Bimodale Cluster: Bedeutung und Anwendung

Du misst Assoziationen zu einem Thema und bemerkst etwas Auffälliges: Viele Menschen sind klar positiv, viele andere klar negativ, und kaum jemand liegt dazwischen. Der Mittelwert landet dann nahe neutral, obwohl fast niemand neutral ist. Dieser Artikel erklärt kurz, was ein solcher bimodaler Cluster bedeuten kann und wie du das untersuchst.

Ein bimodaler Cluster ist ein Arbeitsbegriff von Neurofactor für ein Thema von Assoziationen, in dem die Ladung zwei Gipfel hat, einen positiven und einen negativen, mit wenigen oder keinen Assoziationen in der neutralen Mitte.

Das Muster kann auf zwei Untergruppen hinweisen, die dem Thema unterschiedliche Bedeutung geben, oder auf Ambivalenz: Dieselben Menschen sind zugleich positiv und negativ. Welche Erklärung passt, zeigt sich erst, wenn du jede Person einzeln betrachtest und nachfragst. Ein bimodaler Cluster ist ein Signal für weitere Forschung, kein Beleg für zwei Zielgruppen.

Assoziationen, die inhaltlich zusammengehören, bilden einen Cluster oder ein Thema (siehe Was sind Assoziationscluster?). Jede Assoziation hat außerdem eine Ladung: positiv, neutral oder negativ.

Bei einem bimodalen Cluster sammeln sich die Ladungen um zwei Gipfel: klar positive und klar negative Assoziationen, mit wenig dazwischen. „Bimodal“ stammt aus der Statistik und bezeichnet eine Verteilung mit zwei Gipfeln. „Bimodaler Cluster“ ist ein Arbeitsbegriff von Neurofactor, keine validierte Klassifikation.

Du erkennst das Muster, indem du die Verteilung der Ladung betrachtest und nicht nur eine einzelne Kennzahl. Stelle pro Cluster dar, wie oft jeder Ladungswert vorkommt, zum Beispiel in einem einfachen Balkendiagramm. Zwei Gipfel an den Enden und ein Tal in der Mitte deuten auf ein bimodales Muster hin.

Beziehe auch die Assoziationsstärke ein: Zwei Gipfel schwacher Assoziationen sagen weniger als zwei Gipfel starker.

Mittelst du die Ladungen, landet ein bimodaler Cluster oft nahe neutral, bei einer Zahl, die fast niemanden beschreibt. Kaplan wies auf dieses Problem bei Einstellungsmessungen hin: Eine neutrale Position auf einer Skala von negativ bis positiv kann Gleichgültigkeit bedeuten, aber auch Ambivalenz. Er schlug vor, positive und negative Gefühle getrennt zu messen (Kaplan, 1972).

DiMaggio, Evans und Bryson beschrieben Meinungspolarisierung als Bewegung hin zu getrennten Gipfeln und zeigten, dass Spaltung wachsen kann, ohne dass sich der Mittelwert stark verschiebt. Betrachte also Verteilungen, nicht nur Mittelwerte (DiMaggio et al., 1996).

Vielleicht enthält der Cluster zwei Gruppen, die demselben Thema unterschiedliche Bedeutung geben. Die eine Gruppe verbindet das Thema mit etwas, das sie will, die andere mit etwas, das sie vermeiden will. Jede Person ist dann ziemlich eindeutig; die zwei Gipfel entstehen, weil du beide Gruppen zusammen betrachtest.

Das ist ein Anlass zu untersuchen, ob es unterschiedliche assoziative Zielgruppen gibt, kein Beleg dafür. Prüfe zuerst, ob der Unterschied in anderen Themen wiederkehrt und mit Entscheidungen zusammenhängt.

Vielleicht nennen dieselben Menschen innerhalb des Themas sowohl positive als auch negative Assoziationen. Sie sind nicht neutral, sondern ambivalent. Priester und Petty beschreiben, dass eine Einstellung zugleich positive und negative Seiten haben kann und dass eine neutrale Antwort auf einer Skala von negativ bis positiv viel Information über diesen Konflikt verliert (Priester & Petty, 1996).

Es geht dann um Spannung innerhalb von Personen, nicht um Unterschiede zwischen Gruppen; das verlangt eine andere Folgefrage.

Den Unterschied siehst du nicht in der Clusterverteilung selbst. Dafür gehst du zurück zu den Teilnehmenden.

1. Betrachte jede Person. Nennen Teilnehmende vor allem eine Seite, oder beide? Das Erste spricht eher für Untergruppen, das Zweite für Ambivalenz. Auch eine Mischform ist möglich.
2. Vergleiche mit anderen Themen und Merkmalen. Hängen die zwei Lager mit einer Situation, Erfahrung oder Mustern in anderen Clustern zusammen?
3. Führe vertiefende Gespräche. Frage Menschen aus beiden Gipfeln, was die Assoziationen für sie bedeuten und wann sie den Ausschlag geben.
4. Prüfe statistisch, wo das möglich ist. Der Dip-Test misst, wie weit eine Verteilung von der am besten passenden Verteilung mit einem Gipfel abweicht (Hartigan & Hartigan, 1985). Bei wenigen Teilnehmenden und einer kurzen Ladungsskala ist ein solcher Test nur begrenzt aussagekräftig.

Siehe auch Wie misst man Assoziationen?.

Ein bimodaler Cluster ist ein Muster; Untergruppen und Ambivalenz sind mögliche Erklärungen.

Dieses Beispiel ist fiktiv und enthält kein Forschungsergebnis.

Ein fiktiver Anbieter von nach Hause gelieferten Kochboxen sammelt Assoziationen von Menschen, die ein Abo erwägen. Im Thema „Planen und Bequemlichkeit“ sind „kein Einkaufsstress“ und „jede Woche etwas Neues“ stark positiv; „an ein Abo gebunden sein“ und „weniger Freiheit bei dem, was ich esse“ sind stark negativ. Neutrale Assoziationen gibt es kaum.

Der Anbieter zieht keine Schlussfolgerung aus dem Mittelwert. Er prüft zuerst pro Person, ob Menschen auf einer Seite stehen oder auf beiden, und führt danach Gespräche. Erst dann weiß er, ob es zwei Gruppen gibt oder Menschen, die die Bequemlichkeit wollen, aber die Bindung fürchten.

• Kein neutrales Thema. Ein Mittelwert nahe null bedeutet hier nicht, dass Menschen das Thema unwichtig finden.
• Kein Beleg für zwei Zielgruppen. Zwei Gipfel können auch innerhalb derselben Menschen entstehen.
• Keine validierte Klassifikation. Es ist ein Arbeitsbegriff für diese Messung und diese Gruppe, ohne feste Schwelle für „bimodal“.
• Keine Vorhersage. Es sagt nicht, was eine einzelne Person wählen wird.

Ein bimodaler Cluster zeigt, dass ein Thema Menschen nicht kaltlässt, sondern spaltet. Betrachte deshalb die Verteilung und nicht nur den Mittelwert. Untersuche danach pro Person und in Gesprächen, ob du es mit zwei Untergruppen oder mit Ambivalenz zu tun hast, bevor du Zielgruppen oder Botschaften darauf aufbaust.