden, namelijk een 7-punt Likert schaal, waardoor het probleem dat deelnemers bepaalde antwoordpatronen vertonen doordat zij beperkte antwoordmogelijkheid hebben ondervangen wordt. Er is, in lijn met Wilkening en Anderson (1991), een
regressiemodel voor de desbetreffende items die in deze GMT worden gebruikt opgesteld. Dit is een model waarin de drie dimensies die verschillen op de GMT, frequentie verlies,
hoeveelheid verlies en zekere winst en de vier interacties van deze dimensies, de voorkeur voor de referentiemachine voorspellen. Daarbij wordt in dit model het verschil tussen de twee machines op elke dimensie als voorspeller gebruikt, en de interacties van deze verschilscores
voor de interactie dimensies; de referentiemachine is de machine die elke keer voor alle drie de dimensies de hoogste waarde heeft. Aan de hand van dit model wordt onderzocht welke dimensies mensen meer of minder meewegen in hun geneigdheid om te kiezen voor de referentiemachine en of ze deze dimensies integreren.
Uit onderzoek naar de preferentie van deelnemers voor verlies en winst op de Iowa Gambling Task blijkt dat mensen bij het nemen van beslissingen meer letten op verlies dan op winst (Chiu & Lin, 2007). Ook blijkt dat frequentie verlies het meeste en vaak als eerste wordt meegenomen in het beslissingen nemen als dit onderzocht wordt in termen van beslisregels (van Duijvenvoorde et al., 2010; Huizenga, Crone, & Jansen, 2007). Daarom wordt er verwacht dat deelnemers over het algemeen de dimensie frequentie verlies het zwaarste meewegen en deze dus in het model de best voorspellende dimensie zal zijn voor de neiging tot het kiezen voor de referentiemachine (1a). Hierna wordt verwacht dat hoeveelheid verlies de beste voorspeller is (1b) en vervolgens de dimensie zekere winst (1c), aangezien mensen meer letten op verlies bij het nemen van beslissingen dan op winst.
Als tweede doel heeft dit onderzoek te kijken hoe het wegen van de bepaalde
dimensies samenhangt met leeftijd, sekse en rekenvaardigheid. Zoals hierboven beschreven is eerder gevonden dat er verschillen zijn tussen mensen van verschillende leeftijden en tussen de seksen in het letten op bepaalde dimensies (Jansen et al., 2012). Er wordt verwacht dat het integreren van dimensies afneemt met leeftijd, aangezien dit bleek uit het onderzoek van Jansen et al. (2012). Dat betekent dat de interactietermen in het model, die de integratie van twee of drie dimensies weergeven, met leeftijd minder zwaar meegewogen zullen worden (2a). Verder wordt er verwacht dat de jongste deelnemers meer op verlies letten dan de oudere deelnemers, aangezien kinderen gevoeliger zijn voor verlies dan volwassenen (Luking, Luby, & Barch, 2014; Hämmerer, Li, Müller, & Lindenberger, 2011). Dit betekent dat de dimensies frequentie verlies en hoeveelheid verlies met leeftijd minder zwaar zullen worden
meegewogen (2b). Wat sekse betreft wordt er verwacht dat jongens vooral op de dimensies frequentie verlies en hoeveelheid verlies letten (3a). Er wordt ook verwacht dat jongens minder integreren dan meisjes (Jansen et al., 2012). Dat betekent dat de interacties van de dimensies in het geval van jongens minder zwaar zullen meewegen dan meisjes (3b).
De samenhang met rekenvaardigheid lijkt interessant, omdat uit het onderzoek van Peters et al. (2006) blijkt dat het goed om kunnen gaan met cijfers en oplossen van
rekenproblemen ervoor zorgt dat mensen betere oordelen kunnen maken. Het zou kunnen dat rekenvaardigheid daarom ook samenhangt met het nemen van betere beslissingen. Op de keuzetaken ontworpen door Siegler (1976) en Jansen et al. (2012) zorgt het integreren van de
drie dimensies voor het maken van de meeste correcte beslissingen op de items. Er wordt daarom verwacht dat mensen die beter zijn in rekenvaardigheid de drie dimensies meer integreren dan mensen die hier slechter in zijn. Voor mensen met een betere rekenvaardigheid zal de interactie van de drie dimensies een betere voorspeller zijn voor hun geneigdheid voor de referentiemachine te kiezen, dan voor mensen met een minder goede rekenvaardigheid (4).
Methode
Dit onderzoek is onderdeel van een groter onderzoek, waar 246 mensen aan deelnamen. Er waren twee versies van de GMT; een versie waarbij er, zoals in eerder onderzoek (Jansen et al., 2012) drie antwoordmogelijkheden waren en een versie waarop de deelnemers antwoord moesten geven aan de hand van een 7-punt Likert schaal. In dit onderzoek wordt alleen de versie gebruikt waarbij er geantwoord werd op een 7-punt Likert schaal. De resultaten gebaseerd op de andere versie van de GMT worden elders besproken.
Deelnemers
Er waren 114 deelnemers tussen de 9 en 18 jaar (M = 12,34, SD = 2,41), waarvan 54,7% vrouw. De deelnemers zijn geworven op basisscholen en middelbare scholen. Er werd gebruik gemaakt van passief informed consent door de ouders voor deelname. Als beloning kregen de deelnemers na afloop iets lekkers.
