Het Componential Attitude Network Model, een Longitudinale
Studie
de Rol van Attitudebelang en Ambivalentie in een Attitudenetwerk
Universiteit van Amsterdam
Abstract
Deelnemers hebben tien dagen lang 3x per dag een online vragenlijst ingevuld, op basis van de antwoorden werd er een netwerkstructuur van de vragen gecreëerd. Deze methode in combinatie met het CAN-model (Componential Attitude Network–model) werden gebruikt om twee hypotheses te toetsen. De eerste hypothese stelt dat attitudebelang samenhangt met connectiviteit van het netwerk. Voor deze hypothese werd bevestiging gevonden. Na onderzoek naar ambivalentie werden twee soorten ambivalentie
onderscheidden namelijk; potentiële ambivalentie (het hebben van positieve zowel als negatieve evaluaties over een object) en gevoelde ambivalentie (psychisch ongemak ten gevolge van de potentiële ambivalentie). De tweede hypothese stelt dat wanneer een hoge potentiële ambivalentie samengaat met een hoge connectiviteit dit zal resulteren in hoge gevoelde ambivalentie, omdat sterk gelinkte ambivalente gevoelens psychisch ongemak tot gevolg hebben. Er werd echter geen interactie-effect van potentiële ambivalentie en
connectiviteit op gevoelde ambivalentie gevonden.
Bachelorthese Sociale Psychologie Aantal woorden: 3.836
Begeleider: Jonas Dalege Auteur: Daan Verheugt
Collegekaartnummer: 10188916 Datum: 29-05-15
Het Componential Attitude Network Model, een Longitudinale Studie
Om te begrijpen waarom mensen doen wat zij doen is het van belang om te kijken naar hoe hun gedrag tot stand komt. Gepland gedrag kan worden voorspeld vanuit de subjectieve norm van het gedrag, waargenomen controle over het gedrag en de attitude tegenover het gedrag (Ajzen, 1991). Over dit laatste onderdeel is bekend dat wanneer affectieve informatie consistent is met gedragsinformatie over het object dat de attitude een grotere invloed heeft op het gedrag dan wanneer dit niet het geval is (Zhou, Wang, Dovidio & Yu, 2009). Attitude is een voorspeller van gedrag maar niet alleen consistentie speelt hierbij een rol. Ook de sterkte van de attitude speelt een rol. Holland, Verplanken en Knippenberg (2002) lieten zien dat sterke attitudes een grotere invloed hebben op gedrag dan zwakke attitudes. Naast deze bevinding kwamen ze ook tot de conclusie dat zwakke attitudes meer beïnvloedt worden door gedrag dan sterke attitudes. Het onderzoek veronderstelt dus een bidirectionele relatie tussen attitude en gedrag. Deze bidirectionaliteit werd ook gevonden in een recent onderzoek naar ambivalentie. Zo vonden Schneider et al. (2013) dat een
ambivalente attitude invloed heeft op beweging, en dat beweging weer invloed heeft op de ambivalentie van een attitude. Dus een attitude beïnvloedt gedrag maar dit gedrag wordt op zijn beurt weer beïnvloedt door de attitude. Om dit soort relaties te begrijpen dient er gekeken te worden naar de structuur van attitudes. Het Componential Attitude Network model (Dalege et al. 2014) vangt een attitude in een netwerkmodel zodoende kunnen zojuist beschreven attitude-gedragsrelaties verklaart worden vanuit de verbindingen tussen de verschillende onderdelen. In dit onderzoek wordt het CAN-model toegepast en wordt er gekeken naar de rol van ambivalentie en attitudebelang in het netwerk.
