4 Anlage der Experimente

Werbung
Motivation und Leistung in sozialen Situationen
Annette Feuchter
Einleitung _________________________________________________________________ 3
1 Theoretischer Hintergrund _________________________________________________ 5
2 Hypothesen ______________________________________________________________ 8
3 Motivationsverluste und Komplexes Problemlösen ____________________________ 10
3.1 Kriterien für die Auswahl eines komplexen Szenarios ______________________ 11
3.2 Beschreibung des Szenarios Networked Fire Chief _________________________ 13
4 Anlage der Experimente __________________________________________________ 13
4.1 Pilotstudien _________________________________________________________ 14
4.1.1 Pilotstudie I _______________________________________________________ 15
4.1.2 Pilotstudie II_______________________________________________________ 15
4.1.3 Pilotstudie III ______________________________________________________ 16
4.2 Experiment 1 ________________________________________________________ 17
4.2.1 Design ____________________________________________________________ 17
4.2.1.1 Experimentelle Manipulation______________________________________ 18
4.2.1.2 Manipulation Checks ____________________________________________ 19
4.2.1.3 Prozedur _______________________________________________________ 20
4.2.1.4 Kontrolle von nicht-experimentellen Einflussfaktoren _________________ 24
4.2.1.5 Ausschluss von weiteren Einflussfaktoren ___________________________ 26
4.2.2 Motivation und Leistung ____________________________________________ 28
4.2.2.1 Ergebnisse für Probanden ________________________________________ 28
4.2.2.2 Ergebnisse für Gruppen __________________________________________ 31
4.2.3 Manipulation Checks _______________________________________________ 32
4.2.3.1 Ergebnisse für Probanden ________________________________________ 32
4.2.3.2 Ergebnisse für Gruppen __________________________________________ 34
4.2.4 Diskussion ________________________________________________________ 35
4.2.4.1 Erklärungen für Motivationsverluste _______________________________ 35
4.2.4.2 Erklärungen für Leistung _________________________________________ 39
4.2.4.3 Zusammenfassung _______________________________________________ 44
4.2.5 Konsequenzen für das zweite Experiment _______________________________ 45
4.3 Experiment 2 ________________________________________________________ 48
4.3.1 Design ____________________________________________________________ 49
4.3.1.1 Kontrolle von nicht-experimentellen Einflussfaktoren _________________ 52
4.2.1.2 Ausschluss von weiteren Einflussfaktoren ___________________________ 54
4.3.2 Motivation und Leistung ____________________________________________ 56
4.3.2.1 Ergebnisse für Probanden ________________________________________ 56
4.3.2.2 Ergebnisse für Gruppen __________________________________________ 59
4.3.3 Manipulation Checks _______________________________________________ 60
4.3.3.1 Ergebnisse für Probanden ________________________________________ 60
4.3.3.2 Ergebnisse für Gruppen __________________________________________ 62
4.3.4 Diskussion ________________________________________________________ 63
4.3.4.1 Erklärungen für Motivationsverluste _______________________________ 63
4.3.4.2 Erklärungen für Leistung _________________________________________ 69
4.4 Zusammenfassung ____________________________________________________ 70
Literatur _______________________________________________________________ 71
2
Einleitung
Zahlreiche Aufgaben erfordern die Zusammenarbeit mehrerer Personen. Die Dissertation geht
der Frage nach, wie in solchen Situationen die Motivation und die Problemlösefähigkeit von
Akteuren durch den Charakter der sozialen Situation beeinflusst werden. Neben positiven
Auswirkungen stellen vor allem die negativen Auswirkungen von Zusammenarbeit
Gegenstand wissenschaftlicher Untersuchungen dar.
In der Sozialpsychologie, der Soziologie sowie der Ökonomie hat sich die Forschung
ausführlich den Problemen des free-ridings1 (Trittbrettfahrens) sowie des social loafings2
(sozialen Faulenzens) zugewandt. Im Gegensatz zum Trittbrettfahren, welches primär als
Resultat eines rationalen Kalküls verstanden wird, geht die sozialpsychologische Forschung
davon aus, dass Motivationsverluste - bedingt durch das Vorliegen einer Situation mit
kollektiver Verantwortlichkeit - auch auf nicht-kognitive Faktoren zurückzuführen sind.
Neben diesem Unterschied finden sich auch Gemeinsamkeiten in beiden Konzepten. Eine
erste Übereinstimmung liegt in der negativen Bewertung der Phänomene. Daraus ergibt sich
eine weitere Gemeinsamkeit: in beiden Bereichen konzentriert sich die Forschung darauf,
Wege zu finden, Akteure in solchen Situationen zur Verantwortlichkeit für die Erstellung
eines kollektiven Gutes bzw. zur Erzeugung eines Gruppenproduktes zu motivieren.
In der sozialpsychologischen Forschung, die im Mittelpunkt der eigenen Untersuchung steht,
konnten mittlerweile drei Bereiche valider Einflussfaktoren auf und für social loafing ausgemacht werden. Sie zeigen einerseits, wodurch social loafing bedingt ist und andererseits mit
Hilfe welcher Maßnahmen das Auftreten dieser Motivationsverluste verhindert werden kann.
Hierbei handelt es sich um situative, personale sowie aufgabenbezogene Einflussfaktoren.
Zu den zentralen situationsbezogenen Einflussfaktoren zählen die Nichtidentifizierbarkeit der
eigenen Leistung sowie der Mangel an Evaluations- und an Vergleichsmöglichkeiten im Hinblick auf die eigene Leistung.3 Daneben gibt es Faktoren, die primär von der Persönlichkeitsstruktur abhängen. Zu nennen sind die Tendenz, kollektive Leistungen hoch zu bewerten
sowie geschlechts- und kulturspezifische Differenzen. Frauen, so haben Studien gezeigt, faulenzen weniger als Männer und bei Personen aus östlichen Kulturkreisen tritt das Phänomen
in geringerem Maße auf als bei Personen aus westlichen Kulturkreisen.4 Von den situativen
und personalen Einflussfaktoren sind ferner jene abzugrenzen, die sich unmittelbar auf die
Aufgabenstellung beziehen. Es hat sich gezeigt, dass Personen weniger faulenzen, wenn sie
der Überzeugung sind, ihr Beitrag zum Gruppenprodukt sei einzigartig oder wenn sie an einer
1
Vgl. hierzu Arnscheid et al., 1997; Baron et al., 1993; Kerr & Bruun, 1983; Olson, 1992
Vgl. hierzu Latané et al., 1979. Der Begriff social loafing fand in diesem Aufsartz erstmals Erwähnung. Zuvor sprach man in der Literatur vom Ringelmann-Effekt. Vgl. Ingham et al. , 1974; Kravitz &
Martin, 1986.
3
Vgl. hierzu Bartis, Szymanski & Harkins 1988.
4
Vgl. hierzu Earley, 1989; Hogg, 1996; Karau, 1997; Karau, 1998; Shirakashi, 1984-1985; Wagner,
1995.
2
3
Aufgabe arbeiten, die intrinsisch motivierend ist.5 Dies gilt auch für komplexe Aufgaben, da
diese eine größere Herausforderung für die Problemlöser darstellen. Die Studien, die den Einflussfaktor Komplexität der Aufgaben- bzw. der Problemstellung untersucht haben, kamen zu
dem Befund, dass soziales Faulenzen in solchen Situationen nur in geringem Maße auftritt.6
Es liegen daneben auch Befunde darüber vor, dass soziales Faulenzen sich positiv auf das
Lösen komplexer Aufgaben7 auswirkt und Gruppen, die sich weniger anstrengen, sogar bessere Leistungen erzielen.8 Die Richtigkeit dieses Befundes soll in der Dissertation überprüft
werden. Lässt sich dieser Befund für das Lösen von komplexen Problemen replizieren, so
hätte dies auch Konsequenzen für die negative Bewertung, die mit dem sozialen Faulenzen
verknüpft ist. Soziales Faulenzen wird nach wie vor meist unter der Perspektive betrachtet, es
sei eine soziale Krankheit, die negative Konsequenzen für die Individuen, für soziale Institutionen sowie für die Gesellschaft habe. Die negativen Konsequenzen ergäben sich vor allem
dadurch, dass Individuen aufgrund der mangelnden Verantwortlichkeit ihr Anstrengungspotential herabsetzten, wenn ihre Beiträge nicht mehr individuell zurechenbar seien. Dies wird
in der Literatur häufig dadurch erklärt, dass das Erregungspotential der beteiligten Akteure
vermindert werde und diese deshalb ihre potentielle Leistungsfähigkeit nicht ausschöpften.9
Wie lässt sich nun aber erklären, dass für das Lösen komplexerer Aufgaben ein vermindertes
Anstrengungspotential positive Auswirkungen haben sollte? Eine mögliche Erklärung besteht
darin, dass aufgrund der Gruppensituation die positiven und negativen Konsequenzen für die
einzelnen verringert werden. Für die einzelnen Problemlöser bedeutet dies, dass die
Beabeitung der Aufgabe bzw. des Problems ruhiger angegangen werden kann und sie sich in
der kollektiven Situation mehr Zeit für die problemrelevante Informationsverarbeitung nehmen können und weniger von der Bearbeitung der Aufgabe bzw. des Problems abgelenkt
sind.10
In der vorliegenden Untersuchung soll u.a. der Einfluss beider Faktoren, der positiven und
negativen Konsequenzen sowie des Informationsverarbeitungspotentials, überprüft werden,
um eine Erklärung für den empirischen Befund zu gewinnen, dass kollektive Gruppen beim
Lösen komplexer Probleme bessere Leistungen erbringen. Eine kausale Erklärung des
5
Vgl. hierzu Amabile 1979; Brickner, Harkins & Ostrom, 1986; Kerr & Bruun 1983; Paulus 1983;
Zaccaro 1984.
6
Vgl. hierzu Bartis, Szymanski &Harkins, 1988; Griffith, Fichman & Moreland, 1989; Harkins &
Petty, 1982; Jackson & Williams 1985.
7
Aufgaben lassen sich im Gegensatz zu Problemen dadurch kennzeichnen, dass es sich bei ersteren
um Anforderungen handelt, für deren Bewältigung die Methoden bekannt sind. Bei Problemen wird
hingegen von einer Spannung zwischen einem Ist- und einem Sollzustand ausgegangen. Zur Transformation des Ist- in den Zielzustand muss mit Hilfe erst zu entwickelnder Methoden eine Barriere
überwunden werden. Der Übergang zwischen Aufgaben und Problemen ist dennoch fließend, da der
Unterschied keine absolute Eigenschaft des Problems selbst ist, sondern auch von dem Vorwissen des
Problemlösers abhängt. Vgl. Hussey, 1984.
8
Vgl. hierzu Jackson & Williams, 1985. Damit dieser paradoxe Effekt überhaupt auftreten kann, ist
aber vorauszusetzen, dass es soziales Faulenzen auch in solchen komplexen Problemlösesituationen
gibt.
9
Vgl. hierzu Davis 1969; Geen 1991.
10
Vgl. hierzu Griffith, Fichman & Moreland 1989; Karau & Williams 1993; Paulus, 1983.
4
Zusammenhangs von sozialem Faulenzen und der Güte kollektiver Leistungen ist sowohl
wissenschaftsimmanent als auch im Hinblick auf zahlreiche Anwendungsfelder von herausragender Relevanz. Können diese Zusammenhänge adäquat beschrieben und in der experimentellen Untersuchung gezeigt werden, dass sich erhöhter Leistungsdruck und erhöhte individuelle Verantwortlichkeit negativ auf die Entscheidungsfindung und auf die Problemlösung in
komplexen realitätsnahen Situationen auswirken, so hätte dies Folgen für die Gestaltung zahlreicher institutioneller Arrangements, in denen man sich nach wie vor durch die Übertragung
der Verantwortlichkeit auf eine Person einen Vorteil verspricht.
1 Theoretischer Hintergrund
Den theoretischen Überlegungen der Dissertation liegt das von Karau & Williams (1993)
entwickelte Collective Effort Model (CEM) zugrunde.11 Dieses Modell basiert auf den
Grundlagen der klassischen Wert-Erwartungstheorie12 und ging aus einer Metaanalyse über
die Einflussfaktoren auf soziales Faulenzen hervor.13 Ziel der Arbeit ist es, dieses Modell zum
einen einer empirischen Überprüfung zu unterziehen, um die Richtigkeit der theoretischen
Annahmen für das Lösen komplexer Probleme zu erforschen. Zum anderen soll die Arbeit
zeigen, worin die Defizite des Modells liegen und welche ergänzenden theoretischen Annahmen erforderlich sind, um die Motivationsverluste samt Auswirkungen auf die Güte der kollektiven Problemlösefähigkeit in komplexen Problemlösesituationen zu erklären.
Das CEM integriert zahlreiche theoretische Ansätze, die zuvor als Mediatoren zur Erklärung
von social loafing ausgewiesen wurden. Den Autoren folgend bilden diese Ansätze noch
keinen Erklärungsrahmen, der Aussagen darüber erlaubt, welche besonderen Faktoren social
loafing in unterschiedlichen Bedingungen abschwächen oder begünstigen. Die Assoziation
der moderierenden Variablen mit unterschiedlichen Theorien zeichneten daher nur einen von
mehreren kausalen Mechanismen auf.
Die folgenden Ansätze sollen in der Dissertation diskutiert werden:
1. Evaluation Potential ("Evaluationspotentiale"): Dieser Ansatz geht davon aus, dass die
Nichtidentifizierbarkeit individueller Beiträge in kollektiven Situationen zu Motivationsverlusten führt. Akteure entziehen sich deshalb der Verantwortlichkeit für die Erstellung
eines Gruppenproduktes.14
2. Dispensability of Effort ("Entbehrlichkeit der Anstrengung"): Dieses Paradigma ist eng
mit dem free-riding verknüpft. Es besagt, dass Akteure ihren Beitrag in kollektiven
11
Vgl. hierzu Karau & Williams 1993, 1995.
Vgl. hierzu Feather, 1982a; 1982b; Mitchell, 1982; Raynor, 1982; Vroom, 1964.
13
Das CEM wurde bisher nur vereinzelt einer empirischen Überprüfung unterzogen. Vgl. Arnscheid,
1997; Hoeksema-van Orden, 1998; Huguet, 1999; Shepperd & Taylor, 1999.
14
Vgl. hierzu Davis 1960; Harkins 1987; Harkins & Jackson, 1985; Williams et al., 1981.
12
5
Situationen für entbehrlich erachten, sofern sie davon ausgehen, dass sich andere Akteure
hinreichend für die Erstellung des kollektiven Gutes einsetzen.15
3. Matching of Effort ("Anpassung der Anstrengung"): Dieser Ansatz geht von der
gegenseitigen Unterstellung der Akteure aus, die Coakteure würden ihr Anstrengungspotential in einer kollektiven Situation verringern. Aufgrund dieser Projektion reduzieren
sie selbst ihre eigene Anstrengung, um nicht die Leistungen anderer kompensieren zu
müssen.16
4. Self-Attention ("Selbstwahrnehmung"): Diese Theorie betont den Mangel an Kontrolle,
den Akteure in kollektiven Situationen über ihr Leistungspotential haben. Motivationsverluste kommen deshalb zustande, da es keine Vergleichsmöglichkeiten bzw. Standards
gibt.17
Das auf wert-erwartungstheoretischen Annahmen basierende CEM wird von Karau & Williams (1993) durch Annahmen der Theorie Sozialer Identität in Gruppen18 ergänzt. Steht bei
der Wert-Erwartungstheorie die Frage nach der Instrumentalität der Mittel im Zentrum, so
gibt die Theorie Sozialer Identität Auskunft darüber, welche Ziele Akteure hoch bewerten.
Das CEM geht davon aus, dass die motivationale Kraft von drei Faktoren abhängt:
1. der Erwartung (expectancy), die besagt, dass eine hohe Anstrengung auch zu einem hohen
Leistungsniveau führt;
2. der Instrumentalität (instrumentality), die besagt, dass gute Leistungen auch weitere positive Konsequenzen haben und
3. der Bewertung der Resultate bzw. Ergebnisse (valence of outcomes), die besagt, dass die
Ergebnisse als wünschenswert betrachtet werden.
Karau & Williams betonen, dass in einer kollektiven Situation die wahrgenommene Instrumentalität von drei Faktoren abhängt:
a.) vom Zusammenhang zwischen individueller und kollektiver Leistung
b.) vom Zusammenhang zwischen Gruppenleistung und den Gruppenbelohnungen und
c.) vom Zusammenhang zwischen der Gruppenbelohnung und der individuellen Belohnung.
Aus diesen Annahmen ergeben sich zwei Thesen: Die erste These besagt, dass es in der
individuellen Leistungssituation einen stärkeren Zusammenhang zwischen der Anstrengung
und der Belohnung gibt. In einer kollektiven Leistungssituation ist die individuelle Belohnung
hingegen nicht unmittelbar erreichbar, sondern wird über das Gruppenprodukt vermittelt.
Social loafing kommt deshalb zustande, weil die Kontingenz zwischen individueller
Anstrengung und der Auszahlung in einer kollektiven Situation höher ist als in einer
individuellen oder koaktiven Situation.
15
Vgl. hierzu Bruun & Kerr, 1983; Kerr, 1983.
Vgl. hierzu Jackson & Harkins, 1985.
17
Vgl. hierzu Jackson, 1986; Mullen, 1983; 1985; 1991.
18
Für einen Überblick, siehe: Abrams, 1999; Hogg, 1999; Taijfel, 1986.
16
6
Die zweite These besagt, dass es angesichts der Kontingenz von Leistung und Auszahlung zu
einer geringeren individuellen Bewertung des Ergebnisses kommt. D. h. Ziele, die schwer zu
erreichen sind, werden zugunsten anderer Ziele aufgegeben.
Erkennen Akteure, dass einer dieser Zusammenhänge zwischen individueller und kollektiver
Leistung, zwischen Gruppenleistung und Gruppenbelohnung oder zwischen Gruppenbelohnung und individueller Belohnung gestört ist, sinkt die Instrumentalität und Akteure werden
sich folglich nicht mehr in dem Maße anstrengen. Ähnlich werden sich Akteure nicht anstrengen, wenn die Ziele nicht wünschenswert sind, selbst wenn diese unmittelbar an die individuelle Leistung rückgebunden sind. Relevante individuelle Ziele sind z.B. externe Belohnungen,
das Gefühl der Zugehörigkeit zu einer Gruppe sowie Informationen über die Selbstbewertung
bzw. Selbsteinschätzung.
Das CEM stellt den theoretischen Rahmen für meine Arbeit bereit. Es erlaubt mir, die relevanten Faktoren zu identifizieren und in der empirischen Untersuchung zu erheben, die einen
Einfluss auf social loafing haben. Aufgrund der kognitivistischen Ausrichtung dieses Modells
stellt sich aber die Frage, ob seine Erklärungskraft auch im Hinblick auf komplexe Probleme
ausreichend ist, da diese mit höheren emotionalen Anforderungen verbunden sind. Darüber
hinaus stellt das CEM keine Erklärung dafür bereit, wie sich social loafing beim Lösen komplexer Probleme auf die Güte der Leistung auswirkt. Deshalb wird ein weiteres Ziel meiner
Arbeit darin bestehen, das CEM durch zusätzliche Erklärungsansätze zu ergänzen. Diese
Ansätze bilden die Arousal Reduction Theorie ("Theorie der Triebreduktion") (1) sowie das
Cognitive-Motivational Model (CMM) (2).
1.) Die wesentliche Aussage der Arousal Reduction Theorie besteht darin, dass Akteure in
einer für sie schwierigen Situation in der Anwesenheit anderer weniger Angst haben als
Akteure, die in derselben Situation alleine sind. Es wird davon ausgegangen, dass das
Arbeiten in Gruppen triebreduzierend wirkt und der Arousal, d. h. die Erregung der einzelnen
Akteure, aufgrund der sozialen Situation verringert wird.19 Beim Lösen komplexer Aufgaben
ist diesen theoretischen Annahmen zufolge die Leistungsfähigkeit von Akteuren in
kollektiven Situationen besser als jene von Akteuren in koaktiven oder individuellen
Situationen. Diese bessere Leistungsfähigkeit verdankt sich schließlich der verminderten
Erregung.20
2.) Das Cognitive-Motivational Model (CMM) umfasst im wesentlichen drei Komponenten,
die Anstrengung (Effort), die Erregung (Arousal) und die problemirrelevante Informationsverarbeitung (task irrelevant information processing).21 Effort und Arousal sind motivationale Faktoren und letzterer stellt einen kognitiven Faktor dar.
Das CMM basiert auf drei Annahmen: (1) Die Anwesenheit anderer beeinflusst die sozialen
Konsequenzen der Ergebnisse für das Individuum, diese wirken sich (2) sowohl auf die
19
Vgl. hierzu Schachter, 1959; Wrightsman, 1960.
20
Vgl. hierzu Jackson & Williams, 1985.
21
Vgl. hierzu Geen, 1989; Griffith, Fichman & Moreland, 1989; Paulus, 1983
7
individuelle Motivation (Effort und Arousal) als auch auf die Kognition (task-irrelevant
information processing) aus. (3) Die Leistung ist eine Funktion dieser motivationalen und
kognitiven Faktoren. Beim Lösen komplexer Aufgaben in kollektiven Situationen, wird der
Arousal, der Effort wie auch das task-irrelevant information processing reduziert. Eine höhere
Leistung kommt deshalb zustande, weil der verminderte Effort und der verminderte Arousal
durch die Verringerung der irrelevanten Informationsverarbeitung ausgeglichen wird. Eine
verringerte Informationsverarbeitung, die sich nicht primär auf die Aufgabe bezieht, kann sich
insofern positiv auf das Leistungspotential auswirken, da die Konzentration auf die Aufgabe
nicht gestört wird.
Auf der Grundlage dieser, wenn auch nur kurz skizzierten theoretischen Überlegungen, sollen
in einem weiteren Schritt die Hypothesen, die in der empirischen Untersuchung überprüft
wurden, dargestellt werden.
2 Hypothesen
In der Untersuchung wurden die folgenden Hypothesen getestet, die sich auf die Anstrengungsniveaus und die Leistung der Probanden in den Treatmentbedingungen beziehen.
H1.1: Beim Problemlösen ist die Anstrengung in der koaktiven Situation insgesamt höher
als in der kollektiven Situation.22
H1.2: Beim Problemlösen ist die Anstrengung in der komplexeren Situation insgesamt
höher als in der weniger komplexen Situation.
H1.3: Die höhere Anstrengung koaktiver Gruppen (E1) führt beim Lösen des einfacheren
Problems zu besseren Leistungen (P) gegenüber der geringeren Anstrengung kollektiver Gruppen (E2). Für einfache Probleme gilt: E1 > E2  P1 > P2.
H1.4: Beim Bearbeiten eines komplexeren Problems führt die höhere Anstrengung
koaktiver Gruppen (E1) gegenüber der geringeren Anstrengungen kollektiver Gruppen
(E2) zu schlechteren Leistungen (P). Für komplexe Probleme gilt: E1 > E2  P1 < P2.
Zur Erklärung der unterschiedlichen Anstrengungsniveaus in koaktiven im Vergleich zu kollektiven Gruppen sollen folgende Hypothesen getestet werden:
H2: Die höhere Anstrengung in den koaktiven Gruppen gegenüber den kollektiven
Gruppen lässt sich auf das erhöhte Erregungsniveau in den Nominalgruppen
zurückführen.
H3: Die höhere Anstrengung in den Nominalgruppen ist auf das höhere Stressniveau
22
Koaktive Situation soll synonym verwendet werden mit koaktiver Arbeitsbedingung. Selbiges gilt
auch für kollektive Situation und kollektive Arbeitsbedingung.
8
zurückzuführen.
H4: Die höhere Anstrengung in koaktiven Gruppen lässt sich auf die höhere
wahrgenommene Instrumentalität der Mittel sowie auf die höhere Bewertung
der Ergebnisse im Vergleich zu den kollektiven Gruppen zurückführen.
Dem Collective Effort Model (CEM) folgend ist die Instrumentalität in kollektiven Situationen geringer als jene in koaktiven Situationen, da die mit dem Aufwand verbundenen Ergebnisse in kollektiven Situationen nicht unmittelbar gegeben sind, sondern über die Gruppe
vermittelt werden. Die wahrgenommene Instrumentalität alleine kann hohe Anstrengung aber
noch nicht erklären. Eine weitere Voraussetzung für eine hohe Anstrengung besteht darin,
dass die Akteure die Ergebnisse auch hoch bewerten müssen. Aufgrund der unmittelbaren
Erreichbarkeit der Ergebnisse unter koaktiven Arbeitsbedingungen kann davon ausgegangen
werden, dass die Ergebnisse dort höher bewertet werden als unter kollektiven Arbeitsbedingungen und daher die Anstrengung höher ist.23
Wurden in H2 bis H4 Erwartungen über die Einflussfaktoren auf die Anstrengung formuliert,
so beinhalten die folgenden Hypothesen Aussagen über das Verhältnis von Anstrengung und
Leistung.
Dem Cognitive-Motivational Model (CMM) zufolge lassen sich höhere Anstrengungen in
koaktiven Situationen auf die höheren positiven wie auch negativen Konsequenzen in diesen
Situationen zurückführen. Hohe positive Konsequenzen im Sinne von Belohnungen führen zu
erhöhter Anstrengung und hohe negative Konsequenzen im Sinne von Bewertungsängsten
führen dem CMM zufolge zu höherer Erregung (Arousal), zu höherer Anstrengung (Effort)
sowie zu einer Steigerung problemirrelevanter Informationsverarbeitungsprozesse (task irrelevant information processing).
H5.1: Die problemirrelevante Informationsverarbeitung ist unter koaktiven Arbeitsbedingungen höher als unter kollektiven Arbeitsbedingungen.
H5.2: Bei der Bearbeitung einfacher Probleme wird in der koaktiven Situation die mit der
Anstrengung verbundene Leistung nicht negativ durch die irrelevante Informationsverarbeitung beeinträchtigt.
Die Leistungen koaktiver Gruppen sind besser als die Leistungen kollektiver Gruppen.
H5.3: Beim Lösen komplexer Probleme wird die Leistung in der koaktiven Situation durch
die problemirrelevante Informationsverarbeitung negativ beeinflusst und kann nicht
durch die Anstrengung kompensiert werden.
23
Umgekehrt kann aber auch der Fall eintreten, dass Akteure in kollektiven Situationen die Gruppe an
sich oder die von der Gruppe erbrachte Leistung hoch bewerten, gerade weil es eine kollektiv
erbrachte Leistung ist. Kollektive Gruppen strengen sich in diesem Falle sogar in höherem Maße an
als koaktive Gruppen. Vgl. Karau & Hart 1998; Williams, Karau & Bourgeois 1993.
9
In komplexeren Problemsituationen sind die Leistungen der kollektiven Gruppen, die
sich in geringerem Maße anstrengen als die koaktiven Gruppen besser, weil in diesem
Falle die geringere Anstrengung durch die Verminderung der problemirrelevanten
Informationsverarbeitung kompensiert werden kann.
Auf der Grundlage der theoretischen Annahmen, die Jackson & Williams (1985) formuliert
haben, lassen sich unterschiedliche Erwartungen über das Verhältnis von Anstrengung und
Leistung für einfachere und komplexere Problemstellungen formulieren. Den Annahmen
zufolge führt die Anwesenheit anderer zu einer Trieberhöhung. Aufgrund dieser Trieberhöhung werden meist bereits ausgeprägte Verhaltensmuster zur Lösung des Problems angewendet.
H6.1: Diese sozial erzeugte Erregung und die Anwendung dieses Verhaltens führt beim
Lösen einfacher Probleme zu besseren Leistungen.
H6.2: Beim Lösen komplexerer Probleme wirkt sich die Anwendung bereits ausgeprägter
Verhaltensmuster hingegen nachteilig aus und ist mit einer erhöhten Fehlerquote verknüpft, was die Leistungsfähigkeit der Probanden beeinträchtigt.
3 Motivationsverluste und Komplexes Problemlösen
Die vorliegenden Studien zum sozialen Faulenzen befassten sich überwiegend mit der Bearbeitung einfacher Aufgabenstellungen. Der Einfluss unterschiedlicher Komplexitätsniveaus
und Schwierigkeitsgrade auf und für soziales Faulenzen war bisher nur Gegenstand weniger
Untersuchungen.24 Ein gemeinsames Merkmal dieser Studien, die den Einfluss unterschiedlicher Schwierigkeitsgrade der Aufgabenstellung auf soziales Faulenzen untersucht haben,
besteht darin, dass die Vorstellungen darüber, was schwierige oder auch komplexe Aufgabenstellungen sind, sehr heterogen sind. Dies ist insofern problematisch, da die Problemschwierigkeit sowohl von den Problem- als auch von den Personenmerkmalen abhängt. Die Problemkomplexität stellt - folgt man der Taxonomie Hussys (1984) - aber lediglich ein zentrales
Problemmerkmal dar. Problemmerkmale werden in der Problemlöseforschung unterschieden
nach Situationsmerkmalen, nach inhaltlichen und nach formalen Merkmalen. Zu letzteren
zählt auch die Komplexität des Problems. Um die terminlogische Unschärfe der vorliegenden
Untersuchungen im Bereich Soziales Faulenzen zu überwinden, soll diese Taxonomie in der
eigenen Untersuchung zugrundegelegt werden. Dies erlaubt es mir zudem, adäquat beschreiben zu können, welche Manipulation in den unterschiedlichen Treatmentbedingungen vorgenommen werden. Zu nennen sind die Variation der situativen Merkmale im Sinne des Vergleichs von koaktiven und kollektiven Arbeitsbedingungen sowie die Variation der formalen
Merkmale im Sinne der Problemkomplexität.