Materialen
Gambling Machine Task. In dit onderzoek werd gebruik gemaakt van een aangepaste versie van de Gambling Machine Task (GMT; Jansen et al., 2012). Op deze versie van de taak moeten de deelnemers telkens hun voorkeur aangeven voor de gokmachine waar zij het liefste een gokspel mee zouden willen spelen. Daarbij wordt de deelnemers gevraagd zich voor te stellen dat er één willekeurig balletje getrokken wordt uit de machine van hun voorkeur. Deze machines verschillen op drie dimensies, frequentie verlies (Frequency of Loss; FL),
hoeveelheid verlies (Amount of Loss; AL) en zekere winst (Certain Gain; CG). De dimensie FL staat voor het aantal verlies balletjes in elke machine. De dimensie AL staat voor de hoeveelheid die met een verlies balletje verloren kan worden. De dimensie CG staat voor de hoeveelheid winst die op de machine vermeld staat. Dit is het startbedrag van de machine, waarvan het verlies, wanneer er een verliesballetje getrokken zou worden, afgetrokken wordt. Op deze taak werd de deelnemers gevraagd op een 7-punt Likert schaal hun voorkeur voor de linker of de rechter machine aan te geven. De scores op elk item van de taak kunnen variëren
van 1 tot en met 7, waarbij na om-scoring geldt, hoe hoger de score, hoe sterker een
deelnemer een voorkeur voor de referentiemachine heeft. De referentiemachine is telkens de machine met de hoogste waarden voor alle drie de dimensies, deze machine is na om-scoring voor elk item de rechter gokmachine. De taak bestaat uit 47 items, waarvan 20 originele items uit de taak gebruikt door Jansen et al. (2012) en 27 nieuwe items. In dit onderzoek worden alleen de nieuwe items in de analyse gebruikt, omdat deze in een 3 x 3 factorieel design speciaal ontworpen zijn voor een Functional Measurement analyse. Er zijn bij de nieuwe items drie verschillende waardes voor FL, namelijk 1, 4 of 7. De drie verschillende waardes voor AL zijn 3, 6 of 9. De drie verschillende waardes voor CG zijn 2, 5 of 8. Een van de twee machines bevat elke keer de hoogste waarden voor elke dimensie (FL = 7, AL = 9, CG = 8), dit is de referentiemachine. Om de items te vormen is de referentiemachine telkens gepaard met een machine met een van de 27 mogelijke combinaties van FL, AL en CG. In het
regressiemodel werden de verschilscores voor de dimensies gebruikt; deze kunnen voor elke dimensie (AL, FL, CG) 0, 3 of 6 zijn, voor elke interactie van twee dimensies (FL*AL, FL*CG, AL*CG) 0, 9, 18, of 36 en voor de interactie van drie dimensies (FL*AL*CG) 0, 27, 54, 108 of 216.Er waren twee afnamevolgordes, bij de ene versie zijn alle items in
omgekeerde volgorde aangeboden in vergelijking tot de andere versie. Voor een voorbeeld van een GMT item, zie Figuur 1.
Er werden na afloop van de GMT, in hetzelfde beslistaakboekje, ook strategie en exit vragen afgenomen. De strategie vragen waren bedoeld om te kijken of de deelnemers inzicht hadden in de strategie die ze gebruikten, deze zijn in dit onderzoek niet nader bekeken. In de exit vragen werd gevraagd hoe goed de deelnemer (1) zijn/ haar best had gedaan en (2) de taak had begrepen. Er werd antwoord gegeven op een 5-punt Likert schaal, waarbij 1 voor ‘helemaal niet goed’ stond en 5 voor ‘heel goed’. Het bleek dat het voor de antwoorden van de deelnemers op de GMT niet heel veel uitmaakte of ze laag scoorden op de exit vragen, de deelnemers die laag scoorden op de exit vragen hadden niet minder items gemaakt dan de andere deelnemers en het patroon van gemiddelden van de uitkomstscores verandert niet veel na exclusie van deze mensen. Om deze redenen zijn de exit vragen niet gebruikt als
exclusiecriteria.
Figuur 1. Voorbeeld item GMT. In dit voorbeeld item is FL voor beide machines 1, AL is voor beide machines 50 en CG is voor de linker machine 2 en voor de rechter 4. Onder de machines staat de 7-punt Likert schaal met links ‘Ik kies helemaal voor gokkast A’, de linker gokkast, en rechts ‘Ik kies helemaal voor gokkast B’, de rechter gokkast. In het midden van de 7-punt Likert schaal staat ‘Ik kies evenveel voor gokkast A als voor gokkast B’.
Tempo-Test-Rekenen. Om rekenvaardigheid te meten werd gebruik gemaakt van de Tempo-Test-Rekenen (TTR; De Vos, 1992). Dit is een snelheidstest welke bestaat uit vijf kolommen van elk veertig sommen. De eerste vier kolommen bevatten, respectievelijk, sommen met optellen, aftrekken, vermenigvuldigen en delen. In de laatste kolom staan deze door elkaar. De deelnemer krijgt voor elke kolom 1 minuut de tijd om de uitkomst van zoveel mogelijk sommen in te vullen. De deelnemer krijgt voor elke correct gemaakte som 1 punt, de totaalscore kan variëren van 0 tot en met 200. Hoe hoger de score, hoe beter de
rekenvaardigheid. Zie Bijlage 1 voor de volledige TTR.
Dutch Junior Eysenck Personality Questionnaire Revised. De neuroticisme schaal van de Dutch Junior Eysenck Personality Questionnaire Revised (JEPQ-R; Scholte & de Bruyn, 2001) werd afgenomen om de samenhang tussen neuroticisme en het meewegen en integreren van de dimensies te onderzoeken. Resultaten met betrekking tot deze schaal worden elders besproken.