Lange tijd werd er aangenomen dat een attitude bestaat uit niet één component maar uit meerdere verschillende componenten (Bagozzi & Burnkrant, 1979). In tegenstelling tot Bagozzi & Burnkrant, die twee componenten onderscheidde, vond Breckler (1984) drie verschillende componenten namelijk; een affectieve, een cognitieve en een
gedragscomponent. Een model wat hierop is gebaseerd is het Tripartite model van Breckler. Bagozzi & Burnkrant vonden in 1979 echter al dat er overlap bestond tussen de drie
componenten. Aan de hand van het Tripartite model zou een attitude gezien worden als een latente variabele die is opgebouwd uit de drie eerder genoemde componenten. Uit recent onderzoek blijkt echter steeds meer bewijs voor het bestaan van een attitude als geheel op zich, dit is in tegenstelling tot wat het tripartite model veronderstelt. Fazio (2007)
waarbij de attitude een samenvatting is van deze verbindingen. Eagly & Chaiken (2007) stellen dat een attitude een innerlijke tendentie is die de verschillende componenten, zoals gedrag en affect, beïnvloedt. Met andere woorden; de attitude beïnvloedt de componenten maar de componenten beïnvloeden op hun beurt weer de attitude. Op deze wijze zijn de eerder beschreven onderzoeken van Holland et al. (2002) en Schneider et al. (2012) beter te begrijpen namelijk; de attitude wordt beïnvloedt door de gedragscomponent en de
gedragscomponent beïnvloedt ook weer de attitude. Om deze kennis in een model te vangen schieten latente variabele modellen tekort. Om een model te vinden die de complexiteit van de attitudestructuur weergeeft is er gekeken naar andere disciplines binnen de psychologie. In de psychopathologie is een model ontwikkeld door Borsboom, Cramer,
Schmittmann, Epskamp & Waldorp (2011) dat laat zien hoe verschillende symptomen van een psychopathologische stoornis met elkaar samenhangen. Uit het onderzoek bleek onder andere dat sommige symptomen met elkaar clusteren (sterk samenhangen) en andere niet. Deze bevinding past bij de bevinding van Bagozzi & Burnkrant (1979) dat er ook overlap te vinden is tussen de verschillende componenten van een attitude en bij sommige niet.
Borsboom en Cramer (2013) vonden in een vervolgonderzoek dat er causale relaties kunnen worden vastgesteld in het model. Dalege et al. (2014) hebben de kennis van deze modellen toegepast op de attitudestructuur met als resultaat het CAN-model.
Het CAN-model ziet attitudes als een netwerk van evaluatieve reacties die elkaar beïnvloeden. Met deze evaluatieve reacties worden beliefs, gedragspatronen, affectieve reacties en algehele evaluaties van het attitudeobject bedoeld. De connectie tussen de verschillende componenten zijn een gevolg van directe causale relaties en mechanismen die evaluatieve consistentie waarborgen tussen de componenten. Zo hangt angst voor hoogte (affectieve reactie) direct samen met het vermijden van afgronden (gedragsintenties). Een voorbeeld van evaluatieve consistentie is de samenhang tussen angst voor hoogte (affectieve reacties) en een afkeer tegen hoge gebouwen (algehele evaluatie). In het CAN model lijkt de structuur van de attitude op een small-world structuur. Zo clusteren componenten die gaan over cognitie bij elkaar, dit geldt ook voor componenten die gaan over affect, gedrag en algehele evaluatie.
Omdat het CAN-model een small-world netwerkstructuur veronderstelt kan er gebruik gemaakt worden van meetbare eigenschappen van een netwerk. De belangrijkste eigenschappen zijn; connectiviteit en centrality. Connectiviteit wordt bepaald door de hoeveelheid en sterkte van de verbindingen tussen de knopen. Connectiviteit is een waarde
die weergeeft hoe sterk de verschillende knopen in het netwerk samenhangen. Een grote samenhang betekent dat de knopen in het netwerk sterk verbonden zijn. Centrality heeft als belangrijkste onderdeel closeness. Closeness van een knoop (in dit onderzoek; antwoord op een item) in een netwerk drukt uit hoe goed de knoop verbonden is met andere knopen in het netwerk. Centrality kan gezien worden als een waarde voor de importantie van een knoop in het netwerk. Attitudebelang is een waarde die aangeeft hoe belangrijk een attitude is voor iemand. Uit onderzoek van Dalege, Borsboom, Harreveld & van der Maas (2014) kwam naar voren dat connectiviteit sterk en robuust verbonden is met attitudebelang. Met andere
woorden hoe hoger het belang van de attitude hoe sterker de verbindingen tussen de verschillende knopen.
