Buffl

Surveys & Self-Reports 5: Scharkow, M. (2019). The reliability and temporal stability of self-reported media exposure: A meta-analysis.

FP
von Federico P.

The reliability and temporal stability of self-reported media exposure: A meta-analysis

OVERVIEW



Diese Studie beantwortet eine grundlegende Frage der Kommunikationsforschung:

Wie zuverlässig sind Self-Reports über Mediennutzung wirklich?

Das ist zentral, weil:

  • fast alle Media-Effects Studien auf Self-Reports basieren,

  • obwohl digitale Trace-Daten existieren.

⭐ Self-Reports bleiben das „workhorse“ der Forschung. Scharkow, M. (2019). The reliab…

🔑 Warum diese Studie im Survey-Thema steht

Du hattest bisher:

  • Lenzner → Verständlichkeit → Messfehler

  • Tourangeau & Yan → soziale Verzerrung

  • Moy & Murphy → Total Survey Error

  • De Vreese → Exposure als Survey-Problem.

Jetzt kommt:

⭐ die meta-analytische Gesamtbewertung, wie gut Self-Reports überhaupt funktionieren.

🧠 Zwei zentrale Konzepte (ABSOLUT PRÜFUNGSRELEVANT)

Die gesamte Studie dreht sich um:

1️⃣ Reliability

➡ Wie konsistent ist eine Messung?

Wenn dieselbe Person mehrfach gefragt wird:

  • entstehen ähnliche Antworten?

2️⃣ Temporal Stability

➡ Wie stabil bleibt Mediennutzung über Zeit?

Nicht Messfehler, sondern:

  • echte Stabilität des Verhaltens.

⭐ Wichtig: Reliability ≠ Stability

Das ist ein Prüfer-Liebling.

Reliability:

  • Messqualität.

Stability:

  • echte Konstanz des Konstrukts.

Die Studie trennt beides mit dem:

Heise Model (1969). Scharkow, M. (2019). The reliab…

🧪 Methodik (Quant-Level sehr wichtig)

Meta-Analyse:

  • 33 Studien

  • 264 Media Exposure Measures

  • ca. 62.000 Personen. Scharkow, M. (2019). The reliab…

Paneldaten notwendig, weil:

➡ mindestens 3 Messzeitpunkte gebraucht werden.

🧠 Kernmethodik: Heise Model

Das Modell erlaubt:

  • Reliability von Stability zu trennen.

Wichtig:

Normale Test-Retest-Korrelation reicht nicht.

📊 Hauptergebnisse (SEHR wichtig!)

⭐ Reliability

Self-Reported Media Exposure ist:

➡ moderat reliabel.

Meta-Estimate:

.69. Scharkow, M. (2019). The reliab…

⭐ Temporal Stability

Sehr hoch:

.90. Scharkow, M. (2019). The reliab…

Bedeutet:

Mediennutzung ist fast trait-artig.

🧩 Altersunterschiede (Prüfungsrelevant!)

  • Erwachsene: höhere Reliability (~.72)

  • Jugendliche: niedriger (~.59). Scharkow, M. (2019). The reliab…

Aber:

Stability bleibt hoch in beiden Gruppen.

⭐ VERY IMPORTANT — Specific Outlet vs General Exposure

Wenn gefragt wird:

  • „Wie oft schauen Sie Nachrichten?“ → schlechter.

Wenn gefragt wird:

  • „Wie oft nutzen Sie CNN/Zeitung X?“ → besser.

➡ spezifische Outlet-Fragen reliabler. Scharkow, M. (2019). The reliab…

Das verbindet direkt zu De Vreese (Linkage).

🔥 Überraschender Befund (Prüfer lieben das)

Media Exposure ist:

⭐ extrem stabil über Zeit.

Konsequenz:

  • kurzfristige Panelstudien finden schwer Veränderungen.

Das hat starke theoretische Auswirkungen.

🧠 Theoretische Konsequenz

Wenn Mediennutzung stabil ist:

➡ Media Effects entstehen vielleicht nicht durch Nutzungsänderung,

sondern durch:

  • Inhaltsunterschiede.

Das ist die Brücke zu Linkage Studies.

⚠️ Wichtige Limitation

Die Studie misst:

  • Reliability,

  • aber NICHT Accuracy.

Menschen können:

➡ zuverlässig falsch berichten.

Sehr wichtiger Satz für Prüfungen.

🎯 Praktische Konsequenzen

Forscher sollten:

  • Measurement Error berücksichtigen,

  • spezifische Outlet-Items nutzen,

  • Veränderung vorsichtig interpretieren.

🧠 Mentales Bild (Lernhilfe)

Stell dir vor:

Jemand sagt jedes Mal:

„Ich schaue viel News.“

→ konsistent → hohe Reliability

Aber vielleicht:

❗ objektiv falsch.

Das ist der Kern.

🎯 Typische Prüfungsfragen

Sehr realistisch:

  • Unterschied Reliability vs Stability?

  • Warum Heise Model?

  • Warum hohe Stability problematisch?

  • Warum Outlet-specific Items besser?

  • Warum Reliability ≠ Accuracy?

⭐ Ein Satz für die Prüfung

Self-reported media exposure ist moderat reliabel, aber äußerst stabil über Zeit, weshalb Messfehler und fehlende Veränderung zentrale Herausforderungen für Media-Effects Forschung darstellen.

🔥 Professor-Insight (sehr wichtig)

Diese Studie ist:

⭐ der methodische Abschluss des Survey-Themas.

Sie verbindet:

  • Measurement Error

  • Panel Designs

  • Exposure Measurement

  • Linkage Logic.


Author

Federico P.

Informationen

Zuletzt geändert