🔬 physics

The Fragility of Global Comparisons of Perceived Scientist Trustworthiness: Evidence from Measurement Alignment across 68 Countries/Regions

Diese Studie zeigt auf, dass länderübergreifende Vergleiche der wahrgenommenen Vertrauenswürdigkeit von Wissenschaftlern auf Basis von Durchschnittswerten beobachteter Scores aufgrund mangelnder Messinvarianz irreführend sind und dass die Anwendung von Messalignment auf latente Variablen signifikant andere Länderrankings und substanzielle Assoziationen im Vergleich zu den ursprünglichen Befunden offenbart.

Ursprüngliche Autoren: Yuke Yang, Zhihao Ma

Veröffentlicht 2026-01-28

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Yuke Yang, Zhihao Ma

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie und 67 andere Freunde versuchen zu bewerten, wie sehr Sie Ihren lokalen Wissenschaftlern vertrauen. Sie alle füllen dieselbe 12-Fragen-Umfrage aus. Die ursprüngliche Studie (Cologna et al., 2025) nahm all diese Antworten, berechnete den Durchschnitt für jedes Land und erstellte eine riesige „Vertrauen in die Wissenschaft“-Bestenliste. Sie nutzten diese Bestenliste dann, um zu sehen, was Menschen dazu bringt, Wissenschaftlern mehr oder weniger zu vertrauen.

Das Problem: Das Lineal war kaputt
Die Autoren dieser neuen Arbeit (Yang und Ma) betrachteten diese Studie und sagten: „Warte mal einen Moment.“ Sie argumentierten, dass die Umfragefragen in jedem Land nicht auf die gleiche Weise funktionierten.

Stellen Sie sich das so vor: Wenn Sie einer Person in Land A die Frage stellen: „Sind Wissenschaftler ehrlich?“, denkt sie vielleicht an einen Wissenschaftler, der die Wahrheit über Daten sagt. Aber in Land B könnte dieselbe Frage dazu führen, dass Menschen an einen Wissenschaftler denken, der freundlich und hilfsbereit ist. Obwohl das Wort „ehrlich“ dasselbe ist, ist die Bedeutung hinter der Antwort unterschiedlich.

Die ursprüngliche Studie versuchte, die Durchschnittswerte zu vergleichen, als würden alle dasselbe Lineal benutzen. Aber wenn eine Person in Zoll und eine andere in Zentimetern misst, kann man die Zahlen nicht einfach zusammenzählen und sagen: „Dieses Land ist größer als das andere.“ Die ursprüngliche Studie gab zu, dass das „Lineal“ nicht perfekt war, aber sie errechnete die Durchschnittswerte trotzdem weiter.

Die Lösung: Das „Ausrichtungs“-Werkzeug
Die neuen Autoren verwendeten ein ausgeklügeltes statistisches Werkzeug namens Messausrichtung (Measurement Alignment).

Stellen Sie sich vor, Sie haben 68 verschiedene Karten derselben Stadt, aber alle sind in unterschiedlichen Maßstäben gezeichnet und leicht gedreht.

Der alte Weg: Sie stapeln die Karten einfach übereinander und raten, wo die Wahrzeichen liegen. Das ist unordentlich und ungenau.
Der neue Weg (Ausrichtung): Sie verwenden einen speziellen Algorithmus, um die Karten gerade so weit zu drehen, zu dehnen und zu stauchen, dass das Wahrzeichen „Ehrlichkeit“ auf Karte A perfekt mit dem Wahrzeichen „Ehrlichkeit“ auf Karte B übereinstimmt. Sie erkennen an, dass die Karten leicht unterschiedlich sind, aber Sie erzwingen eine Ausrichtung, damit Sie einen fairen Vergleich anstellen können.

Was passierte, als sie die Mathematik neu berechneten?
Als die Autoren dieses „Ausrichtungs“-Werkzeug auf die Daten anwandten, änderten sich die Ergebnisse dramatisch:

Die Bestenliste drehte sich um: In der ursprünglichen Studie waren einige Länder an der Spitze und andere am Ende. Nach der Ausrichtung bewegten sich 62 von 68 Ländern in der Liste nach oben oder unten. Einige bewegten sich stark! Zum Beispiel fiel Uruguay um 15 Plätze, während die Demokratische Republik Kongo um 12 Plätze aufstieg. Die „besten“ und „schlechtesten“ Länder in Bezug auf das Vertrauen in Wissenschaftler waren nicht mehr dieselben.
Das „Warum“ änderte sich: Die ursprüngliche Studie behauptete, dass Menschen mit „populistischen“ Ansichten (Misstrauen gegenüber Eliten) oder die an „soziale Dominanz“ glaubten (den Wunsch nach einer strengen Hierarchie), Wissenschaftlern viel weniger vertuten.
- Das neue Ergebnis: Als sie die ausgerichteten Werte verwendeten, verschwanden diese Verbindungen praktisch vollständig. Die Verbindung zwischen diesen politischen Ansichten und dem Vertrauen in Wissenschaftler lag nahe bei Null.
- Was wahr blieb: Die einzigen Dinge, die das Vertrauen in die Wissenschaft immer noch stark vorhersagten, waren positive Einstellungen gegenüber der Wissenschaft selbst (z. B. „Wissenschaft ist vorteilhaft“, „Ich vertraue der wissenschaftlichen Methode“).

Der Kern der Sache
Die Arbeit argumentiert, dass man beim Vergleich verschiedener Länder nicht einfach den Durchschnitt von Umfrageantworten nehmen kann. Wenn die Fragen nicht überall exakt dasselbe bedeuten, ist Ihre „Bestenliste“ irreführend.

Durch die Verwendung der „Ausrichtungsmethode“, um das kaputte Lineal zu reparieren, fanden die Autoren heraus:

Die Rangfolge der Länder, die Wissenschaft am meisten vertrauen, ist ganz anders, als bisher berichtet wurde.
Die Idee, dass die politische Ideologie (wie Populismus) das Misstrauen gegenüber Wissenschaftern stark antreibt, könnte eine Illusion gewesen sein, die durch schlechte Messung verursacht wurde.

Kurz gesagt: Man kann Äpfel und Orangen nicht vergleichen, nur weil beide Früchte sind. Man muss sicherstellen, dass man die gleiche Art von Frucht vergleicht, oder die Schlussfolgerungen darüber, welche „besser“ ist, werden falsch sein.

Technische Zusammenfassung: Die Fragilität globaler Vergleiche der wahrgenommenen Vertrauenswürdigkeit von Wissenschaftlern

Problemstellung
Diese Studie adressiert einen kritischen methodischen Mangel in der grenzüberschreitenden Umzelforschung hinsichtlich der Messung der „wahrgenommenen Vertrauenswürdigkeit von Wissenschaftlern“. Sie evaluiert die Ergebnisse von Cologna et al. (2025) neu, die Daten aus 68 Ländern/Regionen ( $N = 69.534$ ) analysierten. Während Cologna et al. einräumten, dass ihre vierfaktorielle Skala zur Vertrauenswürdigkeit die metrische, skalare und strikte Messinvarianz (MI) nicht erfüllte, führten sie dennoch grenzüberschreitende Vergleiche und Regressionsanalysen unter Verwendung gewichteter Mittelwerte beobachteter Item-Scores durch. Die Autoren dieser Arbeit argumentieren, dass solche Vergleiche implizit eine grenzüberschreitende Vergleichbarkeit auf der Ebene der beobachteten Scores voraussetzen – eine Bedingung, die nicht erfüllt ist, wenn die skalare Invarianz fehlt. Ohne die Etablierung von Messäquivalenz birgt der Vergleich latenter Mittelwerte oder Assoziationen über Gruppen hinweg das Risiko, irreführende oder substanziell mehrdeutige Ergebnisse zu liefern.

Methodik
Die Autoren reanalysierten den öffentlich geteilten Datensatz unter Anwendung eines rigorosen Frameworks zur Messausrichtung (Measurement Alignment), um der grenzüberschreitenden Nicht-Invarianz Rechnung zu tragen. Die Analyse folgte vier verschiedenen analytischen Pfaden, um die Robustheit der Ergebnisse gegenüber Gewichtungsstrategien und Modellspezifikationen zu testen:

Pooled vs. länderspezifische CFA: Die Studie verglich eine gepoolte konfirmatorische Faktorenanalyse (CFA) (die alle Länder gleichzeitig analysiert) mit 68 separaten länderspezifischen CFAs.
Gewichtungsstrategien: Jeder CFA-Pfad wurde sowohl mit als auch ohne Survey-Gewichtung geschätzt, um die Sensitivität gegenüber Gewichtungsspezifikationen zu evaluieren.
Messausrichtung (Measurement Alignment): In Anlehnung an den Ansatz von Asparouhov und Muthén (2014) sowie Han (2023) wandten die Autoren die Messausrichtung auf das Vierfaktor-Modell (Kompetenz, Integrität, Wohlwollen und Offenheit) an. Diese Methode erlaubt ein gewisses Maß an Nicht-Äquivalenz der Messparameter (Ladungen und Intercepts) über Gruppen hinweg, während vergleichbare latente Faktor-Scores generiert werden.
Re-Estimation der substanziellen Modelle: Unter Verwendung der ausgerichtten latenten Scores (bei denen die Ausrichtung erfolgreich konvergierte) führsten die Autoren die multiplen linearen Regressionsmodelle erneut durch, um die Assoziationen zwischen der wahrgenommenen Vertrauenswürdigkeit von Wissenschaftlern und demografischen, ideologischen, attitudinalen und länderspezifischen Prädiktoren zu bewerten.