24
Vgl. Bartis, Szymanski & Harkins, 1988; Brickner, Harkins & Ostrom, 1986; Griffith, Fichman, &
Moreland, 1989; Harkins & Petty 1982; Jackson & Williams, 1985.
10
Im Mittelpunkt der vorliegenden Untersuchung steht die Frage, wie sich die Komplexität des
Problems auf die Motivation und die Problemlösefähigkeit auswirkt. Welchen Einfluss der
Schwierigkeitsgrad hat, soll im folgenden vernachlässigt werden.
Um die Variation der Problemkomplexität adäquat erfassen zu können, beziehe ich mich auf
die von Dietrich Dörner entwickelten Kriterien zur Bestimmung eines komplexen Problems.
Nach Dörner weisen komplexe Probleme bzw. komplexe Systeme folgende Merkmale auf:
(1) Komplexität, (2) Vernetztheit, (3) Eigendynamik, (4) Intransparenz und (5) Polytelie.25
Ein Problem ist (1) komplex, wenn es aus vielen unterschiedlichen Variablen besteht, die die
Problemlöserin überschauen muss. Dies erfordert eine gezielte Informationsreduktion. Aufgrund (2) der Vernetztheit der Variablen ist es erforderlich, die wechselseitige Abhängigkeit
der beteiligten Variablen zu berücksichtigen. Ein komplexes Problem weist ferner (3) eine
Eigendynamik auf, d. h. das Problem verändert sich auch ohne Zutun der Problemlöserin.
Diese Eigendynamik führt dazu, dass Problemlöser häufig rasche Entscheidungen treffen
müssen und nur begrenzte Zeit zum Nachdenken zur Verfügung haben. Ferner zeichnet sich
ein komplexes Problem (4) durch Intransparenz aus. Dies führt dazu, dass Entscheidungen
unter Unsicherheit getroffen werden müssen, da nicht alle Informationen zur Verfügung stehen. Als weiteres Kriterium ist (5) die Polytelie zu nennen, die besagt, dass mehrere Kriterien
gleichzeitig optimiert werden müssen, obgleich diese oftmals auch im Widerspruch zueinander stehen. Dies erfordert eine differenzierte Zielstrukturierung sowie eine mehrdimensionale Informationsbewertung seitens der Problemlöser.
Auf der Grundlage dieser Kriterien lässt sich auch beschreiben, worin die Manipulation des
Komplexitätsniveaus eines Szenarios liegt. War diese Beschreibung der Komplexitätsniveaus
in den bisherigen Untersuchungen eher vage, so ist es mit Hilfe der fünf Kriterien möglich,
eine adäquate Analyse der unterschiedlichen Komplexitätsniveaus vorzulegen.
3.1 Kriterien für die Auswahl eines komplexen Szenarios
Das erste computersimulierte Szenario, welches im deutschsprachigen Raum für Forschungszwecke eingesetzt wurde, war TANALAND.26 Die Problemlöser mussten in diesem ökologisch ausgerichteten Szenario für das Wohlergehen einer fiktiven afrikanischen Landschaft
Sorge tragen. Ende der 70er Jahre wurde einweiteres computersimuliertes Szenario,
LOHHAUSEN, von Dörner und seinen Mitarbeitern zum Einsatz gebracht.27 In diesem Szenario war es die Aufgabe der Problemlöser, sich in die Lage eines Bürgermeisters zu versetzen und sich über Monate hinweg um den Fortbestand der Kleinstadt zu kümmern. Seither
wurden zahlreiche weitere Szenarien mit höchst heterogenen semantischen und inhaltlichen
Einbettungen entwickelt, die überwiegend in der kognitionspsychologischen Grundlagenfor25
Vgl. hierzu Dörner et al. 1983; Frensch & Funke 1995; Funke 1999
Vgl. Dörner & Reither, 1978.
27
Vgl. Dörner et al., 1983.
26
11
schung sowie in der Eignungsdiagnostik Verwendung finden. Der Einsatz solcher Szenarien
im Bereich der Sozialpsychologie ist hingegen nach wie vor sehr selten. 28 Aufgrund der
geringen Anzahl an Studien, die den Umgang mit computersimulierten Szenarien in sozialen
Bedingungen untersucht haben, ist es auch nicht verwunderlich, dass für den Bereich soziales
Faulenzen noch keine Studien vorliegen, bei denen computersimulierte Szenarien zugrundegelegt wurden.29
Im Gegensatz zu den klassischen Brainstorming- und Lärmerzeugungsaufgaben, um nur
einige Beispiele zu nennen, die in dieser Forschung bislang eingesetzt wurden, weisen computersimulierte Szenarien einen hohen Realitätsgehalt auf und sind hoch motivierend. Daher
ermöglichen sie es auch zu überprüfen, ob soziales Faulenzen beim Lösen realitätsnaher
Probleme überhaupt auftritt. Die Ergebnisse der Feldforschung scheinen dies zwar bereits
belegt zu haben30, aufgrund der Unkontrollierbarkeit der Bedingungen im Feld, sollten diese
Befunde jedoch einer weiteren experimentellen Überprüfung unterzogen werden, wofür sich
computersimulierte Szenarien bestens eignen. Für den Einsatz einer Computersimulation
spricht ferner, dass die Probanden über einen längeren Zeitraum hinweg an der Simulation
arbeiten. Im Gegensatz zu den klassischen Aufgabenstellungen, bei denen die Anwendung
bereits bekannter Methoden zur Lösung der Aufgabenstellung ausreichend sind, ist der
Umgang mit einer Simulation sehr voraussetzungsvoll und erst nach einer intensiven Trainingsphase zu bewerkstelligen. Aufgrund der intensiven und produktiven Auseinandersetzung
mit dem Problem sowie der wiederholten Bearbeitung der Simulation kann zudem die ökologische Validität der Ergebnisse gewährleistet werden, da Personen in realen Situationen ebenfalls über eine längere Zeit hinweg an einem Problem arbeiten.
Es wurde bereits darauf hingewiesen, dass mittlerweile eine Vielzahl von computersimulierten Szenarien mit den unterschiedlichsten Inhalten vorliegt. Diese Szenarien lassen sich auch
danach klassifizieren, ob sie eine klare objektiv bestimmbare Zielvorgabe für die Problemlöser formulieren oder ob die Problemlöser selbst die Ziele entwickeln müssen. Ein Beispiel für
letzteres wäre die Simulation LOHHAUSEN, in der die Probanden für das Wohlergehen der
fiktiven Kleinstadt verantwortlich waren und dabei selbst entscheiden mussten, welche Prioritäten, sei es im ökologischen Bereich, sei es in der Vollbeschäftigung, sie für richtig halten.
Szenarien mit klarer Zielformulierung stellen beispielsweise die unterschiedlichen Fire Chief
Simulationen dar, die von Dörner, Brehmer sowie Omodei & Wearing entwickelt wurden.
Für die eigene Untersuchung stellt die Ermittlung eines objektiv bestimmbaren Leistungskriteriums eine notwendige Voraussetzung dar, was die Auswahl an verfügbaren Simulationen
erheblich einschränkt.
Eine weitere Anforderung an das einzusetzende Szenario besteht darin, dass die Simulation
unter verschiedenen Untersuchungsbedingungen bearbeitet werden kann. Beide Anforderun28
Vgl. hierzu Badke-Schaub 1993a; 1993b; Berkowitz & Szabo 1978, Boos et al., 1990; Boos &
Scharpf, 1990; Endres, 1994; Hesse, Spies & Lüer, 1983; Köller, Dauenheimer & Strauß 1993.
29
Ausnahme bildet der Einsatz von Labyrinthaufgaben (mazes) (vgl. Jackson & Harkins, 1985). Das
Szenario, welches in der eignen Forschung zugrundegelegt wird, ist allerdings weitaus komplexer.
30
Vgl. Comer, 1995
12
gen werden von der Computersimulation Networked Fire Chief bestens erfüllt. Darüber hinaus erlaubt das NFC-Programm eine getrennte Bestimmung von Leistung (Performance) und
Anstrengung (Effort) wodurch untersucht werden kann, wie sich beide Größen zueinander
verhalten. Dies war für die Aufgabenstellungen, die bislang der Forschung im Bereich soziales Faulenzen zugrundelagen, nicht möglich, was dezidierte Aussagen über das Verhältnis von
Leistung und Anstrengung nicht zuließ.
3.2 Beschreibung des Szenarios Networked Fire Chief
Die Computersimulation Networked Fire Chief (NFC), die von australischen Experten entwickelt wurde, konnte ich für meine eigene Zwecke umprogrammieren und an mein Forschungsdesign anpassen. Es handelt sich dabei um die Computersimulation einer realen Feuerlöschsituation, in der Probanden in Dreiergruppen gemeinsam einen Flächenbrand bekämpfen müssen, der in bestimmten Segmenten auf der Bildschirmoberfläche ausbricht. 31 Aufgabe
der Probanden ist es, die Ausbreitung der Feuer zu kontrollieren, indem sie diese mit den
ihnen zur Verfügung stehenden Löschfahrzeugen bekämpfen. Ist ein Feuer ausgebrochen, so
breitet es sich mit einer zuvor festgelegten Geschwindigkeit auf die angrenzende Fläche aus.
Die Ausbreitungsrichtung wird durch die Windrichtung bestimmt, welche sich – unter Kontrolle der Versuchsleiterin – im Laufe des Spiels häufiger verändert. Auf dem Spielfeld befinden sich unterschiedliche Symbole (besiedelte Gebiete, Vegetationen), die es zu retten gilt.
Sie weisen jeweils einen unterschiedlichen Stellenwert im Hinblick auf die Gewichtung zum
Gesamtergebnis auf. So ist es beispielsweise wichtiger, besiedelte Gebiete als Grünflächen zu
retten. Das Programm erlaubt es, die individuelle und die kollektive Leistung der Spieler in
Form von Prozentsätzen geretteter Fläche bzw. Objekte zu ermitteln. Der im Anschluss an die
Simulationsbearbeitung ausgegebene „statistics report“ liefert neben allgemeinen Leistungsindikatoren auch Indikatoren für das individuelle Eingriffsverhalten und die Nutzung der
jeweils zur Verfügung gestellten Ressourcen. Somit ist es möglich, unabhängig von der Performance die Anstrengungswerte für die jeweiligen Spieler zu bestimmen. Die Unterscheidung beider Werte erlaubt es, eine Verhältnisbestimmung zwischen beiden Größen vorzunehmen und Effizienzwerte für die jeweiligen Spieler zu berechnen.
4 Anlage der Experimente
Ziel der Untersuchung ist es erstens nachzuweisen, ob soziales Faulenzen beim Lösen komplexer Probleme überhaupt auftritt und wenn ja, ob sich soziales Faulenzen zweitens positiv
auf das Lösen komplexer Probleme auswirkt. Da in den einschlägigen Untersuchungen
gezeigt werden konnte, dass beim Lösen komplexer Aufgaben die kollektiven Gruppen bessere Leistungen erzielten als die koaktiven Gruppen, ist zu prüfen, ob dieser Befund auch für
das Lösen komplexer Probleme bestätigt werden kann. Lässt sich dieser Befund für komplexe
31
Vgl. hierzu Omodei & Wearing 1993, 1995b; Omodei et al., 1998.
13
Probleme replizieren, so wird der Frage nachgegangen, worauf sich dieses inverse Verhältnis
von Aufwand und Leistung zurückführen lässt.
Die Beantwortung dieser Fragen soll auf der empirischen Grundlage zweier Experimente
erfolgen. In beiden Experimenten soll geprüft werden, wie sich unterschiedliche Arbeitsbedingungen (koaktiv vs. kollektiv) und unterschiedliche Komplexitätsniveaus der Problemstellung auf soziales Faulenzen und die Leistungsfähigkeit von Problemlösern auswirken. Die
Problemstellung besteht darin, dass die Teilnehmerinnen und Teilnehmer die oben beschriebene Computersimulation NFC bearbeiten.
Der Unterschied zwischen den beiden Experimenten liegt darin, dass im ersten Experiment
eine eher additive Problemstellung und im zweiten eine eher kompensatorische Problemstellung zugrundegelegt wird. Da die Probanden im ersten Experiment lediglich auf einem Feld
die Feuer bekämpfen können, ist ihr Beitrag, den sie zur kollektiven Leistung erbringen können, begrenzt. Die kollektive Leistung ergibt sich aus dem Durchschnitt der erbrachten
Leistungen in den drei Feldern. Diese Beschränkung auf ein Feld wird im zweiten Experiment
dahingehend modifiziert, dass die Probanden auch in den benachbarten Gebieten die Feuer
bekämpfen können. Dies erlaubt es, eine realitätsnähere Situation zu schaffen, in der die
schwächeren Leistungen bestimmter Spieler durch das Engagement anderer Spieler
kompensiert werden können.
In beiden Experimenten sollen schließlich unterschiedliche Komplexitätsniveaus verglichen
werden. Die Manipulation der Komplexität erfolgt durch den Einsatz einer weiteren Ressource, die zur Bekämpfung der Feuer notwendig ist. Gemessen an den oben beschriebenen
Kriterien zur Bestimmung komplexer Probleme erhöht sich mit dem Hinzufügen einer weiteren Ressource die Komplexität, die Vernetztheit, die Intransparenz sowie die Polytelie des
Problems.
4.1 Pilotstudien
Bevor mit den Experimenten begonnen wurde, war es erforderlich, Pilotstudien
durchzuführen. Diese dienten der Einstellung und Justierung des Programms sowie der
Überprüfung, wie sich unterschiedliche Komplexitätsniveaus des Problems auf die
Anstrengungen und Leistungen der Problemlöser auswirken.
In vier unabhängigen Dreiergruppen wurden Szenarien mit unterschiedlichen
Schwierigkeitsgraden eingesetzt, um ein Szenario zu bestimmen, das ausreichend komplex
war, damit die Spieler über die Dauer von 15 Minuten beschäftigt waren. Diese Durchgänge
erfolgten unabhängig von der Situationsdefinition und dienten lediglich der Überprüfung, wie
gut die Probanden die Feuer bekämpfen.
Im Anschluss daran wurden die drei Pilotstudien durchgeführt, die im folgenden kurz
skizziert werden.
14
4.1.1 Pilotstudie I
In einer ersten Pilotstudie wurde der Effekt des sozialen Faulenzens innerhalb des Fire
Chief Szenarios nachgewiesen. Die Versuchsanordnung bestand darin, dass die Anstrengung
von Probanden einer kollektiven Situation mit jener von Probanden einer koaktiven Situation
verglichen wurde. In der kollektiven Situation wurde den Probanden mitgeteilt, dass eine
kollektive Leistung erbracht werden soll und in der koaktiven Situation wurde ihnen
mitgeteilt, dass die Einzelleistungen vom Computer aufgezeichnet werden. Insgesamt haben
an dieser Pilotstudie 4 Gruppen à 3 Personen teilgenommen. Zwei Gruppen bearbeiteten das
ausgewählte Szenario unter der kollektiven und zwei weitere unter der koaktiven
Arbeitsbedingung.
Die Ergebnisse dieser Studie belegen, dass der erwartete social loafing Effekt auftrat:
Gruppe 1 (koaktive Arbeitsbedingung) erbrachte durchschnittlich 128 Commands
Gruppe 2 (koaktive Arbeitsbedingung) erbrachte durchschnittlich 117 Commands
Gruppe 3 (kollektive Arbeitsbedingung) erbrachte durchschnittlich 107 Commands
Gruppe 4 (kollektive Arbeitsbedingung) erbrachte durchschnittlich 98 Commands
Es zeigt sich demnach, dass die Probanden unter der kollektiven Arbeitsbedingung deutlich
weniger Commands abgegeben haben als diejenigen der Vergleichsgruppen, woraus sich
folgern lässt, dass das Phänomen social laofing auch beim Lösen komplexer realitätsnaher
Probleme auftritt.
Da ein Interesse meiner Untersuchung auch darin besteht, herauszufinden, wie sich
Anstrengung und Leistung beim Lösen von komplexen Problemen zueinander verhalten,
wurde überprüft, unter welchen Bedingungen die besseren Leistungen erbracht wurden:
Gruppe 1 (koaktive Arbeitsbedingung) erbrachte eine durchschnittliche Leistung von 89%
Gruppe 2 (koaktive Arbeitsbedingung) erbrachte eine durchschnittliche Leistung von 90%
Gruppe 3 (kollektive Arbeitsbedingung) erbrachte eine durchschnittliche Leistung von 87%
Gruppe 4 (kollektive Arbeitsbedingung) erbrachte eine durchschnittliche Leistung von 86%.
Diese Ergebnisse belegen frühere Befunde: beim Bearbeiten einfacher Problemstellungen
erzielten die koaktiven Gruppen bessere Leistungen als die kollektiven Gruppen. Damit
konnte in der Pilotstudie gezeigt werden, dass sich social loafing beim Bearbeiten dieses
einfachern Szenarios negativ auf die Lösung des Problems auswirkte.
4.1.2 Pilotstudie II
In der zweiten Pilotstudie wurde die Auswirkung unterschiedlicher Komplexitätsniveaus
der Problemstellung auf die Anstrengung und die Leistung überprüft. Das Komplexitätsniveau
15
der Problemstellung wurde dadurch erhöht, dass die Löschgeräte in diesem komplexeren
Szenario neben der Ressource Wasser auch Benzin benötigten.
Den widersprüchlichen empirischen Befunden zufolge müsste soziales Faulenzen bei
steigender Komplexität der Problemstellung verschwinden oder falls dies nicht der Fall sein
sollte, müsste sich social loafing positiv auf die Leistung auswirken.
Die Ergebnisse der zweiten Pilotstudie zeigten, dass letzteres zutrifft. Auch beim Lösen
komplexer Probleme trat der social loafing Effekt ein und die Gruppe, die unter der
kollektiven Bedingung das Problem gelöst hat, erbrachte mit deutlich weniger Aufwand eine
höhere Leistung als die Vergleichsgruppe. Damit konnte in der Vorstudie nachgewiesen
werden, dass es beim Lösen des komplexeren Problems einen inversen Effekt von Leistung
und Anstrengung gibt. Im einzelnen haben die Gruppen wie folgt abgeschnitten:
Gruppe 1 (koaktive Arbeitsbedingung) erbrachte durchschnittlich 100 Commands und eine
Leistung von 69%.
Gruppe 2 (kollektive Arbeitsbedingung) erbrachte hingegen nur 93 Commands im
Durchschnitt und erzielte mit dieser geringeren Anstrengung ein Ergebnis von 79%.
Die zweite Pilotstudie hat gezeigt, dass beim Lösen des komplexeren Problems die
geringere Anstrengung der kollektiven Gruppe zu besseren Leistungen führte. In dem ersten
Experiment soll dieses Ergebnis repliziert werden.
4.1.3 Pilotstudie III
In einer dritten Pilotstudie wurde überprüft, inwiefern sich eine Komplexitätssteigerung in
der sozialen Situation auf die Anstrengung und Leistung der Probanden in den jeweiligen
Gruppen auswirkt. Diese Komplexitätssteigerung in der sozialen Situation erfolgte durch die
Öffnung der Grenzen zwischen den jeweiligen Feldern, auf denen die Feuer gelöscht werden
mussten. Den Probanden war es im Gegensatz zu den vorhergehenden Studien nun auch
möglich, mit den Mitspielern zu interagieren und in deren Felder die Feuer zu löschen. Diese
Interaktionsmöglichkeiten
sind
schließlich
auch
ausschlaggebend
für
die
Komplexitätssteigerung der sozialen Situation, da die Spieler das Verhalten der anderen
Mitspieler in ihr Handeln einplanen mussten.
Insgesamt wurde sowohl für die einfache als auch für die komplexe Problemstellung
überprüft, wie sich die erhöhte Komplexität der sozialen Situation auf die Anstrengung und
Leistung in den jeweiligen Treatmentbedingungen auswirkt:
Gruppe 1 (koaktiv-einfache Bedingung) erbrachte eine durchschnittliche Leistung von 93%
mit einem Aufwand von durchschnittlich 112 Commands.
Gruppe 2 (koaktiv-komplexe Bedingung) erbrachte eine durchschnittliche Leistung von 90%
mit einem Aufwand von durchschnittlich 105 Commands.
Gruppe 3 (kollektiv-einfache Bedingung) erbrachte eine durchschnittliche Leistung von 74%
mit einem Aufwand von 99 Commands.
16
Gruppe 4 (kollektiv-komplexe Bedingung) erbrachte eine durchschnittliche Leistung von 78%
mit einem Aufwand von 92 Commands.
Mit den Ergebnissen der dritten Pilotstudie konnten jene aus den ersten und zweiten Studien
auch für die Situation mit erhöhter sozialer Komplexität repliziert werden. Die Ergebnisse
legen nahe, dass die Steigerung der Komplexität durch die Interaktion keine zusätzlichen
Effekte hatte.
Die Pilotstudie wurde erst vor dem zweiten Experiment durchgeführt (s.u.). In diesem
Experiment wurden alle Faktoren des ersten Experiments konstant gehalten, bis auf die
Veränderung der Interaktionsmöglichkeiten zwischen den Spielern, welche hinzukam. Die
Situation mit erhöhter sozialer Komplexität wurde gewählt, da sie eine realitätsnähere
Situation darstellt. Gerade deshalb ist es von hohem wissenschaftlichen wie auch
anwendungsbezogenen Interesse, nachzuweisen, ob und weshalb es in dieser Situation zu
einem inversen Verhältnis von Anstrengung und Leistung beim Lösen komplexer Probleme
kommt. Die Veränderung nur eines Faktors gegenüber dem ersten Experiment erlaubt mir
zudem, nach Abschluss der Untersuchung eine Berechnung für ein 3*2*2 faktorielles
between-subject design durchzuführen.
4.2 Experiment 1
Im ersten Experiment wurde der Einfluss unterschiedlicher Arbeitsbedingungen (koaktiv vs.
kollektiv) und unterschiedlicher Komplexitätsniveaus der Problemstellung auf die Anstrengung und die Leistung untersucht. Hierfür wurde ein 2 (koaktiv vs. kollektiv) * 2 (einfaches
vs. komplexes Problem) faktorielles between-subject design zugrunde gelegt.
Beschreibung der Stichprobe
An dem Experiment haben insgesamt 60 Personen (38 Frauen und 22 Männer) im Alter von
18 bis 49 Jahren teilgenommen. Die Probanden rekrutierten sich überwiegend aus Studierenden der Universität Erfurt, der FH Erfurt und der PH Erfurt. Die Teilnahme war mit einem
zeitlichen Aufwand von drei Stunden verbunden und wurde mit einer Aufwandsentschädigung von DM 30,- vergütet. Die Probanden wurden in Dreiergruppen einbestellt und zufällig
den vier Treatmentbedingungen zugeteilt.
4.2.1 Design
Die unabhängigen Variablen des Designs bilden die Arbeitsbedingung und das Komplexitätsniveau der Problemstellung. In dem Experiment wurde der Einfluss beider unabhängiger
Variablen auf die Anstrengung (Effort) und die Leistung (Performance) erhoben.
Hierfür wurden die Effortwerte der Gruppen koaktiver und kollektiver Arbeitsbedingungen
auf der Grundlage der Probanden als unabhängiger Untersuchungseinheit sowie der Gruppen
17
als unabhängiger Untersuchungseinheit verglichen. Ferner wurde untersucht, wie sich die vier
Versuchsbedingungen auf die Leistungsfähigkeit (Performance) der jeweiligen Gruppen(-mitglieder) auswirken. Die Berechnung des Verhältnisses von den beiden abhängigen Variablen
Performance und Effort ermöglichte es, die Effizienzkoeffizienten für die vier experimentellen Bedingungen zu ermitteln. Diese erlauben Aussagen darüber, welche der vier Gruppen am
effizientesten war.
Die Operationalisierung für den Effort erfolgt über die Anzahl der Commands, die die Probanden während der Steuerung der Simulation abgegeben haben. Die Anzahl an Commands
ist insofern ein geeignetes Effortmaß, da sie Aufschluss über das Eingriffsverhalten der Probanden auf dem Spielfeld geben. Ferner entspricht die Anzahl an Commands am ehesten den
Effortmaßen früherer Untersuchungen, die meist auf Maximierungsaufgaben basierten.
Neben den Commands, die für die einzelnen Probanden getrennt aufgezeichnet werden (das
Programm zeichnet auf, wie viele Commands von den jeweiligen Stationen, d. h. von den einzelnen PCs abgegeben wurden), errechnet das Programm sowohl eine Gesamtperformance als
auch Performances für die jeweiligen Flächen. Die Angabe der drei flächenabhängigen Performances ermöglicht es, die Leistungen der einzelnen Spieler zu erheben. Berechnet werden
die Performancescores auf der Grundlage der geretteten Flächen und Symbole in den jeweiligen Feldern.
4.2.1.1 Experimentelle Manipulation
Die Manipulation der Situationsdefinition erfolgte durch die Aufgabenstellung für die jeweiligen Gruppen. Den Realgruppen wurde bereits bei der Einführung in das Programm mitgeteilt, dass ihr individueller Beitrag zur Problemlösung nicht identifiziert werden könne und es
lediglich darum gehe, eine hohe kollektive Leistung zu erzielen. Aufgabe dieser Gruppen war
es, die Feuer in der Dreiergruppe so gut wie möglich zu bekämpfen. Den Nominalgruppen
wurde hingegen mitgeteilt, dass das Programm die individuellen Leistungen der einzelnen
Spieler aufzeichnet und es darum gehe, eine möglichst gute individuelle Leistung zu erzielen.
Die Manipulation des Komplexitätsniveaus erfolgte durch die Einführung einer weiteren Ressource, die zur Bekämpfung der Feuer nötig war. Beim Bearbeiten des einfacheren Szenarios
benötigten die Löschgeräte, die von den Probanden zum Einsatz gebracht werden mussten,
lediglich die Ressource Wasser. Beim komplexeren Szenario mussten die Probanden die
Löschgeräte zusätzlich mit der Ressource Benzin versorgen. Die Variation des Komplexitätsniveaus der Problemstellung durch die Einführung einer weiteren Ressource bedeutet eine
Erhöhung der Komplexität, eine umfangreichere Vernetztheit der Variablen (d. h. die Löschgeräte müssen sowohl mit Wasser als auch mit Benzin aufgetankt werden, um einsatzbereit zu
sein), eine größere Intransparenz (d. h. die Inaktivität der Löschgeräte kann auf das Fehlen
von zwei Ressourcen zurückzuführen sein) sowie eine gesteigerte Polytelie (d. h. weitere
strategische Entscheidungen im Hinblick auf das Auftanken der Löschgeräte sind notwendig).
18
4.2.1.2 Manipulation Checks
In dem Fragebogen, der nach jedem Versuchsdurchgang auszufüllen war, wurden erstens die
Stimmungen, zweitens die Bewertung der Instrumentalität der Mittel und die Bewertung der
Relevanz der Problembewältigung sowie drittens das Ausmaß an problemrelevanten und irrelevanten Informationsverarbeitungsprozessen erhoben. Ziel der Befragung war es, Aufschluss darüber zu gewinnen, inwiefern diese Dimensionen das Anstrengungspotential und
die Leistung der Probanden beeinflusst haben.
Stress und Arousal
Zur Erhebung der Stimmungen wurde die von Mackay et al. (1978) entwickelte Stress-Arousal-Checklist (SACL) eingesetzt, mit Hilfe derer die beiden Faktoren Erregung (Arousal) und
Stress auf der Grundlage ausgewählter Items ermittelt wurden.32 Die Erhebung der Items für
die Bestimmung der Faktoren Erregung und Stress wurde durch die Vorgabe der folgenden
Instruktion vollzogen: "In der folgenden Liste werden unterschiedliche Stimmungen
beschrieben. Bitte kreuzen Sie für jede dieser Stimmungen an, in welchem Ausmaß diese
während des letzten Durchgangs für Sie zugetroffen hat."
Der Faktor Erregung (Arousal) wurde über die Items lebhaft, aufmerksam und aktiv einerseits
sowie die Items träge, müde und schläfrig andererseits erhoben. Für die Bildung des ArousalFaktors wurden die drei letzten Werte reversibel kodiert. Die Auswahl liegt darin begründet,
dass diese sechs Items in der Stress-Arousal-Checklist die höchsten Faktorladungen für Arousal aufwiesen.
Analog hierzu wurde auch der Faktor Stress bestimmt. Stress wurde über die Items nervös,
ängstlich und unbehaglich einerseits sowie über die Items gelassen, ruhig und angenehm
andererseits erfasst. Auch hier wurden die letzten drei Items reversibel codiert. Die Antworten
für jede dieser Stimmungen wurde mit Hilfe einer Likert-Skala erfasst (1="gar nicht", 7="in
großem Maße").