Procedure
De taken en vragenlijsten werden door twee proefleiders op elke twintig leerlingen afgenomen in het klaslokaal of een andere voor de deelnemers bekende ruimte. Er werd eerst een introductie gegeven. Vervolgens werd de GMT uitgedeeld en volgde er een uitgebreide instructie bij de GMT. Daarna werd de GMT door de deelnemers ingevuld, wat ongeveer twintig minuten in beslag nam. Hierna werd de GMT weer opgehaald en werd de JEPQ-R uitgedeeld en uitgelegd. Vervolgens werd de JEPQ-R ingevuld en weer opgehaald, wat
ongeveer vijf minuten in beslag nam. Als laatste werd de TTR uitgedeeld en uitgelegd. Bij het startsein mochten de deelnemers beginnen. De leerlingen kregen maximaal één minuut per kolom, in totaal duurde de afname van de test daarmee vijf minuten. De TTR werd hierna weer opgehaald en de deelnemers kregen een kleine beloning en werden bedankt voor hun deelname.
Regressiemodel
Om te bepalen hoe verschillende deelnemers de dimensies op de items van de GMT meewegen in het aangeven van een voorkeur voor een van de gokmachines werd er per proefpersoon een regressiemodel opgesteld. In dit model is de afhankelijke variabele de mate van voorkeur voor de referentiemachine. De onafhankelijke variabelen, of predictoren, in dit model zijn de verschilscores van de waarden op de dimensies op elk item, de
verschilvariabelen genoemd, en de interacties van de verschilscores van de waarden op de dimensies, de interactie verschilvariabelen. De verschilvariabelen zijn ΔFL (delta FL), ΔAL en ΔCG. Er zijn vier interactie verschilvariabelen; deze zijn ΔFL*ΔAL, ΔFL*ΔCG,
ΔAL*ΔCG en ΔAL*ΔCG*ΔFL. Het regressiemodel ziet er dan zo uit:
rij = βjΔFL + βjΔAL + βjΔCG + βjΔFLAL + βjΔFLCG + βjΔALCG + βjΔFLALCG + eij.
In dit model is rij de voorkeur voor de referentiemachine voor proefpersoon j op item i, βjΔFL staat voor het regressiegewicht β voor proefpersoon j, voor de verschilvariabele ΔFL. Dit is hetzelfde voor de volgende (interactie) verschilvariabelen. eij staat voor de error per
proefpersoon, per item. Wanneer dit model per proefpersoon geschat wordt, worden gestandaardiseerde regressiegewichten (βj-waarden uit de bovenstaande vergelijking) per proefpersoon per verschil- of interactie verschilvariabele verkregen en gebruikt om de hypotheses mee te toetsen.
Data-analyse
Om te toetsen of deelnemers over het algemeen de dimensie frequentie verlies het zwaarste meewegen (1a), daarna hoeveelheid verlies (1b) en daarna de dimensie zekere winst (1c) wordt een variantie analyse voor herhaalde metingen uitgevoerd met als
binnen-proefpersoon factor de absolute waardes van de beta’s van de (interactie) verschilvariabele met zeven niveau’s; ΔFL, ΔAL, ΔCG, ΔFLAL, ΔFLCG, ΔALCG en ΔFLALCG. Er worden absolute waardes gebruikt, omdat voor deze hypotheses de richting van de beta’s niet
uitmaakt, maar het gaat om hoe zwaar ze worden meegewogen, en ze anders wellicht tegen elkaar kunnen wegvallen, aangezien er negatieve en positieve beta-waarden zijn. Er wordt een Bonferroni correctie toegepast op de post-hoc toetsen. In geval niet voldaan wordt aan de assumptie van sphericiteit, worden de resultaten, met ongecorrigeerde vrijheidsgraden, na Greenhouse Geisser correctie gerapporteerd. De verwachting was dat deelnemers de dimensie FL het meest meewegen in het bepalen van hun voorkeur voor een van de gokmachines (1a), de dimensie AL daarna (1b) en als laatste CG (1c). Deze verwachting wordt bevestigd als de verschilvariabelen ΔFL, ΔAL en ΔCG significant verschillen van elke van de andere
(interactie) verschilvariabelen en daarbij ΔFL de hoogste waarde heeft, daarna ΔAL en daarna ΔCG.
Om de hypotheses met betrekking tot leeftijd te toetsen (2a, 2b), wordt er een multiple lineaire regressie uitgevoerd met leeftijd als afhankelijke variabele en de beta’s van de
verschil- en interactie verschilvariabelen als onafhankelijke variabelen, of predictoren.
Leeftijd is in deze regressie de afhankelijke variabele, omdat het bij deze regressie gaat om de samenhang tussen de variabelen en niet om een voorspelling en de analyse eenvoudiger is met meerdere onafhankelijke variabelen, in plaats van meerdere afhankelijke variabelen. Dit geldt ook de regressies die worden uitgevoerd om de hypotheses met betrekking tot sekse en rekenvaardigheid te toetsen. Er wordt verwacht dat er een negatief verband is tussen het integreren van dimensies en leeftijd. Deze hypothese wordt bevestigd wanneer er een significante negatieve samenhang is tussen het gewicht van de vier
interactieverschilvariabelen en leeftijd (2a). De hypothese dat de jongste deelnemers meer op verlies letten dan de oudere deelnemers (2b) wordt bevestigd als blijkt dat er een significante negatieve samenhang is tussen het gewicht van de verschilvariabelen ΔFL en ΔAL en leeftijd.
