Recherchenotizen
Notiz 4: Teamforschung und Statistik
Inhalt
Stand: 22.11.2026. Rechercheauftrag 04. Notizen auf Deutsch, Literaturangaben im Original.
Wie verifiziert wurde (bitte im Bericht offenlegen)
- Bibliografie: 159 DOIs wurden am Crossref-Register geprüft (Autoren, Titel, Zeitschrift, Band, Heft, Seiten). Abweichungen vom Gedächtnis wurden korrigiert. Ausnahmen sind in den Quellenlisten vermerkt.
- Inhalte: 110 Abstracts wurden über Crossref, PubMed und Semantic Scholar abgerufen und rund 100 davon gelesen. Kein Artikel wurde im Volltext gelesen: Verlagsseiten (journals.aom.org, journals.sagepub.com) antworteten mit 403, OpenAlex mit 429.
- Formeln: am Quellcode und an der Dokumentation von R-Paketen geprüft: multilevel 2.8 (Paul Bliese, 2026), cluster 2.1.8.3, diptest 0.77-2 und WGA (James LeBreton, GitHub).
- Websuche: 25 beantwortete Anfragen, danach war das Suchbudget der Sitzung erschöpft.
- Effektstärken stehen nur dort, wo sie in einem abgerufenen Abstract standen. Das sind genau drei: Greer et al. 2018, De Jong et al. 2016, Wallrich et al. 2024. Alle anderen Befunde sind bewusst nur qualitativ wiedergegeben.
- Eigene Berechnungen und Monte-Carlo-Simulationen (Python, numpy und scipy, 100.000 bis 200.000 Replikationen) sind als solche gekennzeichnet und nicht extern begutachtet.
Legende
Evidenzstatus der Aussage (Vorgabe des Auftraggebers): wissenschaftlich belegt (begutachtete Studien, Meta-Analysen, etablierte Theorie oder mathematische Definition), plausibel, aber nicht validiert (begründete Ableitung oder eigene Berechnung ohne direkte empirische Prüfung für den Anwendungsfall), offene Hypothese (ungeprüfte Annahme).
Verifikationsstatus des Inhalts in dieser Sitzung:
- [S] an abgerufener Seite oder Datei verifiziert (Paketdokumentation, Quellcode, Registereintrag).
- [A] über das abgerufene Abstract bestätigt.
- [T] nur über Suchtreffer bestätigt (Zusammenfassung des Suchwerkzeugs).
- [N] nicht verifiziert: aus dem Fachwissen des Rechercheurs. Vor Verwendung am Original prüfen.
Eine Aussage kann "wissenschaftlich belegt" und zugleich [N] sein: Die Literatur stützt sie nach Kenntnis des Rechercheurs, der Inhalt wurde aber in dieser Sitzung nicht gegengelesen.
A1. Emergenz und Aggregation: Wie werden individuelle Merkmale zu Teameigenschaften, und wann ist ein Teammittelwert ein sinnvolles Konstrukt?
Takeaway
Ein Teammittelwert ist nur unter einem ausdrücklich gewählten Kompositionsmodell interpretierbar: als Beschreibung der Zusammensetzung (additiv) immer, als geteilte Teameigenschaft (Konsens oder Referent-Shift) nur bei nachgewiesener Übereinstimmung, bei kompilativen Phänomenen (Muster, Minimum, Maximum, Streuung) gar nicht. Persönliche Werte liefern deshalb Kennwerte der Zusammensetzung, wahrgenommene Teamnormen sind ein Referent-Shift-Konstrukt, und nur für die erste Ebene ist eine arithmetische Simulation überhaupt definiert.
Cited Findings
- Kozlowski und Klein (2000) entwickeln eine Typologie der Emergenz von isomorpher Komposition bis zu diskontinuierlicher Kompilation und kritisieren, dass Emergenzmodelle zuvor weitgehend auf isomorphe Komposition beschränkt waren. Status: wissenschaftlich belegt (Theorie). Quelle: Kozlowski & Klein 2000, Kapitel-PDF [T].
- Inhalt der Unterscheidung: Komposition heißt, gleichartige individuelle Beiträge konvergieren durch Interaktion, das Teamkonstrukt ist dem Individualkonstrukt strukturell ähnlich (Beispiel Teamklima). Kompilation heißt, verschiedenartige Beiträge fügen sich zu einem Muster, das mit keinem Einzelbeitrag identisch ist (Beispiele verteilte Expertise, Rollenkonfiguration, Minimum oder Maximum). Dazu die Unterscheidung globaler, geteilter und konfiguraler Einheitseigenschaften. Status: wissenschaftlich belegt (Theorie). Quelle: Kozlowski & Klein 2000 [N für Wortlaut und Seiten].