CEM (Collective Effort Model)
Des weiteren wurden Items erhoben, die der Überprüfung des CEMs dienen. Hierzu wurden
zwei Fragen zur Instrumentalität der Mittel (perceived instrumentality) gestellt: "Wie gut
haben Sie die Feuer in diesem Durchgang gelöscht?" und "Glauben Sie, dass Sie eine gute
Feuerlöscherin sind?". Ferner wurde die subjektive Relevanz der Problemlösung (outcome
valence) erhoben. Hierzu wurden folgende Fragen gestellt: "Wie interessant fanden Sie dieses
Fire Chief Szenario?" und "Wie wichtig war es für Sie, die Feuer gut zu bekämpfen?"
Die Antworten wurden mit einer 7-Punkte Likert-Skala erfasst.
32
Für beide Faktoren stellt die zugrundeliegende Adjektivliste ein valides Verfahren dar (vgl. Cox &
Mackay, 1995; King, Burrows & Stanley, 1983). Diese Liste wurde zudem bereits im Bereich Entscheidungsfindung in natürlichen komplexen Umgebungen (decision making in complex dynamic
settings) eingesetzt (Omodei & Wearing 1995a). Die Checkliste für Arousal weist eine enge Beziehung zu der von Thayer (1978; 1986) entwickelten Activation-Deactivation Adjective Check List
(AD ACL) auf.
19
CMM (Cognitive-Motivational Model)
Drittens wurden Daten erhoben, die Aufschluss darüber geben sollen, inwiefern es Unterschiede zwischen dem Ausmaß an problemrelevanter und -irrelevanter Informationsverarbeitung in den unterschiedlichen Situationen gibt.
Erhoben wurde das Ausmaß von relevanter Informationsverarbeitung mit Hilfe der Frage
"Haben Sie beim Löschen der Feuer über Ihr strategisches Vorgehen nachgedacht?" sowie der
Frage "Konnten Sie sich gut auf Ihre Aufgabe konzentrieren?".
Problemirrelevante Informationsverarbeitung wurde durch die folgenden Fragen erhoben:
"Hatten Sie während des letzten Durchgangs Zeit an anderes als an das Szenario zu denken?"
und "Waren Sie durch die Anwesenheit der anderen Spieler abgelenkt?"
Die Antworten wurden jeweils mit einer 7-Punkte Likert-Skala erfasst.
Diese aufgeführten Fragen und Items stellen die wesentliche Grundlage für die Überprüfung
der Hypothesen dar. Mit Hilfe der Daten soll gezeigt werden, inwiefern diese Faktoren durch
die experimentellen Bedingungen determiniert sind und somit auch geeignete Mediatoren zur
Erklärung unterschiedlicher Anstrengungsniveaus und Leistungen in den unterschiedlichen
Gruppen darstellen.
4.2.1.3 Prozedur
Die Versuchsdurchführung erfolgte in drei Abschnitten: einer Einführung, einer Trainingsund einer Versuchsphase. Nachdem die Versuchsleiterin die Teilnehmerinnen und Teilnehmer
empfangen hatte, wurde ihnen mitgeteilt, dass es bei der Untersuchung um komplexes Problemlösen in sozialen Situationen gehe und die Aufgabe der Probanden darin bestehe, ein komplexes computersimuliertes Szenario zu steuern, in dem Flächenbrände bekämpft werden
müssen.
Daraufhin wurde den Probanden ein Formular mit Informationen über den Versuchsablauf
sowie ein kurzer Fragebogen zur Erfassung demographischer Daten und zur Erhebung individueller Erfahrungen im Umgang mit Computern ausgehändigt.
Im Anschluss daran wurden die Teilnehmerinnen mit Hilfe einer Demoversion in das Programm eingeführt. Bei dieser Einführung wurde den Teilnehmerinnen kollektiver Gruppen
mitgeteilt, dass es um die Gruppenleistung gehe und das Programm die Leistung für die
gesamte Fläche berechne, wohingegen den Teilnehmerinnen koaktiver Gruppen mitgeteilt
wurde, dass das Programm die Leistungen der drei Flächen getrennt aufzeichne und es die
Aufgabe der Probanden sei, eine möglichst hohe individuelle Leistung zu erzielen. Des weiteren wurde den Gruppen, die das einfachere Szenario zu bearbeiten hatten, eine Demoversion
vorgeführt, in der es nur eine Ressource (Wasser) gibt, und den Gruppen, die das komplexe
Szenario zu bearbeiten hatten, wurde eine Demoversion vorgeführt, bei der es zwei Ressourcen, Wasser und Benzin, gibt. Entsprechend unterschied sich die Instruktion zwischen beiden
Bedingungen: in dem einfacheren Szenario wurde darauf hingewiesen, dass die Löschgeräte
20
lediglich Wasser zum Löschen benötigen und in dem komplexeren Szenario darauf, dass die
Löschgeräte Wasser zum Löschen und Benzin zur Fortbewegung benötigen.
Nachdem die Probanden mit der Bedeutung der Landschaftselemente und Symbole, die auf
der Bildschirmoberfläche zu sehen sind, vertraut waren, wurde ihnen gezeigt, wie sich die
Feuer ausbreiten (in Abhängigkeit von der Windrichtung und Windstärke), wie die Löschgeräte zu bewegen sind, wie die Feuer gelöscht werden und wie die Fahrzeuge mit den erforderlichen Ressourcen aufgetankt werden. Die Versuchsinstruktion wurde weitestgehend vorgelesen, um den jeweiligen Gruppen identische Informationen zu geben.
Abb.1: Bildschirmoberfläche des komplexen NFC-Szenarios
Im Anschluss an die Einführung erfolgten drei Probedurchläufe. Diese dienten einerseits
dazu, die Probanden aktiv mit dem Programm vertraut zu machen und andererseits dazu, die
individuellen Leistungsvoraussetzungen der Probanden zu erheben. Die Bildschirmoberfläche
war - wie in der Demoversion - in drei Bereiche aufgeteilt, und jeder Proband hatte die
Aufgabe, in einem dieser Felder die Feuer zu bekämpfen.
21
Gemeinsam ist allen Szenarien, dass die unterschiedlichen Landschaftselemente gleichmäßig
über alle drei Felder hinweg verteilt sind. In der Mitte zwischen den drei Flächen befindet
sich in den einfacheren wie auch in den komplexeren Szenarien ein See, an dem die Löschgeräte aufgetankt werden können. Außer dem See gibt es keine Möglichkeit, die Löschgeräte
mit Wasser zu versorgen. In den komplexeren Szenarien befindet sich auf allen drei Flächen
jeweils eine Tankstelle in der Nähe des Sees, an denen die Geräte mit Benzin versorgt werden
können. Die Gestaltung der Bildschirmoberfläche des Szenarios sieht vor, dass die Probanden
insgesamt lange Wege zu den Ressourcendepots haben (vgl. Abb. 1).
Die Erfahrung mit den langen Wegen sowie die Tatsache, je Ressource nur ein Depot zu
haben, ist wichtig, damit die Probanden mit den Zeitverzögerungen der Simulation umgehen
lernen. Daher erfordert die Bearbeitung der Simulation strategisches Entscheidungsvermögen
und Geschick im Umgang mit den Anforderungen. In den Probedurchgängen wurden die drei
Felder nach jedem Durchgang gewechselt, so dass nach Ablauf des Trainings jeder Spieler
jeweils einmal auf allen drei Feldern die Brände gelöscht hat.
In der Trainingsphase wurde ein einfacheres Szenario gewählt als in den experimentellen
Durchgängen. Einfacher insofern, da die Anzahl der Feuer und die Häufigkeit der Windrichtungsänderungen geringer waren als in den Versuchsdurchgängen.
Im folgenden soll geschildert werden, wie sich die Ausbreitung der Feuer in den Trainingsdurchgängen im einzelnen entwickelt hat. Bereits nach 10 Sekunden bricht auf allen drei Flächen jeweils ein Feuer in der Mitte der drei Felder aus. In allen drei Feldern sind die Städte
betroffen. Die Voreinstellung der Windstärke liegt im mittleren Bereich und der Wind weht in
Richtung Osten (Westwind). Nach 1, 5 Minuten ändert sich die Windrichtung (süd-ost) und
die Windstärke verringert sich deutlich. Eine weitere Änderung erfolgt nach 3,5 Minuten
Spielzeit: die Windstärke nimmt zu und die Windrichtung ändert sich (Nord-Ostwind). Nach
5 Minuten ändert sich die Windrichtung erneut. Der Wind weht dann in Richtung Osten
(Westwind) und wird wieder sehr schwach. Nach 6,5 Minuten brechen schließlich auf allen
drei Feldern weitere Feuer aus. Nach 8,5 Minuten dreht dann der Wind in Richtung Südosten
(Nord-Westwind) und wird etwas stärker. Nach 10 Minuten bricht dann auf allen drei Flächen
jeweils ein weiteres Feuer aus. Kurz darauf ändert sich die Windrichtung (Ostwind) und die
Stärke des Windes nimmt zu. Nach weiteren zwei Minuten nimmt die Windstärke wieder ab,
die Richtung bleibt aber unverändert. Nach 14 Minuten ändern sich die Windrichtung und stärke erneut. Der Wind weht in Richtung Osten (Westwind) und wird etwas stärker.
Insgesamt ändert sich die Windrichtung sieben mal und jede Spielerin hat insgesamt drei
Feuer während der Trainingsdurchgänge zu bekämpfen. Hinzu kommt, dass es keine grenzüberschreitenden Feuer gibt. In den Trainingsdurchgängen ist die Gesamtbelastung für die
Spieler eher gering, da ohne Intervention insgesamt nur 30% der gesamten Fläche abbrennen
kann. D. h. ohne Intervention ergibt sich eine Gesamtleistung von 70%. Die Performanz von
70% ist für alle drei Flächen identisch.
Die individuellen Leistungen, die die Spieler in den drei Probedurchgängen erbrachten, wurden als individuelle Leistungsvoraussetzung in die Analyse aufgenommen. Dies ermöglicht
22
die Kontrolle des Einflusses der Leistungsvoraussetzungen auf die Leistungen in den Versuchsdurchgängen.
Im Anschluss an die Trainingsdurchgänge wurden die drei Versuchsdurchgänge durchgeführt.
In diesen Versuchsdurchgängen blieb die Anordnung der Landschaftselemente sowie der Ressourcendepots auf der Bildschirmoberfläche unverändert gegenüber der Anordnung in den
Trainingsdurchgängen, wohingegen die Komplexität der Szenarios sich veränderte. Für beide
Vergleichsgruppen (einfache und komplexe Simulation) wurde in den experimentellen
Durchgängen ein jeweils komplexeres Szenario als in den Trainingsdurchgängen gewählt.
Komplexer waren die Szenarios insofern, als bereits nach kürzester Zeit ein zweites Feuer
ausbrach und die Probanden folglich von Anfang an entscheiden mussten, wie sie ihre Löschgeräte auf die Feuer verteilen.
In den Versuchsdurchgängen war die Anzahl der Feuer insgesamt höher und die Windrichtungen änderten sich häufiger als in den Trainingsdurchgängen. Die Gesamtbelastung für die
einzelnen Spieler erhöhte sich dadurch so, dass ohne Intervention ca. 50% der Fläche
abbrennt. Dies ist wiederum in allen drei Flächen konstant. Hinzu kommt, dass es in den Versuchsdurchgängen auch grenzüberschreitende Feuer gibt.
Im folgenden soll dargestellt werden, wie sich die Feuer im einzelnen ausbreiten. Nach 10
Sekunden brechen in allen drei Flächen die ersten Feuer aus. Dieses mal aber in anderen
Siedlungen als in den Trainingsdurchgängen. Der Wind weht nach Westen (Ostwind) und ist
eher stärker. Bereits nach 40 Sekunden ändert sich die Windrichtung (Süd-Westwind) und
weitere Feuer brechen auf allen drei Flächen aus. Die Spieler sind daher gezwungen, sich
bereits von Beginn des Spieles an zu entscheiden, wie sie ihre Fahrzeuge auf die zwei Feuer
verteilen. Nach zwei Minuten ändert sich die Windrichtung (Westwind) erneut und auch die
Windstärke nimmt zu. Nach 3,5 Minuten ändert sich der Wind (Ostwind) und drei weitere
Feuer brechen aus. Daher haben die Spieler in den experimentellen Durchgängen bereits nach
3,5 Minuten jeweils drei Feuer zu bekämpfen, was eine deutlich höhere Belastung als bei den
Trainingsdurchgängen darstellt. Nach 5 Minuten erfolgt die nächste Windrichtungsänderung
(Westwind) und die Stärke des Windes nimmt zu. Nach 6,5 Minuten ändert sich die Windrichtung (Süd-Ostwind) erneut und die Stärke des Windes nimmt wieder ab.
Nach 8 Minuten erfolgt eine erneute Windrichtungsänderung (Süd-Westwind) und der Wind
wird stärker. Erst nach 10,5 Minuten brechen weitere Feuer aus. Dieses mal erstrecken sich
die Feuer über die Grenzen der Felder hinweg. Da jedes Spielfeld zwei angrenzende Flächen
hat, bedeutet dies, dass jeder Spieler bei grenzüberschreitenden Feuern zwei weitere Feuer zu
bekämpfen hat. Gleichzeitig ändert sich die Windrichtung (Nord-Ostwind) und die Windstärke wird wieder geringer. Eine letzte Windrichtungsänderung tritt nach 13,5 Minuten ein
(Nord-Westwind). Die Windstärke ändert sich nicht maßgeblich.
Insgesamt wurde bei der Einstellung des Programms darauf geachtet, dass die Belastung
durch die Feuer für die jeweiligen Spieler identisch ist. Sowohl die Anzahl der Feuer als auch
die Verteilung der Brandherde über die drei Flächen hinweg sind in allen drei Flächen gleich.
Aufgrund der Erhöhung des Schwierigkeitsgrades in den experimentellen Szenarien gegenüber den Trainingsszenarien muss überprüft werden, ob die Leistungen in den experimentel23
len Durchgängen sich auf der Grundlage der Leistungen in den Trainingsdurchgängen prognostizieren lassen.
Die Durchführung der drei Versuchsdurchgänge erfolgte ebenfalls nach dem Rotationsprinzip. Allerdings wurde die Reihenfolge der Felder gegenüber jener der Trainingsdurchgänge
verändert. Spieler, die im Training auf der Fläche A begonnen hatten, begannen in den Versuchsdurchgängen beispielsweise auf der Fläche B und bearbeiteten erst dann die Fläche A
und zuletzt die Fläche C.
Bei der Durchführung der Experimente blieben die Probanden an ihrem Arbeitsplatz. Das
Programm erlaubt eine Voreinstellung der Zugriffsrechte für die einzelnen Flächen. Daher
war es möglich zu bestimmen, auf welchen Flächen die Probanden in welcher Reihenfolge die
Feuer löschen mussten. Die drei PCs waren in einer Reihe aufgestellt, so dass die Spieler nur
ihren eigenen Bildschirm sehen konnten. Aufgrund der Zuständigkeit für jeweils einen
Bereich, wurde auf den drei Bildschirmen jeweils eine Fläche ins Zentrum gerückt. Die
angrenzenden Flächen waren für die einzelnen Spieler daher nur teilweise zu sehen. Insgesamt konnten sie jeweils ca. 30% der anderen Flächen sehen. Im Anschluss an jeden der drei
Versuchsdurchgänge sollten die Teilnehmerinnen und Teilnehmer den oben beschriebenen
Fragebogen (Manipulation Checks, s.o.) ausfüllen. Nach Abschluss aller Versuchsdurchgänge
wurde ein weiterer Fragebogen ausgehändigt, der den Umgang mit der Simulation zum
Gegenstand hat.
4.2.1.4 Kontrolle von nicht-experimentellen Einflussfaktoren
Die Bearbeitung der Simulation wiederholte sich in jeder Gruppe drei mal, d. h. jede Probandin und jeder Proband bekämpfte in den experimentellen Durchgängen insgesamt einmal auf
jeder Fläche die Feuer. Da bei der wiederholten Bearbeitung des Szenarios Lerneffekte nicht
auszuschließen sind, wurde in einem ersten Schritt untersucht, ob es eine signifikante Leistungssteigerung innerhalb der drei Durchgängen gab. Hierfür wurden die Leistungsmittelwerte (L) der jeweiligen Durchgänge mit Hilfe von drei gepaarten T-Tests verglichen.
L133 (M=80,97) und L2 (M=80,62), t(1,59)=0,205, n.s.
L1 (M=80,97) und L3 (M=82,02), t(1,59)=-0,578, n.s.
L2 (M=80,62,) und L3 (M=82,02), t(1,59)=-0,971, n.s.
Der Vergleich der Leistungsmittelwerte zeigt, dass die erbrachten Gesamtleistungen in den
drei Durchgängen nahezu identisch sind und es keine signifikanten Unterschiede zwischen
den einzelnen Durchgängen gab. Damit kann das Auftreten von Lerneffekten ausgeschlossen
werden.
In einem zweiten Schritt wurde untersucht, ob es Leistungsunterschiede zwischen den einzelnen Flächen gab. Der Vergleich der durchschnittlichen Leistungen, die in den einzelnen Flächen erbracht wurden, zeigt, dass es zwischen den Leistungsmittelwerten der Felder A
33
L1 steht für die Leistung, die im ersten Durchgang erbracht wurde, L2 für diejenige des zweiten
Durchgangs etc.
24
(M=77,67) und B (M=78,27) keine Differenz gab, die Leistungen, die auf dem Feld C
(M=86,85) erbracht wurden, sich jedoch signifikant von den beiden anderen unterschieden.
Die Unterschiede zwischen den Flächen A und B und der Fläche C lassen sich darauf zurückführen, dass die Fläche anders als die beiden anderen geschnitten ist. Diese Veränderung war
aus technischen Gründen erforderlich. Hätte man die Fläche C ebenfalls als Parallellogramm
abgebildet und sie analog der beiden anderen Flächen gestaltet, wäre das Problem aufgetreten,
dass diese nicht vollständig auf der Bildschirmoberfläche zu sehen gewesen wäre. Dies hätte
zur Folge gehabt, dass die Spieler auf dieser Fläche hätten scrollen müssen, um einen Überblick über das gesamte Feld zu behalten. Da das Scrollen auf dem Bildschirm zeitaufwendig
ist und die Spieler deshalb benachteiligt gewesen wären, bot sich eine Änderung der Flächenform an.
Tab.1: Vergleich von Leistungen und Anstrengung (Experiment 1)
Gruppe1
Gruppe 2
Gruppe3
Leistung/Durchgang1 78,85 (Feld A)
Leistung/ Durchgang 2 85,25 (Feld C)
t(1,19)=-3,795, p<0,01
76,1 (Feld B)
76,95 (Feld A)
t(1,19)=-0,379, n.s.
87,95 (Feld C)
79,65 (Feld B)
t(1,19)=2,255, p<0,05
Anstrengung/ Durchg.1 99,15 (Feld A)
Anstrengung/ Durchg.2 106,25 (Feld C)
t(1,19)=-2,535, p<0,05
105,9 (Feld B)
105,5 (Feld A)
t(1,19)=0,195, n.s.
108,05 (Feld C)
106,45 (Feld B)
t(1,19)=0,467, n.s.
Leistung/ Durchgang 2 85,25 (Feld C)
Leistung/ Durchgang 3 81,2 (Feld B)
t(1,19)=1,968, n.s.
76,95 (Feld A)
87,35 (Feld C)
t(1,19)=-5,617, p<0,01
79,65 (Feld B)
77,5 (Feld A)
t(1,19)=0,94, n.s.
Anstrengung/ Durchg.2 106,25 (Feld C)
Anstrengung/ Durchg.3 101,45 (Feld B)
t(1,19)=1,726, n.s.
105,5 (Feld A)
111,7 (Feld C)
t(1,19)=-1,748, n.s.
106,45 (Feld B)
107,55 (Feld A)
t(1,19)=0,713, n.s.
Leistung/ gesamt
Anstrengung/ gesamt
81,77
107,7
81,7
107,35
80,13
102,28
Die Ergebnisse legen nun aber nahe, dass die Spieler auf dieser Fläche gegenüber jenen, die
auf den anderen Flächen die Feuer gelöscht haben, im Vorteil sind. Es hat sich gezeigt, dass
25
auf der Fläche C bessere Leistungen erbracht wurden als auf den beiden anderen Flächen.
Erklären lässt sich dies dadurch, dass zum einen die Wege zu den Wasser- und Benzindepots
kürzer als bei den anderen Flächen sind.
Im Hinblick auf das zweite Experiment stellt sich daher die Frage, ob man in dem Feld C
nochmals eine Veränderung vornehmen sollte. Für eine Veränderung spricht, dass man keine
Leistungsunterschiede zwischen den drei Feldern mehr hätte und sich die Performances der
Probanden für alle drei Felder angleichen müssten. Gegen eine Veränderung spricht, dass die
Vergleichbarkeit der Daten beider Experimente nicht mehr gewährleistet wäre.
Da dies aber wünschenswert ist und das zweite Experiment nochmals die Validität der Ergebnisse bestätigen sollte, entscheide ich mich auf die Gefahr hin, die Ungleichheit der Flächen
könne zu Verzerrungen führen, für die Beibehaltung des Szenarios in der Weise, wie es im
ersten Experiment eingesetzt wurde.
Aufgrund der Differenzen zwischen den einzelnen Feldern, die sich auf den unterschiedlichen
Zuschnitt der Flächen zurückführen lassen, wurde in einem dritten Schritt untersucht, ob das
Beginnen auf einer bestimmten Fläche einen Einfluss auf die Leistungen und die Commands
in den weiteren Spielen hatte. Hierfür wurden den drei Feldern entsprechend, auf denen die
Probanden im ersten Versuchsdurchgang gespielt haben, drei Gruppen gebildet, für die
getrennt die Leistungen und Commands des ersten Durchgangs mit jenen des zweiten und
letztere mit jenen des dritten Durchgangs verglichen wurden.
Wie der Tabelle (Tab.1) zu entnehmen ist, gibt es zwischen den Gruppen, die auf unterschiedlichen Feldern begonnen haben, zwar unterschiedliche Entwicklungen hinsichtlich der
Leistung und der Anzahl an Commands, die durchschnittlichen Gesamtleistungen und die
durchschnittliche Anzahl an Commands war für alle drei Gruppen aber annähernd gleich. Für
die Gesamtperformance kann gezeigt werden, dass die drei Gruppen mit MGr.1=80,13,
MGr.2=81,77 und M Gr.3=81,7 nahezu eine identische Gesamtleistung über alle Durchgänge
hinweg erbracht haben.
Selbiges konnte auch für die Anzahl an Commands festgestellt werden (M Gr.1=102,28, M
Gr.2=107,7 und M Gr.3=107,35). Auch hier lassen sich keine Unterschiede finden. Da keine
signifikanten Unterschiede zwischen den Gruppen auftreten, die auf unterschiedlichen
Feldern begonnen haben, wurden die individuellen Leistungen sowie die jeweiligen
Effortwerte auf der Basis der Mittelwerte der drei experimentellen Durchgänge bestimmt.
4.2.1.5 Ausschluss von weiteren Einflussfaktoren
Eine Differenz zwischen Frauen und Männern hinsichtlich der Anzahl an Commands und der
Leistung konnte nicht nachgewiesen werden. In der Anzahl an Commands unterschieden sich
Frauen (M=104,96) nicht signifikant von Männern (M=107,18), F(1,58)=0,206, n.s. Auch im
Hinblick auf die Leistung gab es keine Unterschiede zwischen Frauen (M=80,71) und
Männern (M=82,05), F(1,58)=0,353, n.s.
26
Ferner wurde untersucht, ob der regelmäßige Umgang mit Computern einen Einfluss auf den
Effort und auf die Performance hat. Dieser Einfluss kann sowohl für den Effort F(3,56)
=1,151, n.s. als auch für die Leistung F(3,56)=1,543, n.s. nicht nachgewiesen werden.
Als weitere Dimension wurde der Umgang mit Computerspielen erhoben. Auch hier zeigte
sich, dass Erfahrungen im Umgang mit Computerspielen weder auf den Effort F(3,56)=0,054,
n.s. noch auf die Leistung F(3,56)=1,792, n.s. einen Einfluss haben.
Die Dimensionen "Spaß im Umgang mit Computern" sowie "Schwierigkeiten im Umgang mit
Computern" wurden mit Hilfe einer Likert-Skala von 1 bis 7 erfasst. "Spaß im Umgang mit
Computern" wirkte sich weder auf den Effort F(6,53)=0,699, n.s. noch auch auf die Leistung
F(6,53)=1,004, n.s. signifikant aus. Nicht signifikant war auch der Einfluss für das Item
"Schwierigkeit im Umgang mit dem Computern" (für den Effort F(6,53)=0,458, n.s. und für
die Leistung F(6,53)=0,671, n.s.).
Zur Bestimmung der individuellen Leistungsvoraussetzungen wurde der Mittelwert der individuellen Leistungen in den Trainingsdurchgängen gewählt. Um den Einfluss der Leistungsvoraussetzungen auf die Gesamtleistungen in den experimentellen Durchgängen zu testen,
wurde mit Hilfe einer Regression überprüft, ob es einen Zusammenhang zwischen den beiden
Leistungen gibt. Insgesamt konnte ein schwacher Einfluss (r=0,315, p<0,05) der Trainingsleistung auf die Versuchsleistung ausgemacht werden. Da der Test auf Autokorrelation der
Residuen (d=1, Durbin-Watson Statistik) positiv ist, darf dieser Einfluss jedoch nicht überbewertet werden.
Betrachtet man die vier experimentellen Bedingungen getrennt, so lassen sich starke Einflüsse
der Trainingsleistungen auf die Leistung in der kollektiv-einfachen Problemsituation sowie
auf diejenige in der koaktiv-komplexen Problemsituation nachweisen. Eine Prüfung der Linearitätsvoraussetzungen zeigt aber, dass die Streuungen der Residuen gegen die Linearitätsvoraussetzungen verstoßen. Damit lassen sich die Performances in den Versuchsdurchgängen
trotz der starken Zusammenhänge zwischen den Leistungen im Training und den Leistungen,
die in der kollektiv-einfachen Situation (r=0,708, p<0,05) sowie jenen, die in der koaktivkomplexen Situation erbracht wurden (r=0,656, p<0,01), nicht auf der Basis der individuellen
Leistungsvoraussetzungen vorhersagen.
Zur Überprüfung, ob sich signifikante Unterschiede zwischen den Leistungen der vier Treatmentbedingungen auch unabhängig von den Trainingsleistungen ermitteln lassen, wurde in
einem weiteren Schritt eine Kovarianzanalyse durchgeführt. Eine Kontrolle der
Trainingsleistung über alle vier Treatmentbedingungen hinweg zeigt, dass die Unterschiede
zwischen den Leistungen hoch signifikant sind, F(3,55)=39,33, p<0,001. (Die
Voraussetzungen für Varianzhomogenität sind mit einem Bartlett-Box-Wert von
F(3,5645)=0,199, p>0,8 gegeben.)
Bei einer separaten Betrachtung beider Komplexitätsniveaus ergeben sich aber für die
einfachere Problemstellung keine signifikanten Leistungsunterschiede zwischen den beiden
Arbeitsbedingungen, F(1,27)=0,28, n.s. Für die komplexe Problemstellung konnte der
signifikante Leistungsunterschied zwischen beiden Arbeitsbedingungen hingegen bestätigt
27
werden F(1,27)=4,9, p<0,01. In beiden Fällen sind die Voraussetzungen für homogene
Varianzen erfüllt.
Es wird sich zeigen, dass die Kovarianzanalyse die Ergebnisse der Varianzanalyse bestätigt
und eine Vorhersage der individuellen Leistungsdifferenzen auf der Grundlage der Leistungen
des Trainings auszuschließen ist. Die Leistungsdifferenzen zwischen den Gruppen sind
ausschließlich auf die experimentelle Manipulation zurückzuführen, was durch die Ergebnisse
der Kovarianzanalyse bestätigt werden konnte.
4.2.2 Motivation und Leistung
4.2.2.1 Ergebnisse für Probanden
Insgesamt konnte für das gesamte Modell ein hoch signifikanter social loafing Effekt auf der
Basis eines varianzanalytischen Verfahrens (MANOVA) nachgewiesen werden (vgl. Tab.2).
Es hat sich gezeigt, dass die Manipulation der Situationsdefinition das Eingriffsverhalten der
Probanden bei der Steuerung des Systems stark beeinflusst hat und in der koaktiven Situation
erwartungsgemäß mehr Commands (M=111,70, SD=19,38) als in der kollektiven Situation
(M=99,86, SD=14,77), F(1,56)=7,61, p<0.01 abgegeben wurden.
Nicht zu erwarten war hingegen, dass der experimentelle Faktor Komplexitätsniveau der
Problemstellung einen signifikanten negativen Einfluss auf die Anzahl der Commands
F(1,56)=5,94, p<0,02 hatte. Der Interaktionseffekt beider Variablen ist hingegen zu
vernachlässigen. (Mit einem Wert für Bartlett-Box F(3,5645)=1,83, p>0,1 sind die
Voraussetzungen für homogene Varianzen erfüllt.)
In den vorliegenden Untersuchungen zum sozialen Faulenzen konnte gezeigt werden, dass
beim Lösen komplexer Aufgaben die Anstrengung insgesamt höher war als beim Lösen
einfacher Aufgaben. Des weiteren konnte gezeigt werden, dass beim Bearbeiten komplexer
Aufgabenstellungen soziales Faulenzen nicht oder nur in geringem Maße auftrat.