Om de hypotheses met betrekking tot sekse te toetsen (3a, 3b) wordt er een logistische regressie uitgevoerd met sekse als afhankelijke variabele en de beta’s van de verschil- en interactie verschilvariabelen als onafhankelijke variabelen. De hypothese dat jongens vooral op frequentie verlies en hoeveelheid verlies letten (3a) wordt bevestigd wanneer blijkt dat het
gewicht van de verschilvariabelen ΔFL en ΔAL een significante negatieve samenhang heeft met sekse en de Exp(B) dichter bij 0 ligt dan bij 1, aangezien jongens gecodeerd zijn als referentiecategorie ‘0’ en meisjes als referentiecategorie ‘1’. De hypothese dat jongens minder zullen integreren dan meisjes (3b) wordt bevestigd als het gewicht van de vier interactie verschilvariabelen een significante positieve samenhang heeft met sekse.
Om hypothese 4 te toetsen dat mensen die een betere rekenvaardigheid hebben meer zullen integreren wordt er een multiple lineaire regressie uitgevoerd waarbij rekenvaardigheid de afhankelijke variabele is en de beta’s van de verschil- en interactieverschilvariabelen de onafhankelijke variabelen zijn. De hypothese wordt bevestigd als er een significante positieve samenhang is tussen het gewicht van de interactie verschilvariabele ΔFL*ΔAL*ΔCG en rekenvaardigheid.
Bij de regressie analyses zijn de variabelen steeds gelijktijdig met behulp van de ENTER methode aan het model toegevoegd. Bij alle analyses is een significantieniveau van 5% gehanteerd en worden de effectgroottes gerapporteerd. Voor de herhaalde metingen ANOVA is dit η2 en voor de multiple regressie analyses R2.
Resultaten
Van de 114 deelnemers zijn er 7 deelnemers niet meegenomen in de analyses, omdat zij extreme outliers waren. Deze extreme outliers zijn gevonden aan de hand van boxplots voor de beta’s van de regressiegewichten en voor de totale score op de TTR. Outliers worden als extreem gedefinieerd wanneer ze 3 of meer interquartile ranges van het uiteinde van de boxplot liggen. Uit de Kolmogorov Smirnov test bleek dat de beta’s van de
regressiegewichten niet normaal verdeeld waren. Er is een log transformatie over de data uitgevoerd, waarna deze nog steeds niet normaal verdeeld bleken. Om die reden zijn de ongetransformeerde data gebruikt in de analyses.
Hypothese 1a, 1b en 1c; Meewegen en Integreren van de Dimensies
Om de hypothese te toetsen dat de deelnemers de dimensie FL het meeste meewegen in hun voorkeur bepalen voor de referentiemachine (1a), hierna de dimensie AL het meest meewegen (1b) en het minst de dimensie CG meewegen (1c), is er een herhaalde metingen ANOVA uitgevoerd met de absolute waardes van de beta’s van de (interactie)
verschilvariabele als binnen-proefpersoon factor. Er waren voor deze factor zeven niveau’s, namelijk één voor elke (interactie) verschilvariabele. Er werd niet voldaan aan de assumptie van sphericiteit, χ2 (20) = 177,65, p < .001. De resultaten worden met ongecorrigeerde
vrijheidsgraden na Greenhouse Geisser correctie gerapporteerd. Uit de resultaten blijkt dat er een significant verschil is tussen de zeven (interactie) verschilvariabelen, F(6, 636) = 58,98, p < .001, η2 = 0,36. In Tabel 1 zijn de gemiddelden en standaarddeviaties van de absolute beta’s van de verschil- en interactie verschilvariabelen opgenomen. Deze absolute beta’s zijn de gestandaardiseerde gewichten en kunnen daarom onderling vergeleken worden. Bonferroni gecorrigeerde post-hoc paarswijze vergelijkingen laten zien dat de verschilvariabelen ΔFL en ΔAL significant van elkaar verschillen (p < .05). De verschilvariabele ΔFL wordt meer meegewogen dan ΔAL en alle interactieverschilvariabelen (alle p-waarden < .01), waarbij het gemiddelde van ΔFL steeds het hoogste is. De verschilvariabele ΔFL verschilt alleen niet significant van ΔCG (p = 1.00). Deelnemers wegen de dimensie FL dus meer mee dan AL en de interactieverschilvariabelen, maar niet dan CG. De verwachtingen worden daarmee gedeeltelijk bevestigd (1a).
De verschilvariabele ΔAL verschilt niet significant van ΔCG (p > .05). Hoeveelheid verlies wordt dus niet zwaarder meegewogen dan zekere winst; dit is tegenstrijdig aan de verwachtingen (1b). De variabele ΔAL verschilt significant van ΔFL*ΔCG (p < .01), ΔAL*ΔCG (p < .01) en ΔFL*ΔAL*ΔCG (p < .01), de variabele ΔAL wordt meer meegewogen dan deze variabelen. De variabele ΔCG verschilt significant van alle
interactieverschilvariabelen; ΔFL*ΔAL, ΔFL*ΔCG, ΔAL*ΔCG en ΔFL*ΔAL*ΔCG (alle p-waarden < .01), waarbij ΔCG steeds het hoogste gemiddelde heeft. Dit betekent dat ΔCG zwaarder wordt meegewogen dan de interactie verschilvariabelen, dit is volgens de verwachtingen (1c). Ten slotte verschilt variabele ΔFL*ΔAL significant van ΔFL*ΔCG, ΔAL*ΔCG en ΔFL*ΔAL*ΔCG (alle p-waarden < .01). De interactie FL*AL wordt meer meegewogen dan de andere interacties. De overige verschillen waren niet significant (alle p-waarden > .05).