- Chan (1998) schlägt eine Typologie von Kompositionsmodellen mit fünf Grundformen vor und nennt ein adäquat spezifiziertes Kompositionsmodell einen kritischen Bestandteil guter Mehrebenenforschung. Status: wissenschaftlich belegt (Theorie). Quelle: Chan 1998 [T für die Abstract-Aussagen; Bibliografie S].
- Die fünf Formen: (1) additiv: Teamkennwert ist Summe oder Mittel der Individualwerte, Streuung ist für die Bedeutung unerheblich; (2) direkter Konsens: der Mittelwert darf nur bei ausreichender Übereinstimmung als Teamwert gelesen werden, Item-Referent ist die Person ("Ich ..."); (3) Referent-Shift-Konsens: wie (2), aber der Item-Referent ist die Einheit ("In unserem Team ..."), das gemessene Konstrukt ist konzeptuell ein anderes als die Selbstauskunft; (4) Dispersion: die Streuung im Team ist selbst das Konstrukt; (5) Prozess: Prozessparameter auf höherer Ebene ohne einfache Aggregationsregel. Status: wissenschaftlich belegt (Theorie). Quelle: Chan 1998 [N für die Detailbeschreibung; Dispersion als eigenes Modell wird bestätigt durch Cole et al. 2011 [A] und Schneider et al. 2002 [A]].
- Kozlowski et al. (2013): Emergenz wird in der quantitativen Mehrebenenforschung meist angenommen, indirekt geprüft und als Inferenz über die Konstruktvalidität aggregierter Maße behandelt. Gefordert werden direktere, dynamische, zeitsensitive Methoden. Status: wissenschaftlich belegt (Methodenkritik). Quelle: Kozlowski et al. 2013 [T].
- Ployhart und Moliterno (2011): Humankapital als Ressource auf Einheitsebene, die aus individuellem Wissen, Fertigkeiten und Fähigkeiten emergiert und durch Prozesse auf Einheitsebene transformiert wird. Konzeptueller Beitrag ohne eigene Daten. Status: wissenschaftlich belegt (Theorie). Quelle: Ployhart & Moliterno 2011 [T].
- Referent-Shift verändert die Messeigenschaften: Ein Gruppenreferent statt eines Individualreferenten erhöht die Übereinstimmung im Team bei beschreibenden Items, senkt sie aber bei bewertenden Items. Items mit Gruppenreferent zeigen mehr Varianz zwischen Gruppen. Soziale Interaktion und Arbeitsinterdependenz hängen positiv mit Übereinstimmung zusammen, demografische Heterogenität nicht. Status: wissenschaftlich belegt. Quelle: Klein et al. 2001 [A].
- Meta-Analyse zur Klimaliteratur: Referent-Shift-Konsens sagt Arbeitsleistung und Kundenservice stärker vorher als direkter Konsens, direkter Konsens sagt Einstellungen stärker vorher. Status: wissenschaftlich belegt. Quelle: Wallace et al. 2016 [A].
- Konsensemergenz lässt sich direkt modellieren: Das Consensus Emergence Model (CEM) erweitert Mehrebenen-Wachstumsmodelle um die Analyse der Residualvarianz innerhalb von Gruppen über die Zeit und liefert einen formalen Test, mit Prädiktoren auf Personen-, Gruppen- und Beobachtungsebene. Illustriert an zwei Längsschnittstudien. Status: wissenschaftlich belegt (Methode). Quelle: Lang, Bliese & de Voogt 2018 [A]; Lehrbeispiel Normbildung nach Sherif im R-Paket multilevel [S].
- Streuungsmuster tragen eigene Information: Verschiedene Muster der Dispersion in emergenten Zuständen hängen mit Teamergebnissen zusammen, auch nach Kontrolle des Mittelwerts. Status: wissenschaftlich belegt. Quelle: Loignon et al. 2019 [A].
