====== Impliziter Assoziationstest (IAT) ======

Der implizite Assoziationstest (IAT) nach Greenwald et al. (1998) dient dazu, die kognitive Assoziation zweier Dimensionen (z.B. Demokraten/Republikaner und gut/schlecht) zu messen. Dazu werden dem Teilnehmer in 7 Test-Blöcken Wörter und/oder Bilder vorgelegt, welche der Teilnehmer korrekt per Tastendruck einer Kategorie zuordnen soll. Anhand der Reaktionszeiten wird die Stärke und Richtung der Assoziation gemessen.

**Wichtig:** Der IAT gehört nicht zum Standard-Umfang von SoSci Survey. Der Test muss gesondert und kostenpflichtig als Modul "Implizite Methoden" gebucht werden.

**Hinweis:** Sollten beim Herunterladen der Daten in SPSS die D-Scores fehlen, stellen Sie beim Download bitte ein anderes Dezimaltrennzeichen ein ([[:de:results:troubleshooting]] -> [[:de:results:troubleshooting#fehlende_dezimalzahlen_in_spss|Fehlende Dezimalzahlen in SPSS]]).


===== Verwendung =====

Erstellen Sie im Fragenkatalog zunächst innerhalb einer beliebigen Rubrik eine **Neue Frage** vom Typ "Impliziter Assoziationstest (IAT)".

Die beiden Dimensionen werden durch jeweils zwei Kategorien aufgespannt. Für jede Kategorie können -- neben der Bezeichnung -- bis zu 8 Wörter (links) oder Bilder (rechts, nur der Dateiname) eingetragen werden.

  * **Hinweis:** Falls Sie Bilder verwenden, so tragen Sie bitte in der Spalte //Bild (optional)// nur den Dateinamen ein, nicht den HTML-Code zur Einbindung eines Bilds.
  * **Hinweis:** Bitte laden Sie Bilder für den IAT "normal" hoch und nicht in die "geschützte Dateiablage" (daran erkennbar, dass die Bildadresse mit ''%%pro://%%'' beginnt). Mit einzelnen Browsern kann es sonst vorkommen, dass Bilder nicht angezeigt werden, die erst später im IAT gezeigt werden sollen.

Die Texte, die als Instruktion zu Beginn und zwischen den Test-Blöcken angezeigt werden, können bei Bedarf angepasst werden. Im Karteireiter "Erklärungen" sind dafür eine Reihe von Texteingabefeldern vorgesehen. Der jeweilige Standard-Text ist jeweils unter dem Eingabefeld ersichtlich (inkl. HTML-Tags) und kann zum Anpassen einfach in das Eingabefeld kopiert werden.

Nach Definition der Kategorien und der zugehörigen Stimuli (Items) kann der Test -- wie jede andere Frage -- einfach beim **Fragebogen zusammenstellen** auf eine Seite des Fragebogens gezogen werden. Es ist sinnvoll, auf dieser Seite keine weiteren Fragen zu platzieren. Wird die entsprechende Seite im Fragebogen erreicht, läuft der Test automatisch ab. Die Reihenfolge der angezeigten Stimuli wird zufällig variiert. Nach Abschluss des Tests wird automatisch ein Kennwert für die Assoziationsstärke berechnet (nach Greenwald et al., 2003).


===== Messung der Reaktionszeiten =====

Die Messung der Reaktionszeiten erfolgt mit einer Genauigkeit im Bereich von Millisekunden. Damit diese Messung nicht durch die Datenübermittlung im Internet verfälscht wird, lädt die Frage vorab alle notwendigen Bilder und Inhalte.

Die Messung der Reaktionszeit beginnt mit Präsentation eines Stimulus und endet mit dem korrekten Tastendruck des Teilnehmers. Im Fall eines falschen Tastendrucks wird -- entsprechend der Konzeption des IAT -- ein negatives Feedback (rotes Kreuz) angezeigt und die Zeit läuft weiter bis zum korrekten Tastendruck.

