Fragestellungen zur Risikokommunikation für Verbraucher

Liegt ein Problem des Risikos vor, d.h. sind belastbare numerische Schätzer vom Eintreffen spezifischer Ereignisse oder Entscheidungenkonsequenzen verfügbar, ist eine Hauptfragestellung, wie Risikokommunikation hier transparent, ausgewogen und verständlich für die Verbraucher sein kann? Vier Herausforderungen sind hierbei

  1. Wie können Einzelfallwahrscheinlichkeiten trotz aleatorischer Unsicherheit über den konkreten Ausgang im Einzelfall vermittelt werden?
  2. Wie lassen sich seltene Ereignisse als solche erkennen?
  3. Wie lassen sich Handlungsoptionen hinsichtlich der Wahrscheinlichkeiten kontrastieren?
  4. Wie lassen sich die ersten drei Herausforderungen nicht nur nach dem letzten Stand der Forschung sondern zudem auch ansprechend adressieren, da das Hervorrufen von Aufmerksamkeit und Bindung des Verbrauchers an das Informationsangebot für dessen Exploration notwendig ist.

Lösungsansatz

Erfahrungslernen-Verbraucherfaktenbox

  1. Einzelfallwahrscheinlichkeiten lassen sich entweder mit einfachen Häufigkeiten (sofern nur Wahrscheinlichkeitswerte > 1% auch als Prozentformat) in tabellarischer Form (Schwartz et al., 2009) oder, zur Unterstützung von Verbrauchern mit niedriger Numeracy (Cokely et al., 2012), durch den Einsatz von empirisch validierten Grafikformaten (Garcia-Retamero & Galesic, 2010), Barcharts oder IconArrays kommunizieren.
  2. Lernen aus der Erfahrung führt zu anderen Entscheidungen mit Risiken als das Lernen aus Beschreibungen (description-experience gap, Hertwig & Erev, 2009). So konnte beispielsweise gezeigt werden, wie erfahrungsbasierte Lernverfahren die Risikopräferenz bei Investitionsentscheidungen beeinflussen (Bradbury et al., 2014; Kaufmann et al., 2013). Hierfür ist entscheidend, dass Erfahrungslernen mit vollem Feedback zu besseren Wahrscheinlichkeitsabschätzungen führen kann (Hau et al., 2008; Ungemach et al., 2009) und veränderte Wahrscheinlichkeitsgewichtungen (z.B. bei seltenen Ereignissen) nicht auf Stichprobenfehler oder systematische Schätzfehler zurückzuführen sind (Wulff et al., 2018). Dies mag auch der Natur des menschlichen Geistes zuschulden sein, wenn es darum geht, die Frequenzen von Ereignissen zu kodieren (Hasher & Zacks, 1979).
  3. Faktenboxen als evaluiertes Format (McDowell et al., 2016, 2019) zeigen, wie Risikokommunikation an Entscheidungsoptionen knüpft, zugleich transparent, ausgewogen und verständlich ist. Sofern nicht gleichwertige Daten für verschiedene Entscheidungsoptionen vorliegen, sind zumindest qualitative Hinweise hilfreich.
  4. Dynamische Informationsvisualisierungen können ansprechend sein, wenn Sie auf verschiedenen Explorationstiefen, mit einem leichten Einstieg, begleitet mit Erklärtext und einem durchziehenden Narrativ versehen sind.

Erste Ergebnisse der RisikoAtlas-Kommunikationsstudien mit dem vorliegenden Format zeigen, dass für eine begrenzte Anzahl von zu betrachtenden Risiko-Endpunkten (mögliche Nutzen und Schäden) die erfahrungsbasierte Risikokommunikation als Alternative zu den bereits erfolgreich evaluierten statischen Icon-Arrays betrachtet werden.

Thematisches Muster

…

Einleitung

…

Für welche Verbraucher ist die folgende Grafik geeignet?

…

Was zeigt die Grafik?

…

Woher stammen die Zahlen?

…

Wie hoch ist die Qualität der Daten?

…

Quellen.

Bradbury, M. A., Hens, T., & Zeisberger, S. (2014). Improving investment decisions with simulated experience. Review of Finance, 19(3), 1019-1052.
Cokely, E. T., Galesic, M., Schulz, E., Ghazal, S., & Garcia-Retamero, R. (2012). Measuring Risk Literacy: The Berlin Numeracy Test. Judgment and Decision Making, 7(1), 25-47.
Frey, C. B., & Osborne, M. A. (2017). The future of employment: how susceptible are jobs to computerisation?. Technological Forecasting and Social Change, 114, 254-280.
Garcia-Retamero, R., & Galesic, M. (2010). Who proficts from visual aids: Overcoming challenges in people’s understanding of risks. Social Science & Medicine, 70(7), 1019-1025.
Hasher, L., & Zacks, R. T. (1979). Automatic and effortful processes in memory. Journal of Experimental Psychology: General, 108(3), 356-388.
Hau, R., Pleskac, T. J., Kiefer, J., & Hertwig, R. (2008). The description–experience gap in risky choice: The role of sample size and experienced probabilities. Journal of Behavioral Decision Making, 21(5), 493-518.
Hertwig, R., & Erev, I. (2009). The description–experience gap in risky choice. Trends in Cognitive Sciences, 13(12), 517-523.
Kaufmann, C., Weber, M., & Haisley, E. (2013). The role of experience sampling and graphical displays on one’s investment risk appetite. Management science, 59(2), 323-340.
McDowell, M., Gigerenzer, G., Wegwarth, O., & Rebitschek, F. G. (2019). Effect of Tabular and Icon Fact Box Formats on Comprehension of Benefits and Harms of Prostate Cancer Screening: A Randomized Trial. Medical Decision Making, 39(1), 41-56.
McDowell, M., Rebitschek, F. G., Gigerenzer, G., & Wegwarth, O. (2016). A simple tool for communicating the benefits and harms of health interventions: a guide for creating a fact box. MDM Policy & Practice, 1(1), 2381468316665365.
Schwartz, L. M., Woloshin, S., & Welch, H. G. (2009). Using a drug facts box to communicate drug benefits and harms: two randomized trials. Annals of Internal Medicine, 150(8), 516-527.
Ungemach, C., Chater, N., & Stewart, N. (2009). Are probabilities overweighted or underweighted when rare outcomes are experienced (rarely)?. Psychological Science, 20(4), 473-479.
Wulff, D. U., Mergenthaler-Canseco, M., & Hertwig, R. (2018). A meta-analytic review of two modes of learning and the description-experience gap. Psychological Bulletin, 144(2), 140-176.

Letztes Update

  1. Februar 2019

Erstellung

Felix G. Rebitschek, Michael Zitzmann