Nettoladung und Dominance Gap: Bedeutung und Anwendung

Du hast eine Liste von Assoziationen gemessen: manche positiv, andere negativ, manche stark, andere schwach. Wie vergleichst du sie fair, und wie erkennst du, ob die negative Seite die Bewertung dominieren kann? Nettoladung und Dominance Gap sind zwei Rechenkonventionen von Neurofactor, die dabei helfen, solange du ihre Grenzen kennst.

Die Nettoladung ist ein Arbeitsbegriff von Neurofactor, der die Valenz (Ladung) und die Stärke einer Assoziation zu einem Wert zwischen −100 und +100 verbindet. Der Dominance Gap ist die Differenz zwischen der stärksten negativen und der stärksten positiven Assoziation innerhalb einer Gruppe.

Beides sind Arbeitsdefinitionen, keine validierten wissenschaftlichen Skalen. Sie machen Assoziationen innerhalb eines Messdesigns vergleichbar und zeigen, ob die negative Seite schwerer wiegen kann. Sie sagen nicht voraus, was eine einzelne Person tun wird.

Eine Assoziation ist eine Bedeutung, die Menschen mit etwas verbinden, etwa mit einem Produkt oder einer Organisation (siehe Assoziation: Bedeutung und Anwendung). Zwei Eigenschaften sind für die Bewertung wichtig:

• Valenz oder Ladung: Ist die Assoziation positiv, neutral oder negativ?
• Stärke: Wie stark sind Thema und Assoziation verbunden? Wie du Stärke verstehst und misst, steht in Assoziationsstärke: Bedeutung und Anwendung.

Eine stark negative Assoziation, die kaum mit dem Thema verbunden ist, wiegt anders als eine leicht negative, die alle sofort nennen. Die Nettoladung, auch gewichtete Ladung genannt, verbindet deshalb Valenz und Stärke zu einer Zahl. So werden Assoziationen addierbar und vergleichbar. Sie ist ein Arbeitsbegriff von Neurofactor: eine Rechenkonvention, kein Begriff aus der wissenschaftlichen Literatur und keine validierte Messskala.

Neurofactor verwendet folgende Konvention:

1. Valenz wird auf einer Fünf-Punkte-Skala kodiert: stark negativ (−2), leicht negativ (−1), neutral (0), leicht positiv (+1) und stark positiv (+2).
2. Stärke wird auf einer Skala von 0 (keine Verbindung) bis 100 (maximale Verbindung innerhalb der gewählten Messung) ausgedrückt.
3. Nettoladung = Valenz × Stärke ÷ 2.

Durch das Teilen durch zwei liegt das Ergebnis zwischen −100 und +100. Eine stark positive Assoziation mit maximaler Stärke erhält +100 (2 × 100 ÷ 2). Eine leicht negative Assoziation mit Stärke 60 erhält −30 (−1 × 60 ÷ 2). Eine neutrale Assoziation erhält immer 0, egal wie stark sie ist.

Lege vorab fest, ob du pro Teilnehmenden rechnest und danach mittelst oder zuerst Valenz und Stärke mittelst und dann multiplizierst. Der Mittelwert von Produkten ist nicht das Produkt von Mittelwerten. Berichte neben dem Mittelwert auch die Streuung und die Zahl der Teilnehmenden.

Der Dominance Gap ist die Differenz zwischen der stärksten negativen und der stärksten positiven Assoziation innerhalb einer Gruppe, beide als Nettoladung ausgedrückt. Neurofactor rechnet so:

Dominance Gap = |stärkste negative Nettoladung| − stärkste positive Nettoladung

Liegt die stärkste negative Assoziation bei −52 und die stärkste positive bei +38, beträgt der Dominance Gap 52 − 38 = +14. Ein positives Ergebnis bedeutet, dass die negative Seite an der Spitze schwerer wiegt; je größer diese Differenz, desto mehr kann die negative Assoziation die Bewertung dominieren. Ein negatives Ergebnis bedeutet, dass die positive Seite schwerer wiegt.

Der Dominance Gap schaut bewusst auf die Extreme: Eine Gruppe kann insgesamt leicht positiv ausfallen, während eine stark negative Assoziation die Entscheidung bestimmt. Auch das ist eine Arbeitsdefinition: Es gibt keine validierte Schwelle, ab der eine Differenz „groß“ ist.