Nach dem korrekten Tastendruck wird der Stimulus ausgeblendet. Anschließend folgt eine Pause von 250 ms, bevor der nächste Stimulus präsentiert wird. Diese Pause dient der klaren Abgrenzung der Stimuli.


===== Blöcke =====

Entsprechend der IAT-Prozedur werden die Kategorien A bis D in den 7 Blöcken wie folgt kombiniert (die Blöcke beim BIAT und SC-IAT weichen von diesem Schema ab):

^Block^links^rechts^Funktion^Trials^
|1|A|B|Übung|20|
|2|C|D|Übung|20|
|3|A+C|B+D|Übung|20|
|4|A+C|B+D|Test|40|
|5|B|A|Übung|20 (optional 40)|
|6|B+C|A+D|Übung|20|
|7|B+C|A+D|Test|40|

In der Auswertung nach //Greenwald et al. (2003) improved// (empfohlener Wert, s. unten) werden auch die Reaktionszeiten aus den Übungsblöcken 3 und 6 für die Berechnung herangezogen.


===== Balancing der Items =====

Die Reihenfolge der Items (Stimuli) innerhalb der Testblöcke wird zufällig variiert. Bei den längeren Testblöcken werden die Items mehrfach angezeigt. Die Randomisierung erfolgt nach folgendem Regelset:

  * Aus allen im Block aktiven Kategorien werden gleich viele Items gezeigt
  * Jeder Stimulus innerhalb einer Kategorie wird gleich häufig gezeigt (falls die Anzahl der Wiederholungen für eine Kategorie nicht durch die Anzahl der Items teilbar ist, wird die Häufigkeit der Anzeige möglichst gleich gestaltet, d.h., der Unterschied zwischen den Items beträgt max. 1 Präsentation)
  * Bei den Blöcken mit Kategorien aus beiden Dimensionen wird immer zwischen den beiden Dimensionen abgewechselt.
  * Direkte Wiederholungen desselben Stimulus werden verhindert.


===== Auswertung =====

Die IAT-Frage speichert (neben den Rohdaten) einen Indexwert für die Assoziationsstärke (D-Score). Dieser wird entsprechend der unten genannten Literatur berechnet.


==== Greenwald et al. (2003) improved ====

Für die Auswertung werden die Antwortzeiten der Blöcke 3, 4, 6 und 7 verwendet. Die Bereinigung erfolgt anhand aller Antwortzeiten dieser Blöcke:

  * Wie häufig war die Reaktionszeit schneller als 300ms? War das bei mehr als 10% der Antworten der Fall, ist der Test ungültig.
  * Benötigte der Teilnehmer für eine einzelne Antwort mehr als 10 Sekunden? Dann wird diese Antwort aus der Auswertung entfernt.

Die Auswertung erfolgt in folgenden Schritten.

  - Nach der Bereinigung wird die Standardabweichung aller Antwortzeiten in den Blöcken 3 und 6 (zusammen) sowie 4 und 7 (zusammen) berechnet.
  - Hat der Teilnehmer falsch geantwortet, wird für diese Antwort die mittlere Antwortzeit innerhalb des Blocks plus 600ms verwendet. Dieser Wert ersetzt für die weiteren Berechnungen (nicht für die Standardabweichung) die tatsächliche Antwortzeit.
  - Nun wird die mittlere Antwortzeit für jeden der Testblöcke berechnet.
  - Es wird die Differenz der mittleren Antwortzeit aus den Blöcken 6 und 3, sowie aus den Blöcken 7 und 4 berechnet.
  - Diese Differenzen werden (zur individuellen Standardisierung) durch die oben berechneten Standardabweichungen dividiert.
  - Der Mittelwert der beiden Quotienten ist der Indexwert (Stärke der impliziten Assoziation).

Der Wertebereich ist prinzipiell nicht beschränkt. Die Ergebnisse können kleiner als -1 und größer als +1 sein, wenn sich die Antwortzeiten in Block 3 und 6 bzw. Block 4 und 7 sehr stark unterschieden.