In het huidige onderzoek gaan we twee hypothese testen, dit gaan we doen door deelnemers een langere tijd (10 dagen) te volgen om zodoende een beeld te krijgen van de dynamiek en structuur van hun attitude. Bringmann et al. (2013) lieten zien dat er een goed beeld is te krijgen van een netwerkstructuur als er over langere tijd data wordt verzameld middels event-sampling. Met de methode die we gaan gebruiken om de attitude te schatten kunnen we van elke deelnemer een individuele netwerkstructuur schatten en deze vervolgens met elkaar vergelijken. Het is bijvoorbeeld interessant om te kijken hoe een individu met een hoge connectiviteit verschilt van een individu met een lage connectiviteit. Door het
vergelijken van individuele attitudestructuren kunnen we bijvoorbeeld nieuwe inzichten krijgen in hoe attitude-gedragsrelaties tot stand komen en veranderen tussen individuen. Wat deze statistische methode doet is het schatten van een waarde (antwoord op een item) op tijdstip 2 (in dit onderzoek de middagmeting of de avondmeting) op basis van de waarden op tijdstip 1 (in dit onderzoek de ochtendmeting of de middagmeting).
Om een attitude te kunnen schatten is het van belang om een attitude te onderzoeken waar variantie in valt te verwachten. Waarschijnlijk zijn ambivalente attitudes meer
veranderlijk over tijd dan niet-ambivalente attitudes. Om deze reden hebben we gekozen voor een attitude die potentieel ambivalent is. Newby-Clark, McGregor & Zanna (2002) maakten onderscheid tussen gevoelde ambivalentie en potentiële ambivalentie. Potentiële ambivalentie is het tegelijkertijd hebben van positieve en negatieve evaluaties over een object, wanneer deze potentiële ambivalentie leidt tot psychisch ongemak spreken de auteurs van gevoelde ambivalentie. Als ambivalent attitude-object hebben we gekozen voor de vrijheid van meningsuiting omdat dit een attitude-object is waar men eenvoudig positieve zowel als negatieve evaluaties over kan hebben. Een voorbeeld van deze ambivalentie; enerzijds vind
ik dat iedereen moet kunnen zeggen wat hij/zij wil, anderzijds vind ik dat een politicus zich niet racistisch mag uitlaten. Deze ambivalentie kan zorgen voor psychisch ongemak dan spreken we dus van gevoelde ambivalentie.
Uit onderzoek van Dalege et al. (2014) kwam naar voren dat de sterkte van een attitude zich in een netwerkstructuur uit in hoge connectiviteit van het netwerk. De eerste hypothese (H1) is dan ook hoe sterker de attitude hoe hoger de connectiviteit van het netwerk. Daarnaast is het te verwachten dat wanneer een hoge potentiële ambivalentie samengaat met een hoge connectiviteit dat dit resulteert in een hoge gevoelde ambivalentie. Wanneer men namelijk sterk gelinkte ambivalente gevoelens heeft zorgt dit volgens de theorie van Newby-Clark et al. (2002) voor gevoel van psychologisch ongemak. Hieruit volgt de tweede hypothese (H2): er is een interactie-effect van connectiviteit en potentiële
ambivalentie op gevoelde ambivalentie.
Tot slot is het interessant om te kijken naar de centrality, zoals eerder beschreven geeft centrality een waarde over de importantie van een item in een netwerk. Er zal
exploratief worden gekeken naar welke items een grote rol spelen in de attitudestructuur. En of waar dit item naar vraagt; affectie, cognitie, gedrag of algehele evaluatie.
Methode Deelnemers
Aan het onderzoek namen 23 deelnemers deel. Van de deelnemers waren er 19 vrouw en 4 man. De proefpersonen zijn eerstejaars psychologiestudenten van de Universiteit van Amsterdam met een gemiddelde leeftijd van 23.1 (5.7). Zij zijn geworven door een advertentie op de website waar psychologiestudenten zich kunnen aanmelden voor onderzoek. In ruil voor hun deelname kregen de proefpersonen 3 proefpersoonpunten.
Materialen
Er wordt gebruik gemaakt van een door de onderzoekers zelf geconstrueerde online vragenlijst over de vrijheid van meningsuiting. In deze vragenlijst, bestaande uit tien vragen, wordt gevraagd naar verschillende aspecten van een attitude, een vraag is bijvoorbeeld “Wanneer striptekeningen potentieel een cultuur of religie beledigen, moeten deze striptekeningen verboden worden”, een andere vraag die meer ingaat op emotie is: “Als
iemand mij kan kwetsen door zijn mening te geven, heb ik liever dat diegene zijn mening voor zich houdt”. De proefpersonen werden geacht antwoord te geven op een
100-puntsschaal variërend van helemaal mee oneens (-50) tot helemaal mee eens (50).