Eine Bewertung aus gewichteten, addierten Bestandteilen aufzubauen, ist nicht neu. Fishbein untersuchte 1963 die Beziehung zwischen Überzeugungen über ein Objekt und der Einstellung zu diesem Objekt (Fishbein, 1963). Diese Arbeit wurde im Buch von Fishbein und Ajzen über Überzeugung, Einstellung, Intention und Verhalten ausgearbeitet (Fishbein & Ajzen, 1975). Busemeyer und Jones fassen dieses Modell so zusammen: Einstellung ist Überzeugung mal Bewertung, summiert über die salienten Überzeugungen (Busemeyer & Jones, 1983). Solche Modelle heißen Erwartungs-mal-Wert- oder Multiattributmodelle.

Die Nettoladung übernimmt dieses Prinzip: Valenz wird mit Stärke gewichtet, danach kannst du addieren. Sie ist keine Anwendung dieser Modelle. Die Bestandteile werden anders gemessen, das Ziel ist beschreibend, und die Theorie validiert die Rechenweise von Neurofactor nicht.

Negative Informationen wiegen oft schwerer als vergleichbare positive. Baumeister und Kollegen fassten Forschung aus vielen Bereichen zusammen und kamen zu dem Schluss, dass schlechte Ereignisse, schlechtes Feedback und schlechte Eindrücke in der Regel stärker wirken als gute (Baumeister et al., 2001).

Rozin und Royzman unterschieden innerhalb dieses Negativitätsbias unter anderem die Negativity Dominance: Der Gesamteindruck einer Kombination aus negativen und positiven Elementen ist negativer als die algebraische Summe der einzelnen Werte (Rozin & Royzman, 2001). Eine einfache Summe von Nettoladungen kann die negative Seite also unterschätzen. Deshalb berichtet Neurofactor den Dominance Gap neben der Summe. Er misst keinen Negativitätsbias und zeigt nicht, dass dieser in deiner Zielgruppe auftritt; er ist ein praktisches Warnsignal.

Ordinale Antworten als Zahlen behandeln. Die Fünf-Punkte-Skala für Valenz ist im Kern ordinal: Du weißt, dass „stark negativ“ negativer ist als „leicht negativ“, aber nicht, ob die Abstände gleich sind. Liddell und Kruschke zeigten, dass die Analyse ordinaler Daten, als wären sie metrisch, zu falschen, übersehenen und sogar umgekehrten Effekten führen kann und dass Mitteln über mehrere Items das nicht behebt (Liddell & Kruschke, 2018).

Skalen multiplizieren. Ein Produkt zweier Skalen hängt davon ab, wo der Nullpunkt liegt. Kodierst du Valenz als 1 bis 5 statt −2 bis +2, erhält auch eine negative Assoziation ein positives Produkt. Die Analyse solcher multiplikativen Kompositmaße gilt in der methodischen Literatur seit Langem als Problem (Evans, 1991). Hardeman und Kollegen weisen darauf hin, dass die gewählte Kodierung solcher Produkte die Zusammenhänge mit anderen Variablen beeinflussen kann. Sie raten, zuerst zu belegen, dass ein multiplikatives Modell passt, und die Kodierung aus theoretischen und empirischen Gründen zu wählen (Hardeman et al., 2013).

Die Konsequenz: Die Skala von −100 bis +100 erleichtert den Vergleich innerhalb eines Messdesigns, aber −40 ist nicht „doppelt so negativ“ wie −20.

Mehr zu Salienz von Assoziationen und zur Ausschlussassoziation. Ein hoher Dominance Gap ist kein Beleg für eine Ausschlussassoziation, aber ein Grund, das zu untersuchen.

Die Maße sind vor allem eine Ordnungshilfe nach einer Assoziationsmessung (siehe Wie misst man Assoziationen?):

• Priorisieren: Welche Assoziationen wiegen am schwersten und verdienen Vertiefung?
• Gruppen vergleichen: Unterscheidet sich die Balance zwischen Gruppen, die mit demselben Design gemessen wurden?
• Wiederholungsmessungen verfolgen: Verschiebt sich eine Nettoladung nach einer Änderung?
• Kommunikation ausrichten: Ein hoher Dominance Gap weist auf eine negative Assoziation hin, die du zuerst verstehen willst.

Sie ersetzen nicht die Untersuchung, warum eine Assoziation besteht und ob sie Entscheidungen beeinflusst.

