Arbeitseinheit Differentielle Psychologie und Diagnostik

Projekte

Aktuelle Projekte

  • Wissenschaftliches Netzwerk (2020-2023): "Neurokognitive Psychometrie" (Wissenschaftliches Netzwerk der DFG, SCHU 3266/2-1; in Kooperation mit Daniel Schneider, Leibniz-Institut für Arbeitsforschung Dortmund, und Gidon T. Frischkorn, Universität Zürich)
  • Projektförderung (2020-2023): "Eine neurokognitive Psychometrie individueller Unterschiede in Aufmerksamkeitsprozessen im Arbeitsgedächtnis" (gefördert durch das Eliteprogramm für Postdoktorandinnen und Postdoktoranden der Baden-Württemberg Stiftung)
  • Projektförderung (2018-2021): "Neurokognitive Prozessparameter kognitiver Leistungsfähigkeit" (Sachbeihilfe der DFG, SCHU 3266/1-1)
  • Untersuchung des Zusammenhangs zwischen Informationsverarbeitungsgeschwindigkeit und allgemeiner Intelligenz: In diesem Projekt untersuchen wir, ob individuelle Unterschiede in der Informationsverarbeitungsgeschwindigkeit mit individuellen Unterschieden in allgemeiner Intelligenz assoziiert sind. Zu diesem Zweck erweitern wir die Messung von Informationsverarbeitungsgeschwindigkeit über Reaktionszeiten hinaus durch die Verwendung mathematischer Modelle von Reaktionszeitverteilung und durch ereigniskorrelierte Potentiale (EKPs). Wir untersuchen, ob Informationsverarbeitungsgeschwindigkeit als eine zeitlich stabile Personeneigenschaft betrachtet werden kann. Darüber hinaus untersuchen wir die Faktorstruktur von Informationsgeschwindigkeit, d.h. wir analysieren, wie stark ein genereller Faktor Informationsverarbeitungsgeschwindigkeit in verschiedenen Aufgaben beeinflusst. Außerdem untersuchen wir, welche Komponenten der Informationsverarbeitung (z.B. die Enkodierungsgeschwindigkeit, die Geschwindigkeit des Gedächtnisabrufes, die Entscheidungsgeschwindigkeit, die Geschwindigkeit motorischer Reaktionen) am stärksten mit allgemeiner Intelligenz assoziiert sind, indem wir den Strom der Informationsverarbeitung durch Diffusionsmodelle und EKPs in spezifische Prozesse zerlegen.
    • Frischkorn, G. T., Schubert, A.-L., Neubauer, A. B., Hagemann, D. (2016) The Worst Performance Rule as Moderation: New Methods for Worst Performance Analysis. Journal of Intelligence, 4, 9 . doi:10.3390/jintelligence4030009 . ( PDF )
    • Schubert, A.-L., Hagemann, D., Voss, A., Schankin, A., & Bergmann, K. (2015). Decomposing the Relationship between Mental Speed and Mental Abilities. Intelligence , 51, 28-46. doi:10.1016/j.intell.2015.05.002
  • Experimentelle Manipulation von Aufmerksamkeit und exekutiven Funktionen: Aufmerksamkeit und exekutive Funktionen sind zentrale Eigenschaften kognitiver Verarbeitung und spielen insbesondere in modernen Theorien des Arbeitsgedächtnisses eine wichtige Rolle. In diesem Projekt untersuchen wir die Zusammenhänge von Aufmerksamkeit und exekutiven Funktionen indem wir mit Hilfe von experimentellen Manipulationen die Aufmerksamkeit manipulieren, während Personen Aufgaben zur Messung exekutiver Funktionen, wie zum Beispiel N-Back oder Shifting Aufgaben, bearbeiten. Über die Messung von Effekten auf behaviorale Maße (z.B. Reaktionszeit und Antwortgenauigkeit) verwenden wir in diesem Projekt EEG-Messungen um Effekte der Manipulation auf neuronale Verarbeitungsprozesse zu untersuchen. Darüber hinaus wollen wir in diesem Projekt auch die Zusammenhänge von Aufmerksamkeitsprozessen und exekutiven Funktionen zu interindividuellen Unterschieden in der allgemeinen kognitiven Leistungsfähigkeit untersuchen und durch die Ergebnisse besser verstehen, welche Prozess zentral für Intelligenzunterschiede zwischen Personen sind. (schließen)
  • Mathematische Modellierung interindividueller Unterschiede in kognitiven Funktionen: Mathematische Modelle kognitiver Verarbeitung bieten eine Möglichkeit die unterschiedlichen Prozesse in der Bearbeitung von Entscheidungs- und Reaktionszeitaufgaben abzubilden. Dabei verwenden diese Modelle, wie zum Beispiel das Drift-Diffusions-Modell, häufig die gesamte Information aller Antworten einer Person und nicht nur aggregierte Maße wie die durchschnittliche Reaktionszeit oder relative Häufigkeit richtiger Antworten. Insofern bieten mathematische Modelle die Möglichkeit Unterschiede zwischen Personen in spezifischen Prozessen genauer abzubilden als aggregierte Maße. Für uns sind dabei die inter-individuellen Unterschiede in den verschiedenen Parameter von besonderem Interesse. Deshalb beschäftigen wir uns damit, ob die Parameter von mathematischen Modellen stabile Eigenschaften von Personen abbilden können und zur Vorhersage von inter-individuellen Unterschieden von anderen Persönlichkeitseigenschaften, wie zum Beispiel Intelligenz, geeignet sind.
    • Schubert, A.-L., Hagemann, D., Voss, A., & Bergmann, K. (in press). Evaluating the model fit of diffusion models with the root mean square error of approximation. Journal of Mathematical Psychology . doi: 10.1016/j.jmp.2016.08.004 .
    • Schubert, A.-L., Frischkorn, G. T., Hagemann, D., Voss, A. (2016) Trait Characteristics of Diffusion Model Parameters. Journal of Intelligence, 4, 7, doi:10.3390/jintelligence4030007 . ( PDF )
  • Neurokognitive Grundlagen rationalen Schlussfolgerns

Frühere Projekte

  • Individuelle Unterschiede in Affekt und Temperament
  • Die Interaktion zwischen Emotionsverarbeitung und kognitiven Funktionen (insbesondere Aufmerksamkeit)
  • Individuelle Unterschiede in Veränderungsblindheit
  • Psychophysiologische Reaktionen auf ästhetische Stimuli
  • Physiologische Messprobleme