Die eigenen Ergebnisse weisen nun wider erwarten auf einen gegenteiligen Befund hin. Es
zeigte sich zum einen, dass soziales Faulenzen auch beim Lösen des komplexeren Problems
aufgetreten ist und zum anderen, dass die Anstrengung in der komplexeren Situation weit aus
geringer war als in der weniger komplexen Situation.
Eine Erklärung für die Unterschiede der Commands in den beiden Komplexitätsniveaus
besteht darin, dass die Löschgeräte, die die Probanden zur Bekämpfung der Brände zum
Einsatz bringen mussten, in der komplexen Problemstellung längere Tankzeiten hatten als in
der weniger komplexen Problemstellung. Diese längere Tankzeit lässt sich darauf
zurückführen, dass die Löschgeräte mit zwei Ressourcen versorgt werden mussten, um
einsatzbereit zu sein. Während der Zeit, in denen die Geräte an den Depots mit Ressourcen
versorgt werden, können sie von den Probanden nicht aktiviert werden. Im Gegensatz zu den
längeren Tankzeiten in dem komplexeren Szenario sind die Tankzeiten in dem einfacheren
28
Szenario geringer und die Löschgeräte sind unmittelbar nach dem Auftanken mit Wasser
wieder einsatzbereit. Dies erklärt, weshalb die Probanden in dem komplexeren Szenario
insgesamt weniger Commands abgaben als die Probanden in dem weniger komplexen
Szenario.
Tab.2: Anstrengung in Abhängigkeit von Komplexitätsniveau und Situationsdefinition
(Experiment 1)
Einfache
Problemstellung
M
N
SD
Komplexe
Problemstellung
M
N
SD
MGesamt
N
Koaktive Gruppen
Kollektive Gruppen
MGesamt
115,73
15
17,44
106,29
15
10,98
222
30
107,67
15
20,94
93,42
15
15,58
201
30
223,4
30
199,7
30
Betrachtet man die Mittelwerte der Gruppen mit unterschiedlichem Komplexitätsniveau
getrennt voneinander, lässt sich vor allem für das komplexere Szenario ein signifikanter
Einfluss der Situationsdefinition auf den Effort ermitteln (vgl. Tab. 3). Hier erbrachten die
Probanden koaktiver Gruppen (M=107,67, SD=20,94) signifikant mehr Commands als die
Probanden in der Vergleichsgruppe (M=93,42, SD=15,58), F(1,28)=4,466, p<0.05. Dieser
Unterschied wird durch die Ergebnisse der apriori Kontrastanalyse bestätigt. In der
komplexen Bedingung ist der Unterschied zwischen der Anzahl der Commands in der
koaktiven und der kollektiven Situation hoch signifikant (t(1,28)=-2,113, p<0,05). Für die
einfache Aufgabenstellung ist die Differenz zwischen der Anzahl an Commands in der
koaktiven Gruppe (M=115,73, SD=17,44) und der kollektiven Gruppe (M=106,29,
SD=10,98) hingegen gering, t(1,28)=-1,775, n.s.
Leistung
Im Gegensatz zum Einfluss der Situationsdefinition auf den Effort (Commands), determiniert
sie die Leistungsdifferenzen (Performance) zwischen koaktiven (M=80,28, SD=9,6) und kollektiven Gruppen (M=82,12, SD=6,9) nicht. Die Ergebnisse der Varianzanalyse (MANOVA)
zeigen, dass ein Haupteffekt ausgeschlossen werden muss (F(1,56)=2,08, n.s.). Betrachtet
man dagegen den Einfluss des Interaktionseffektes von Situationsdefinition und Komplexitätsniveau, so wirkt sich dieser hoch signifikant auf die Erklärung der Varianz aus
29
(F(1,56)=6,16, p<0.02). Für die Differenzen zwischen den Leistungen in unterschiedlichen
Situationen bedeutet dies, dass erst durch das Zusammenwirken von Situation und Komplexitätsniveau ein signifikanter Unterschied zwischen koaktiven und kollektiven Gruppen zu
finden ist. Der größte Teil der Varianz wird jedoch durch die alleinige Wirkung des Faktors
Komplexitätsniveau aufgeklärt (F(1,56)=102,78, p<0,001).
(Mit einem Wert für Bartlett-Box F(3,5645)=1,98, p>0,8 sind die Voraussetzungen für homogene Varianzen erfüllt.)
Tab.3: Leistung in Abhängigkeit von Komplexitätsniveau und Situationsdefinition
(Experiment 1)
Einfache
Problemstellung
M
N
SD
Komplexe
Problemstellung
M
N
SD
MGesamt
N
Koaktive Gruppen
Kollektive Gruppen
Mgesamt
88,36
15
4,55
87,02
15
4,99
175,4
30
72,2
15
5,52
77,22
15
4,72
149,4
30
160,6
30
164,2
30
Eine getrennte Betrachtung der einfacheren und der komplexeren Situation (vgl. Tab.3) lässt
für die komplexere Situation einen signifikanten Unterschied zwischen den Leistungen koaktiver (M=72,2, SD=5,52) und kollektiver Gruppen (M=77,22, SD=4,72) erkennbar werden.
Die Werte aus der apriori Kontrastanalyse belegen diesen Befund (t(1,28)=2,678, p<0.02).
Für die einfache Bedingung ergibt sich hingegen nahezu keine Leistungsdifferenz zwischen
der koaktiven (M=88,36, SD=4,55) und der kollektiven Situation (M=87,02, SD=4,99,
t(1,28)=-0,765, n.s.).
Effizienz
In einem nächsten Schritt soll der Frage nachgegangen werden, ob es signifikante Unterschiede zwischen beiden Gruppen im Hinblick auf die Effizienz als der Relation von Leistung
und Effort gibt. In der kollektiven Situation ist die Effizienz (M=0,839, SD=0,13) größer als
in der koaktiven Situation (M=0,736, SD=0,13), F(1,58)=8,807, p<0.01. Der Einfluss der
Situationsdefinition auf die Effizienz zeigt sich in den Ergebnissen der Varianzanalyse, in der
ein signifikanter Haupteffekt der Situationsdefinition auf die Effizienz ermittelt werden
konnte, F(1,56)=9,0, p<0,01.
30
Betrachtet man die beiden Situationsdefinitionen getrennt, ergibt sich vor allem für die
komplexe Problemstellung ein hoch signifikanter Zusammenhang. Die Ergebnisse der apriori
Kontrastanalyse zeigen, dass die Effizienz in den koaktiv-komplexen Gruppen (M=0,694,
SD=0,14) unter derjenigen in den kollektiv-komplexen Gruppen liegt (M=0,849, SD=0,15),
t(1,28)=2,902, p<0,01.
Insgesamt kann festgehalten werden, dass die Treatmentbedingungen entscheidende Einflüsse
auf die Anzahl der Commands, auf die Performance und somit auch auf die Effizienz der
Probanden hatten.
4.2.2.2 Ergebnisse für Gruppen
Wurden in der bisherigen Analyse die Probanden als unabhängige Untersuchungseinheiten
zugrundegelegt, so soll in einem nächsten Schritt überprüft werden, ob die Differenzen
zwischen den Treatmentbedingungen auch auf der Gruppenebene zu finden sind. Da die
Gruppenmitglieder sich bei der Bearbeitung der Simulation gegenseitig beeinflussen können,
ist diese Analyse erforderlich. Nur wenn gezeigt werden kann, dass die oben beschriebenen
Effekte auch auf der Gruppenebene zu finden sind, können die Ergebnisse als bestätigt gelten.
Aufgrund der geringen Fallzahl der Gruppen unterschiedlicher Treatments (N=5) erfolgt eine
Analyse mit Hilfe verteilungsfreier statistischer Verfahren (Mann-Whitney-U-Test).
Abb.2: Vergleich von koaktiven und kollektiven Gruppen
120
110
100
90
80
Mit
tel
we
rt
Performance
70
COMMAND
60
Effizienz
koak
koll
Situationsdefinition koaktiv vs. kollektiv
Betrachtet man die Unterschiede zwischen den koaktiven und den kollektiven Gruppen unabhängig von den Komplexitätsniveaus (vgl. Abb.2), so lassen sich für die Commands und die
Effizienz signifikante Unterschiede zwischen den beiden Gruppen finden. Ein Vergleich der
koaktiven (N=10) und der kollektiven Gruppen (N=10) zeigt, dass für die Commands (U=20,
31
p<0,05) wie auch für die Effizienz (U=17, p<0,02) ein signifikanter Unterschied zwischen
den Rangreihen der Werte besteht.
Für die einfache Problemstellung wurde die Hypothese getestet, dass die koaktiven Gruppen
mehr Commands abgeben und dass sie eine höhere Leistung erbringen als die koaktiven
Gruppen. Aus diesem Grunde wurde für beide Variablen ein einseitiger U-Test durchgeführt.
Die Hypothese, koaktive Gruppen würden eine bessere Leistung erbringen als kollektive,
kann auf der Grundlage des nichtparametrischen Testverfahrens nicht aufrechterhalten werden
(vgl. Abb.3). Für die Commands lassen sich hingegen signifikante Unterschiede zwischen den
koaktiven (N=5) und den kollektiven (N=5) Gruppen finden (U=3, p<0,03).
Dies trifft auch für die Effizienz zu. Hier lassen sich signifikante Unterschiede auf der
Grundlage eines zweiseitigen U-Tests finden (U=2, p<0,04).
Im Gegensatz zur einfachen Problemstellung wurde für die komplexe Problemstellung die
These vertreten, dass koaktive Gruppen sich mehr anstrengten und dass diese höhere Anstrengung zu geringeren Leistungen führt als bei den kollektiven Gruppen, die sich weniger
anstrengen. Die These, dass kollektive Gruppen (N=5) eine bessere Leistung erbringen als
koaktive Gruppen (N=5) konnte bestätigt werden (U=3,5, p<0,05). Ebenfalls lässt sich bestätigen, dass koaktive Gruppen signifikant mehr Commands abgeben als kollektive Gruppen
(U=4, p<0,05) (vgl. Abb.4). Daraus folgt für die Effizienz, dass kollektive Gruppen effizienter
sind als koaktive Gruppen (U=3, p<0,03).
Die vorliegenden Ergebnisse zeigen, dass auf der Grundlage der unabhängigen Untersuchungseinheit Gruppe die Treatmenteffekte zu denselben Resultaten führen, wie wenn man
die Probanden als unabhängige Untersuchungseinheit zugrundelegt.
4.2.3 Manipulation Checks
Nach den einzelnen Versuchsdurchgängen wurde den Teilnehmerinnen und Teilnehmern ein
Fragebogen vorgelegt, den sie im Anschluss an die 15-minütigen Durchgänge ausfüllen
mussten. Die Fragen bezogen sich auf den jeweils letzten Durchgang.
Bei der Auswertung der Fragebögen wurden analog zur Ermittlung der individuellen Leistung
und der individuellen Anstrengung die Mittelwerte der Antworten der drei Fragebögen für
jede Person gebildet. Da die Ausprägungen der einzelnen Items über die drei Durchgänge
hinweg hoch korrelieren, stellt diese Zusammenfassung ein legitimes Verfahren dar.
4.2.3.1 Ergebnisse für Probanden
Im Hinblick auf die beiden Faktoren Arousal und Stress konnten lediglich schwache Unterschiede zwischen koaktiven und kollektiven Gruppen ausgemacht werden. Der Faktor Arousal war bei den Probanden kollektiver Gruppen (M=5,16, SD=0,91) etwas höher als derjenige
32
der Vergleichsgruppen (M=4,89, SD=0,96), F(1,58)=1,307, n.s. Für den Faktor Stress konnte
für die koaktiven Gruppen ein höherer Wert ermittelt werden (M=3,13, SD=1,12) als für die
kollektiven Gruppen (M=2,88, SD=0,92), F(1,58)=0,896, n.s.
Eine Aufschlüsselung des Stress-Faktors, zeigt, dass sich für die Items ängstlich und nervös
Unterschiede zwischen den beiden Situationsdefinitionen ausmachen lassen. Koaktive Gruppenmitglieder gaben bei der Befragung an, ängstlicher zu sein (M=2,44, SD=1,51) als die
Probanden der kollektiven Gruppen (M=1,81, SD=1,19), F(1,58)=3,251, n.s. Sie waren
darüber hinaus auch nervöser, was sich auch in dem Antwortverhalten auf die Frage, ob sie
beim Bekämpfen der Feuer nervös waren, widergespiegelt hat. In den Antworten für das Item
nervös der Stress-Arousal-Skala lagen die Werte der koaktiven Gruppenmitglieder (M=3,68,
SD=1,41) etwas über jenen der Vergleichsgruppe (M=3,28, SD=1,54), F(1,58)=1,1, n.s. Diese
Differenz findet sich auch in dem Antwortverhalten auf die Frage nach der Nervosität.
Probanden koaktiver Arbeitsbedingungen (M=3,6, SD=1,39) gaben an, beim Bekämpfen der
Feuer nervöser gewesen zu sein als jene der kollektiven Arbeitsbedingung (M=3,08,
SD=1,47, F(1,58)=2,003, n.s.). Ein weiterer Indikator für den erhöhten Stress bei den
koaktiven Gruppen ist das Item unbehaglich, welches ebenfalls in der Stress-Arousal-Skala
erfasst wurde. Probanden koaktiver Gruppen fühlten sich unbehaglicher (M=2,64, SD=1,52)
als jene der Vergleichsgruppe (M=2,1, SD=1,3), F(1,58)=2,219, n.s.
Im Hinblick auf die Vorhersagen des CMMs können weitere Unterschiede zwischen beiden
Gruppen aufgezeigt werden. Die beiden Indikatoren zur problemirrelevanten Informationsverarbeitung (task irrelevant information processing) unterscheiden sich signifikant voneinander. Auf die Frage, ob die Probanden Zeit hatten, während der Bearbeitung der Simulation an
anderes als an das Szenario zu denken, unterschieden sich die Antworten der Teilnehmerinnen
in koaktiven Situationen (M=2,38, SD=0,98) signifikant von jenen der Vergleichsgruppen
(M=1,81, SD=1,02), F(1,58)=4,827, p<0,04. Des weiteren fühlten sich die Probanden in der
kollektiven Situation weniger durch die anderen Mitspieler abgelenkt (M=1,17, SD=0,35) als
die Probanden in der koaktiven Situation (M=1,66, SD=0,75), F=(1,58)=10,605, p<0,01.
Ein weiterer Beleg für den Befund, dass Probanden in koaktiven Gruppen mehr
problemirrelevante Information verarbeiten und stärker durch anderes abgelenkt sind, findet
sich auch bei der Betrachtung der Items verwirrt und frustriert, die in der Stress-ArousalSkala miterhoben wurden. Probanden der Nominalgruppen fühlten sich in stärkerem Maße
verwirrt (M=3,23, SD=1,33) als diejenigen der Realgruppen (M=2,27, SD=1,53),
F(1,58)=6,818, p<0,02 und gaben ferner an, frustrierter (M=3,29, SD=1,35) zu sein, als die
Probanden der Realgruppen (M=2,73, SD=1,32, F(1,58)=2,592, n.s.).
Für die problemrelevante Informationsverarbeitung kehrt sich das Verhältnis zwischen den
Gruppen um. Hier liegen die Werte der kollektiven Gruppen höher als jene der koaktiven
Gruppen. Die Realgruppen haben eher über ihr strategisches Vorgehen nachgedacht (M=5,26,
SD=1,16 für kollektive Gruppen im Vergleich zu M=4,9, SD=1,27, F(1,58)=1,283, n.s.) und
waren in höherem Maße konzentriert (M=5,68, SD=0,87 im Vergleich zu M=5,34, SD=0,96,
F(1,58)=1,978, n.s.) als die Nominalgruppen.
33
Für die Haupteffekte zwischen den beiden Gruppen lässt sich festhalten, dass die Teilnehmerinnen und Teilnehmer koaktiver Gruppen in größerem Maße gestresst waren als jene der
kollektiven Gruppen und dass dieses erhöhte Stresspotential mit einer höheren Ablenkung von
der Bearbeitung der Simulation verbunden war.
4.2.3.2 Ergebnisse für Gruppen
Legt man bei der Auswertung des Manipulation Checks die Gruppe als unabhängige Einheit
zugrunde, so lassen sich unabhängig von dem Komplexitätsniveau zwischen den koaktiven
(N=10) und den kollektiven Gruppen (N=10) auf der Grundlage nichtparametrischer Testverfahren (Mann-Whitney-U-Test) die oben genannten Unterschiede bestätigen.
Die H5.1 besagt, dass die problemirrelevante Informationsverarbeitung in koaktiven Gruppen
höher sei als in kollektiven Gruppen. Dies wird durch beide Items, die hierfür erhoben wurden, bestätigt. Für die Frage, inwiefern die Probanden an anderes als die Aufgabe gedacht
haben, lassen sich signifikant höhere Werte für die koaktiven im Vergleich zu den kollektiven
Gruppen finden (U=21, p<0,03). Selbiges gilt auch für das Antwortverhalten auf die Frage, ob
die Probanden durch die anderen abgelenkt waren. Die Werte für Nominalgruppen waren
signifikant höher als diejenigen für die Realgruppen (U=25, p<0,05). Ferner zeigt der
Vergleich der beiden Gruppen, dass die Nominalgruppen in höherem Maße gestresst waren
als die Realgruppen (U=21,5, p<0,03).
Betrachtet man die Gruppen getrennt nach Komplexitätsniveau, so zeigen sich für die einfachere Problemstellung auch hier Unterschiede zwischen den koaktiven (N=5) und kollektiven
(N=5) Gruppen. Der Vergleich zeigt, dass es einen signifikanten Unterschied für den Faktor
Stress gibt (U=2, p<0,02). Des weiteren konnten Unterschiede für die irrelevante
Informationsverarbeitung ausgemacht werden, die in koaktiven erwartungsgemäß höher als in
kollektiven Gruppen war (U=4,5, p<0,07 für das Antwortverhalten, ob Zeit war, an anderes
als die Aufgabe zu denken und mit U=3, p<0,03 für den gesamten Faktor irrelevante Informationsverarbeitung).
Unterschiede finden sich auch bei der problemrelevanten Informationsverarbeitung, die in
kollektiven Gruppen höher war als in koaktiven Gruppen (U=4,5, p<0,07 für die Antwort auf
die Frage, ob Probanden sich eine Strategie erarbeitet haben und U=4, p<0,05 für den Faktor
problemrelevante Informationsverarbeitung).
Für die komplexe Problemstellung ist der Nachweis signifikanter Unterschiede auf der Basis
der Gruppen als Untersuchungseinheit problematischer. Signifikante Unterschiede lassen sich
hier lediglich für das Item "Ablenkung" und damit für den Faktor irrelevante Informationsverarbeitung finden (U=4, p<0,05). Die Stresswerte unterschieden sich nicht signifikant voneinander (U=7,5, n.s.).
Insgesamt bestätigen diese Ergebnisse die Resultate der Analyse, in der Probanden als
unabhängige Untersuchungseinheiten zugrunde lagen. Letztere Analyse kann entsprechend
34
bei der anschließenden Diskussion der Ergebnisse zugrundegelegt werden. Auf der Grundlage
dieser Ergebnisse sollen die theoretischen Annahmen überprüft und in einem weiteren Schritt
der Frage nachgegangen werden, wie sich soziales Faulenzen und Leistung zueinander
verhalten.
4.2.4 Diskussion
4.2.4.1 Erklärungen für Motivationsverluste
Die Ergebnisse zeigen, dass soziales Faulenzen beim Lösen komplexer Probleme auftritt und
es im Hinblick auf die Anstrengung sowohl in der weniger komplexen als auch in der komplexeren Problemstellung Unterschiede zwischen der koaktiven und der kollektiven
Arbeitsbedingung gibt. Damit kann die H1.1, die auf der Grundlage bisheriger empirischer
Ergebnisse formuliert wurde, nachgewiesen werden.
Abb.3: Vergleich der Mittelwerte der vier Versuchsbedingungen34
120
110
100
90
Mit
tel
we
rt
80
COMMAND
70
Performance
60
Effizienz
koak-sim
koll-sim
koak-kom
koll-kom
Situationsdefinition
Nicht bestätigt werden kann hingegen die H1.2, der zufolge in der komplexen Problemsituation die Anstrengung höher ist als in der weniger komplexen Situation. In der eigenen
Untersuchung erbrachten die Probanden bei der Bearbeitung des einfacheren Szenarios einen
höheren Aufwand als jene, die das komplexere Szenario bearbeiteten. Das ergibt sich daraus,
dass erstens die Tankzeiten in dem komplexeren Szenario insgesamt höher waren, da die
Löschgeräte sowohl mit Wasser als auch mit Benzin aufgetankt werden mussten. Deshalb
konnten die Geräte auch nicht so oft durch die Probanden aktiviert werden. Hinzu kommt
zweitens, dass die Kontrolle des Füllzustandes der Löschgeräte für die Probanden in der
34
Die Werte für die Effizienz wurden 100 multipliziert, um sie in dem Schaubild abbilden zu können.
In der Abbildung wird deutlich, dass die kollektiven Gruppen in beiden Problemstellungen insgesamt
effizienter waren als die koaktiven Gruppen.
35
komplexeren Situation mit einem höheren Aufwand verbunden war. Drittens stellt das
komplexere Szenario eine größere Herausforderung für die Probanden dar und ist mit einem
höheren kognitiven Aufwand verbunden. Die Probanden müssen beispielsweise abwägen, ob
sie ein Löschgerät, wenn es einmal mit Wasser aufgefüllt ist und noch über 50% Benzin
verfügt, auch gleich mit Benzin versorgen und erst dann zu dem Feuer zurückbewegen oder
ob sie das restliche Benzin aufbrauchen und dann die Tankstelle anfahren.
Festzuhalten bleibt, dass es trotz dieser Ungeklärtheit einen deutlichen social loafing Effekt
gegeben hat. Dieser positive Befund führt unweigerlich zu der Frage, warum soziales
Faulenzen beim Lösen komplexer Probleme zu einer Effizienzsteigerung führt und sich
positiv auf die Güte der Problemlösung auswirken kann. Bevor ich der Beantwortung dieser
Frage nachgehen werde, sollen zunächst die Einflussfaktoren auf die Anstrengung untersucht
werden.
Arousal
In der Theorie der sozialen Aktivierung (social facilitation) wurde lange Zeit davon ausgegangen, dass die alleinige Zunahme der Gruppengröße eine verstärkende Wirkung auf das
Erregungsniveau der Personen habe.35 Diese These wurde in den 70er Jahren von Cottrell
(1972) zurückgewiesen, der zeigen konnte, dass es nicht die alleinige Präsenz anderer
Personen ist, die zu einer Trieberhöhung führt, sondern auch die Angst vor Sanktionen für
eine erhöhte Erregung verantwortlich ist. Auch diese Theorie ist umstritten und steht in
Konkurrenz zu der eher kognitivistisch ausgerichteten self awareness theory (Theorie des
Selbstbewusstseins), die davon ausgeht, dass sich Personen unter der Anwesenheit anderer
darüber bewusst werden, dass es eine Diskrepanz zwischen der aktuellen individuellen Leistung und einer idealisierten Leistung gibt.36 Das gesteigerte Selbstbewusstsein ist Grund
dafür, dass sich Personen unter der Anwesenheit anderer in höherem Maße anstrengen, als
wenn sie alleine wären. Die Theorie versucht sich zwar explizit von einer triebtheoretischen
Erklärung abzugrenzen, aber da auch sie davon ausgeht, dass Personen sich unter
Anwesenheit anderer mehr anstrengen, besteht eine Wahlverwandtschaft zwischen der
Arousaltheorie und der Theorie des Selbstbewusstseins.
Da in der eigenen Untersuchung die Anzahl der Gruppenmitglieder konstant gehalten wurde,
lässt sich nicht entscheiden, ob sich die koaktive oder die kollektive Situation positiv auf die
Erhöhung des Selbstbewusstseins auswirkt und unter welcher Arbeitsbedingung es zu einer
Motivationssteigerung kommt. Entscheidender ist vielmehr, dass in der koaktiven Situation
die individuelle Leistung im Mittelpunkt steht. Die Befunde früherer Untersuchungen
sprechen dafür, dass die Probanden dieser Gruppen aufgrund der Identifizierbarkeit der
eigenen Leistungen sowie der gegebenen Vergleichbarkeit mit den Leistungen anderer höher
motiviert sind als diejenigen der kollektiven Gruppen.
35
36
Vgl. Cotrell, 1972; Geen 1989; 1991; Zajonc, 1965.
Vgl. Carver & Scheier, 1981; Duval & Wicklund 1972.
36
So ist zu erwarten, dass in der koaktiven Situation eine Erhöhung des Selbstbewusstseins eher
auftritt als in der kollektiven Situation und es deshalb in diesen Situationen auch zu einer
Motivationssteigerung im Sinne eines erhöhten Arousals kommen wird. Aus diesem Grunde
müssten, wie in H2 formuliert, die Probanden in koaktiven Gruppen höhere Arousalwerte
aufweisen als die Probanden in kollektiven Gruppen.
Betrachtet man die Werte für Arousal, die mit Hilfe der Stress-Arousal-Checklist erfasst wurden, so zeigt sich, dass diese in der Situation mit einfacher Problemstellung für kollektive
Gruppen (M=5,11, SD=0,511) höher als diejenigen für die koaktiven Gruppen sind (M= 4,75,
SD=0,77). Die kollektiven Gruppen gaben hier z.B. an, aktiver gewesen zu sein, als die koaktiven Gruppen (in der kollektiven Situation M=5,73, SD=0,94 und in der koaktiven Situation
M=5,09, SD= 0,78, F(1,28)=4,146, p<0.06). In der komplexen Problemsituation sind die
Arousalwerte für beide Vergleichsgruppen hingegen nahezu identisch.
Ein Blick auf den Einfluss, den Arousal auf die Anstrengung hat, zeigt, dass dieser sowohl für
die einfachere-koaktive als auch für die komplexere-koaktive Situation positiv ist und für die
einfachere-kollektive wie für die komplexere-kollektive Situation negativ ist. Ein statistischer
Zusammenhang zwischen Arousalwerten und Commands konnte aber für keine der vier
Treatmentbedingungen nachgewiesen werden. Auf der Grundlage dieser Befunde muss die
H2, die besagt, dass sich die höhere Anstrengung in den Nominalgruppen auf die höheren
Erregungsniveaus in diesen Gruppen zurückführen lässt, zurückgewiesen werden.
Stress
Neben dem Faktor Arousal wurde in dem Experiment auch der Frage nachgegangen, wie sich
Stress auf die Anstrengung in den unterschiedlichen Situationen auswirkt. Insgesamt konnte
gezeigt werden, dass die Stresswert für die koaktiven Gruppen (M=3,13, SD=1,12) etwas
höher sind als diejenigen für die kollektiven Gruppen (M=2,88, SD=0,92). Ein Vergleich der
Stresswerte für die einfachere und die komplexere Problemstellung zeigt eine ähnliche
Differenz zwischen den jeweiligen Real- und Nominalgruppen. Betrachtet man den Einfluss,
den der Faktor Stress auf die Anstrengung hat, so zeigt sich für die koaktive Situation, dass
sich Stress positiv auf die Anstrengung auswirkt (Spearman-Rho=0,191).
Dieser Befund - wenn auch nicht signifikant - könnte eine Erklärung dafür sein, dass die
Probanden in der koaktiven Situation deutlicher mehr Commands abgeben als in der
kollektiven Situation, in der es keinen Zusammenhang zwischen Stress und Commands gibt
(Spearman-Rho=0,044).
Da die Zusammenhänge nicht signifikant sind, kann die These, Stress habe in koaktiven Situationen einen positiven Einfluss auf die Anstrengung, nicht aufrechterhalten werden.
Collective Effort Model (CEM)
Zur Überprüfung des CEMs von Karau & Williams (1993) wurde die Hypothese H4 formuliert, die besagt, dass die Anstrengung in koaktiven Gruppen deswegen höher ist als in
kollektiven Gruppen, weil in koaktiven Gruppen die Instrumentalität der Mittel zur Errei37
chung der Ziele höher als in kollektiven Gruppen sei. Die höhere Instrumentalität geht Karau
und Williams zufolge damit einher, dass die Ergebnisse in koaktiven Situationen aufgrund der
unmittelbaren Erreichbarkeit höher bewertet werden als in kollektiven Situationen.
Für die einfachere Problemstellung finden wir entgegen den theoretischen Erwartungen des
CEMs sowohl bei der perceived instrumentality (als Faktor der beiden Items "wie gut das
Feuer gelöscht wurde" und "ob sie sich für eine gute Feuerlöscherin bzw. einen guten
Feuerlöscher halten") als auch bei der outcome valence (als Faktor der beiden Items "wie interessant" und "wie wichtig" die Problemlösung jeweils war) identische bzw. höhere Werte für
die kollektiven als für die koaktiven Gruppen. Für die Instrumentalität ergeben sich keine
Unterschiede zwischen beiden Gruppen, was sich eventuell dadurch erklären lässt, dass die
Probanden auf ihren Bildschirmen unmittelbar sehen konnten, wie viele der Feuer sie
bekämpft haben. Dieses Feedback ermöglicht eine positive Selbsteinschätzung ganz
unabhängig von dem Performancescore, der für die Probanden nicht zu sehen war.37
Betrachtet man den Einfluss, den die beiden Faktoren auf die Commands haben, so lassen
sich keine signifikanten Einflüsse finden. Allerdings zeigt sich, dass die perceived instrumentality in der koaktiven Situation eine positive und in der kollektiven Situation eine negative Wirkung auf die Anstrengung hat. Dies erklärt vielleicht auch, weshalb in der koaktiven
Situation mehr Commands abgegeben wurden als in der kollektiven Situation.