Naast de attitude over de vrijheid van meningsuiting wordt er ook gebruik gemaakt van twee items die de gevoelde ambivalentie (r = .31 p = .16) meten zoals eerder gebruikt door Newby-Clark et al. (2002). Een voorbeeld van een item over gevoelde ambivalentie is: “Ik heb sterk gemixte gevoelens over de vrijheid van meningsuiting” de deelnemer kan vervolgens op een 100-puntsschaal aangeven in hoeverre hij/zij het hiermee eens is, dit kan van helemaal oneens (-50) tot helemaal eens (50).
Het belang van de attitude wordt gemeten door drie items (α=.83), een voorbeeld van de items is “hoe belangrijk vind je de informatie over de vrijheid van meningsuiting”. De proefpersoon kan vervolgens aangeven hoe belangrijk hij/zij deze vindt op een 100-puntsschaal van helemaal niet (-50) belangrijk tot heel belangrijk (50).
De potentiële ambivalentie wordt gemeten door gebruik te maken van de methode van Newby-Clark et al. (2002). Hier worden 3 paren vragen gesteld waar er in de eerste vraag wordt ingegaan op alleen de positieve evaluaties en bij de tweede alleen de negatieve evaluaties. Een voorbeeldvraag is: “Denk aan jouw evaluatie van de vrijheid van meningsuiting. Als je alleen de voordelige aspecten van de vrijheid van meningsuiting overweegt, en daarbij de nadelige aspecten weg laat, hoe voordelig vind je de vrijheid van meningsuiting dan?” de deelnemer kon zijn/haar antwoord geven op een 100-puntsschaal van helemaal niet voordelig (-50) tot helemaal voordelig (50). Voor het berekenen van de
potentiële ambivalentie hebben we per paar de som van de score op het negatieve item en de score op positieve item gedeeld door twee, hier hebben we vervolgens het absolute verschil van de twee scores van afgehaald zodoende hadden we een potentiële ambivalentie scoren per paar. Om tot de uiteindelijke waarde voor potentiële ambivalentie te komen hebben we het gemiddelde genomen van de drie paren.
Procedure
De proefpersonen hebben drie keer per dag de vragenlijst ingevuld, zij kregen op drie momenten (ochtend 10:00, middag 15:00 en avond 20:00) op de dag een email met een link naar de vragenlijst. De proefpersonen konden de vragenlijst invullen vanaf hun telefoon, tablet, laptop of pc. De eerste keer invullen vond plaats onder supervisie van een proefleider,
tijdens deze eerste keer zijn ook de andere vragen over attitudebelang gevoelde en potentiële ambivalentie afgenomen. Uiteindelijk hebben de proefpersonen 30 keer de vragenlijst ingevuld (3x tien dagen). Ook de laatste keer kregen de deelnemers een extra vragenlijst met daarin de vragen over attitudebelang en potentiële en gevoelde ambivalentie.
Data-analyse
Het netwerk wordt geconstrueerd op basis van de samenhang tussen de verschillende items, zoal eerder beschreven door Bringmann et al. (2013). Er wordt gekeken hoe goed items van meetmoment 1 (ochtendmeting) de waarde van een item op meetmoment 2 (middagmeting) kunnen voorspellen. Vervolgens zijn de waardes op meetmoment 2 een voorspeller op voor de waarden op meetmoment 3 (avondmeting). De gemiddelde samenhang overheen de 10 dagen wordt vervolgens weergegeven in het netwerk. Waar de dikte van de verbinding een weergave is van de sterkte van de verbinding.
Connectiviteit wordt gezien als de gemiddelde samenhang tussen de items in een netwerk. Dit wordt gerepresenteerd in het regressiegewicht. Centrality is een afgeleide van de nabijheid en de betweennes. Closeness wordt gezien als de gemiddelde samenhang van een item met andere items. Betweennes wordt gemeten door te kijken hoe vaak een item in de kortste weg zit van het ene item naar het andere item.