Samengevat betekent dit dat, volgens verwachtingen, de dimensie FL zwaarder werd meegewogen dan de dimensie AL (1a). Ook werden de dimensies FL en CG vaker apart meegewogen, dan dat ze geïntegreerd werden (1a,1c). Deze resultaten waren ook in lijn met de verwachtingen. De dimensie AL werd niet zwaarder meegewogen dan de dimensie CG (1b). De dimensie AL werd wel vaker alleen meegewogen dan geïntegreerd met dimensie CG, maar niet zwaarder meegewogen dan de andere interactieverschilvariabelen, dit was
gedeeltelijk zoals verwacht aan de hand van eerder onderzoek (1b). Verder werden de dimensies FL en AL vaker geïntegreerd dan de andere dimensies.
Tabel 1
Gemiddelden (M) en Standaarddeviaties (SD) herhaalde metingen ANOVA
(Interactie)verschilvariabelen M SD ΔFL 0,623 0,016 ΔAL 0,556 0,019 ΔCG 0,643 0,021 ΔFL*ΔAL 0,532 0,021 ΔFL*ΔCG 0,360 0,020 ΔAL*ΔCG 0,290 0,021 ΔFL*ΔAL*ΔCG 0,292 0,023 Hypothese 2a en 2b; Leeftijd
Bij de multiple lineaire regressie analyse met de zeven (interactie) verschilvariabelen als onafhankelijke variabelen en leeftijd als afhankelijke variabele is gebruik gemaakt van de data van 103 deelnemers, aangezien van vier deelnemers de geboortedatum niet correct was ingevuld. De resultaten laten zien dat er een significante samenhang is tussen leeftijd en de zeven (interactie) verschilvariabelen, F(7, 95) = 2,102, p = .05, R2 = 0,13. De integraties van twee dimensies hebben alle drie geen significante samenhang met leeftijd (p-waarden > .05). De integratie van drie dimensies, echter, ΔFL*ΔAL*ΔCG, heeft wel een samenhang met leeftijd, beta = 0,44, t(7) = 2,60, p = .01. Dit is echter, tegen verwachting in, een positief verband en niet, zoals voorspeld, een negatieve samenhang. Hypothese 2a, dat het integreren van dimensies zou afnemen met leeftijd, wordt daarmee als geheel niet bevestigd. Er is geen significante samenhang tussen ΔFL, ΔAL en/of ΔFL*ΔAL en leeftijd. Hypothese 2b, dat de jongste deelnemers meer op verlies letten dan de oudere deelnemers, wordt daarmee ook niet ondersteund.
Hypothese 3a en 3b; Sekse
Uit de logistische regressie met sekse als afhankelijke variabele en de (interactie) verschilvariabelen als onafhankelijke variabelen blijkt dat er geen significante samenhang is tussen de (interactie) verschilvariabelen en sekse, F(7) = 11,14, p > .05, r = 4,40. Hypothese 3a, dat jongens vooral op frequentie verlies en hoeveelheid verlies letten, wordt niet
ondersteund, daar er geen significante, negatieve samenhang is tussen ΔAL en ΔFL en sekse.
Hypothese 3b, dat jongens de dimensies minder integreren dan meisjes, wordt ook niet ondersteund, daar er maar van één interactieverschilvariabele een samenhang met sekse is, namelijk met ΔFL*ΔCG, p < .05. Dit is een negatieve samenhang, met een Exp(B) van 0,37, wat betekent dat jongens, tegen verwachting in, vaker de dimensies frequentieverlies en zekere winst integreren dan meisjes.
Hypothese 4; Rekenvaardigheid
Uit de multiple lineaire regressie met als afhankelijke variabele rekenvaardigheid en als onafhankelijke variabelen de (interactie) verschilvariabelen, bleek dat de (interactie) verschilvariabelen te samen rekenvaardigheid significant voorspellen, F(7,98) = 2,63, p < .05, R2 = 0.16. Hoewel het regressiemodel als geheel significant is, hangt geen van de variabelen afzonderlijk significant samen met rekenvaardigheid (alle p-waarden > .05). Hypothese 4, dat een betere rekenvaardigheid samen zou hangen met het sterker integreren van dimensies, werd niet ondersteund, aangezien de interactieverschilvariabele ΔFL*ΔAL*ΔCG niet significant samenhing met rekenvaardigheid.
Conclusies & Discussie
In dit onderzoek werd onderzocht in hoeverre mensen de dimensies van beslissingen meewegen en integreren bij het nemen van risicovolle beslissingen, wanneer gebruik gemaakt wordt van de methode van Functional Measurement. Dit is gedaan door een taak te gebruiken die risicovolle beslissingen meet, waarbij de deelnemer zijn voorkeur aangeeft voor één van de twee gokmachines die verschillen op drie dimensies. Deze drie dimensies zijn frequentie verlies (Frequency of Loss; FL), hoeveelheid verlies (Amount of Loss; AL) en zekere winst (Certain Gain; CG). In lijn met de Functional Measurement methode is er, voor elke persoon afzonderlijk, een regressiemodel opgesteld waarbij deze drie dimensies en de interacties tussen deze dimensies de geneigdheid van deze persoon om te kiezen voor de
referentiemachine voorspellen. Aan de hand van de Functional Measurement methode is vervolgens onderzocht of mensen bij het aangeven van hun geneigdheid voor de
referentiemachine, bepaalde dimensies van deze machines meer meewegen of integreren dan andere dimensies. Er werd verwacht dat deelnemers de dimensie FL het zwaarst mee zouden wegen, hierna de dimensie AL en vervolgens de dimensie CG. Uit de resultaten bleek dat de dimensie FL zwaarder werd meegewogen dan de dimensie AL en dan alle interactie
dimensies, maar dat de dimensie FL niet zwaarder werd meegewogen dan de dimensie CG. De dimensie AL werd wel zwaarder meegewogen dan bijna alle interactie dimensies, behalve
de interactie dimensie tussen FL en AL. De dimensie CG werd wel vaker meegewogen dan alle interactie dimensies. De verwachtingen zijn daarmee gedeeltelijk bevestigd.