In Gruppen, die das komplexere Problem bearbeitet haben, liegen die Werte in den koaktiven
Gruppen für die beiden Faktoren perceived instrumentality und outcome valence erwartungsgemäß höher als in den kollektiven Gruppen, was auf die Richtigkeit der theoretischen
Annahmen des CEMs verweist und eine Akzeptanz der H4 erlauben würde. In den koaktiven
Gruppen (M=5,2) ist die outcome valence höher als in den kollektiven Gruppen (M=4,8).
Diese Differenz wird noch deutlicher, wenn man das Item "wie wichtig es den Spielern war,
die Feuer gut zu bekämpfen" isoliert betrachtet. Hier zeigen sich signifikante Unterschiede
zwischen den koaktiven (M=5,8, SD=0,98) und den kollektiven Gruppen (M=4,89, SD=1,47),
F(1,28)=3,993, p<0,06. Für die Frage, ob die Probanden sich für eine gute Feuerlöscherin
bzw. einen guten Feuerlöscher halten, ist der Unterschied zwar etwas geringer, er weist aber
in dieselbe Richtung (für koaktive Gruppen lag der Mittelwert bei M=3,84, SD=1,58 und für
kollektive Gruppen bei M=3,40, SD=1,16, F(1,28)=0,768, p<0,4). Diese höhere outcome
valence kann eine Erklärung dafür sein, weshalb sich die koaktiven Gruppen mehr anstrengen
als die kollektiven Gruppen. Da die outcome valence auch durch die perceived instrumentality
bestimmt wird, ist zu erwarten, dass diese in den koaktiven Gruppen ebenfalls höher ist. Die
37
Die Differenz bei der Bewertung der Problemstellung (outcome valence) könnte sich Karau und
Williams zufolge auch auf eine hohe Bewertung der Gruppe zurückführen lassen, die sich wiederum
positiv auf die Anstrengung auswirken könnte. In diesem Falle hätten wir es nicht mehr mit sozialem
Faulenzen, sondern mit sozialer Kompensation zu tun. Würde eine höhere Bewertung der Gruppe in
der kollektiven Situation vorliegen, dann müssten konsequenterweise auch die Effortwerte in den
Realgruppen höher als jene in den Vergleichsgruppen sein. Da die Effortwerte aber auf einen
gegenteiligen Effekt verweisen, kann die Annahme, soziale Kompensation habe stattgefunden, nicht
bestätigt werden.
38
Ergebnisse bestätigen dies insofern, als eine - wenn auch nur geringe - Differenz zwischen der
perceived instrumentality koaktiver Gruppen (M=3,71) und kollektiver Gruppen (M=3,4)
vorliegt.
Aufgrund der signifikanten Unterschiede für den Faktor outcome valence ist es aufschlussreich zu untersuchen, wie sich dieser auf die Anzahl an Commands auswirkt. Die
Ergebnisse weisen nur auf einen schwachen Zusammenhang hin, der für die koaktiven Gruppen positiv und für die kollektiven Gruppen negativ ist.
Festzuhalten ist, dass auf der Grundlage der Ergebnisse für die komplexere Problemstellung
die höhere Anzahl an Commands in den koaktiven Gruppen auf eine höhere Instrumentalität
und auf eine höhere Bewertung der Problemstellung zurückgeführt werden kann. Da diese
Einflüsse nicht signifikant sind, kann die Hypothese zwar nicht bestätigt werden, allerdings
spricht auch nichts dafür, die Hypothese H4 zurückzuweisen.
4.2.4.2 Erklärungen für Leistung
Cognitive-Motivational Model (CMM)
Im nächsten Abschnitt soll die Aufklärung des inversen Verhältnisses von Anstrengung und
Leistung behandelt werden. Hierfür wird der Versuch unternommen, auf der Grundlage des
Cognitive-Motivational Models (CMM) den Befund zu erklären, dass in Problemstellungen
mit geringer Komplexität höhere Anstrengung zu besseren Leistungen führt und in
Problemstellungen mit höherer Komplexität niedrigere Anstrengung zu besseren Leistungen.
Das Modell basiert auf folgenden drei Annahmen:
1. Die Anwesenheit anderer beeinflusst die sozialen Konsequenzen für die Personen.
2. Diese sozialen Konsequenzen beeinflussen sowohl die individuelle Motivation (Arousal
und Effort) als auch die Kognition (task irrelevant information processing).
3. Die Leistung ist eine Funktion dieser motivationalen und kognitiven Faktoren.
Soziale Konsequenzen können sowohl negativ wie auch positiv sein. Das Modell geht davon
aus, dass negative Konsequenzen zur Vermeidung negativer Ergebnisse führt und positive
Konsequenzen das Erlangen positiver Güter begünstigt. Potentielle positive Konsequenzen
beziehen sich auf die Anstrengung und potentielle negative Konsequenzen beziehen sich auf
die Angst. Angst wiederum wirkt sich auf die Erregung (Arousal), auf die Anstrengung
(Effort) sowie auf die problemirrelevante Informationsverarbeitung aus.
Wurde bei der Analyse der Daten im Hinblick auf das CEM der Einfluss positiver Konsequenzen wie die Bewertung der Ergebnisse (outcome valence) und die Bewertung der Instrumentalität (perceived instrumentality) in den Vordergrund gestellt, so soll es im folgenden
darum gehen zu zeigen, wie sich negative Konsequenzen auswirken. Negative Konsequenzen
in sozialen Situationen, die über Angst vermittelt sind, ergeben sich aufgrund der Vergleichbarkeit der Ergebnisse mit denjenigen anderer Mitspieler. Da die Vergleichbarkeit in kollekti39
ven Situationen gegenüber jener in koaktiven Situationen sehr gering ist, lassen sich Situationen mit hohen und niedrigen Konsequenzen unterscheiden. Zu ersteren zählen koaktive
Situationen, in denen die individuelle Anstrengung und die individuelle Leistung unmittelbar
verglichen werden können. Zu letzteren zählen die kollektiven Situationen, in denen die individuellen Leistungen nicht individuell zurechenbar sind, sondern über das Gruppenprodukt
vermittelt werden. Diese Nichtidentifizierbarkeit führt letztlich auch dazu, dass die Probanden
nicht in dem Maße von den negativen Konsequenzen betroffen sind, wie in koaktiven
Gruppen. Die geringen Konsequenzen wirken sich schließlich negativ auf den Effortlevel, auf
das Arousalniveau und auf die irrelevante Informationsverarbeitung aus. Alle drei Werte sind
deshalb in kollektiven Gruppen geringer als in koaktiven Gruppen.
Zur Überprüfung des Modells wurde die H5 formuliert, die besagt, dass in der koaktiven Situation die negativen Konsequenzen und somit die problemirrelevante Informationsverarbeitung
höher sind (H5.1) und sich dies bei Problemen mit geringer Komplexität nicht bzw. positiv
(H5.2) und bei Problemen mit hoher Komplexität negativ (H5.3) auf die Güte der Problemlösung auswirken wird.
Betrachtet man die Ergebnisse, so konnte für beide Problemstellungen gezeigt werden, dass
die irrelevante Informationsverarbeitung in der koaktiven Situation (M=2,02, SD=0,69) signifikant höher ist als in der kollektiven Situation (M=1,49, SD=0,57), F(1,58)=10,45, p<0,003.
Dieser signifikante Unterschied lässt sich auch bei getrennter Betrachtung nach Komplexitätsniveaus der Problemstellung finden. Daher wird die H5.1. bestätigt, die besagt, dass die
irrelevante Problemverarbeitung in koaktiven Situationen höher sei als in kollektiven Situationen.
Für die einfache Problemstellung wird auf der Grundlage der H5.2 erwartet, dass die höhere
irrelevante Informationsverarbeitung in der koaktiven Gruppe keinen negativen Einfluss auf
die Leistung haben wird. Da in den koaktiven Situationen die negativen Konsequenzen höher
als in den kollektiven Situationen sind, ist dem Modell nach zu erwarten, dass die irrelevante
Informationsverarbeitung sowie die Anstrengung hoch sein werden und sich dies positiv auf
die Leistung niederschlagen wird. In der kollektiven Situation ist aufgrund der geringeren
Konsequenzen hingegen zu erwarten, dass die Anstrengung und die problemirrelevante
Informationsverarbeitung geringer sein werden und sich dies negativ auf die Leistung auswirken wird. An anderer Stelle konnte bereits gezeigt werden, wie Anstrengung und Erregung in
Abhängigkeit von der Arbeitsbedingung variieren. Deshalb sollen hier vor allem die Unterschiede in der irrelevanten Informationsverarbeitung diskutiert werden. In dem Antwortverhalten auf die Frage, ob die Probanden durch die Mitspieler abgelenkt waren, liegen die Werte
der koaktiven Gruppen (M=1,58, SD=0,78) höher als diejenigen der Vergleichsgruppen
(M=1,11, SD=0,30), F(1,28)=4,663, p<0,05. Zudem dachten Probanden in koaktiven
Situationen häufiger an anderes als die Aufgabe (M=2,49, SD=1,17) verglichen mit jenen der
40
kollektiven Situation (M=1,6, SD=0,82), F(1,28)=5,83, p<0,03. Hoch signifikant war auch,
dass sich Probanden der koaktiven Gruppen in größerem Maße verwirrt fühlten (M=3,53,
SD= 1,51) als Probanden der kollektiven Gruppen (M=1,8, SD=1,21), F(1,28)=12,102,
p<0.01.
Betrachtet man den Einfluss, den die irrelevante Informationsverarbeitung auf die Leistung
hat, so finden sich für beide Situationen leicht negative Einflüsse. Da die koaktiven Gruppen
trotz der höheren Ablenkung eine bessere Leistung erbrachten, wird deutlich, dass die irrelevante Informationsverarbeitung durch die Anstrengung kompensiert werden konnte. Dieses
Ergebnis bestätigt wiederum die These, dass sich beim Lösen des einfacheren Problems negative Konsequenzen nicht nachteilig auf die Leistungsfähigkeit auswirken. Die geringeren
negativen Konsequenzen führen in kollektiven Situationen hingegen dazu, dass der Effort und
die irrelevante Informationsverarbeitung ebenfalls niedrig sind, was sich erwartungsgemäß in
einer geringen Leistungsfähigkeit niederschlägt.
Aufgrund dieses Befundes kann die Hypothese H5.2 bestätigt werden, da die Effortwerte
sowie die Werte für das task irrelevant information processing signifikant höher sind als in
den Vergleichsgruppen und die Nominalgruppen zudem eine bessere Leistung erzielt haben
als die Realgruppen.
Für die komplexere Problemsituation war auf der Grundlage des CMMs ebenfalls zu
erwarten, dass sich hohe negative Konsequenzen der koaktiven Situation positiv auf den
Effort und auf die irrelevante Informationsverarbeitung auswirken. Gemäß der H5.3 ist davon
auszugehen, dass die höhere irrelevante Informationsverarbeitung in koaktiven Situationen
nicht durch die Anstrengung kompensiert werden kann.
Wie bereits gesagt, lassen sich auch für die komplexere Problemstellung für die irrelevante
Informationsverarbeitung Unterschiede zwischen der koaktiven Situation (M=1,73, SD=0,73)
und der kollektiven Situation (M=1,22, SD=0,39) finden (F(1,28)=5,759, p<0,03). Betrachtet
man den Einfluss, den die irrelevante Informationsverarbeitung auf die Leistung hat, so sind
die Einflüsse für beide Situationen gering.
Interessant ist aber der positive Einfluss der irrelevanten Informationsverarbeitung auf die
Commands. Dieser ist lediglich in der koaktiv-komplexen Situationen signifikant (SpearmanRho=0,488, p<0,06). Die erhöhte irrelevante Informationsverarbeitung kann somit eine Erklärung sein, weshalb in diesen Situationen die Effortwerte signifikant höher sind als in den kollektiven Situationen und weshalb sich dies negativ auf die Leistung auswirken kann.
Dass kollektive Gruppen beim Lösen komplexer Probleme bessere Leistungen erbringen als
koaktive Gruppen lässt sich darauf zurückführen, dass die Bearbeitung des komplexeren
Problems höhere kognitive Anforderungen stellt, was sich auf die größere Vernetztheit der
Variablen und die erhöhte Polytelie zurückführen lässt. Wie sich gezeigt hat, können koaktive
Gruppen diesen Anforderungen in geringerem Maße nachkommen, da sie zu stark von dem
Problem abgelenkt waren und sich weniger auf die Lösung des Problems konzentriert haben
als die kollektiven Gruppen. Auch aus diesem Grunde war es den kollektiven Gruppen mög41
lich, mit geringerem Aufwand eine bessere Leistung zu erbringen als die Vergleichsgruppen.
Damit kann auch die Hypothese bestätigt werden, die besagt, dass kollektive Gruppen trotz
geringerer Anstrengung bessere Ergebnisse erzielen als koaktive Gruppen und sich dies auf
die niedrigere irrelevante Informationsverarbeitung zurückführen lässt.
Exkurs
Es stellt sich die Frage, ob die negativen Auswirkungen der problemirrelevanten Informationsverarbeitung in einem additiven Verhältnis zur problemrelevanten Informationsverarbeitung stehen. Daher soll geprüft werden, ob deren Einfluss ebenfalls zur Erklärung der
höheren Leistung kollektiver Gruppen in komplexen Situationen herangezogen werden kann.
Da die Mittelwertsunterschiede der relevanten Informationsverarbeitung für die koaktiven und
die kollektiven Gruppen sehr gering sind und sich kein signifikanter Zusammenhang zwischen relevanter Informationsverarbeitung und Performance nachweisen ließ, ist zum einen
auszuschließen, dass dieser Faktor im additiven Verhältnis zur irrelevanten Informationsverarbeitung steht und zum anderen, dass er die höhere Leistung in den kollektiven Gruppen
determiniert. Aufgrund dieses Ergebnisses lässt sich die bessere Leistung ausschließlich auf
die geringere irrelevante Informationsverarbeitung in den kollektiven Gruppen zurückführen.
Arousal
In einem nächsten Schritt soll der Frage nachgegangen werden, ob sich die Annahmen, die
Jackson & Williams (1985) über das inverse Verhältnis von Leistung und Anstrengung beim
Lösen komplexer Aufgaben formuliert haben, bestätigen lassen. Die Autoren beschreiben,
dass den Annahmen der Theorie Sozialer Aktivierung (social facilitation) zufolge die
Anwesenheit anderer zu erhöhtem Antrieb führt und sich die Personen deshalb in stärkerem
Maße anstrengen als in Situationen, in denen sie alleine sind. Diese starke Erregung führt
beim Lösen einfacher Aufgaben zu besseren Leistungen, beim Lösen komplexer Aufgaben
hingegen zu schlechteren Leistungen. Die Begründung dafür lautet, dass Akteure aufgrund
der erhöhten Erregung bereits ausgeprägte Verhaltensmuster anwenden. Die Anwendung
dieser dominanten Verhaltensmuster ist im Falle von komplexen und unbekannten
Aufgabenstellungen, die Reflexion erfordern, mit einer höheren Fehlerwahrscheinlichkeit
verknüpft, was zu Leistungseinbußen der Akteure in diesen Gruppen führt. Die Theorie des
sozialen Faulenzens geht hingegen davon aus, dass die Anwesenheit anderer die Erregung der
Personen herabsetzt und sie deshalb ruhiger mit der Problemlösung umgehen können.38
Demnach erbringen Akteure in kollektiven Gruppen beim Lösen komplexer Aufgaben bessere
Leistungen als diejenigen in koaktiven Gruppen. Der Rekurs auf die beruhigende Wirkung
38
Die Autoren beziehen sich hier auf Schachters Untersuchung über Angst und Gruppenanschluss.
Schachter konnte zeigen, dass Personen, denen gesagt wurde, sie würden in den Experimenten
schmerzhafte Elektroschocks erhalten, lieber in Gruppen gewartet haben als alleine. Dieser Wunsch,
zusammen mit anderen zu warten, wird dahingehend interpretiert, dass die Personen hoffen, durch die
Anwesenheit anderer ihre Angst zu reduzieren. Vgl. Schachter, 1959).
42
von Gruppen ist m.E. aber sehr problematisch. Untersuchungen haben gezeigt, dass das
Arbeiten in Gruppen und die Übernahme einer kollektiven Verantwortung auch den
gegenteiligen Effekt haben kann und Personen gerade deshalb, weil sie in einer Gruppe ein
Problem bearbeiten, besonders erregt sind.
Dieser Befund wurde in der social loafing Forschung bislang weitestgehend ausgeblendet.
Erst in jüngerer Zeit haben Karau & Williams darauf hingewiesen, dass die Motivation und
somit auch das Anstrengungspotential von der Wertschätzung, den die Probanden der Gruppe
oder den einzelnen Gruppenmitgliedern beimessen, abhängt. Untersuchungen belegen, dass
Probanden beim Bearbeiten von Aufgaben in Realgruppen, in denen sie mit für sie wichtigen
Bezugspersonen zusammengearbeitet haben, sich sogar mehr anstrengten als die
Nominalgruppen.
Wie bereits gezeigt werden konnte, sind die Arousalwerte in den vier Treatmentbedingungen
nahezu identisch, weshalb auch die H2, die besagt, koaktive Gruppen seien erregter als kollektive Gruppen, nicht aufrechterhalten werden konnte. Des weiteren spricht die Annäherung
der Arousalwerte in den Treatmentbedingungen auch dafür, dass die Bewertung der Gruppe
keinen positiven Einfluss auf den Arousal hatte. Deshalb muss auch die H6 zurückgewiesen
werden, die besagt, dass höherer Arousal in einfacheren Problemsituationen zu besseren und
in komplexeren Situationen zu schlechteren Leistungen führen wird.
Stress
Neben dem Faktor Arousal soll im folgenden der Frage nachgegangen werden, wie sich Stress
auf die Leistung in den unterschiedlichen Situationen auswirkt. Da das komplexe Szenario
hohe Anforderungen an die Probanden stellt, die Entscheidungen unter Zeitdruck getroffen
werden müssen und nicht systematisch planbar sind, kann der dadurch erzeugte Stress sich
negativ auf die Leistungsfähigkeit auswirken. Dies belegen zahlreiche Ergebnisse der
Forschung aus dem Bereich Entscheidungsfindung in natürlichen Umgebungen (naturalistic
decision making).39 Stress führt, so haben diese Studien gezeigt, zu physiologischen
Veränderungen, zu emotionalen Veränderungen wie Angst und Frustration, zu kognitiven
Veränderungen, die den Problemhorizont einschränken, sowie zu Veränderungen im
Sozialverhalten.40
Da diese Stresseffekte die Leistungsfähigkeit negativ beeinträchtigen, ist zu erwarten, dass
koaktive Gruppen (M=80,28), die insgesamt schlechtere Leistungen erbrachten als kollektive
Gruppen (M=82,12), in stärkerem Maße davon beeinflusst sind. Erwartungsgemäß waren die
Stresswerte, die in der Stress-Arousal-Skala erfasst wurden, in der koaktiven Situation
(M=3,13) etwas höher als in der kollektiven Situation (M=2,88).
39
Einschlägige Forschungen hierzu wurden vorgelegt von Brehmer 1992; Brehmer & Allard 1991;
Brehmer & Svenmark, 1994; Klein et al., 1993; Leplat 1991; Omodei & Wearing 1993, 1995a, 1995b,
Omodei et al., 1998, Orasanu & Connolly 1993a; 1993b; Rasmussen 1991; Rasmussen, Brehmer &
Leplat 1991; Rasmussen, Pejtersen & Goodstein 1994.
40
Vgl. Driskell & Johnston, 1998
43
Der Stressfaktor schließt das Item ängstlich ein, wofür deutliche Unterschiede zwischen
koaktiven (M=2,42) und kollektiven Gruppen (M=1,93) ermittelt werden konnten. Die höhere
Ängstlichkeit in koaktiven Gruppen lässt der kognitiven Theorie der Angst folgend auch vermuten, dass die Probanden dieser Gruppen stärker durch anderes abgelenkt sind und sich
weniger auf die Problemlösung konzentrieren können.
Betrachtet man den Zusammenhang von Ängstlichkeit sowie dem Faktor Stress mit dem
Faktor problemirrelevante Informationsverarbeitung, so lassen sich für die Variable ängstlich
und den Faktor Stress jeweils positive Zusammenhänge mit dem Faktor irrelevante Informationsverarbeitung für die koaktiven Situationen feststellen. Diese Zusammenhänge können
sowohl für die Variable ängstlich (Spearman-Rho=0,237) als auch für den Faktor Stress
(Spearman-Rho=0,272) bestätigt werden, obgleich die Zusammenhänge jeweils sehr schwach
sind. Insgesamt lässt sich auf der Grundlage der Analyse der Haupteffekte zeigen, dass sich
der Faktor Stress negativ auf die Leistungsfähigkeit auswirkt und neben der irrelevanten
Informationsverarbeitung eine Erklärung für das inverse Verhältnis von Leitung und
Anstrengung bietet.
Die Einflüsse von Stress auf die Leistung sind insgesamt für alle Treatmentbedingungen
negativ. In der koaktiv-komplexen Situation kann zudem gezeigt werden, dass sich Stress
positiv auf die Anzahl an Commands (Spearman-Rho=0,19) und negativ auf die
Leistungsfähigkeit auswirkt (Spearmen-Rho=-0,490, p<0,06). Dies erklärt auch, weshalb die
Probanden in der koaktiv-komplexen Problemlösesituation trotz höherer Anstrengung
schlechtere Resultate erzielen.
4.2.4.3 Zusammenfassung
Im ersten Experiment konnte gezeigt werden, dass beim Lösen komplexer Probleme soziales
Faulenzen auftritt und die Teilnehmerinnen und Teilnehmer kollektiver Gruppen in
geringerem Maße motiviert waren als diejenigen koaktiver Gruppen. Ferner konnte
nachgewiesen werden, dass kollektive Gruppen effizienter sind und beim Lösen des
komplexeren Problems sogar bessere Leistungen als koaktive Gruppen erbrachten. Wie lässt
sich dieser Befund erklären?
Eine plausible Erklärung für das inverse Verhältnis von Anstrengung und Leistung in der
komplexeren Problemsituation besteht darin, dass sowohl der Faktor Stress als auch die
problemirrelevante Informationsverarbeitung in der koaktiven Situation einen jeweils positiven Einfluss auf die Commands hatten und sich gleichzeitig negativ auf die Leistung auswirkten. Die Einflüsse auf die Commands waren in der kollektiven Situation hingegen nur
sehr gering und die Auswirkungen auf die Leistung nicht in dem Maße negativ wie in der
koaktiven Situation. Da die Bearbeitung des komplexen Szenarios hohe Konzentration
erfordert, sind Mitglieder der Realgruppen, die weniger abgelenkt und gestresst sind als
44
diejenigen der Nominalgruppen, eher in der Lage, mit weniger Aufwand bessere Leistungen
zu erzielen.
4.2.5 Konsequenzen für das zweite Experiment
Das Auftreten von Motivationsverlusten konnte sowohl für die einfache als auch für die
komplexe Problemlösesituation bestätigt werden. In den Nominalgruppen wurden in beiden
Szenarien mehr Commands abgegeben als in den Realgruppen. Nachgewiesen werden konnte
auch das prognostizierte inverse Verhältnis von geringerer Anstrengung und höherer Leistung
beim Lösen des komplexen Szenarios. Daraus folgt, dass das Networked Fire Chief Szenario
für die Replikation der Ergebnisse der social loafing Forschung geeignet ist.
Entgegen den Erwartungen, die auf der Grundlage bisheriger Befunde formuliert wurden, hat
sich ergeben, dass beim Bearbeiten des komplexen Szenarios insgesamt weniger Commands
abgegeben wurden als beim Bearbeiten des weniger komplexen Szenarios. Dies verdankt sich
der Tatsache, dass die Löschgeräte, da sie Wasser zum Löschen und Benzin zur
Fortbewegung benötigen, in dem komplexeren Szenario längere Tankzeiten haben und dies
auf Kosten der Zeit geht, in der die Geräte einsatzbereit sind. In dem einfacheren Szenario
benötigen die Geräte hingegen nur eine Ressource, was die Tankzeit verringert und die
Einsetzbarkeit der Löschgeräte erhöht.
Darüber hinaus mussten die Probanden in dem komplexeren Szenario insgesamt mehr Zeit für
die Kontrolle der Füllzustände der Löschgeräte aufwenden. Sind in dem einfachen Szenario
die Löschgeräte in einem inaktiven Zustand, so liegt das daran, dass die Geräte zu weit von
den Feuern entfernt sind oder kein Wasser mehr haben. In dem komplexen Szenario müssen
die Problemlöser hingegen kontrollieren, welche Ressource nicht vorhanden ist, um
entscheiden zu können, zu welchem Ressourcendepot das Gerät bewegt werden muss. Zwar
kann dieser Kontrollaufwand nicht experimentell überprüft werden, dennoch ist davon
auszugehen, dass er unabhängig von der sozialen Situation auftritt und als Aufwand zu den
Commands hinzukommt. Trotz dieser nicht unproblematischen Operationalisierung des
Efforts und der Abweichung zu früheren Experimenten, was die geringere Anstrengung beim
Lösen des komplexeren Problems im Vergleich zu dem einfacheren Problem anbelangt,
werden die Commands weiterhin als Maßstab für den Effort zugrundegelegt, da sie am
ehesten Aufschluss über das Agieren in den unterschiedlichen Situationsdefinitionen geben.
Motivation
Wider Erwarten waren die Arousalwerte in allen vier Treatmentbedingungen ähnlich. Eine
Erklärung dafür wäre, dass das Fire Chief Szenario sowohl in der einfacheren als auch in der
komplexeren Problemstellung sehr motivierend ist und bei den Probanden das Gefühl der
Erregung auslöst. Für diese These sprechen die Ergebnisse früherer Untersuchungen, die
45
Omodei & Wearing vorgelegt haben. Sie konnten zeigen, dass die intrinsische Motivation bei
Probanden im Umgang mit der Simulation eines Flächenbrandes sehr hoch ist, was sich vor
allem der inhaltlichen Einbettung und der grafischen Gestaltung des Szenarios verdankt.41
Gegen eine hohe emotionale Betroffenheit spricht aber, dass die Werte der Antworten für das
Item betroffen (vgl. Adjektiv-Liste, Frage 1) eher gering waren. Zudem zeigt das
Antwortverhalten in der offenen Befragung nach Ablauf aller drei experimentellen
Durchgänge, dass den Probanden die Ausbreitung der Feuer häufig gleichgültig war und sie
emotional nicht beeinflusst hat. Eine Erklärung für diese Reaktion auf das Szenario besteht
darin, dass die grafische Gestaltung der Bildschirmoberfläche in der vernetzten NFC-Version
verändert wurde. Im Gegensatz zu der früheren Version, in der konkrete Gegenstände wie
Häuser, Tiere, Bäume etc. abgebildet sind, ist die Oberfläche in der vernetzten Version, die in
der Untersuchung eingesetzt wurde, eher abstrakt, was sich dem geringen Auflösungsniveau
der Symbole verdankt. Dies kann ein Grund dafür sein, dass die Spieler emotional weniger
von der Ausbreitung der Feuer betroffen waren. Aufgrund dieses Befundes sollte erneut
überprüft werden, ob das Szenario intrinsisch motivierend ist. Hierfür wird im zweiten
Experiment eine detailliertere Befragung im Hinblick auf die Motivation durchgeführt.
Zufriedenheit
Aus der Perspektive der Theorie des Selbstbewusstseins ist zu fragen, wie sich die Anwesenheit anderer auf die Motivation der Probanden auswirkt. Die Theorie des
Selbstbewusstseins geht in Anlehnung an Duval & Wicklund (1972) davon aus, die
Anwesenheit anderer führe dazu, dass die Probanden ihre Aufmerksamkeit gezielter auf sich
selbst und auf den individuellen Umgang mit der Problemstellung lenken. Deshalb nehmen
die Probanden die Diskrepanz zwischen dem aktuellen Leistungsniveau und einem
idealisierten Standard verstärkt wahr. Carver & Scheier (1981) folgend kann dieser ideale
Leistungsstandard sowohl von den Probanden selbst als auch von anderen vorgegeben
werden. Beim Lösen einfacher Aufgaben ist der ideale Standard, der von den Probanden
gewählt wird, eher zu erreichen als bei komplexeren Aufgabenstellungen. Aus diesem Grunde
begünstigt das gesteigerte Selbstbewusstsein die Problemlösefähigkeit in einfachen
Problemsituationen, in denen der ideale Standard auch erreicht werden kann, und behindert
diese in komplexeren Situationen, in denen es schwieriger ist, diesen Standard zu erreichen.
