risk-ladder/src/html/markdown/index.md

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? Fünf Herausforderungen sind hierbei:

1. Wie können Einzelfallwahrscheinlichkeiten trotz aleatorischer Unsicherheit über den konkreten Ausgang im Einzelfall vermittelt werden?
2. Wie können extrem seltene Ereignisse als solche auch besser erkannt werden?
3. Wie können Lebensrisiken mit einer großen Bandbreite von Wahrscheinlichkeiten vergleichend dargestellt werden?
4. Wie lassen sich die ersten beiden 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

3D-Risikostraße

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. Einzelfallwahrscheinlichkeiten seltener Ereignisse lassen sich durch Vergleiche verschiedener Ereignisse verständlich kommunizieren. Statisch abgebildete Risikoleitern mit logarithmischen Skalen wurden zur Kontextualisierung von seltenen Ereignissen untersucht (Keller et al., 2009). Zugleich sind jedoch lineare Darstellungen logarithmischen im Sinne verzerrungsfreier Interpretationen überlegen.
3. Risiken mit einer großen Bandbreite von Wahrscheinlichkeiten lassen sich mithilfe von perspektivischem Design und Interaktivität innerhalb einer Darstellung vereinen.
4. Dynamische Informationsvisualisierungen können ansprechend sein, wenn Sie auf verschiedenen Explorationstiefen, mit einem leichten Einstieg, begleitet mit Erklärtext und einem durchziehenden Narrativ versehen sind.

Verbraucherrisiken innerhalb eines Jahres

Was zeigt die Grafik?

Die Risikostraße ordnet verschiedene Verbraucherrisiken nach ihrer Eintrittswahrscheinlichkeit binnen eines Jahres. Um häufigere wie seltenere Ereignisse gleichermaßen gut zu verstehen, werden die Zahlen grafisch zueinander ins Verhältnis gesetzt. Hierbei ist die Bandbreite von fast sicheren Ereignissen bis zu extrem seltenen Ereignissen dargestellt, die aufgrund ebenjener Bandbreite linear kaum zu durchmessen sind: einerseits werden die Ereignisse logarithmisch angelegt, andererseits jedoch durch die Perspektive Konsistenz mit menschlicher Perzeption hergestellt, denn statische logarithmische Risikoleitern in 2 Dimensionen sind für viele Verbraucher missverständlich. Die Interaktion mit diesem digitalen Werkzeug erlaubt dann die Exploration aller Bereiche dieser „Straße“ - als Weiterentwicklung von Risikoleitern. Um die Orientierung im linearen Spektrum zwischen den Wahrscheinlichkeiten von 100% (sicheres Ereignis) bis 0% (kein Ereignis) zu erleichtern, ist eine Navigationskarte in den rechten Bildrand eingearbeitet. Um den Vergleich von verschiedenen Risiken, die nicht ähnlich wahrscheinlich sind, zu ermöglichen, lassen sich Risiken mit einem Lesezeichen versehen und formen so eine sortierte Liste, die wiederrum als PDF exportierbar ist. Details zu den einzelnen Risiken werden durch Klick auf die Darstellung abgerufen. Das Häufigkeitsformat mit je 100.000 Referenzgruppe soll die Verwendung von kleineren Prozentzahlen, von denen bekannt ist, dass Sie für einen großen Anteil von Verbrauchern missverständlich sind, erleichtern. Zusätzliche Stratifizierungen nach Alter, Geschlecht und Beeinflussbarkeit sind möglich (Top-Navigation), wenn die Datenlage es zulässt.

Woher stammen die Zahlen?

Die Zahlen stammen aus verschiedenen Quellen: Häufigkeitsbeobachtungen öffentlicher Verzeichnisse, Befragungen, Bevölkerungsstudien, Modellierungen. Die Quellen sind für jedes einzelne Ereignis angegeben.

Wie hoch ist die Qualität der Daten?

Die meisten Risikoschätzungen zeichnen sich durch relativ niedrige Evidenzqualität aus. Zum einen fehlt es an systematischen Erfassungen von Prävalenzen bei Verbraucherereignissen, da zu wenig Bevölkerungsstudien, sondern Betroffenenerfassungen zugrunde liegen. Zum anderen sind mögliche Interessenskonflikte kaum auszuschließen.

Quellen.

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.
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.
Keller, C., Siegrist, M., & Visschers, V. (2009). Effect of risk ladder format on risk perception in high‐and low‐numerate individuals. Risk Analysis: An International Journal, 29(9), 1255-1264.
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.

Letztes Update

1. Februar 2019

Erstellung

Felix G. Rebitschek, Michael Zitzmann in Zusammenarbeit mit Data Science and Stories