Der resultierende Wert ist dann positiv, wenn die Assoziation zwischen den Kategorien A und C bzw. B und D stärker ist (geringere Reaktionszeiten in Block 3/4) als die Assoziation A-D bzw. B-C (höhere Reaktionszeiten in Block 6/7).

==== Greenwald et al. 2003 (conventional) ====

Für die Auswertung werden die Antwortzeiten der Blöcke 4 und 7 verwendet.

  - Reaktionszeiten über 10 Sekunden werden aus den Daten entfernt
  - Reaktionszeiten <300ms werden durch 300ms ersetzt.
  - Reaktionszeiten >3000ms werden durch 3000ms ersetzt.
  - Der Mittelwert pro Block wird auf Basis der logarithmierten Reaktionszeiten berechnet, der Divisor ist die Anzahl der Trails minus 2.
  - Der Textwert ist die Differenz der Mittelwerte.
  - Falls eine Person in mehr als 25% der Trials (in den Blöcken 4 und 7) falsch antwortet, gilt der Versuch als ungültig.
  - Falls nach der Bereinigung weniger als 3 Reaktionszeiten pro Block vorliegen, gilt der Versuch als ungültig.


==== Verwertung der erhobenen D-Scores ====

Die nach Greenwald et al. (2003) ermittelten "improved" D-Scores sind intervallskalierte (metrische) Variablen, die überwiegend (nicht ausschließlich) im Bereich zwischen -2 und +2 liegen. Sie werden in Korrelationen und Regressionen i.d.R. genauso wie andere metrische Variablen behandelt. Prüfen Sie vor der Auswertung auf extreme Ausreißer, die evtl. aus der Analyse entfernt werden müssen.

Die Berechnung des "improved" Scores erfolgt auf Basis der Trainingsblöcke //und// der eigentlichen Test-Blöcke. Zur Abschätzung der Reliabilität werden die getrennten D-Scores für die Trainingblöcke und die Testblöcke korreliert. In SoSci Survey sind das die Variablen "Teilergebnis basierend auf den Trainings-Blöcken 3 und 6 (D-Score)" und "Teilergebnis basierend auf den Test-Blöcken 4 und 7 (D-Score)". Die Schätzung der Reliabilität folgt der Idee des Split-Half-Verfahrens, wie es bei Skalenbatterien eingesetzt wird.


==== Arbeiten mit den Rohdaten ====

Das IAT-Modul von SoSci Survey wertet die gemessenen Daten automatisch aus und liefert einen D-Score entsprechend der gängigen Literatur (s. oben). Falls die Standard-Auswertung einmal nicht ausreicht, liefert SoSci Survey auch die Rohdaten der Messung.

Die Rohdaten des IAT umfassen pro Block jeweils die Angabe, welches Item präsentiert wurde, ob das Item im ersten Versuch der korrekten Kategorie zugeordnet wurde, und wie lange der Teilnehmer für die Zuordnung benötigte [ms]. Es handelt sich also nicht um klassisch tabellarische Daten, denn die Items werden ja standardmäßig in zufälliger Reihenfolge präsentiert.

In den Variablen ...b01i bis ...b07i werden die Informationen in einem Format gespeichert, wie es die Konkurrenz ausgibt, z.B.

    ItemA 1 1183 ItemB 0 581 ItemC 1 774 ItemD 1 565 ItemE 1 565 
    
Hierbei ist immer eine Kennung für das Item angegeben, die Korrekte Zuordnung (0=falsch, 1=korrekt) und die Reaktionszeit in Millisekunden [ms].

Für die Auswertung werden i.d.R. aber nur die Reaktionszeiten und die korrekte Zuordnung benötigt. Dafür aber in einem handlicheren Format. Das IAT-Modul speichert die Rohdaten daher zusätzlich als JSON, z.B.