Da die Probanden im ersten Experiment lediglich über den Umgang mit der Problemstellung
befragt wurden und die Anwesenheit der anderen Mitspieler nicht Gegenstand der Befragung
war, sollte im zweiten Experiment auch danach gefragt werden, inwiefern sie sich durch das
41
Wenn dem so wäre, müssten sich aber auch die Effortwerte beider Vergleichsgruppen einander
annähern. In früheren Untersuchungen zum sozialen Faulenzen konnte gezeigt werden, dass bei
intrinsisch motivierenden Aufgabenstellungen, in denen die Probanden emotional von der Aufgabenstellung betroffen waren, social loafing nicht oder nur in geringem Maße vorkamen. Vgl. hierzu
Brickner et al. 1986; Petty & Cacioppo, 1982. Da in der vorliegenden Untersuchung aber deutliche
social loafing Effekte auftraten, stellt sich die Frage, ob diese postulierte emotionale Betroffenheit
tatsächlich vorhanden war.
46
Verhalten der anderen Mitspieler haben beeinflussen lassen. Das Ziel ist, zu erfahren, ob die
Anwesenheit anderer dazu beigetragen hat, sich der Diskrepanz zwischen diesem Ist- und
einem Idealzustand bewusst zu werden und dies ein Grund für die höhere Anstrengung war.
Das Erreichen eines Standards bzw. eines erwünschten Ziels drückt sich auch in der
Zufriedenheit über die eigene Leistung aus. Daher wird im zweiten Experiment gefragt,
inwiefern die Probanden mit den von ihnen erbrachten Leistungen zufrieden waren.
Entscheidend ist neben der Zufriedenheit mit der eigenen Leistung auch jene mit der sozialen
Situation. Diese Zufriedenheit bezieht sich einerseits darauf, ob die Probanden sich in ihrer
Gruppe wohlfühlten und andererseits darauf, ob sie mit den Leistungen der Mitspieler
zufrieden waren. Letzteres ist lediglich bei den kollektiven Gruppen bedeutsam, da hier die
Leistung der anderen Gruppenmitglieder Teil der wahrgenommenen Instrumentalität der
Mittel zur Erreichung des Ziels darstellt.
Damit wird auch der Bezug zwischen der Zufriedenheit und dem Collective Effort Model
deutlich. Die Schnittstelle zwischen perceived instrumentality und outcome valence liegt in
der Zufriedenheit der Probanden mit ihren Leistungen. Es ist einerseits davon auszugehen,
dass die perceived instrumentality insgesamt höher ist, wenn die Probanden mit ihrer eigenen
Leistung zufrieden sind, und andererseits davon, dass die perceived instrumentality in der
koaktiven Situation höher ist, wenn sich die anderen wenig anstrengen und in der kollektiven
Situation höher ist, wenn sich die anderen Mitspieler sehr anstrengen.
Daraus folgt, dass die Zufriedenheit über die eigene Leistung in einer sozialen Situation
davon abhängt, wie gut die anderen Mitspieler sind. Aus diesem Grunde ist eine
Wahrnehmung der Situation als Wettbewerb nicht auszuschließen. Im Fragebogen des
zweiten Experiments soll erhoben werden, ob die Probanden den Eindruck haben, im
Wettbewerb mit den anderen Spielern zu stehen.
Kehren wir zurück zum CEM. Karau & Williams folgend kann sich die outcome valence
neben der Bewertung der Problemstellung in sozialen Situationen auch auf die Bewertung der
Gruppe beziehen. Aus diesem Grunde wird im zweiten Experiment nach der Bedeutung der
Gruppe für die jeweiligen Spieler gefragt. Anzunehmen ist, dass eine hohe Bewertung der
Gruppe zu einer Motivationssteigerung führt und sich die Probanden im Falle einer hohen
Wertschätzung der Gruppe in stärkerem Maße anstrengen als wenn ihnen die Gruppe nicht
wichtig ist. Um diese Antwort auf ihre Konsistenz hin überprüfen zu können, soll schließlich
auch gefragt werden, ob die Spieler dem Erzeugen von kollektiven Leistungen insgesamt
einen hohen Stellenwert beimessen.
Interaktion
Den Probanden im zweiten Experiment wird es möglich sein, die Feuer auf den benachbarten
Gebieten zu löschen. Daraus folgt, dass neben den durch die soziale Situation bedingten
Motivationsgewinnen bzw. -verlusten auch Koordinationsgewinne und -verluste auftreten
können. Um das Ausmaß der Interaktion zu kontrollieren, sollen die Probanden schließlich
47
danach gefragt werden, ob die Spieler ihren Mitspielern geholfen haben und ob sie selbst von
ihren Mitspielern Hilfe erhalten haben.
Auf der Basis dieser Analyse ergibt sich für das zweite Experiment, dass der Fragebogen um
die Dimensionen Motivation, Zufriedenheit und Wahrnehmung der sozialen Situation
erweitert werden muss, um einerseits ergänzende Erklärungen für den social loafing Effekt zu
gewinnen und um andererseits die Überprüfung der theoretischen Modelle stärker absichern
zu können. Neben diesen Ergänzungen im Fragebogen wird die wesentliche Veränderung des
Designs darin bestehen, dass die Spieler bei der Bearbeitung des Szenarios auch
grenzüberschreitend Feuer löschen können.
4.3 Experiment 2
Im Gegensatz zum ersten Experiment, in dem die Probanden nur auf einer Fläche die Feuer
bekämpfen konnten, war es ihnen im zweiten Experiment auch möglich, die Feuer auf allen
drei Feldern zu bekämpfen. Trotz dieser offenen Gestaltung waren die Probanden aber primär
für eine ihnen zugeteilte Fläche zuständig und konnten nur in den Grenzgebieten der beiden
benachbarten Felder intervenieren. Im zweiten Experiment wurde derselbe Auflösungsgrad
der Bildschirmoberfläche wie im ersten verwendet, daher konnten die Probanden neben der
ihnen zugeteilten Fläche jeweils nur ca. 30-40% der benachbarten Flächen sehen. Folglich
war es nicht möglich, auf allen drei Flächen in gleichem Maße zu intervenieren. Die
zugrundeliegende Überlegung für diese Gestaltung war, die Vergleichbarkeit der Ergebnisse
beider Experimente nicht zu weit einzuschränken.
Die Möglichkeit zur Interaktion im zweiten Experiment soll primär dazu dienen, den
Probanden stärker als im ersten Experiment das Gefühl zu geben, an einer kollektiven
Problemlösung beteiligt zu sein. Hing die Glaubwürdigkeit, es handle sich um eine kollektive
Problemstellung, im ersten Experiment von der Überzeugungsleistung der Versuchsleiterin
ab, so ist es beim Design des zweiten Experiments offensichtlicher, dass es um die
Erbringung einer kollektiven Leistung geht. Damit kann auch gewährleistet werden, dass die
Situation realitätsnäher ist und die Probanden tatsächlich eine kollektive Leistung erbringen
müssen.
Im Unterschied zur additiven Problemstellung des ersten Experiments lag dem zweiten
Experiment eine eher kompensatorische Problemstellung zu Grunde.42 War die
42
Vgl. Steiner, 1976. Freilich ist die Anwendung der Steinerschen Taxonomie für unser Problem
schwierig, da das zugrundeliegende komplexe Problem weder rein additiv noch rein kompensatorisch
ist. Dennoch bietet sie eine hilfreiche Orientierung, um die wesentliche Differenz zwischen beiden
Experimenten beschreiben zu können. Der Unterschied zwischen den beiden Experimenten
manifestiert sich gerade darin, dass die schlechteren Leistungen von Probanden im ersten Experiment
in der kollektiven Situation nur indirekt durch die besseren Leistungen kompensiert werden können,
48
Problemlösung im ersten Experiment wegen der begrenzten Interventionsmöglichkeiten
isoliert, so handelt es sich im zweiten Experiment um eine vernetzte Problemlösung. Dies
führt zu einer Komplexitätssteigerung auf der sozialen Ebene, da es aufgrund der wechselseitigen sozialen Abhängigkeit der Spieler zu einer Situation mit doppelter Kontingenz
(Parsons 1951: 36f.) kommt, in der das Handeln der Problemlöser durch die jeweiligen
Erwartungserwartungen beeinflusst wird. In dieser Situation können zudem die schwächeren
Leistungen von Spielern durch das Engagement anderer Spieler kompensiert werden.
Vor dem Hintergrund der theoretischen Annahmen ist in diesem zweiten Experiment zu
erwarten, dass der social loafing Effekt noch in deutlicherem Maße auftreten wird als im
ersten Experiment, da die vernetzte Problemlösung, bedingt durch die grenzüberschreitenden
Interventionsmöglichkeiten, die individuelle Zurechenbarkeit der Leistungen faktisch nicht
mehr möglich werden lässt. Im ersten Experiment erfüllten die Beiträge der Spieler die
Einzigartigkeitsbedingung (uniqueness), d. h. der Beitrag jedes Spielers konnte identifiziert
werden. Sobald diese Bedingung - wie es im zweiten Experiment der Fall ist - nicht mehr
gegeben ist, müsste sich die Einschätzung der Spieler dahingehend verändern, den eigenen
Beitrag zur Erzeugung des Gruppenproduktes eher für redundant zu halten. Hinzu kommt,
dass im Vergleich zum ersten Experiment die Angst vor Evaluation abnehmen müsste.
4.3.1 Design
Im zweiten Experiment wurde der Einfluss unterschiedlicher Arbeitsbedingungen und
unterschiedlicher Komplexitätsniveaus der Problemstellung auf die Anstrengungen und
Leistungen untersucht. Hierfür wurde ein 2 (koaktiv vs. kollektiv) * 2 (einfaches vs.
komplexes Problem) faktorielles between-subject Design zugrundegelegt.
Beschreibung der Stichprobe
An dem Experiment haben insgesamt 60 Personen (52 Frauen und 8 Männer) im Alter von 18
bis 30 Jahren teilgenommen.43 Die Probanden rekrutierten sich überwiegend aus Erfurter
Studierenden der Fachhochschule, der Pädagogischen Hochschule sowie der Universität. Die
Teilnahme war mit einem zeitlichen Aufwand von ca. 3 Stunden verbunden und wurde mit
einer Aufwandsentschädigung von DM 30,- vergütet. Die Probanden wurden in
Dreiergruppen einbestellt und zufällig einer der vier Treatmentbedingungen zugeteilt.
sofern man die Gruppenleistung als Maßstab nimmt. Im zweiten Experiment können die schlechteren
Leistungen unmittelbar durch die besseren Leistungen der Probanden kompensiert werden, sofern
diese sich wechselseitig unterstützen. D. h. im zweiten Experiment kann durch die Zusammenarbeit
auch die individuelle Leistung der Spieler auf den jeweiligen Flächen erhöht werden.
49
Der Einfluss der unabhängigen Variablen Arbeitsbedingung und Komplexitätsniveau der
Problemstellung wurde für die Probanden sowie für die Gruppen als unabhängige
Untersuchungseinheit überprüft. Die Operationalisierung für die Anstrengung bestand in der
Anzahl der Commands, die die Probanden während der jeweiligen Spiele abgegeben haben.
Dieser objektive Maßstab wurde im zweiten Experiment zusätzlich durch die subjektive
Wahrnehmung hinsichtlich der erbrachten Anstrengung kontrolliert, indem die Spieler danach
gefragt wurden, wie sehr sie sich bei der Bearbeitung der Simulation angestrengt haben.
Durch das Programm wurde neben den Commands die Gruppenleistung sowie die Leistungen
der jeweiligen Flächen aufgezeichnet. Da die individuelle Zurechnung der
flächenspezifischen
Leistungen
auf
die
einzelnen
Spieler
aufgrund
der
Interaktionsmöglichkeiten problematisch ist, wurde für die Bestimmung der individuellen
Leistungen im Gegensatz zum ersten Experiment die Gruppenleistung zugrundegelegt.
Experimentelle Manipulation
Durch die Vorgabe unterschiedlicher Aufgabenstellungen wurde die experimentelle
Manipulation der Arbeitsbedingung realisiert. Den Gruppenmitgliedern in der koaktiven
Arbeitsbedingung wurde bei der Einführung in das Programm mitgeteilt, dass es bei der
Bearbeitung der Simulation darum gehe, eine möglichst hohe individuelle Leistung zu
erzielen und den Gruppenmitgliedern in der kollektiven Arbeitsbedingung wurde mitgeteilt,
dass es darum gehe, die Feuer in der Dreiergruppe so gut wie möglich zu bekämpfen, um eine
möglichst hohe Gesamtleistung zu erzielen.
Die Manipulation des Komplexitätsniveaus erfolgte analog zum ersten Experiment durch die
Einführung einer weiteren Ressource, wodurch sich im komplexen Szenario die Komplexität,
die Vernetztheit, die Polytelie sowie die Intransparenz des Problems erhöhte.
Manipulation Checks
Auch im zweiten Experiment wurden die Stimmungen der Probanden mit Hilfe der StressArousal-Checklist erhoben, um auf der Grundlage ausgewählter Items das Ausmaß an
Erregung sowie an Stress der einzelnen Probanden bestimmen zu können. Der Fragebogen zur
Erhebung der perceived instrumentality, der outcome valence, der problemrelevanten sowie
der problemirrelevanten Informationsverarbeitung wurde im zweiten Experiment durch
weitere Fragen ergänzt, die sich auf die Zufriedenheit, die Motivation, die Bewertung der
Gruppe sowie auf das Gefühl des Wettbewerbs beziehen.
-
Zufriedenheit: Im Hinblick auf diesen Faktor wurde danach gefragt, ob die Probanden mit
den von ihnen erbrachten Leistungen zufrieden waren und ihnen die Bearbeitung des
Szenarios Spaß gemacht hat. Diese Items dienen - wie wir gesehen haben - vor allem der
43
Dabei handelt es sich nicht um dieselbe Gruppe von Leuten, die bereits beim ersten Experiment
teilgenommen haben.
50
Überprüfung des Collective Effort Models. Studien haben gezeigt, dass Aufgaben, deren
Bearbeitung bei den Problemlösern das Gefühl der Zufriedenheit auslösen, von Akteuren
höher bewertet werden als jene Aufgaben, die nicht zufriedenstellend bewerkstelligt
werden können. Deshalb soll überprüft werden, ob eine höhere Zufriedenheit mit einer
höheren Bewertung der Aufgabenstellung einhergeht.
Folgende Fragen wurden hierzu gestellt:
- Sind Sie mit Ihrer Leistung in diesem Szenario zufrieden?
- Hat Ihnen die Bearbeitung der Simulation Spaß gemacht?
-
Motivation: Zur Erhebung der Motivation wurde die Frage gestellt, ob das Szenario die
Spieler motiviert hat, sich anzustrengen. Diese Frage ist insofern relevant, da ein Ergebnis
des ersten Experiments war, dass das Szenario bei den Probanden nicht wie erwartet eine
hohe emotionale Betroffenheit ausgelöst hat, was frühere Studien nahegelegt haben. Des
weiteren wurde erhoben, ob die Spieler sich angestrengt haben. Diese letzte Frage zielt auf
die wahrgenommene Anstrengung ab und dient v. a. der Überprüfung, ob die subjektive
und objektive Anstrengung positiv korrelieren.
Folgende Fragen wurden gestellt:
- Haben Sie sich sehr angestrengt?
- Hat Sie das Szenario motiviert, sich anzustrengen?
-
Bewertung der Gruppe bzw. der Leistungen anderer Mitspieler. Die Fragen hierzu haben
zum Ziel, herauszufinden, wie die Spieler die Anstrengung und Leistung der Mitspieler
bewerten und ob sich die Probanden in ihren jeweiligen Gruppen wohlfühlten. Diese
Fragen sind insofern relevant, da in einer kollektiven Arbeitsbedingung die Anstrengung
anderer als Teil der eigenen perceived instrumentality betrachtet werden kann. Ähnlich
kann eine hohe Bewertung der Gruppen die outcome valence für die Problemstellung
erhöhen.
Die Fragen zur Anstrengung der Gruppenmitglieder lauten:
- Wie gut haben die anderen Gruppenmitglieder die Feuer bekämpft?
- Haben sich Ihre Gruppenmitglieder angestrengt?
In der kollektiven Arbeitsbedingung wurden zusätzlich folgende Fragen gestellt:
-
Sind Sie mit den Leistungen Ihrer Gruppenmitglieder zufrieden?
Wie hoch war Ihr eigener Beitrag zur Lösung des Problems im Vergleich zu den
Beiträgen der anderen Gruppenmitgliedern?
Fragen zur Bewertung der Gruppe:
- Haben Sie sich in Ihrer Gruppe wohlgefühlt?
- Arbeiten Sie gerne mit anderen zusammen?
51
-
Wettbewerb: Des weiteren wurden die Probanden danach gefragt, ob sie sich im
Wettbewerb mit ihren Mitspielern befanden. Das Gefühl des Wettbewerbs kann zu einer
Steigerung der Erregung führen und die Stimmungen der Probanden beeinflussen.
Die Frage hierzu war:
- Hatten Sie das Gefühl sich in einer Wettbewerbssituation mit Ihren Mitspielern zu
befinden?
Abschließend wurde auch danach gefragt, ob die Probanden den anderen Mitspielern geholfen
haben und ob sie selbst Hilfe von den Mitspielern erhalten haben. Auf der Grundlage dieser
zusätzlich erhobenen Information kann die Aussage über die Richtigkeit der Hypothesen
besser abgesichert werden, als dies im ersten Experiment der Fall war.
Prozedur
Die Versuchsdurchführung erfolgt in drei Durchgängen, einer Einführungs- einer Trainingsund einer Versuchsphase. Für die Trainings- und Versuchsdurchgänge wurden die Szenarien
des ersten Experiments übernommen. Daher war das Szenario in den Trainingsdurchgängen
einfacher als jenes in den Versuchsdurchgängen. Wie im ersten Experiment konnten die
Probanden in den Trainingsdurchgängen lediglich auf einer ihnen zugewiesenen Fläche die
Feuer bekämpfen. Diese Restriktion wurde erst in den experimentellen Durchgängen
aufgehoben, in denen es den Spielern auch möglich war, auf allen drei Feldern die Feuer zu
bekämpfen. Beide Durchgänge wurden drei mal wiederholt, um das Rotationsprinzip aufrecht
erhalten zu können. Nach jedem der experimentellen Durchgänge wurde der Fragebogen zur
Erfassung der Stimmungen und der Items zur Überprüfung der Hypothesen eingesetzt, um die
Einflüsse der Treatmentbedingungen auf die jeweiligen Spieler ermitteln zu können.
4.3.1.1 Kontrolle von nicht-experimentellen Einflussfaktoren
Die Spieler der jeweiligen Gruppen bearbeiteten insgesamt drei mal das Szenario und
bekämpften jeweils einmal auf jeder Fläche die Brände. Da iterierte Spiele Lerneffekte
wahrscheinlich werden lassen, wurde erstens untersucht, ob es eine Leistungssteigerung
innerhalb der drei Versuchsdurchgänge gibt. Hierfür wurden die Leistungsmittelwerte der
jeweiligen Durchgänge mit Hilfe drei gepaarter t-Tests verglichen.
L144(M=79,65) und L2 (M=81,40), t(1,59)=-1,215, n.s.
L1 (M=79,65) und L3 (M=81,53), t(1,59)=-1,453, n.s.
L2 (M=81,40) und L3 (M=81,53), t(1,59)=-0,08, n.s.
44
L1 steht für Leistungen, die im ersten Durchgang erzielt wurden, L2 für jene des zweiten Durchgangs
und L3 für jene des dritten Durchgangs.
52
Ein Vergleich der Leistungsmittelwerte über die drei Durchgänge hinweg zeigt, dass es keine
Unterschiede zwischen den Gesamtleistungen gibt. Das Auftreten von Lerneffekten wird aus
diesem Grunde ausgeschlossen.
Zweitens wurde geprüft, ob es Leistungsunterschiede zwischen den einzelnen Flächen gibt. Im
ersten Experiment hat sich gezeigt, dass es Leistungsunterschiede zwischen den Flächen gab,
was sich dadurch erklären ließ, dass die Fläche C einen anderen Zuschnitt als die beiden
anderen Flächen hat. Um die Vergleichbarkeit mit dem ersten Experiment aufrechterhalten zu
können, wurde das Szenario unverändert eingesetzt.45 In den Spielen wurde auf dem Feld A
eine Leistung von M=77,3 erbracht, auf dem Feld B eine Leistung von M=79,23 und auf dem
Feld C eine Leistung von M=85,92. Diese Werte stimmen im wesentlichen mit jenen des
ersten Experiments überein. Es zeigt sich demnach, dass die Unterschiede zwischen den
Flächen A und C sowie zwischen den Flächen B und C, wie zu erwarten war, auch im zweiten
Experiment auftraten.
Aufgrund dieser Differenzen wird drittens überprüft, ob das Beginnen auf einer bestimmten
Fläche einen Einfluss auf die Anstrengungen und Leistungen der darauffolgenden
Durchgänge hat.
Tab.4: Vergleich von Leistungen und Commands (Experiment 2)
Gruppe 1
Leistung/ Durchgang 1 76 (Feld A)
Leistung/ Durchgang 2 86,95 (Feld C)
t(1,19)=-4,793, p<0,01
Anstrengung/ Durchg.1 99,2 (Feld A)
Anstrengung/ Durchg.2 99,85 (Feld C)
t(1,19)=-0,197, n.s.
Gruppe 2
Gruppe 3
78,15 (Feld B)
76,95 (Feld A)
t(1,19)=0,618, n.s.
84,8 (Feld C)
80,3 (Feld B)
t(1,19)=2,451, p<0,05
105,85 (Feld B)
105,3 (Feld A)
t(1,19)=0,151, n.s.
100,8 (Feld C)
109,15 (Feld B)
t(1,19)=-2,985, p<0,05
45
Die Einstellung wurde so gewählt, dass die Flächen erstens gleich groß sind, zweitens eine gleiche
Wertigkeit hinsichtlich der Symbole aufweisen und drittens wurde darauf geachtet, dass bei NichtIntervention jede Fläche eine Performance Score von 50% aufweist.
53
Leistung/ Durchgang 2 86,95 (Feld C)
Leistung/ Durchgang 3 79,55 (Feld B)
t(1,19)=2,355, p<0,01
Anstrengung/ Durchg.2 99,85 (Feld C)
Anstrengung/ Durchg.3 96,55 (Feld B)
t(1,19)=1,164, n.s.
Leistung/ gesamt
Anstrengung/ gesamt
80,83
98,53
76,95 (Feld A)
86 (Feld C)
t(1,19)=-4,744, p<0,05
105,3 (Feld A)
109,8 (Feld C)
t(1,19)=-1,413, n.s.
80,3
106,9
80,3 (Feld B)
79,05 (Feld A)
t(1,19)=0,565, n.s.
109,15 (Feld B)
110,35 (Feld A)
t(1,19)=-0,312, n.s.
81,38
106,77
Die Ergebnisse legen nahe, dass es keine Unterschiede zwischen den Gesamtleistungen der
Gruppen, die auf unterschiedlichen Feldern begonnen haben, gibt (vgl. Tab.4). Daher ist das
Beginnen auf einer bestimmten Fläche als leistungsdeterminierende Variable auszuschließen.
Bei den Commands finden wir hingegen, dass die Gruppen, die auf Feld A begonnen haben,
sich insgesamt weniger anstrengten als die beiden anderen Gruppen.46 Da der Unterschied
nicht signifikant ist, kann das Beginnen auf einer bestimmten Fläche als Einflussfaktor auf die
Commands vernachlässigt werden.
4.2.1.2 Ausschluss von weiteren Einflussfaktoren
Geschlechtsspezifische Unterschiede im Hinblick auf die Anstrengung und Leistung sind in
diesem Experiment auszuschließen. In der Anzahl an Commands unterschieden sich die
Frauen (M=103,42; SD=14,11) nicht signifikant von den Männern (M=106,42; SD=11,62),
F(1,58)=0,26, n.s. Auch in Bezug auf die Leistung gab es keine Unterschiede zwischen
Frauen (M=80,46) und Männern (M=83,46), F(1,58)=0,846, n.s.
Ferner wurde geprüft, ob der regelmäßige Umgang mit Computern einen Einfluss auf die
Anstrengung und Leistung der Probanden hat. Die Durchführung einer Varianzanalyse zeigt,
dass der Einfluss des Umgangs mit Computern weder für den (Effort F(3,56)= 2,615, n.s.)
noch für die Leistung (F(3,56)=2,284, n.s.) signifikant sind. Analog hierzu wurde überprüft,
ob Personen, die regelmäßig Computerspiele spielen, eine höhere Leistung erbringen und sich
46
Diese Differenz konnte bereits im ersten Experiment gefunden werden. In beiden Experimenten
erbrachten die Teilnehmerinnen, die auf Feld A begannen in der ersten Runde weniger Commands.
Stieg im ersten Experiment die Anzahl der Commands nach dem ersten Durchgang rapide an und fiel
danach wieder ab, so finden wir im zweiten Experiment ein gleichbleibend niedriges Niveau. Dieser
Unterschied lässt sich auf der Grundlage der Daten allerdings nicht erklären.
54
mehr bzw. weniger anstrengen als Personen, die nie Computerspiele spielen. Hierbei zeigte
sich, dass die Häufigkeit des Spielens von Computerspielen weder einen Einfluss auf die
Anstrengung (F(3,56)=0,939, n.s.) noch auf die Leistung hat, F(3,56)= 1,105, n.s.
In einem weiteren Schritt wurde untersucht, ob die Dimensionen „Spaß im Umgang mit
Computern“ sowie „Schwierigkeiten im Umgang mit Computern“ das Verhalten in den
Spielen beeinflusst haben. Die Ergebnisse der Varianzanalyse zeigen, dass es einen
signifikanten Einfluss der Werte für das Item Spaß im Umgang mit Computern auf die
Leistung der Probanden gibt, F(4,55)=2,591, p<0,05. Die Ausprägung der
Häufigkeitsverteilung der Variablen Spaß im Umgang mit Computern zeigte, dass 80% der
Probenden sich auf der Likert-Skala den Kategorien 4-6 und 10% der höchsten Kategorie
zuordneten. Es ist folglich davon auszugehen, dass den Probanden, die an dem Experiment
teilgenommen haben, der Umgang mit PCs Freude bereitet.
In einem weiteren Schritt wurde untersucht, ob die Schwierigkeiten, die Personen im Umgang
mit Computern haben, einen Einfluss auf die Leistung hat. Es zeigte sich, dass es keinen
signifikanten Einfluss der Dimension Schwierigkeit im Umgang mit Computern auf die
Leistung in den Spielen gibt, F(5,54)=1,483, n.s. Auf der Grundlage dieser Berechnung und
der Tatsache, dass alle Teilnehmerinnen angaben, Spaß im Umgang mit Computern zu haben,
bringen die Teilnehmer vergleichbare Ausgangsbedingungen mit, was eine Voraussetzung für
die Überprüfung unterschiedlicher Treatmentbedingungen auf die Anstrengung und die
Leistung der Probanden darstellt.
Ein weiterer zu kontrollierender Faktor ist die individuelle Leistungsvoraussetzung der
Probanden, die die Leistungen der Spieler in den experimentellen Durchgängen beeinflussen
kann. Die individuellen Leistungsvoraussetzungen wurden auf der Grundlage der erbrachten
Leistungen in den Trainingsdurchgängen berechnet. Zunächst wurde mit Hilfe einer
Regression der Einfluss der Trainingsleistung auf die Leistung in den experimentellen
Durchgängen überprüft. Das Ergebnis lässt auf einen starken Zusammenhang zwischen der
Trainingsleistung und der Leistung in den experimentellen Durchgängen schließen, r=0,692,
p<0,05.
Betrachtet man den Einfluss der im Training erbrachten Leistungen auf die in den
experimentellen Durchgängen erbrachten Leistungen getrennt für die Gruppen der vier
Treatmentbedingungen, so finden wir lediglich für die einfach-koaktive Arbeitsbedingung
einen signifikanten Einfluss, r=0,587, p<0,05. Für die drei weiteren Treatmentbedingungen ist
der Einfluss hingegen nicht signifikant (kollektiv-simpel: r=0,412, n.s., koaktiv-komplex:
r=0,149, n.s., kollektiv-komplex: r=0,416, n.s.).
Um den Einfluss der Treatmentbedingungen unabhängig von den Leistungen in den
Trainingsdurchgängen überprüfen zu können, wurde eine Kovarianzanalyse durchgeführt.
Diese Analyse zeigt, dass es einen signifikanten Unterschied zwischen den Leistungen der
vier Treatmentbedingungen gibt, F(3,55)=13,59, p<0,001. (Die Voraussetzungen für die
Varianzhomogenität sind mit einem Bartlett-Box-Wert von F(3,5645)=1,1947 erfüllt.)
55
Von Interesse ist nun, ob sich dieser Unterschied auf die beiden Komplexitätsniveaus oder auf
die beiden Arbeitsbedingungen zurückführen lässt. Eine getrennte Analyse nach
Komplexitätsniveaus zeigt, dass es weder in der einfachen noch in der komplexen
Problemlösesituation einen Leistungsunterschied zwischen koaktiven und kollektiven
Gruppen gibt. Der Einfluss der Situationsdefinition auf die Leistung ist in der einfachen
Problemstellung sehr gering, F(1,27)=0,06, n.s. Auch für die komplexe Problemstellung
konnte in diesem Experiment keine signifikante Differenz ermittelt werden, F(1,27)=2,54, n.s.