Een mogelijke verklaring voor het feit dat er niet gevonden is dat de dimensie AL zwaarder wordt meegewogen dan de dimensie CG is dat de waarde van zekere winst anders op de gokmachines werd afgebeeld dan de hoeveelheid verlies. Op de machines is
hoeveelheid verlies een stuk kleiner en minder opvallend afgebeeld dan zekere winst. Wellicht letten deelnemers door dit visuele verschil eerder op zekere winst dan op
hoeveelheid verlies en wordt er hierdoor geen verschil gevonden tussen deze twee dimensies. In vervolgonderzoek zouden om hiervoor te controleren de twee hoeveelheden even groot afgebeeld moeten worden. Daarnaast zijn de voorspellingen erop gebaseerd dat mensen verlies vaak zwaarder meewegen dan winst (Chiu & Lin, 2007). Uit de resultaten blijkt dat frequentie verlies zwaarder wordt meegewogen dan bijna alle andere verschilvariabelen, dit sluit aan bij eerder onderzoek dat laat zien dat mensen het meest letten op verlies (van Duijvenvoorde et al, 2010). Er blijkt ook uit eerder onderzoek dat frequentie van verlies het belangrijkste gevonden wordt, ondanks de uitkomst waarde van de optie (Huizenga et al., 2007; Aïte et al., 2012).
Er is ook onderzocht hoe het meewegen en integreren van de drie dimensies, FL, AL en CG samenhangt met leeftijd, sekse en rekenvaardigheid. Er werd verwacht dat het
integreren van dimensies afneemt met leeftijd en de jongste deelnemers meer op verlies letten dan de oudere deelnemers. Tegenstrijdig aan de verwachtingen bleek dat het integreren van twee dimensies niet samenhangt met leeftijd en het integreren van alle drie de dimensies zelfs toeneemt met leeftijd. De laatste verwachting werd ook niet ondersteund, daar er geen
negatieve samenhang was tussen de dimensies met betrekking tot verlies, namelijk FL en AL, en leeftijd.
Er is tegenstrijdig onderzoek met betrekking tot de samenhang tussen leeftijd en het integreren van dimensies. Uit het onderzoek van Siegler (1976, 1981) naar proportioneel redeneren, bleek dat deelnemers zelden dimensies integreren en alleen volwassenen dit soms bereiken. Uit onderzoek van Jansen et al. (2012) naar het nemen van risicovolle beslissingen, bleek echter dat bijna alle deelnemers de dimensies integreren en het integreren van dimensies afneemt met leeftijd. Bij het onderzoek van Jansen et al. (2012) is een statistische methode gebruikt om de deelnemers toe te wijzen aan bepaalde beslisstrategieën en bij het onderzoek van Siegler (1976) is dit arbitrair gedaan. Ook is in het onderzoek van Jansen et al. net als in dit onderzoek de GMT gebruikt die risicovolle beslissingen meet en in het onderzoek van Siegler een taak gebruikt die proportioneel redeneren meet, maar niet het nemen van
risicovolle beslissingen. Aangezien in dit onderzoek, net als in het onderzoek van Jansen et al., risicovolle beslissingen onderzocht worden, is in lijn met dat onderzoek voorspeld dat het integreren van dimensies afneemt met leeftijd. Er wordt ook beargumenteerd dat door de beperkte antwoordmogelijkheden bij de taken gebruikt in het onderzoek van Siegler (1976) deelnemers wellicht een bepaalde strategie gebruiken die zij niet zouden gebruiken als ze vrijer zouden kunnen antwoorden. In het onderzoek van Wilkening en Anderson (1991), waarin proportioneel redeneren onderzocht werd, is de Functional Measurement methode gebruikt, waarbij een bredere antwoordmogelijkheid gehanteerd wordt en lineaire modellen als analyse techniek worden gebruikt. Uit het onderzoek van Wilkening en Anderson bleek dat bijna alle deelnemers de dimensies integreerden, tegenstrijdig aan het onderzoek van Siegler. In het onderzoek van Jansen et al. zijn risicovolle beslissingen onderzocht, net als in dit onderzoek, maar met een beperkte antwoordmogelijkheid. Daarom zijn in dit onderzoek ook risicovolle beslissingen onderzocht aan de hand van de Functional Measurement methode. Het zou kunnen dat het gebruik van de Functional Measurement methode een verklaring is voor het vinden van tegenstrijdige resultaten, net als dit het geval was bij Wilkening en Anderson. De FM methode brengt mensen namelijk in een testsituatie waarin zij makkelijker de dimensies integreren dan in de testsituatie bij het gebruik van Rule Assessment. Ook is de FM methode, beter dan de methode van Rule Assessment, in staat het integreren van de dimensies door de deelnemers te vinden. Er zijn geen vooraf vastgestelde regels, maar de patronen van de deelnemers in de antwoorden op de taak worden aan de hand van lineaire functies gezocht. Wellicht neemt het integreren van dimensies toch wel toe met leeftijd, wanneer gebruik gemaakt wordt van de FM methode.