Om de eerste hypothese te testen zal er in het eerste geval een Pearsons correlatie worden uitgevoerd over attitudesterkte en connectiviteit. Om de tweede hypothese te testen wordt er een interactie-analyse uitgevoerd met als interactie connectiviteit en potentiële ambivalentie en als afhankelijke variabele gevoelde ambivalentie. Potentiële ambivalentie wordt gemeten door de methode eerder gebruikt door Newby-Clark et al. (2002). Voor de derde exploratieve hypothese zal worden gekeken naar de centrality van de verschillende items.
Resultaten
Na bestudering van de vragenlijst bestaande uit tien vragen is ervoor gekozen om vier vragen niet mee te nemen in de netwerkstructuur, dit omdat het model anders te instabiel werd. Van de overgebleven zes vragen is voor elk individu een netwerkstructuur gemaakt, ook is er een gemiddelde netwerkstructuur gemaakt over alle deelnemers, zie figuur1.
Figuur 1 Gemiddeld attitudenetwerk, de groene lijnen in het figuur geven een positieve relatie aan de negatieve relatie wordt aangeduid met een rode lijn.
Cultuur: “er moet een beperking komen op de vrijheid van meningsuiting bij het beledigen van andere culturen of religies”. Politici: “politici mogen zeggen wat ze van een onderwerp vinden, ook als ze hier potentieel een groep mee kwetsen”. Kwetsen: “ Zelfs als ik met mijn mening iemand mogelijk kwets, moet ik mijn mening kunnen geven”. Internet: “bepaalde meningen op het internet mogen gecensureerd worden om op die manier politieke stabiliteit te waarborgen.” Boos: “Mensen die mij vertellen dat ik bepaalde dingen niet mag zeggen maken mij boos”. Oneens: “Zelfs als ik het met iemand oneens ben vind ik dat diegene zijn mening moet kunnen uiten”.
Figuur 2 en Figuur 3 zijn beide voorbeelden van een individuele netwerkstructuur. De deelnemers verschillen het sterkst op basis van connectiviteit. In het netwerk is duidelijk te zien dat de knopen in figuur 3 sterker zijn verbonden dan de knopen in figuur 2, de dikte van de lijnen geeft immers de sterkte van de verbindingen aan. Wanneer er wordt gekeken naar figuur 1 t/m 3 valt op dat de vraag over internetcensuur (internet) het meest centraal gelegen is en de hoogste score heeft op closeness van alle knopen.
Figuur 2. Attitudenetwerk van deelnemer met lage connectiviteit
Figuur 3. Attitudenetwerk van deelnemer met hoge connectiviteit
De eerst gestelde hypothese wordt ondersteund, er is een relatie tussen belang van attitude (M = 27.04, SD = 10.78) en connectiviteit (M =.17, SD =.04). Omdat we
Pearson correlatie uitgevoerd, hier kwam een positief verband uit (r =.49, p <.01), zie figuur 4. Twee proefpersonen vielen op door een zeer hoge connectiviteit, deze scores weken echter niet meer dan drie standaardafwijkingen van het gemiddelde af zodoende zijn ze niet
verwijderd. Een proefpersoon viel op door zijn afwijkende score op attitudebelang waarbij de deelnemers bijna 3 standaardafwijkingen onder het gemiddelde scoorde, omdat de steekproef zeer klein is is ervoor gekozen om deze deelnemer toch mee te nemen in de analyse.
Figuur 4. De relatie tussen attitudebelang en connectiviteit.
Uit een regressieanalyse, met als voorspeller potentiële ambivalentie, connectiviteit en de interactie tussen potentiële ambivalentie (M = -25.75, SD = 42.81) en connectiviteit (M =.17, SD =.04) en als afhankelijke variabele gevoelde ambivalentie (M = - 2.72, SD = 23.30) bleek de interactie geen significante voorspeller voor de gevoelde ambivalentie R2=16.3%
F(3,19) =.1.23, p =.33. Ook connectiviteit (β = -.40, t = -1.88, p = .08) en potentiële
ambivalentie (β = -.02, t = -.10, p = .92) bleken geen significante voorspellers voor de gevoelde ambivalentie. De tweede hypothese wordt dus niet ondersteund.
De eerste hypothese werd ondersteund er werd een significante relatie gevonden tussen attitudebelang en connectiviteit. De tweede hypothese werd niet ondersteund, de interactie tussen potentiële ambivalentie en connectiviteit is geen significante voorspeller van gevoelde ambivalentie. Tot slot werd de vraag over internetcensuur de vraag met de meeste invloed op de antwoorden van de andere 5 vragen.