Aufgrund der geringen Leistungsunterschiede, die sowohl in der einfacheren als auch in der
komplexeren Problemstellung ausgemacht werden konnten (s.u.), ist es um so schwieriger, die
individuelle Leistung auf der Grundlage der Trainingsleistung zu prognostizieren. Die
Einflüsse der Leistungsvoraussetzungen auf die Leistungen in den experimentellen
Durchgängen werden deshalb vernachlässigt.
4.3.2 Motivation und Leistung
4.3.2.1 Ergebnisse für Probanden
Insgesamt konnte für das gesamte Modell ein signifikanter social loafing Effekt auf der
Grundlage eines varianzanalytischen Verfahrens (MANOVA) ausgemacht werden. So haben
Probanden der Gruppen, die unter der kollektiven Arbeitsbedingungen das Problem gelöst
haben, signifikant weniger Commands abgegeben (M=100,34, SD=14,31) als Probanden in
den Vergleichsgruppen, M=107,84, SD=12,26, F(1,56)=4,81, p<0,05. Damit konnte bestätigt
werden, dass die Treatmentbedingungen einen signifikanten Einfluss auf die Anstrengung der
Probanden haben.
Tab.5: Anstrengung in Abhängigkeit von Komplexitätsniveau und Situationsdefinition
(Experiment 2)
Einfache
Problemstellung
M
N
SD
Komplexe
Problemstellung
M
N
SD
Koaktive Gruppen
Kollektive Gruppen
Mgesamt
109,84
15
13,34
103,84
15
18,31
213,68
30
105,84
15
11,18
96,84
15
7,92
202,68
30
56
Mgesamt
N
215,68
30
200,68
30
Der Einfluss des Komplexitätsniveaus auf die Anstrengung war hingegen nicht signifikant,
F(1,56)=2,59, n.s. Wie im ersten Experiment zeigt sich aber auch hier, dass bei der
Bearbeitung des komplexeren Problems insgesamt weniger Commands abgegeben wurden als
bei derjenigen des einfacheren Problems. Da bei dieser Berechnung die Voraussetzungen für
homogene Varianzen nicht erfüllt sind, ist das Ergebnis mit Vorsicht zu genießen, BartlettBox: F(3,5645)=3,18125, p=0,023.
Ein Mittelwertvergleich der Commands zwischen den Gruppen mit unterschiedlichen
Komplexitätsniveaus zeigt für die komplexe Problemstellung einen signifikanten Unterschied
zwischen koaktiven und kollektiven Gruppen. Probanden koaktiver Gruppen (M=105,84,
SD=11,18) gaben signifikant mehr Commands ab als diejenigen kollektiver Gruppen
(M=96,84, SD=7,92), F(1,28)=6,473, p<0,05 (vgl. Tab.5). Dieser Unterschied wird auch
durch die Ergebnisse der apriori Kontrastanalyse bestätigt, t(1,28)=-2,544, p<0,05. Für die
einfache Problemstellung unterscheidet sich die Anzahl an Commands in der koaktiven
(M=109,84, SD=13,34) und der kollektiven Situation (M=103,84, SD=18,31) hingegen nicht
signifikant voneinander, F(1,28)=1,052, n.s. Auch die apriori Kontrastanalyse zeigt, dass es
keinen signifikanten Unterschied gibt, t(1,28)=-1,026, n.s.
Leistung
In diesem zweiten Experiment lag ein experimentelles Setting zugrunde, welches uns zwar
erlaubt, die individuellen Effortwerte zu bestimmen, es erlaubt uns aber nicht, die damit
verbundenen Leistungen den jeweiligen Probanden zuzurechnen. Aufgrund der
Interventionsmöglichkeiten der Spieler auf allen drei Feldern werden die individuellen
Leistungen deshalb durch die jeweilige Gruppenleistung bestimmt. Ein Vergleich der
Leistungen unterschiedlicher Treatmentbedingungen erfolgt deshalb nicht auf der Grundlage
der individuellen, sondern auf jener der kollektiven Leistungen. Die Gruppenleistungen
erlauben, Rückschluss darauf zu ziehen, unter welchen Treatmentbedingungen bessere bzw.
schlechtere Leistungen erzielt wurden.
In einer Varianzanalyse (MANOVA) wurde der Einfluss der Situationsdefinition und des
Komplexitätsniveaus auf die Leistung berechnet. Für beide unabhängigen Variablen konnten
Haupteffekte auf die Leistung ausgemacht werden. Die Ergebnisse zeigen, dass die
Situationsdefinition die Leistungen koaktiver Gruppen (M=79,27, SD=8,77) und kollektiver
Gruppen (M=82,46, SD=8,2) signifikant beeinflussen, F(1,56)=5,71, p<0,01. In ähnlicher
Weise beeinflusst das Komplexitätsniveau die Leistungen der unterschiedlichen Gruppen,
F(1,56)=100,05, p<0,01. Durch beide Faktoren wird demzufolge ein Großteil der Varianz
57
aufgeklärt. Die Voraussetzungen für homogene Varianzen sind für diese Berechnung erfüllt,
Bartlett-Box: F(3,5645)=1,1946, p>0,3.
Tab.6: Leistung in Abhängigkeit von Situationsdefinition und Komplexitätsniveau
(Experiment 2)
Einfache
Problemstellung
M
N
SD
Komplexe
Problemstellung
M
N
SD
Mgesamt
N
Koaktive Gruppen
Kollektive Gruppen
Mgesamt
86,42
15
4,02
88,64
15
4,34
175,06
30
72,11
15
5,78
76,27
15
6,2
148,38
30
158,53
30
165,34
30
Im Hinblick auf die Leistungen finden wir bei separater Analyse für beide
Komplexitätsniveaus eine höhere Leistung in der kollektiven als in der koaktiven Situation.
Der Unterschied zwischen koaktiven (M=86,42, SD=4,02) und kollektiven Gruppen
(M=88,64, SD=4,34) ist in der einfacheren Problemsituation nicht signifikant, F(1,28)=2,117,
n.s. In der komplexeren Problemsituation finden wir hingegen einen deutlicheren Unterschied
zwischen koaktiven (M=72,11, SD=5,52) und kollektiven Gruppen (M=76,27, SD=6,2),
F(1,28)=3,407, p<0,07. Die apriori Kontrastanalyse für die einfachere Problemsituation zeigt,
dass sich keine signifikanten Unterschiede zwischen beiden Arbeitsbedingungen finden
lassen, t(1,28)=1,4550, n.s. Selbiges gilt auch für die komplexere Situation, t(1,28)=1,899,
n.s.
Die Ergebnisse des zweiten Experiments bestätigen für die komplexere Problemlösesituation
den Befund des ersten Experiments. Auch hier erbrachten kollektive Gruppen höhere
Leistungen als koaktive Gruppen. Für die einfache Problemstellung konnte hingegen gezeigt
werden, dass die Leistungen der kollektiven Gruppen ebenfalls höher waren als jene der
Vergleichsgruppen. Dieses Ergebnis, welches sich von jenem des ersten Experiments
unterscheidet, lässt sich dahingehend interpretieren, dass es aufgrund der
Komplexitätssteigerung der sozialen Situation, die durch die wechselseitige soziale
Abhängigkeit bedingt ist, bereits in der einfachen Problemstellung zu dem inversen Effekt
von Leistung und Anstrengung kam.
58
Effizienz
Im folgenden soll der Frage nachgegangen werden, ob sich hinsichtlich der Effizienz
Unterschiede zwischen den beiden Arbeitsbedingungen finden lassen. Insgesamt ist die
Effizienz in der kollektiven Situation (M=0,836, SD=0,127) signifikant höher als in der
koaktiven Situation, M=0,74, SD=0,1; F(1,58)=10,15, p<0,01. Eine getrennte Analyse für
beide Komplexitätsniveaus zeigt, dass in der einfacheren Problemstellung die kollektiven
Gruppen (M=0,875, SD=0,137) effizienter waren als die koaktiven Gruppen, M=0,796,
SD=0,867; F(1,28)=3,623, n.s. In der komplexen Problemstellung ist die Effizienz der
Realgruppen (M=0,797, SD=0,108) hingegen signifikant höher als jene der Nominalgruppen,
M=0,688, SD=0,837; F(1,28)=9,56, p<0,01.
Analog zum ersten Experiment gelangten auch in diesem Experiment die kollektiven Gruppen
mit weniger Aufwand zu signifikant besseren Leistungen. Die Effizienz ist daher in den
kollektiven Arbeitsbedingungen höher als in den koaktiven Arbeitsbedingungen. Damit
konnte das Ergebnis des ersten Experiments durch die Resultate des zweiten Experiments
repliziert werden.
4.3.2.2 Ergebnisse für Gruppen
In einem nächsten Schritt sollen die Differenzen zwischen den Treatmentbedingungen auch
auf der Gruppenebene überprüft werden. Eine Analyse, in der die Gruppen als unabhängige
Untersuchungseinheiten zugrundegelegt werden, ist in diesem Experiment verstärkt geboten,
da die Interaktionsmöglichkeiten den gegenseitigen Einfluss der Gruppenmitglieder
verstärken und für die Leistungen eine individuelle Zurechenbarkeit nur noch schwer möglich
ist.
Abb.4: Vergleich von koaktiven und kollektiven Gruppen
(Experiment 2)
120
110
100
90
80
Performance
70
Commands
Effizienz
60
koak
koll
Situationsdefinition koaktiv vs. kollektiv
59
Aufgrund der geringen Fallzahl der Gruppen unterschiedlicher Treatments (N=5) erfolgt eine
Analyse mit Hilfe verteilungsfreier statistischer Verfahren (Mann-Whitney-U-Test).
Betrachtet man die Unterschiede zwischen den koaktiven und den kollektiven Gruppen unabhängig von den Komplexitätsniveaus, so lassen sich für die Commands und die Effizienz
signifikante Unterschiede zwischen den beiden Gruppen finden. Ein Vergleich der koaktiven
(N=10) und der kollektiven Gruppen (N=10) zeigt, dass sowohl für die Commands (U=10,
p<0,01) als auch für die Effizienz (U=18, p<0,02) ein signifikanter Unterschied zwischen den
Rangreihen der Werte besteht.
In der einfachen Problemstellung erbrachten koaktive Gruppen (N=5) trotz höherer
Anstrengung eine geringere Leistung als kollektive Gruppen (N=5). Für beide abhängigen
Variablen, Anstrengung und Leistung, wurde jeweils ein einseitiger U-Test durchgeführt.
Weder für die Anstrengung noch für die Leistung konnte dabei ein signifikanter Unterschied
ausgemacht werden. In der komplexen Problemstellung haben sich die koaktiven Gruppen
(N=5) in höherem Maße angestrengt und signifikant mehr Commands abgeben als die
kollektiven Gruppen (N=5; U=0,0, p<0,01). Ebenfalls lässt sich auf der Grundlage nichtparametrischer Verfahren bestätigen, dass die kollektiven Gruppen in der komplexen
Problemlösesituation effizienter als die koaktiven Gruppen waren (U=1, p<0,02).
Die vorliegenden Ergebnisse zeigen, dass auf der Grundlage der unabhängigen Untersuchungseinheit Gruppe die Treatmenteffekte zu denselben Resultaten führen, die wir für die
Probanden als unabhängige Untersuchungseinheit erhalten haben.
4.3.3 Manipulation Checks
4.3.3.1 Ergebnisse für Probanden
Die Teilnehmerinnen wurden nach allen drei Versuchsdurchgängen gebeten, den erweiterten
Fragebogen (siehe Anhang) auszufüllen, der die Stimmungen bezogen auf die Bearbeitung
des Szenarios sowie die Selbst- und Fremdeinschätzung hinsichtlich der erbrachten
Anstrengung und Leistung erhebt. Bei der Auswertung wurde zunächst die interne Konsistenz
des Antwortverhaltens der Probanden über die drei Fragebögen hinweg überprüft. Da die
Konsistenzbedingung erfüllt war, wurden die Antworten der drei Fragebögen
zusammengefasst. Die nachfolgenden Berechnungen erfolgen deshalb auf der Basis dieser
Mittelwerte.
Im Hinblick auf die Faktoren Stress und Arousal konnten wiederum nur schwache
Unterschiede zwischen beiden Arbeitsbedingungen ausgemacht werden. Der Faktor Arousal
war bei den Probanden koaktiver Gruppen (M=4,81, SD=0,89) etwas geringer als bei jenen
der kollektiven Gruppen, M=5,04, SD=0,88, F(1,58)=0,945, n.s. Dieses Antwortverhalten
60
lässt auf Übereinstimmungen zum ersten Experiment schließen, da auch dort die Werte für
Arousal in den kollektiven Gruppen etwas über jenen der koaktiven Gruppen lagen.
Der Faktor Stress war in den koaktiven Gruppen (M=2,74, SD=0,8) insgesamt höher als in
den kollektiven Gruppen, M=2,52, SD=0,84; F(1,58)=1,083,n.s. Eine Aufschlüsselung des
Stressfaktors in die einzelnen Items, zeigt, dass die Items nervös, ängstlich und unbehaglich
in den koaktiven jeweils etwas höher liegen als in den kollektiven Gruppen. Die Probanden
koaktiver Gruppen (M=2,79; SD=1,36) gaben an, nervöser zu sein als diejenigen in den
kollektiven Gruppen, M=2,47; SD=1,23; F(1,58)=0,924, n.s. Für das Item ängstlich liegen die
Werte der koaktiven Gruppen (M=1,88; SD=1,0) etwas über jenen der Vergleichsgruppe,
M=1,73; SD=1,02; F(1,58)=0,307, n.s. Selbiges gilt auch für das Item unbehaglich (für
koaktive Gruppen M=2,34; SD=1,14 und für kollektive Gruppen M=2,08; SD=1,17;
F(1,58)=0,782, n.s.). Dieses Ergebnis legt nahe, dass alle Items für die Differenz des Faktors
Stress verantwortlich sind.
Zur Überprüfung des Collecitve Effort Models dienen die Faktoren perceived instrumenatlity
sowie outcome valence, die über unterschiedliche Fragen operational definiert wurden. Über
beide Komplexitätsniveaus hinweg finden wir hierfür nahezu keine Unterschiede zwischen
den beiden Arbeitsbedingungen. Die perceived instrumenatlity der koaktiven Gruppen
(M=3,56; SD=1,13) war nur geringfügig höher als diejenige in den kollektiven Gruppen
(M=3,47; SD=1,42); F(1,58)= 0,072, n.s. Die Werte für die outcome valence lagen hingegen
bei den kollektiven Gruppen (M=4,93; SD=1,18) geringfügig über jenen der koaktiven
Gruppen, M=4,76; SD=1,3; F(1,58)=0,29, n.s.
In dem zweiten Experiment wurde die Zufriedenheit als weiterer Indikator für die
Überprüfung des CEMs hinzugezogen. Für die Zufriedenheit mit der eigenen Leistung liegen
die Werte der koaktiven Gruppen (M=3,72; SD=1,18) ebenfalls nur geringfügig unter jenen
der kollektiven Gruppen, M=3,84; SD=1,44; F(1,58)=0,129, n.s. Die Zufriedenheit wurde
auch über den Spaß bei der Bearbeitung des Szenarios ermittelt. Hier waren die Differenzen
zwischen den beiden Arbeitsbedingungen etwas deutlicher. Mitglieder der kollektiven
Gruppen (M=5,26; SD=1,27) hatten mehr Spaß bei der Bearbeitung des Szenarios als jene der
koaktiven Gruppen M=4,62; SD=1,46; F(1,58)=3,21, n.s.
Aufgrund der geringen Differenzen und der Tatsache, dass bei koaktiven Gruppen die
perceived instrumenatality höher ist als bei den kollektiven Gruppen und sich dieses
Verhältnis für die Zufriedenheit umkehrt, ist es problematisch, die Thesen des CEMs zu
belegen. Erst wenn man die Gruppen nach einfachen und komplexen Problemstellungen
getrennt betrachtet, finden wir Differenzen zwischen den beiden Arbeitsbedingungen. Diese
sollen in der Diskussion erläutert werden.
Im Hinblick auf die Vorhersagen des Cognitive-Motivational Models lassen sich
Unterschiede in der Ausprägung des Faktors problemirrelevante Informationsverarbeitung
61
finden. Die Probanden koaktiver Gruppen verarbeiteten erwartungsgemäß signifikant mehr
problemirrelevante Information (M=2,27, SD=0,73) als die Vergleichsgruppen (M=1,77,
SD=0,67), F(1,58)=7,786, p<0,01. Am stärksten tritt dieser Unterschied zu Tage, wenn man
das Antwortverhalten auf die Frage, ob die Probanden durch die Anwesenheit anderer
abgelenkt waren, betrachtet. Hier finden sich signifikante Unterschiede zwischen den
Realgruppen (M=2,3, SD=1,04) und den Nominalgruppen, M=1,42, SD=0,61;
F(1,58)=16,021, p<0,01. Die höhere Ablenkung verdankt sich auch der Tatsache, dass die
Mitspieler der koaktiven Gruppen die Situation als Wettbewerb wahrnehmen. Auf die Frage,
ob die Spieler das Gefühl hatten, im Wettbewerb zu den Mitspielern zu sein, unterschied sich
das Antwortverhalten der Nominalgruppen (M=2,64, SD=1,92) deutlich von jenem der
Realgruppen, M=1,97, SD=1,27; F(1,58)=2,594, n.s. Gruppenmitglieder der Realgruppe
gaben zudem an, weniger frustriert und verwirrt zu sein als jene der Nominalgruppen.
4.3.3.2 Ergebnisse für Gruppen
Legt man bei der Auswertung des Manipulation Checks die Gruppe als unabhängige
Untersuchungseinheit zugrunde, so lassen sich zwischen den koaktiven (N=10) und den
kollektiven Gruppen (N=10) auf der Grundlage nicht-parametrischer Testverfahren (MannWhitney-U-Test) die oben genannten Unterschiede bestätigen.
Eine signifikante Differenz ergab sich für das Item Ablenkung. In koaktiven Gruppen (N=10)
war die Ablenkung deutlich höher als in kollektiven Gruppen (N=10; U=17,5; p<0,01). Diese
höhere Ablenkung spiegelt sich auch in den Ausprägungen des Faktors problemirrelevante
Informationsverarbeitung wider (U=27, p<0,07). Im Gegensatz zum ersten Experiment, in
dem eine deutliche Differenz zwischen beiden Gruppen für den Faktor Stress ausgemacht
werden konnte, lässt sich diese Differenz im zweiten Experiment nicht nachweisen (U=37,5,
n.s.).
Betrachtet man die Gruppen getrennt nach Komplexitätsniveau, so zeigen sich für die einfachere Problemstellung auch hier Unterschiede zwischen den koaktiven (N=5) und kollektiven
(N=5) Gruppen. Differenzen konnten für die irrelevante Informationsverarbeitung ausgemacht
werden, die in koaktiven erwartungsgemäß höher als in kollektiven Gruppen war (U=4
p<0,05). Beeinflusst ist dieser Unterschied vor allem durch jenen für das Item Ablenkung
durch die anderen Mitspieler (U=2, p<0,02).
Für die komplexe Problemstellung ist der Nachweis signifikanter Unterschiede auf der Basis
der Gruppen als unabhängiger Untersuchungseinheit problematischer. Differenzen lassen sich
hier für das Item "Ablenkung" (und damit für den Faktor irrelevante Informationsverarbeitung) finden (U=6, n.s.). Ein deutlicher Unterschied findet sich in der komplexen
Problemstellung in der outcome valence, die in koaktiven Gruppen höher als in kollektiven
62
Gruppen ist (U=8, n.s.). Es zeigt sich, dass es Mitglieder der koaktiven Gruppen wichtiger
war, das Problem zu lösen als den Mitgliedern kollektiver Gruppen (U=7, n.s.).
Insgesamt bestätigen diese Ergebnisse die Resultate der Analyse, in der Probanden als
unabhängige Untersuchungseinheit zugrunde lagen. Letztere Analyse kann deshalb auch im
zweiten Experiment bei der anschließenden Diskussion der Ergebnisse verwendet werden.
Auf der Grundlage dieser Ergebnisse sollen im Folgenden die theoretischen Annahmen
überprüft und in einem weiteren Schritt der Frage nachgegangen werden, wie sich soziales
Faulenzen und Leistung zueinander verhalten.
4.3.4 Diskussion
4.3.4.1 Erklärungen für Motivationsverluste
In dem zweiten Experiment konnte ein social loafing Effekt in den kollektiven Gruppen
nachgewiesen werden. Insgesamt erbrachten die Spieler der Gruppen in der koaktiven
Arbeitsbedingung (M=105,84; SD=11,18) signifikant mehr Commands als diejenigen der
Gruppen in der kollektiven Arbeitsbedingung, M=96,84; SD=7,92; F(1,28)=6,473; p<0,05.
Damit kann die H1.1 bestätigt werden, die besagt, dass die Anstrengung in koaktiven
Arbeitsbedingungen höher als diejenige in kollektiven Arbeitsbedingungen ist. Es hat sich
gezeigt, dass der Unterschied für die komplexere Problemstellung hoch signifikant war,
wohingegen er für die einfache Problemstellung geringer war.
Wie im ersten Experiment muss auch hier die H1.2, die besagt, dass die Anstrengung beim
Lösen komplexer Probleme höher sei als beim Lösen einfacher Probleme, zurückgewiesen
werden. Dies liegt darin begründet, dass die Löschgeräte aufgrund der längeren Tankzeiten in
dem komplexeren Szenario nicht so häufig aktiviert werden können wie in dem weniger
komplexen Szenario. Eine ausführlichere Diskussion wurde bereits bei der Auswertung des
ersten Experiments vorgelegt und soll an dieser Stelle nicht wiederholt werden (s.o.)
Die H1.3. besagt, dass in der einfacheren Problemstellung die höhere Anstrengung in der
koaktiven Situation zu besseren Leistungen und die geringere Anstrengung in der kollektiven
Situation zu schlechteren Leistungen führt. Diese Hypothese konnte durch die Ergebnisse des
zweiten Experiments nicht bestätigt werden. In diesem Experiment trat bereits in der
einfachen Problemstellung der inverse Effekt von Anstrengung und Leistung ein. Eine
Erklärung für diese Abweichung besteht darin, dass sich in diesem Experiment aufgrund der
Interaktionsmöglichkeiten die Definition der Situation verändert hat und die Spieler die
Erwartungserwartungen in ihr Handeln einplanen mussten. Diese soziale
Komplexitätssteigerung hat wie die Komplexitätssteigerung des Problems zur Folge, dass
63
weniger Anstrengung zu einem problemadäquateren Verhalten führt als eine höhere
Anstrengung.
Der H1.4. folgend kommt es in der komplexen Problemlösesituation im Vergleich zur
einfachen Problemlösesituation zu einem inversen Verhältnis von Anstrengung und Leistung.
Dies konnte durch die Ergebnisse erneut bestätigt werden. Die koaktiven Gruppen erzielten
schlechtere Ergebnisse als die kollektiven Gruppen, die insgesamt weniger Commands
abgaben als erstere. Damit konnten die Ergebnisse des ersten Experiments repliziert werden.
Festzuhalten ist für die H1, dass sich das inverse Verhältnis von Anstrengung und Leistung
beim Lösen komplexer Probleme bestätigt hat. Einerseits ließ sich der inverse Effekt auf die
Komplexitätssteigerung des Problems selbst zurückführen, weshalb die Richtigkeit der H1.4.
akzeptiert wurde. Andererseits hat sich aber auch gezeigt, dass der inverse Effekt auch bei
einer Komplexitätssteigerung der sozialen Situation auftritt und deshalb auch der veränderten
sozialen Situation geschuldet ist. Deshalb musste die H1.3 zurückgewiesen werden, da sich
bereits für die einfachere Problemstellung in der Situation mit hoher sozialer Komplexität
gezeigt hat, dass es zu dem inversen Effekt kommt.
Arousal
Die H2 ist analog zu den Resultaten des ersten Experiments auch für dieses Experiment zu
verwerfen, da es keine Unterschiede zwischen den Arousalwerten in den unterschiedlichen
Arbeitsbedingungen gab. Ein Vergleich der Werte der koaktiven und der kollektiven
Arbeitsbedingung über beide Komplexitätsniveaus hinweg zeigt, dass die Arousalwerte in der
kollektiven Bedingung (M=5,04, SD=0,88) etwas höher sind als jene in der koaktiven
Bedingung, M=4,81, SD=0,89; F(1,58)=0,945, n.s. Betrachtet man die Arousalwerte der
einfachen Problemstellung, so ergaben sich für beide Gruppen identische Werte (koaktive
Gruppen M=5,16, SD=0,7 und kollektive Gruppen M=5,16, SD=0,95). Für die komplexe
Problemstellung liegen die Arousalwerte der kollektiven Gruppen (M=4,91, SD=0,82)
hingegen leicht über jenen der koaktiven Gruppen (M=4,47, SD=0,94). Die H2 besagt nun,
dass es einen positiven Einfluss des Arousals auf die Anstrengung gibt. Dies lässt sich
allerdings für die einfache Problemstellung nicht bestätigten, denn die Einflüsse auf den
Effort sind sehr gering. Für die komplexere Problemstellung lässt sich hingegen ein positiver
Einfluss ausmachen, der am deutlichsten bei der koaktiv-komplexen Situation ausgeprägt ist
(Spearmans-Rho = 0,402, n.s.).
Da der Einfluss nur für die komplexe Problemstellung zutrifft, kann die H2, die besagt, dass
sich der höhere Effort in koaktiven Situationen einem höheren Arousal verdankt, nicht
aufrecht erhalten werden.
Stress
64
Die H3 besagt, dass sich der höhere Effort der Probanden in den koaktiven Gruppen auf das
höhere Stressniveau zurückführen lässt. Die Stresswerte, die ebenfalls mit der Stress-ArousalSkala erfasst wurden, liegen für koaktive Gruppen (M=2,74; SD=0,8) nur geringfügig über
jenen der kollektiven Gruppen (M=2,52; SD=0,84), F(1,58)=1,083, n.s.
Insgesamt finden sich in diesem Experiment geringere Stresswerte als in dem ersten
Experiment. Erklären lässt sich dies dadurch, dass die Zurechenbarkeit der individuellen
Leistungen in dem zweiten Experiment aufgrund der grenzüberschreitenden
Interventionsmöglichkeiten nicht mehr möglich ist und sich die Probanden aus diesem Grunde
auch in der koaktiven Situation weniger gestresst fühlen als in dem ersten Experiment, bei
dem der Fokus tatsächlich auf der individuellen Leistung lag.
Damit kann gezeigt werden, dass die Übernahme individueller Verantwortlichkeit in höherem
Maße Stress erzeugt, wenn man an einer isolierten Problemstellung arbeitet, bei der keine
Unterstützung durch andere zu erwarten ist.
Bei den Gruppen, die das komplexe Problem bearbeitet haben, finden wir lediglich eine
geringe Differenz zwischen den Stresswerten für kollektive (M=2,68; SD=0,91) und koaktive
Gruppen (M=2,71; SD=0,74), dennoch kann hier das Ergebnis aus dem ersten Experiment
bestätigt werden, dass Stress in der koaktiven Arbeitsbedingung positiv mit der Anzahl an
Commands korreliert ist (Spearman-Rho=0,236, n.s.). Aufgrund des schwachen
Zusammenhangs kann die These, dass sich die höhere Anzahl an Commands in der koaktiven
Situation dem erhöhten Stresslevel verdankt, zwar nicht aufrechterhalten werden. Es spricht
aber auch nichts dagegen, diese bei zu behalten.
Collective Effort Model (CEM)
Der folgende Abschnitt befasst sich mit der H4, die zur Überprüfung des Collective Effort
Models formuliert wurde. Zum einen soll der Frage nachgegangen werden, ob sich die höhere
Anstrengung der koaktiven Gruppen einer höheren perceived instrumentality verdankt und
zum anderen, ob sie sich aus der höheren Bewertung der Resultate (outcome valence) ergibt.
Der Faktor für perceived instrumentality ist in koaktiven Gruppen (M=3,56; SD=1,13) etwas
höher als in kollektiven Gruppen (M=3,47; SD=1,42). Betrachtet man den Einfluss der
perceived instrumentality auf die Anzahl an Commands, so finden wir in den koaktiven
Gruppen einen stärkeren Zusammenhang zwischen beiden Variablen (Spearman-Rho=0,305,
n.s.) als in den kollektiven Gruppen (Spearman-Rho=0,15, n.s).
Für die einfache Problemstellung ergaben sich in der kollektiven Arbeitsbedingung (M=4,04;
SD=1,5) höhere Werte für perceived instrumentality als in der koaktiven Arbeitsbedingung
(M=3,88; SD=1,09). Diese Differenz verdankt sich vor allem dem Unterschied in dem
Antwortverhalten auf die Frage, wie gut sie meinen, die Feuer gelöscht zu haben (kollektive
Gruppen M=4,51; SD=1,39 und koaktive Gruppen M=4,09; SD=1,14). Einen Einfluss der
perceived instrumentality auf die Anzahl an Commands konnte für die koaktiven Gruppen
65
ausgemacht werden (Spearman-Rho=0,332, n.s.). Dieser Einfluss ist zwar nicht signifikant,
dennoch kann er eine Erklärung dafür sein, dass in den koaktiven Gruppen mehr Commands
abgegeben wurden als in den kollektiven Gruppen. Die Werte für die outcome valence sind in
diesem Experiment bei den kollektiven Gruppen (M=5,49; SD=1,19) ebenfalls höher als bei
den koaktiven Gruppen (M=5,06; SD=1,3). Der Einfluss des Faktors outcome valence auf die
Anstrengung ist aber in beiden Situationen gering.