Er is ook niet gevonden dat de jongste kinderen meer op de verlies dimensies, FL en AL, letten dan de oudere kinderen en jongeren. Dit zou kunnen liggen aan de spreiding van leeftijd binnen de steekproef gebruikt in dit onderzoek. Deze voorspelling was gebaseerd op onderzoek van Luking, Luby en Barch (2014). In het onderzoek van Luking, Luby en Barch (2014) is gekeken naar het verschil in het letten op verlies versus winst tussen kinderen tussen de 7 en 11 jaar en jongeren tussen de 22 en 26 jaar. In dit onderzoek varieert de leeftijd van de deelnemers tussen de 9 en 18 jaar. Wellicht wordt er niet gevonden dat kinderen meer op verlies letten, omdat dit verschil pas te zien is wanneer ze ouder dan 18 zijn. In
vervolgonderzoek zou een steekproef gebruikt moeten worden met een nog bredere
leeftijdsrange. Wellicht zou er dan wel gevonden worden dat leeftijd negatief samenhangt met het letten op verlies versus winst.
Wat sekse betreft werd, op basis van onderzoek van Jansen et al. (2012) verwacht dat jongens het meest zouden letten op frequentie verlies en hoeveelheid verlies. Er werd ook verwacht dat jongens minder integreren dan meisjes. Uit de resultaten bleek dat beide
hypotheses niet ondersteund worden. Jongens letten niet meer op de dimensies AL en FL dan meisjes. Het bleek ook dat jongens de dimensies FL en CG meer integreren dan meisjes, wat tegenstrijdig is aan de verwachtingen. Voor het integreren van de andere dimensies werd er geen verschil gevonden tussen jongens en meisjes. Uit onderzoek blijkt dat jongens een hogere tolerantie voor risico hebben dan meisjes (Karakowsky & Elangovan, 2001) en dat jongens voordeligere risicovolle beslissingen maken (Levin, Snyder, & Chapman, 1988). Dit zou een mogelijke verklaring kunnen zijn voor het feit dat jongens in dit onderzoek enigszins meer lijken te integreren dan meisjes. Aangezien jongens een grotere tolerantie hebben, kunnen ze wellicht beter en rustiger de opties afwegen en integreren dan meisjes. Ook leidt integratie tot vaker de meest voordelige beslissing maken, hetgeen jongens dan wellicht vaker doen omdat zij beter in staat zouden zijn dan meisjes om optimale keuzes te maken (Levin, Snyder, & Chapman, 1988). Er zou meer onderzoek gedaan worden naar het nemen van risicovolle beslissingen en het meewegen en integreren van dimensies onder jongens en meisjes, aangezien uit dit onderzoek blijkt dat er niet heel veel verschil is, terwijl eerder onderzoek suggereert dat dit wel zo zou zijn.
Voor rekenvaardigheid werd er verwacht dat mensen met een betere rekenvaardigheid, de dimensies meer zouden integreren, omdat een betere rekenvaardigheid samenhangt met betere beslissingen maken (Peters et al., 2006) en meer integreren op de taak leidt tot het vaker maken van de juiste keuze. Uit de resultaten bleek dat er wel een samenhang was tussen de dimensies en rekenvaardigheid, maar dat er geen variabele afzonderlijk beter voorspelde dan een andere variabele. Het zwaarder of minder zwaar meewegen van de dimensies en het wel of niet integreren van deze dimensies hangt dus niet samen met rekenvaardigheid. Deze hypothese werd helaas ook niet ondersteund.
De voorspelling dat mensen met een betere rekenvaardigheid de dimensies meer zouden integreren was gebaseerd op onderzoek van Peters et al. (2006). In het onderzoek van Peters et al. is echter een andere maat gebruikt voor rekenvaardigheid dan in dit onderzoek. In het onderzoek van Peters et al. werd een vragenlijst afgenomen die bestond uit 11 vragen die meten hoe goed iemand kan rekenen. Dit was dus een grotendeels verbale taak en deze taak ging vooral over percentages. De taak gebruikt in dit onderzoek bestaat uit sommetjes die de deelnemers zo snel mogelijk uit moeten rekenen. Dit is een non-verbale taak die niet werkt met percentages en een meer directe maat voor rekenvaardigheid oplevert. Ook is in dit
onderzoek de rekentaak niet vergeleken met risicovolle beslissingen nemen, maar met beslissingen nemen in het algemeen. Misschien is het effect minder met risicovolle
beslissingen nemen, aangezien mensen dan wellicht niet de tijd nemen om te gaan rekenen, maar meer op gevoel een beslissing nemen. Dit zouden verklaringen kunnen zijn waarom er in dit onderzoek andere resultaten gevonden worden.
Samengevat, komt uit dit onderzoek naar voren dat ook met het gebruik van
Functional Measurement verschillen gevonden worden in het meewegen en integreren van verschillende dimensies van risicovolle beslissingen. Er zijn een aantal tegenstrijdige resultaten gevonden, die niet in lijn waren met de verwachtingen gebaseerd op voorgaand onderzoek. In dit onderzoek is in tegenstelling tot voorgaand onderzoek de Functional Measurement methode toegepast op een taak die risicovolle beslissingen meet. In voorgaand onderzoek is de Functional Measurement methode wel toegepast op onderzoek waarbij proportioneel redeneren onderzocht werd, maar niet het nemen van risicovolle beslissingen. Wellicht is het een verklaring voor de tegenstrijdige resultaten dat in dit onderzoek voor het eerst de Functional Measurement methode gebruikt is bij het onderzoeken van risicovolle beslissingen. Het zou kunnen dat de resultaten uit dit onderzoek daardoor anders reflecteren hoe mensen de dimensies meewegen en integreren bij het nemen van risicovolle beslissingen. Het is namelijk niet meer een mogelijkheid dat patronen wellicht alleen gevonden worden doordat er beperkte antwoordmogelijkheid is, zoals wanneer gebruik gemaakt wordt van Rule Assessment. Dit is niet meer een mogelijkheid bij het gebruik van de Functional Measurement methode, bij deze methode zijn er namelijk meerdere antwoordmogelijkheden en worden de patronen in de antwoorden van de deelnemers gezocht aan de hand van lineaire functies. Er zou meer onderzoek gedaan moeten worden waarbij de Functional Measurement methode wordt toegepast om onderzoek te doen naar het nemen van risicovolle beslissingen. Wanneer dan dezelfde tegenstrijdige resultaten worden gevonden als in dit onderzoek, zou dat een aanwijzing kunnen zijn dat mensen inderdaad doordat in voorgaand onderzoek niet gebruik werd gemaakt van de Functional Measurement methode bepaalde patronen in het nemen van risicovolle beslissingen vertonen. Het is belangrijk om dit onderzoek voort te zetten,
aangezien risicovol gedrag en daarmee ook het nemen van risicovolle beslissingen een belangrijk probleem is onder vooral adolescenten. Wanneer meer inzicht verkregen kan worden in hoe kinderen en jongeren deze beslissingen nemen, kan wellicht hier ook beter iets aan gedaan worden.