1. Formuliere die Frage: welches Thema, welche Gruppe, welche Entscheidung?
2. Lege das Messdesign fest: wie du Assoziationen erhebst, Valenz abfragst und Stärke auf 0–100 umrechnest.
3. Wähle die Rechenebene vorab: pro Teilnehmenden oder pro Gruppe.
4. Berichte pro Assoziation die Nettoladung, die Streuung und die Zahl der Teilnehmenden, die sie nannten.
5. Bestimme den Dominance Gap und nenne die Assoziationen an den Extremen.
6. Schau auf die Verteilung hinter Mittelwerten nahe null und auf selten genannte Assoziationen.
7. Prüfe mit weiterer Forschung, ob eine auffällige Assoziation entscheidungsrelevant ist.

Dieses Beispiel ist fiktiv. Alle Zahlen sind erfunden, um die Rechenweise zu zeigen, und keine Forschungsergebnisse.

Situation und Frage. Ein fiktiver Hersteller von Fleischalternativen möchte wissen, welche Assoziationen Flexitarier, also Menschen, die bewusst weniger Fleisch essen, mit „pflanzlichem Fleisch“ verbinden. Welche Assoziationen verdienen Aufmerksamkeit, bevor er seine Kommunikation anpasst?

Rechenbeispiel für eine Person. Eine Teilnehmerin nennt „stark verarbeitet“, bewertet es als stark negativ (−2) und gibt eine Stärke von 80 an. Die Nettoladung ist −2 × 80 ÷ 2 = −80. Dieselbe Teilnehmerin nennt „nachhaltig“ als leicht positiv (+1) mit Stärke 70, was +35 ergibt.

Fiktive Gruppenergebnisse (Nettoladung pro Person berechnet und danach gemittelt):

Mögliche Interpretation. Die Summe dieser sechs Werte beträgt −12. Die stärkste positive Assoziation ist „nachhaltig“ (+38), die stärkste negative „stark verarbeitet“ (−52). Der Dominance Gap beträgt 52 − 38 = +14: An der Spitze wiegt die negative Seite schwerer. Der Wert nahe null bei „Geschmack“ kann bedeuten, dass wenig dazu gesagt wird oder dass sich starke positive und negative Urteile aufheben; nur die Verteilung zeigt, was zutrifft.

Nächster Schritt. Der Hersteller schließt nicht, dass Flexitarier pflanzliches Fleisch ablehnen. Er untersucht zuerst, etwa in vertiefenden Gesprächen, was „stark verarbeitet“ für diese Gruppe bedeutet und ob es die Entscheidung im Laden beeinflusst.

• Nettoladung als validierten Wert lesen: Es gibt keine Normen für „hoch“ oder „niedrig“.
• Messdesigns vermischen: Andere Fragen, Skalen oder Assoziationssets machen Zahlen unvergleichbar.
• Null als neutral lesen: Eine Null kann auch entstehen, wenn sich starke Urteile aufheben.
• Die Summe als Gesamturteil nutzen: Sie hängt davon ab, welche Assoziationen du einbeziehst.
• Den Dominance Gap überschätzen: Eine selten genannte Assoziation kann ihn stark verschieben.
• Ohne Nullpunkt in der Mitte kodieren: Mit 1 bis 5 verlieren die Produkte ihre Bedeutung.

Nettoladung und Dominance Gap beschreiben eine Gruppe zu einem Zeitpunkt innerhalb eines Messdesigns.

• Möglich: Assoziationen innerhalb derselben Messung ordnen, negative Ausreißer erkennen und Verschiebungen bei gleichem Design verfolgen.
• Nicht möglich: vorhersagen, was eine Person wählt; Gruppenmittelwerte sind keine individuellen Vorhersagen.
• Nicht möglich: schließen, dass eine Assoziation eine Entscheidung verursacht.
• Nicht möglich: Ergebnisse verschiedener Studien oder Methoden ohne Weiteres vergleichen.

Nenne daher immer, welche Assoziationen abgefragt wurden, wie Stärke gemessen wurde und wer teilgenommen hat.

Die Nettoladung macht aus Valenz und Stärke eine vergleichbare Zahl; der Dominance Gap zeigt, ob die stärkste negative Assoziation schwerer wiegt als die stärkste positive. Einstellungsmodelle und Forschung zum Negativitätsbias liefern Kontext, die Rechenweise selbst ist jedoch eine Arbeitskonvention. Nutze sie innerhalb eines Designs, berichte Streuung und Entscheidungen, und sieh das Ergebnis als Beginn einer Frage, nicht als Endurteil.