Over het algemeen zijn de vragenlijsten goed en op tijd ingevuld door de deelnemers. We hebben de deelnemers expliciet gevraagd om de vragenlijst op elk meetmoment in te vullen hoe de proefpersoon zich op dat moment voelde, of dit daadwerkelijk is gebeurd is moeilijk na te gaan. Het kan niet uitgesloten worden dat de deelnemers door het herhaaldelijk invullen van de vragenlijst zijn beïnvloedt. In figuur 1 is ook te zien dat de beste voorspeller van een antwoord op tijdstip 2 het antwoord op de zelfde vraag was op tijdstip 1. Dit is een logisch resultaat, en een aanwijzing dat de deelnemers de vragen goed hebben begrepen. Volgend onderzoek zou er allicht goed aan doen om eerst een vooronderzoek te doen naar een attitude-object om te kijken hoe veranderlijk de attitude is over tijd.
De steekproef voor dit onderzoek was niet erg groot dus het gevonden effect zal gerepliceerd moeten worden met een grotere steekproef om sterkere ondersteuning te bieden voor de hypothese. Naast het feit dat we gebruik maakten van een kleine steekproef was het overgrote merendeel van de steekproef vrouw, in de literatuur is weinig geschreven over sekseverschillen wat betreft attitudesterkte of ambivalentie. Toch zou het aan te raden zijn om in een vervolgonderzoek een meer representatieve steekproef te nemen om zo de validiteit van het onderzoek te verhogen.
In lijn met eerder onderzoek (Dalege et al., 2012; Dalege et al., 2014) komt in dit onderzoek naar voren dat connectiviteit hoog gecorreleerd is met attitudesterkte (H1). Deze bevinding is in lijn met het idee dat attitudesterkte in psychologisch onderzoek kan worden geconceptualiseerd als connectiviteit in een netwerk. De betrouwbaarheid van de vragen over attitudebelang was hoog, hiermee kan dit onderzoek worden gezien als een aanwijzing dat attitudebelang een sterke voorspeller is van connectiviteit. Het is allicht interessant om in vervolgonderzoek te kijken naar of een manipulatie van attitudebelang effect heeft op de connectiviteit van de attitude. Wanneer de hypothese van Dalege et al. (2014) klopt zal een manipulatie van attitudebelang een effect moeten opleveren in de netwerkstructuur. Ander onderzoek om de hypothese te ondersteunen zou kunnen komen uit onderzoek naar attitude-gedragsrelatie of bijvoorbeeld de invloed van attitudesterkte op aandacht. Het zou interessant kunnen zijn om te kijken of de invloed van een attitude op gedrag (deels) verklaard kan
worden door de connectiviteit van iemands attitude, er zijn tenslotte aanwijzingen om aan te nemen dat attitudesterkte een rol speelt bij deze processen (Holland et al. 2002).
Voor de hypothese dat de interactie van connectiviteit en potentiële ambivalentie invloed heeft op de gevoelde ambivalentie (H2) wordt geen ondersteuning gevonden.
Interessant is ook de bevinding dat gevoelde ambivalentie en potentiële ambivalentie in deze steekproef in zijn geheel niet samenhangen (r =.01, p =.96). Voor deze bevinding zijn verschillende verklaringen mogelijk. Ten eerste kan het zo zijn dat de steekproef qua ambivalentie enorm afwijkt van de populatie. Opmerkelijk is de gemiddelde potentiële ambivalentie die werd gevonden, deze was namelijk; -25.75 met een behoorlijke spreiding (SD = 42.81). Een laag gemiddelde geeft aanwijzing dat hier een verklaring kan worden gevonden voor de lage samenhang, net als bij Newby-Clark et al. (2002) is de samenhang tussen potentiële en gevoelde ambivalentie laag wanneer de potentiële ambivalentie laag is. Ten tweede kan het ook liggen aan de schaal die we hebben gebruikt om potentiële
ambivalentie te meten. De schaal varieerde van -50 (helemaal niet nadelig) tot 50 (heel nadelig) dit kan gezorgd hebben voor de nodige verwarring bij de deelnemers. In vervolgonderzoek zal hier goed naar gekeken moeten worden en zullen dubbele
ontkenningen en negatieve schalen moeten worden vermeden. De twee vragen die gebruikt zijn om gevoelde ambivalentie te meten hingen niet significant met elkaar samen (r =.31, p =.16, dit is een aanwijzing dat de gebruikte vragen niet meten wat ze zouden moeten meten. In vervolgonderzoek is het dan ook aan te raden om een betrouwbare vragenlijst te gebruiken om gevoelde ambivalentie te meten.