Literatuurlijst
Aïte, A., Cassotti, M., Rossi, S., Poirel, N., Lubin, A., Houdé, O., & Moutier, S. (2012). Is human decision making under ambiguity guided by loss frequency regardless of the costs? A developmental study using the soochow gambling task. Journal of Experimental Child Psychology, 113(2), 286-294.
Arnett, J. J. (1992). Reckless behavior in adolescence: A developmental perspective. Developmental Review, 12(4), 339-373.
Arnett, J. J. (1996). Sensation seeking, aggressiveness, and adolescent reckless behavior. Person Individual Differences Journal, 20(6), 693-702.
Chiu, Y., & Lin, C. (2007). Is deck c an advantageous desk in the iowa gambling task?. Behavioral and Brain Functions, 3(37).
De Vos, T. (1994). Tempo-test-rekenen. Lisse: Swets Test Publishers.
Gullone, E., Moore, S., Moss, S., & Boyd, C. (2000). The adolescent risk-taking
questionnaire: Development and psychometric evaluation. Journal of Adolescent Research, 15(2), 231-250.
Hämmerer, D., Li, S., Müller, V., & Lindenberger, U. (2011). Life span differences in electrophysiological correlates of monitoring gains and losses during probabilistic reinforcement learning. Journal of Cognitive Neuroscience, 23(3), 579-592.
Huizenga, H. M., Crone, E. A., & Jansen, B. R. J. (2007). Decision-making in healthy children, adolescents, and adults explained by the use of increasingly complex proportional reasoning rules. Developmental Science, 10(6), 814-825.
Jansen, B. R. J., van Duijvenvoorde, A. C. K., & Huizenga, H. M. (2012). Development of decision making: Sequential versus integrative rules. Journal of Experimental Child Psychology, 111(1), 87-100.
Jansen, B. R. J., & van der Maas, H. L. J. (1997). Statistical test of the rule assessment methodology by latent class analysis. Developmental Review, 17, 321-357.
Karakowsky, L., & Elangovan, A. R. (2001). Risky decision making in mixed-gender teams: Whose risk tolerance matters?. Small Group Research, 32(1), 94-111.
Lavery, B., & Siegel, A. W. (1993). Adolescent risk-taking: An analysis of problem behaviors in problem children. Journal of Experimental Child Psychology, 55(2), 277-294.
Levin, I. P., Snyder, M. A., & Chapman, D. P. (1988). The interaction of experiential and situational factors and gender in a simulated risky decision-making task. The Journal of Psychology, 122(2), 173-181.
Löckenhoff, C. E., O’Donoghue, T., & Dunning, D. (2011). Age differences in temporal discounting: The role of dispositional affect and anticipated emotions. American
Psychological Association, 26(2), 274-284.
Luking, K. R., Luby, J. L., & Barch, D. M. (2014). Kids, candy, brain and behavior: Age differences in responses to candy gains and losses. Developmental Cognitive Neuroscience, 9(2014), 82-92.
Peters, E., Västfjäll, D., Slovic, P., Mertz, C. K., Mazzocco, K., & Dickert, S. (2006). Numeracy and decision making. Psychological Science, 17(5), 407-413.
Reyna, V. F., & Farley, F. (2006). Risk and rationality in adolescent decision making: Implications for theory, practice, and public policy. Psychological Science in the Public Interest, 7(1), 1-44.
Russo, E. J., & Dosher, B. A. (1983). Strategies for multiattribute binary choice. Journal of Experimental Psychology: Learning, Memory, and Cognition, 9(4), 676-696.
Scholte, R. H. J., & De Bruyn, E. E. J. (2001). The revised junior eysenck personality questionnaire (JEPQ-R): Dutch replications of the full-length, short, and abbreviated forms. Personality and Individual Differences, 31(4), 615-625.
Straub, D. M. (2009). Sexually transmitted diseases in adolescents. Advances in Pediatrics, 56(1), 87-106.
Van Duijvenvoorde, A. C. K., Jansen, B. R. J., Visser, I., & Huizenga, H. M. (2010). Affective and cognitive decision making in adolescents. Developmental Neuropsychology, 35(5), 539-554.
Wilkening, F., & Anderson, N. H. (1982). Comparison of two rule-assessment methodologies for studying cognitive development and knowledge structure. Psychological Bulletin, 92(1), 215-237.
Wilkening, F., & Anderson, N. H. (1991). Representation and diagnosis of knowledge structures in developmental psychology. Contributions to Information Integration Theory, 3, 45-80.
Bijlage 1
Tempo Test Rekenen