    [
      [
        [1183,1],[581,0],[774,1],[565,1],[565,1]
      ],[
        [1600,1],[629,1],[551,1],[677,1],[1317,1]
      ],
      ...
    ]

Im Datensatz sind die Zeilen nicht so hübsch eingerückt, die Daten sind aber die gleichen: Das äußerste Array (`[]`) umfasst 7 Elemente entsprechend den 7 Blöcken. Jeder Block wird durch ein weiteres Array repräsentiert (`[]`), welches wiederum so viele Arrays wie Trials enthält. In den obigen Daten also z.B. 5 Trials in den Blöcken 1 und 2. Innerhalb der Trials ist jeweils die Reaktionszeit [ms] und die korrekte Zuordnung (0=falsch, 1=korrekt) kodiert.

Diese Daten lassen sich mit jeder Software einlesen, die JSON unterstützt, z.B. GNU R. Da das Einlesen und Verarbeiten der unterschiedlich langen Arrays (d.h. keine klassischen Matrizen) in R nicht ganz trivial ist, haben wir hier exemplarisch ein R-Script bereitgestellt, welches die Auswertung eines SC-IAT auf Basis der JSON-Daten vornimmt: {{:de:create:questions:iat.sciat.r | Import und Auswertung für den SC-IAT}}

**Hinweis:** Der Umgang mit den Rohdaten ist nur erforderlich, wenn von der standardmäßigen Auswertung abgewichen werden soll. Normalerweise erledigt SoSci Survey die Auswertung automatisch.


===== Anpassungen =====

Per JavaScript sind einige Modifikationen am IAT möglich. Dazu wird unter der Frage ein HTML-Element mit dem entsprechenden JavaScript-Code platziert. Die Kennung `iatAB01` in den folgende Beispielen muss an die Kennung des IAT angepasst werden.


==== Rotation der Reihenfolge ====

Um ein hohes Maß an Vergleichbarkeit zu gewährleisten, ist die Reihenfolge der Blöcke im IAT fest vorgegeben, z.B. zeigt Block 3 immer die Kategorien A und C gemeinsam auf der linken Seite ([[#bloecke|Blöcke]]).

Falls hier eine zufällige Rotation z.B. der Seiten gewünscht ist...

  * ... erstellen Sie eine Kopie der IAT-Frage (wenn Sie die Frage im **Fragenkatalog** auswählen, erscheint über der Frage (rechts) eine Leiste mit mehreren Symbolen, davon eines zum "Frage duplizieren").
  * In der Kopie tauschen Sie die Inhalte der Kategorien (z.B. die Wörter der positiven und der negativen Bewertungsdimension).
  * Zuletzt folgen Sie der Anleitung [[:de:create:randomization]], um zufällig eine der beiden (oder ggf. auch mehr Variationen) im Fragebogen zu verwenden.

Mit diesem Vorgehen ist gewährleistet, dass die verfügbaren Variationen genau festgelegt werden. Außerdem kann die verwendete Abfolge im Datensatz genau nachvollzogen werden.


==== Anzahl der Trials ====

Der Standard-IAT umfasst 7 Blöcke mit 20, 20, 20, 40, 20, 20 und 40 Trials pro Block. Folgender JavaScript-Code erhöht die Anzahl der Trials.

<code javascript>
<script type="text/javascript">
<!--
SoSciTools.attachEvent(window, "load", function() {
  SoSciTools.questionnaire.AB01.setTrials([24,24,48,48,35,48,48]);
});
// -->
</script>
</code>

Bitte beachten Sie die eckigen Klammern innerhalb der runden Klammern. Diese definieren ein Array. Dieses Array muss exakt 7 Elemente haben, entsprechend der Anzahl der Trials.


===== JavaScript =====

Der IAT erzeugt für jeden dargebotenen Stimulus (Trial) ein JavaScript-Event ''%%'present'%%'', welches Informationen zu Block, Position im Block und Stimulus beinhaltet.

Das folgende Beispiel zeigt, wie mithilfe des Events dargebotene Bilder zufällig gespiegelt werden können. Die Kennung der IAT-Frage lautet in diesem Fall "IA01".