Kernergebnisse

Messinvarianz: Über alle vier analytischen Spezifikationen hinweg stützten die Daten die konfigurale und metrische Invarianz, scheiterten jedoch konsistent an der Etablierung der skalaren oder strikten Invarianz. Versuche, eine partielle Invarianz zu etablieren, führten zu einer Nicht-Konvergenz des Modells.
Erfolg der Ausrichtung: Die Messausrichtung lieferte nur für die Dimensionen Kompetenz und Offenheit zulässige Lösungen. Die Faktoren Integrität und Wohlwollen scheiterten konsistent an der Ausrichtung (sie produzierten entweder instabile Lösungen oder negative $R^2$ -Werte), was wahrscheinlich auf die kulturelle und kontextuelle Komplexität dieser Konstrukte in einem gesellschaftlichen Setting im Vergleich zum ursprünglichen organisationalen Vertrauenstheorie-Kontext zurückzuführen ist.
Instabilität der Rankings: Als die Ranglisten der Länder/Regionen unter Verwendung der ausgerichteten latenten Scores (speziell für die Dimensionen Kompetenz und Offenheit) anstelle der beobachteten gewichteten Mittelwerte neu berechnet wurden, änderte sich die Reihenfolge für 62 der 68 Länder/Regionen. Bemerkenswerte Verschiebungen waren der Abstieg Uruguays um 15 Plätze, Südkoreas Abstieg um 11 Plätze und der Aufstieg der Demokratischen Republik Kongo um 12 Plätze.
Substanzielle Assoziationen: Die Reanalyse veränderte die Schlussfolgerungen bezüglich zentraler Prädiktoren grundlegend:
- Wissenschaftsbezogene populistische Einstellungen: Die ursprüngliche Studie berichtete über eine signifikante negative Assoziation mit der Vertrauenswürdigkeit. In der Reanalyse unter Verwendung der ausgerichteten Scores war diese Assoziation nahe Null und nicht signifikant ( $\beta \approx 0,003, p = 0,775$ ).
- Social Dominance Orientation (SDO): Ähnlich verhielt es sich mit der in der ursprünglichen Studie berichteten signifikanten negativen Assoziation, die in den reanalysierten Modellen nicht signifikant wurde.
- Einstellungen zur Wissenschaft: Variablen wie der wahrgenommene Nutzen der Wissenschaft, die Bereitschaft, sich der Wissenschaft verletzlich zu zeigen, und das Vertrauen in die wissenschaftliche Methode blieben stark und positiv mit der Vertrauenswürdigkeit assoziiert, was mit den Ergebnissen der Originalstudie übereinstimmt.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass grenzüberschreitende Vergleiche basierend auf beobachteten Score-Durchschnitten irreführend sind, wenn keine Messäquivalenz festgestellt wurde. Die Autoren zeigen auf, dass die „Ranglisten“ (League-Tables) der Länder und die abgeleiteten Beziehungen zwischen ideologischen Variablen (wie Populismus und SDO) und dem Vertrauen in Wissenschaftler hochsensibel gegenüber der Art und Weise sind, wie die Nicht-Äquivalenz der Messung adressiert wird.

Die Studie kommt zu dem Schluss, dass latente Variablen-Ansätze, insbesondere die Messausrichtung, eine defensiblere Basis für internationale Inferenzen bieten als die einfache Aggregation beobachteter Scores. Sie unterstreicht, dass die Etablierung – oder die angemessene Annäherung an – die Vergleichbarkeit der Messung nicht bloß ein technisches Detail ist, sondern eine Voraussetzung für die Interpretation grenzüberschreitender Unterschiede in Niveaus und Effektstärken. Darüber hinaus deutet das Scheitern der Ausrichtung des Integritätsfaktors darauf hin, dass die Konzeptualisierung von „Vertrauen“ über diverse kulturelle und institutionelle Settings hinweg möglicherweise nicht äquivalent ist, was eine umfassendere kulturübergreifende konzeptionelle Klärung und potenziell qualitative Validierungen von Skalenitems in der zukünftigen Forschung nahelegt.

Mehr davon