In der einfachen Problemstellung hat sich gezeigt, dass in der kollektiven Situation die
outcome valence höher ist als in der koaktiven Situation und sich dies auch der höheren
Bewertung der durch die Gruppe erbrachten Leistungen verdankt (kollektive
Arbeitsbedingung M=5,13; SD=0,97 und koaktive Arbeitsbedingung M=4,93; SD=1,01),
dennoch zeigen die Ergebnisse, dass dies nicht mit einer höheren Anstrengung in der
kollektiven Gruppe einhergeht. Dies lässt sich unter Umständen dadurch erklären, dass die
höhere Bewertung der von der Gruppe erbrachten Leistungen dazu führen kann, den eigenen
Beitrag für redundant zu halten. Wird davon ausgegangen, die anderen strengten sich in
hohem Maße an, dann kann dies leicht dazu führen, dass die eigene Motivation sinkt.
Im Gegensatz zu der einfachen Problemstellung finden wir in der komplexen Problemstellung
sowohl für die perceived instrumentality als auch für die outcome valence höhere Werte in
den koaktiven als in den kollektiven Gruppen. Die perceived instrumentality ist in den
Nominalgruppen (M=3,23, SD=1,1) deutlich höher als in den Realgruppen, M=2,89;
SD=1,09; F(1,28)=0,737, n.s. Der Einfluss der perceived instrumentality auf die Anzahl an
Commands lässt sich für die koaktive Arbeitsbedingung bestätigen (Spearman-Rho=0,226,
n.s.). Auch die Werte für die outcome valence sind in dem komplexeren Szenario in den
koaktiven Gruppen (M=4,46; SD=1,26) höher als in den Vergleichsgruppen, M=4,36,
SD=0,89. Zudem konnte ein positiver Zusammenhang zwischen der höheren outcome valence
und der höheren Anzahl an Commands in der koaktiven Situation ausgemacht werden
(Spearman-Rho=0,154, n.s.). Daher zeigt sich, dass der signifikante Unterschied zwischen
den Effortwerten in der komplexeren Problemsituation auf die höhere perceived
instrumentality sowie auf die höhere outcome valence zurückgeführt werden kann.
Da die Zusammenhänge sehr gering sind, ist im folgenden zu prüfen, inwiefern die
Wahrnehmung der Leistungen anderer Mitspieler das Verhalten der Spieler beeinflusst hat.
Für die komplexe Problemstellung zeigt sich, dass die Spieler der kollektiven Gruppe in
stärkerem Maße davon ausgehen, dass die Mitspieler die Feuer sehr gut bekämpfen. Auf die
Frage, wie gut die anderen Gruppenmitglieder die Feuer bekämpft haben, liegen die Werte der
kollektiven Gruppen (M=4,18; SD=0,55) signifikant höher als diejenigen der koaktiven
Gruppen, M=3,47; SD=0,75, F(1,28)=8,741, p<0,01. Die Einschätzung, dass die anderen
Gruppenmitglieder sich sehr viel Mühe bei der Bearbeitung des Szenarios geben, wird auch
durch das Antwortverhalten auf die Frage, ob sich die anderen Gruppenmitglieder angestrengt
66
haben, bestätigt. In den kollektiven Gruppen (M=5,29; SD=0,73) liegen die Werte signifikant
höher als jene in den koaktiven Gruppen, M=4,6; SD=0,87; F(1,28)=5,465, p<0,05.
Eine Erklärung für das social loafing wäre in diesem Fall durch das Trittbrettfahren gegeben.
Die Wahrnehmung, dass sich die Mitspieler sehr anstrengen, kann zur Folge haben, dass man
die eigene Anstrengung herabsetzt und bewusst von den Leistungen anderer profitieren
möchte. Die Spieler können in der kollektiven Problemlösesituation, in der es nicht auf die
individuell erbrachte Leistung ankommt, davon ausgehen, dass selbst durch das Erbringen
eines geringen Beitrages zum Gruppenprodukt ein erwünschtes Resultat erzielt werden kann.
Jeder profitiert in gleichem Maße vom Gesamtergebnis, da die Teilhabe an diesem kollektiv
erbrachten Resultat den einzelnen Spielern nicht verwehrt werden kann. Daraus würde folgen,
dass die Spieler in der komplexen Problemsituation ihre Anstrengung bewusst herabsetzten.
Dieses Verhalten ist insofern möglich, da wir es in unserem Falle mit einem kollektiven Gut
zu tun haben und es keine Aufteilung des Gewinnes gibt.
In der komplexen Problemlösesituation hat sich ferner gezeigt, dass die perceived
instrumentality und die outcome valence in der koaktiven Arbeitsbedingung höher als in der
kollektiven Arbeitsbedingung ist. Da die Zufriedenheit mit der eigenen Leistung in der
Schnittstelle zwischen beiden Faktoren liegt, müsste auch gezeigt werden, dass die
Zufriedenheit in der koaktiven Situation höher als in der kollektiven Situation ist. Diese These
lässt sich insofern bestätigen, als dass die Gruppenmitglieder kollektiver Gruppen (M=3,27;
SD=1,11) in geringerem Maße zufrieden waren als jene der koaktiven Gruppen, M=3,47;
SD=1,05; F(1,28)=0,255, n.s.
Exkurs
Im zweiten Experiment wurde den Probanden die Frage gestellt, wie motivierend das
Szenario war, um Aufschluss darüber zu gewinnen, ob es sich um eine intrinsisch
motivierende Aufgabenstellung handelt. Über beide Komplexitätsniveaus hinweg gab es
keine Differenzen zwischen den koaktiven und den kollektiven Gruppen. Betrachtet man die
Gruppen getrennt nach Problemstellungen, so finden wir bei den Probanden, die das
komplexere Szenario bearbeitet haben, insgesamt eine geringere Motivation als bei den
Probanden, die das einfachere Szenario bearbeitet haben.
Bei der Bearbeitung des komplexen Szenarios waren die Probanden koaktiver Gruppen
(M=4,67; SD=1,52) etwas stärker motiviert als jene der kollektiven Gruppen (M=4,58;
SD=0,99). Diese Aussage wird dadurch bestätigt, dass wir in der komplexen
Problemlösesituation auf die Frage, ob sich die Probanden angestrengt haben, einen höheren
Wert bei den koaktiven Gruppen (M=5,22; SD=1,37) als bei den kollektiven Gruppen
(M=4,91; SD=1,20) finden können, F(1,28)=0,439, n.s. Die dadurch zum Ausdruck gebrachte
höhere Motivation und die Selbsteinschätzung hinsichtlich der höheren Anstrengung in der
koaktiv-komplexen Situation ist ein Indiz dafür, dass die Wahl der Commands als Maßstab
für den Effort ein valides Instrument ist, zumal in der komplexen Problemlösesituation ein
67
signifikanter Unterschied zwischen der Anzahl an Commands, die in koaktiven Gruppen
abgegeben wurden, und jener, die in kollektiven Gruppen abgegeben wurden, ausgemacht
werden konnte.
Ein Vergleich der Werte für Motivation zeigt zunächst, dass die Spieler in dem einfacheren
Szenario höher motiviert waren als in dem komplexeren Szenario. Bei der Bearbeitung des
einfacheren Szenarios waren die kollektiven Gruppenmitglieder (M=5,42; SD=1,37) eher
motiviert als die koaktiven Gruppenmitglieder (M=5,22; SD=0,92). Dieses Verhältnis kehrt
sich für die komplexe Problemstellung um. Hier waren die koaktiven Gruppen (M=4,67;
SD=1,52) etwas stärker motiviert als die kollektiven Gruppen (M=4,58; SD=0,99). Vor dem
Hintergrund des Befundes, dass die Probanden bei der Bearbeitung des einfacheren Problems
eher motiviert waren als bei dem komplexeren Problem, findet sich eine weitere Erklärung
dafür, weshalb Probanden in der komplexeren Problemsituation eher zum sozialen Faulenzen
neigten als in der weniger komplexen Situation. Der auf der Basis der Selbsteinschätzung
berechnete geringerer Motivationswert in der komplexen Situation stellt damit eine weitere
Erklärung für die geringere Anzahl an Commands in dieser Situation dar - neben der
Tatsache, dass die Probanden im komplexeren Szenario aus technischen Gründen weniger
Commands abgeben können als im einfachen Szenario.
Motivation steht in einem engen Zusammenhang mit der Zufriedenheit hinsichtlich der
erbrachten Leistung. Deshalb wurden die Spieler auch danach befragt, inwiefern sie mit den
erbrachten Leistungen zufrieden sind. Über beide Komplexitätsniveaus hinweg finden wir
eine geringe Differenz in der Ausprägung der Dimension "Zufriedenheit mit der eigenen
Leistung".
In den Gruppen, die die einfache Problemstellung bearbeitet haben, sind die Spieler
kollektiver Gruppen (M=4,42; SD=1,54) insgesamt zufriedener als diejenigen koaktiver
Gruppen, M=3,98; SD=1,28; F(1,28)=0,741, n.s. Diese höhere Zufriedenheit verdankt sich
sicherlich auch der Zusammenarbeit sowie der wechselseitigen Unterstützung, die in der
kollektiven Situation stärker ausgeprägt war als in der koaktiven Situation. Die Probanden in
den kollektiven Gruppen (M=3,22; SD=1,47) gaben an, dass sie im Vergleich zu den
koaktiven Gruppen (M=2,6; SD=1,45; F(1,28)=1,366, n.s.) mehr Hilfe bekommen haben und
selbst auch anderen mehr geholfen haben (M=3,27; SD=1,49) als die Spieler der koaktiven
Gruppen, M=2,36; SD=1,15; F(1,28)=3,507,n.s. Ferner findet sich in der einfachen
Problemstellung auch ein deutlicher Unterschied im Antwortverhalten auf die Frage, ob den
Probanden die Bearbeitung der Simulation Spaß machte. Kollektive Gruppenmitglieder
(M=5,71; SD=1,25) hatten mehr Spaß bei der Bearbeitung des Szenarios als diejenigen der
Vergleichsgruppe, M=4,89; SD=1,35; F(1,28)=3,01,n.s. Diese Ergebnisse lassen darauf
schließen, dass die kollektiven Gruppenmitglieder in der einfachen Problemstellung sehr
motiviert waren.
68
In der komplexen Problemstellung finden wir hingegen eine höhere Zufriedenheit bei den
Spielern der koaktiven Gruppen (M=3,47; SD=1,05) im Vergleich zu jenen der kollektiven
Gruppen (M=3,27; SD=1,11). Zudem zeigt sich, dass die Hilfsbereitschaft in den kollektiven
Gruppen der komplexen Problemlösesituation geringer war. Die geringe Zufriedenheit, so die
These, wirkt sich negativ auf die Anstrengung aus. Damit haben wir eine weitere Begründung
dafür gefunden, weshalb sich die Spieler kollektiver Gruppen in geringerem Maße anstrengen
als diejenigen der koaktiven Gruppen.
4.3.4.2 Erklärungen für Leistung
Cognitive-Motivational Model (CMM)
In einem nächsten Abschnitt soll der Frage nachgegangen werden, wie sich das inverse
Verhältnis von Anstrengung und Leistung beim Lösen komplexer Probleme erklären lässt.
Wir hatten hierfür das CMM gewählt, welches besagt, dass in koaktiven
Problemlösesituationen die problemirrelevante Informationsverarbeitung höher sei als in
kollektiven Problemlösesituationen. Die irrelevante Problemverarbeitung habe geringe
Effekte bei der Bearbeitung von einfachen Problemstellungen, wohingegen sie einen
negativen Einfluss auf das Bearbeiten von komplexeren Problemen habe.
Über beide Komplexitätsniveaus hinweg konnte ein signifikanter Unterschied zwischen
koaktiven Gruppen (M=2,27; SD=0,73) und kollektiven Gruppen (M=1,77; SD=0,67)
festgestellt werden, F(1,58)=7,786, p<0,01. Damit wird auch im zweiten Experiment die H5.1
bestätigt, die besagt, dass die irrelevante Informationsverarbeitung in den Nominalgruppen
höher als in der Realgruppen ist.
Für die einfache Problemstellung konnten ebenfalls signifikante Unterschiede zwischen der
problemirrelevanten Informationsverarbeitung ausgemacht werden. Die Werte der koaktiven
Gruppen (M=2,21; SD=0,87) waren signifikant höher als jene in den kollektiven Gruppen
(M=1,62; SD=0,64; F(1,28)=4,445, p<0,05. Zudem fühlten sich Probanden in der koaktiven
Situation verwirrter (M=2,42; SD=1,51) als jene in den Vergleichsgruppen (M=2,02;
SD=1,24; F(1,28)=0,63, n.s.) und erstere (M=2,27; SD=1,45) waren eher frustriert als die
Mitglieder der Realgruppen, M=1,93; SD=1,11; F(1,28)=0,499, n.s.
Betrachtet man den Einfluss, den die irrelevante Informationsverarbeitung auf die Leistung
hat, so dürfte diese der H5.2 folgend die Leistungen in der einfachen Problemstellung nicht
negativ beeinflussen. Die Ergebnisse bestätigen, dass es nur geringe positive Einflüsse der
irrelevante Informationsverarbeitung auf die Leistungen gab. Daher kann die Hypothese wie
auch im ersten Experiment erneut bestätigt werden.
Für die komplexe Problemstellung konnte ebenfalls eine signifikante Differenz zwischen den
Werten der Nominalgruppen (M=2,33; SD=0,59) und jenen der Realgruppen (M=1,91;
SD=0,69) ausgemacht werden; F(1,28)=3,273, p<0,09.
69
In
der
komplex-koaktiven
Situation
konnte
für
die
problemirrelevante
Informationsverarbeitung ein geringer negativer Einfluss auf die Leistung ausgemacht werden
(Spearman-Rho=-0,153, n.s.) Bestätigt werden kann ferner, dass die höhere Ablenkung
aufgrund der irrelevanten Informationsverarbeitung in der komplexen Problemsituation
negative Auswirkungen auf die Leistung dieser Gruppen hatte. Damit kann das Ergebnis des
ersten Experiments repliziert werden, welches besagt, dass die erhöhte irrelevante
Informationsverarbeitung einer adäquaten Problemlösung entgegensteht. Da die komplexere
Problemlösesituation höhere kognitive Anforderungen an die Probanden stellen, erbringen
kollektive Gruppen, die in geringerem Maße abgelenkt sind, auch bessere Leistungen als die
koaktiven Gruppen.
4.4 Zusammenfassung
Die Untersuchung gelang zu dem Resultat, dass beim Lösen komplexer Probleme soziales
Faulenzen auftrat und Probanden der kollektiven Gruppen ein geringeres Maß an
Anstrengung aufbrachten als diejenigen der koaktiven Gruppen. Es hat sich ferner gezeigt,
dass kollektive Gruppen effizienter sind und beim Lösen des komplexeren Problems sogar
bessere Leistungen als die koaktiven Gruppen erbrachten. Erklären ließ sich das inverse
Verhältnis von Anstrengung und Leistung durch die erhöhten Werte für die Faktoren Stress
und problemirrelevante Informationsverarbeitung in der koaktiven Situation, die einen positiven Einfluss auf die Anstrengung hatten und sich gleichzeitig negativ auf die Leistung auswirkten. Die Einflüsse beider Faktoren auf die Anstrengung und die Leistung in den
kollektiven Situationen waren hingegen gering. Da die Bearbeitung des komplexen Szenarios
hohe Konzentration erforderte, waren die Spieler der kollektiven Gruppen, die weniger
abgelenkt und gestresst waren als diejenigen der koaktiven Gruppen, eher in der Lage, trotz
geringerem Aufwand bessere Leistungen zu erzielen. Es konnte demnach empirisch bestätigt
werden, dass sich die Übernahme individueller Verantwortlichkeit beim Lösen komplexer
Probleme negativ auf die Güte der Problemlösung auswirken kann.
70
Literatur
Abrams, D. & Hogg, M. A. (Eds.) (1999). Social identity and social cognition. Oxford:
Blackwell.
Amabile, T. M. (1979). Effects of external evaluation on artistic creativity. In: Journal of Personality and Social Psychology, 37, 221-233.
Arnscheid, R., Diehl, M. & Sroebe, W. (1997). Motivationsverluste in Gruppen: Ein
empirischer Test einer theoretischen Integration. In: Zeitschrift für Sozialpsychologie, 28,
241-250.
Badke-Schaub, P. (1993a). Denken und Planen als soziale Prozesse. In: S. Strohschneider
&R. v. d. Weth (Eds.), Ja, mach nur einen Plan: Planen und Fehlschläge - Ursachen,
Beispiele, Lösungen (pp. 51-67). Bern: Huber.
Badke-Schaub, P. (1993b). Gruppen und komplexe Probleme. Strategien von Kleingruppen
bei der Bearbeitung einer simulierten AIDS-Ausbreitung Europäische Hochschulschriften,
6. Frankfurt a.M.: Peter Lang.
Bartis, S., Szymanski, K. & Harkins, S. G. (1988). Evaluation and performance: A two-edged
knife. In: Personality and Social Psychology Bulletin, 14, 242-251.
Berkowitz, M. S. & Szabo, M. (1978). Individual and dyadic problem solving as a function of
mental ability through computer simulation. In: Journal of Educational Research, 71, 328333.
Boos, Morguet, M. et al. (1990). Zeitreihenanalysen von Interaktionsprozessen bei der
Bearbeitung komplexer Probleme in Expertengruppen. In: Zeitschrift für Sozialpsychologie,
21, 53-64.
Boos, M. & Scharpf, U. (1990). Drei Modelle der Führung und Zusammenarbeit beim
Umgang mit komplexen Problemen. In: R. Fisch & M. Boos (Eds.), Vom Umgang mit
Komplexität in Organisationen. Konzepte - Fallbeispiele - Strategien (pp. 235-254).
Konstanz: Universitätsverlag.
Brehmer, B. (1992). Dynamic decision making: Human control of complex systems. In: Acta
Psychologica, 81, 211-241.
Brehmer, B. & Allard, R. (1991). Dynamic decision making: The effects of task complexity
and feedback delay. In: J. Rasmussen, B. Brehmer & J. Leplat (Eds.), Distributed decision
making: cognitive models for cooperative work (pp. 319-334). Chichester: Wiley & Sons.
Brehmer, B. & Svenmark, P. (1994). Distributed decision making in dynamic environments:
Timescales and architectures of decision making. In: F.H. Barron, H. Jungermann (Eds.),
Contributions to decision research (pp. 147-165). North Holland: Elsevier.
Brickner, M. A., Harkins, S. G. & Ostrom, T. M. (1986). Effects of personal involvement:
Thought-provoking implications for social loafing. In: Journal of Personality and Social
Psychology, 51, 763-770.
Carver, C., S. & Scheier, M. F. (1981). The self-attention-induced feedback loop and social
facilitation. In: Journal of Experimental Social Psychology, 17, 545-568.
Comer, D. R. (1995). A model of social loafing in real work groups. In: Human Relations, 48,
647-667.
Cottrell, N. B. (1972). Social facilitation. In: C. G. Mc Clintock (Ed.). Experimental social
psychology (pp. 185-236). New York: Holt.
71
Cox, T. & Mackay, C. (1995). The measurement of self-reported stress and arousal. In:
British Journal of Psychology, 76, 183-186.
Davis, J. H. (1969). Group performance. Reading, MA: Addison-Weley.
Dörner, D., Kreuzig, H. W., Reither, F., et al., (Eds.) (1983). Lohhausen. Vom Umgang mit
Unbestimmtheit und Komplexität. Bern: Huber.
Driskell, J. E. & Johnston, J. H. (1998). Stress exposure training. In: J. A. Cannon-Bowers &
E. Salas (Eds.), Making decisions under stress. Implications for individual and team
training (pp. 191-217). Washington, DC: American Psychological Association.
Duval, S. & Wicklund, R. A. (1972). A theory of objective self-awareness. New York:
Academic.
Earley, P.C. (1989). Social loafing and collectivism: A comparison of the United States and
the People's Republic of China. In: Administrative Science Quarterly, 34, 565-581.
Feather, N. T. (1982a). Expectancy-value approaches: present status and future directions. In:
N.T. Feather (Ed.), Expectancy and actions: Expecancy-value models in psychology (pp.
395-420). Hillsdale, New Jersy: Lawrence Erlbaum Associates.
Feather, N. T. (1982b). Human values and the prediction of action: an expectancy-value
analysis. In: N.T. Feather (Ed.), Expectancy and actions: Expecancy-value models in
psychology (pp. 263-289). Hillsdale, New Jersy: Lawrence Erlbaum Associates.
Frensch, P. A. & Funke, J. (1995). Definitions, traditions, and a general framework for
understanding complex problem solving. In: P. A. Frensch & J. Funke (Eds.), Complex
problem solving: The European perspective (pp. 3-25). Hillsdale, NJ: Lawrence Erlbaum
Associates.
Funke, J. (1999). Komplexes Problemlösen: Ein Blick zurück und nach vorne. In:
Psychologische Rundschau, 50, 195-197.
Geen, R.G. (1989). Alternative conceptions of social facilitation. In: P.B. Paulus (Eds.),
Psychology of group influence (pp.15-51). Hillsdale, NJ: Lawrence Earlbaum Associates.
Geen, R. G. (1991). Social motivation. In: Annual Review of Psychology, 42, 377-399.
Griffith, T. L., Fichman, M. & Moreland, R. L. (1989). Social loafing and social facilitation:
An empirical test of the cognitive-motivational model of performance. In: Basic and
Applied Social Psychology, 10, 253-271.
Harkins, S.G. & Jackson, J. M. (1985). The role of evaluation in eliminating social loafing. In:
Personality and Social Psychology Bulletin, 11, 457-465.
Harkins, S.G., Latané, B. & Williams, K. (1980). Social loafing: Allocating effort or taking it
easy? In: Journal of Experimental Social Psychology, 16, 457-465.
Harkins, S.G. & Petty, R. E. (1982). Effects of task difficulty and task uniqueness on social
loafing. In: Journal of Personality and Social Psychology, 43, 1214-1229.
Hesse, F. W., Spies, K. & Lüer, G. (1983). Einfluß motivationaler Faktoren auf das
Problemlöseverhalten im Umgang mit komplexen Problemen. In: Zeitschrift für
experimentelle und angewandte Psychologie, 30, 400-424.
Hogg, M.A. (1996). Social identity, self-categorization, and the small group. In: E.H. Witte &
J.H. Davis (Eds.), Small group processes and interpersonal relations: Understanding group
behavior (pp. 227-253). Mahwah, NJ: Lawrence Erlbaum Associates.
72
Huguet, P., Charbonnier, E. & Monteil, J.-M. (1999). Productivity loss in performance
groups: People who see themselves as average do not engage in social loafing. In: Group
Dynamics, 3, 118-131.
Jackson, J. M. & Williams, K. D. (1985). Social loafing on difficult tasks: Working
collectively can improve performance. In: Journal of Personality and Social Psychology,
49, 937-942 .
Karau, S. J. & Hart, J. W. (1998). Group cohesiveness and social loafing: Effects of a social
interaction manipulation on individual motivation within groups. In: Group Dynamics, 2,
185-191 .
Karau, S. J. & Williams, K. D. (1993). Social loafing: A meta-analytic review and theoretical
integration. In: Journal of Personality and Social Psychology, 65, 681-706 .
Karau, S. J. & Williams, K. D. (1995). Social loafing: Research findings, implications, and
future directions. In: Current Directions in Psychological Science, 4, 134-140.
Kerr, N. L. & Bruun, S. E. (1983). Dispensability of member effort and group motivation
losses: Free-rider effects. In: Journal of Personality and Social Psychology, 44, 78-94 .
King, M. G., Burrows, G. D. & Stanley, G. V. (1983). Measurement of stress and arousal:
Validation of the stress/arousal adjective checklist. In: British Journal of Psychology, 74,
473-479.
Klein, G. A., Orasanu, J., Calderwood, R., et al., (Eds) (1993). Decision making in action:
models and methods. Norwood, New Jersey: Ablex.
Köller, O., Dauenheimer, D. G. & Strauß, B. (1993). Unterschiede zwischen Einzelpersonen
und Dyaden beim Lösen komplexer Probleme in Abhängigkeit von der Ausgangsfähigkeit.
In: Zeitschrift für experimentelle und angewandte Psychologie, 40, 194-221.
Leplat, J. (1991). Organization of activity in collective tasks. In: J. Rasmussen, B.
Brehmer&J. Leplat (Eds.), Distributed decision making: cognitive models for cooperative
work (pp. 51-73). Chichester: Wiley & Sons.
Mitchell, T. R. (1982). Expectancy-value models in organizational psychology. In: N. T.
Feather (Eds), Expectancy and actions: Expecancy-value models in psychology (pp. 293312). Hillsdale, New Jersy: Lawrence Erlbaum Associates.
Mullen, B. (1983). Operationalizing the effect of the group on the individual: A self-attention
perspective. In: Journal of Experimental Social Psychology, 19, 295-322.
Mullen, B. (1987). Introduction: the study of group behavior. In: B. Mullen & G. R. Goethals
(Eds.), Theories of group behavior (pp. 1-19). New York: Springer.
Mullen, B. (1991). Group composition, salience, and cognitive representations: The
phenomenology of being in a group. In: Journal of Experimental Social Psychology, 27,
297-323.
Omodei, M.M. & Wearing, A.J. (1993). Fire Chief user manual, Melbourne: Department of
Psychology, University of Melbourne.
Omodei, M. M. & Wearing, A. J. (1995a). Decision making in complex dynamic settings: A
theoretical model incorporating motivation, intention, affect, and cognitive performance. In:
Sprache & Kognition, 14, 75-90.
Omodei, M.M. & Wearing, A. J. (1995b). The Fire Chief microworld generating program: An
illustration of computer-simulated microworlds as an experimental paradigm for studying
73
complex decision making behavior. In: Behavior Research Methods, Instruments and
Computers, 27, 303-316.
Omodei, M.M., Wearing, A.J. & McLennan, J. (1998). Relative efficacy of an open versus a
restricted communication structure for command and control decision making: an experimental study. Paper presented at the NATO RTO Human in Command Workshop,
Kingston: Canada.
Orasanu, J. & Connolly, T. (1993a). The reinvention of decision making. In: G. A. Klein, J.
Orasanu, R. Calderwood, et al. (Eds.), Decision making in action: models and methods (pp.
3-20). Norwood, New Jersey: Ablex.
Orasanu, J. & Connolly, T. (1993b). Team decision making in complex environments. In: G.
A. Klein, J. Orasanu, R. Calderwood, et al. (Eds.), Decision making in action: models and
methods (pp. 327-345). Norwood, New Jersey: Ablex.
Paulus, P. B. (1983). Group influence on individual task performance. In: P. B. Paulus (Eds.),
Basic group processes (pp. 97-120). New York: Springer-Verlag.
Rasmussen, J. (1991). Modelling distributed decision making. In: J. Rasmussen, B. Brehmer
&J. Leplat (Eds.), Distributed decision making: cognitive models for cooperative work (pp.
111-141). Chichester: Wiley & Sons.
Rasmussen, J., Brehmer, B. & Leplat, J., eds (1991). Distributed decision making: cognitive
models for cooperative work. Chichester: Wiley & Sons.
Rasmussen, J., Pejtersen, A. M. & Goodstein, L. P. (1994). Cognitive systems engineering
Wiley series in systems engineering. New York: Wiley.
Raynor, J. O. (1982). Future orientation, self-evaluation, and achievement motivation: use of
an expectancy * value theory of personality functioning and change. In: N. T. Feather (Ed.),
Expectancy and actions: Expecancy-value models in psychology (pp. 97-124). Hillsdale,
New Jersy: Lawrence Erlbaum Associates
Schachter, S. (1959). The psychology of affiliation. Experimental studies of the sources of
gregariousness Stanford. California: Stanford University Press.
Shepperd, J. A. & Taylor, K. M. (1999). Social loafing and expectancy-value theory. In:
Personality and Social Psychology Bulletin, 25, 1147-1158.
Shirakashi, S. (1984-1985). Social loafing of Japanese students. In: Hiroshima Forum for
Psychology, 10 , 35-40.
Taijfel, H. & Turner, J. (1986). The social identity theory of intergroup behavior. In: S.
Worchel & W. Austin (Eds.), Psychology of intergroup relations (pp. 33-48). Chicago:
Nelson-Hall.
Thayer, R. E. (1978). Toward a psychological theory of multidimensional activation. In:
Motivation and Emotion, 2, 1-34.
Thayer, R. E. (1986). Activation-deactivation adjective check list: current overwiew anfd
structural analysis. In: Psychological Report, 58, 607-614.
Wagner, J.A. (1995). Studies of individualism and collectivism: Effects on cooperation in
groups. In: Academy of Management Journal, 38, 152-172.
Williams, K. D., Karau, S. J. & Bourgeois, M. J. (1993). Working on collective tasks: social
loafing and social compensation. In: M. A. Hogg &D. Abrams (Eds.), Group motivation:
Social psychological perspectives (pp. 130-148 )
74
Zaccaro, S. J. (1984). Social loafing: The role of task attractiveness. In: Personality and
Social Psychology Bulletin, 10, 99-106 .
Zajonc, R. B. (1965). Social facilitation. In: Science, 149, 269-274.
75
Herunterladen