<code javascript>
<script type="text/javascript">

function onTrial(evt) {
    var node = evt.detail.stimulusNode;
    // Nur Bilder, Text-Stimuli werden ignoriert
    if (node.tagName != "IMG") {
        return;
    }
    // Nur 50% der Bilder werden gespiegelt
    if (Math.random() < 0.5) {
        node.style.transform = "scaleX(-1)";
    }
}

window.addEventListener("load", function() {
    var iatNode = SoSciTools.questionnaire.IA01.node;
    iatNode.addEventListener("present", onTrial);
});
</script>
</code>

Zum Test von IAT-Fragen können Sie diese in einen Test-Modus schalten, sodass nur ein Bruchteil der Trials verwendet wird:

<code html>
<script>
window.addEventListener("load", function() {
    s2.IA01.setTesting();
});
</script>
</code>

Die Kennung IA01 muss hier natürlich durch die Kennung der IAT-Frage ersetzt werden.

===== Varianten =====

Das Modul "Implizite Methoden" enthält neben dem klassischen IAT nach Greenwald et al. (1998) auch einen Single Category IAT (SC-IAT nach Karpinski & Steinman, 2006) und den Brief IAT (BIAT nach Sriram & Greenwald, 2009).


==== Single Category IAT ====

Beim SC-IAT werden nicht zwei gegensätzliche Konzepte eine evaluativen Dimension gegenübergestellt, sondern nur eines. Der Teilnehmer soll dann z.B. kategorisieren, ob "Affe" zur Dimension "Tier" oder "positiv" gehört oder eben nicht.

Die Implementierung des SC-IAT folgt Karpinski und Steinman (2006), eine Studie zur Reliabilität legen Blümke und Friese (2008) vor.

In der Frage sind in der deutschen und englischen Variante bereits Begriffe (Stimuli) für die evaluative Dimension eingetragen. Diese Begriffe entstammen  Karpinski und Steinman (2006, S. 32) bzw. sind eine wörtliche Übersetzung dieser Begriffe ins Deutsche.


==== Brief IAT ====

Der BIAT reduziert die Anzahl der Blöcke und Trials, um die Testdauer zu verkürzen. Auch wird den Teilnehmern eine geringfügig andere Aufgabenstellung vorgelegt. Der Ablauf ist entsprechend Sriram und Greenwald (2009) implementiert.


===== Literatur =====

Blümke, M. & Friese, M. (2008). Reliability and validity of the Single-Target IAT (ST-IAT): Assessing automatic affect towards multiple attitude objects. //European Journal of Social Psychology, 38//, 977–997.

Greenwald, A. G., McGhee, D. E. & Schwartz, J. L. K. (1998). Measuring individual differences in implicit cognition: The implicit association test. //Journal of Personality and Social Psychology, 74//(6), 1464-1480. [[http://faculty.washington.edu/agg/pdf/Gwald_McGh_Schw_JPSP_1998.OCR.pdf|Available online]]

Greenwald, A. G., Nosek, B. A. & Banaji, M. R. (2003). Understanding and using the Implicit Association Test: I. An improved scoring algorithm. //Journal of Personality and Social Psychology, 85//(2), 197–216. DOI: 10.1037/0022-3514.85.2.197

Karpinski, A. & Steinman, R. B. (2006). The Single Category Implicit Association Test as a Measure of Implicit Social Cognition. //Journal of Personality and Social Psychology, 91//(1), 16–32.

Lane, K. A., Banaji, M. R., Nosek, B. A. & Greenwald, A. G. (2007). Understanding and Using the Implicit Association Test: IV. In B. Wittenbrink & N. Schwarz. //Implicit Measures of Attitudes//, S. 59-102. [[http://books.google.de/books?id=7YZ4-2f1bNoC&pg=PA59|Google Book Preview]]

Nosek, B. A., Greenwald, A. G., & Banaji, M. R. (2005). Understanding and Using the Implicit Association Test: II. Method Variables and Construct Validity. //Personality and Social Psychology Bulletin, 31//(2), 166-174. DOI: 10.1177/0146167204271418

Sriram, N. & Greenwald, A. G. (2009). The Brief Implicit Association Test. //Experimental Psychology, 56//(4), 283-94.