De derde exploratieve onderzoeksvraag ging over de centrality van de verschillende items. Zoals besproken in de resultaten had de knoop ‘internet’ de hoogste centrality en de vraag van deze knoop was: In hoeverre bent u het hiermee eens? “bepaalde meningen op het internet mogen gecensureerd worden om op die manier politieke stabiliteit te waarborgen.”. Het is een vraag die op het moment erg actueel is, mag de overheid bijvoorbeeld propaganda van Islamitische Staat blokkeren? Het is een vraag waar men eventueel zich mee bezig heeft kunnen houden de afgelopen tijd. Misschien dat dit een cruciale vraag is voor de dynamiek en structuur van de attitude over vrijheid van meningsuiting op dit moment, dit onderzoek geeft hier een aanwijzing voor.
Samenvattend; er is geen ondersteuning gevonden voor de hypothese dat er een interactie-effect is van potentiële ambivalentie en connectiviteit op gevoelde ambivalentie. Een verklaring hiervoor is de meting van de twee laatstgenoemde variabelen. Er is wel ondersteuning gevonden voor de theorie zoals beschreven door Dalege et al. (2014),
attitudebelang hangt significant samen met connectiviteit. Om de dynamiek en structuur van attitudes te begrijpen is het CAN-model zeer bruikbaar, helemaal in combinatie met
connectiviteit als conceptualisatie van attitudebelang.
Literatuur
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human
Decision Processes, 50(2), 179-211.
Bagozzi, R. P., & Burnkrant, R. E. (1979). Attitude measurement and behavior change: A reconsideration of attitude organization and its relationship to behavior. Advances in
Consumer Research, 6, 295-302.
Borsboom, D., Cramer, A. O., Schmittmann, V. D., Epskamp, S., & Waldorp, L. J. (2011). The small world of psychopathology. PLOS One. Verkregen via:
http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0027407#abstract0 Borsboom, D., & Cramer, O. A. (2013). Network analysis: An integrative approach to the
structure of psychopathology. Annual Review of Clinical Psychology, 9, 191-221. Breckler, S. J. (1984). Empirical validation of affect, behavior, and cognition as distinct
components of attitude. Journal of Personality and Social Psychology,47(6), 1191-1205.
Bringmann, L. F., Visser, N., Wichers, M., Geschwind, N., Kuppens, P., Peeters, F., Borsboom, D. (2013). A network approach to psychopathology: New insights into clinical longitudinal data. Plos ONE, 8(4). Verkregen via:
http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0060188
Dalege, J., Borsboom, D., van Harreveld, F., van der Maas H (2013). Attitude strength =
network connectivity. Ingediend voor publicatie.
Dalege, J., Borsboom, D., van Harreveld, F., van den Berg, H., Conner, M., van der Maas, H. L. J. (2014) Componential attitude network model. Ingediend voor publicatie
Eagly, A. H., & Chaiken, S. (2007). The advantages of an inclusive definition of attitude. Social Cognition, 25(5), 582-602.
Fazio, R. H. (2007). Attitudes as object–evaluation associations of varying strength. Social
Holland, R. W., Verplanken, B., & Knippenberg, A. F. (2002). On the nature of attitude-behavior relations : The strong guide, the weak follow. European Journal of Social
Psychology, 32, 869-876.
Newby-Clark, I. R., McGregor, I., & Zanna, M. P. (2002). Thinking and caring about cognitive inconsistency: When and for whom does attitudinal ambivalence feel uncomfortable? Journal of Personality and Social Psychology, 82(2), 157-166. Schneider, I. K., Eerland, A., Harreveld, F., Rotteveel, M., Van der Pligt, J., Van der
Stoep, N., & Zwaan, R. A. (2013). One way and the other: The bidirectional relationship between ambivalence and body movement. Psychological Science,
24(3), 319-325
Zhou, J., Wang, E., Dovidio, J., & Yu, G. (2009). The effects of structural consistency on attitude-intention and attitude-behavior relationships. Social Behavior and