Quellen zu A1 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [T] Kozlowski, S. W. J., & Klein, K. J. (2000). A multilevel approach to theory and research in organizations: Contextual, temporal, and emergent processes. In K. J. Klein & S. W. J. Kozlowski (Eds.), Multilevel theory, research, and methods in organizations (pp. 3-90). Jossey-Bass. Kein DOI. Kapitel-PDF: https://healthcaredelivery.cancer.gov/mlti/modules/materials/Kozlowski_Klein_2000.pdf (Zitation im Suchtreffer bestätigt, Volltext nicht gelesen)
- [T] Chan, D. (1998). Functional relations among constructs in the same content domain at different levels of analysis: A typology of composition models. Journal of Applied Psychology, 83(2), 234-246. https://doi.org/10.1037/0021-9010.83.2.234 Kein Abstract in PubMed oder Crossref; Abstract-Aussagen nur über Suchtreffer.
- [T] Kozlowski, S. W. J., Chao, G. T., Grand, J. A., Braun, M. T., & Kuljanin, G. (2013). Advancing multilevel research design: Capturing the dynamics of emergence. Organizational Research Methods, 16(4), 581-615. https://doi.org/10.1177/1094428113493119
- [T] Ployhart, R. E., & Moliterno, T. P. (2011). Emergence of the Human Capital Resource: A Multilevel Model. Academy of Management Review, 36(1), 127-150. https://doi.org/10.5465/amr.2009.0318
- [A] Klein, K. J., Conn, A. B., Smith, D. B., & Sorra, J. S. (2001). Is everyone in agreement? An exploration of within-group agreement in employee perceptions of the work environment. Journal of Applied Psychology, 86(1), 3-16. https://doi.org/10.1037/0021-9010.86.1.3
- [A] Wallace, J. C., Edwards, B. D., Paul, J., Burke, M., Christian, M., & Eissa, G. (2016). Change the Referent? A Meta-Analytic Investigation of Direct and Referent-Shift Consensus Models for Organizational Climate. Journal of Management, 42(4), 838-861. https://doi.org/10.1177/0149206313484520
- [A] Lang, J. W. B., Bliese, P. D., & de Voogt, A. (2018). Modeling consensus emergence in groups using longitudinal multilevel methods. Personnel Psychology, 71(2), 255-281. https://doi.org/10.1111/peps.12260
- [A] Loignon, A. C., Woehr, D. J., Loughry, M. L., & Ohland, M. W. (2019). Elaborating on Team-Member Disagreement: Examining Patterned Dispersion in Team-Level Constructs. Group & Organization Management, 44(1), 165-210. https://doi.org/10.1177/1059601118776750
- [A] Cole, M. S., Bedeian, A. G., Hirschfeld, R. R., & Vogel, B. (2011). Dispersion-composition models in multilevel research: A data-analytic framework. Organizational Research Methods, 14(4), 718-734. https://doi.org/10.1177/1094428110389078
- [A] Schneider, B., Salvaggio, A. N., & Subirats, M. (2002). Climate strength: a new direction for climate research. Journal of Applied Psychology, 87(2), 220-229. https://doi.org/10.1037/0021-9010.87.2.220
- [S] Bliese, P. (2026). multilevel: Multilevel Functions. R-Paket, Version 2.8 (2026-03-12). https://CRAN.R-project.org/package=multilevel (Quellpaket gelesen über den Spiegel https://archive.ubuntu.com/ubuntu/pool/universe/r/r-cran-multilevel/)
- [S] Lang, J. W. B., & Bliese, P. D. (2019). A temporal perspective on emergence: Using 3-level mixed effects models to track consensus emergence in groups. In S. E. Humphrey & J. M. LeBreton (Eds.), The handbook for multilevel theory, measurement, and analysis. American Psychological Association. (Referenz in der Dokumentation des Pakets multilevel gelesen, Kapitel selbst nicht)
Inferences
- Zuordnung der beiden Datenebenen. (a) Persönliche Werte sind Merkmale einzelner Personen. Mittelwert, Streuung, Spannweite und Distanz zum Zielprofil sind additive beziehungsweise Dispersions-Kennwerte der Zusammensetzung. Sie sind als Beschreibung immer zulässig, bedeuten aber nicht "Werte des Teams" oder "Teamkultur". (b) Wahrgenommene Teamnormen sind ein Referent-Shift-Konsens-Konstrukt. Ihr Mittelwert ist nur bei ausreichender Übereinstimmung als gemeinsame Norm lesbar. Fehlt Übereinstimmung, ist genau das der Befund, und die Verteilung gehört angezeigt. Status: plausibel, aber nicht validiert.
- Die arithmetische Simulation ist nur für Ebene (a) definiert. Eine neue Person hat das Team noch nicht erlebt und kann keine Normwahrnehmung beisteuern. Eine "simulierte Normänderung" wäre keine Rechnung auf Daten, sondern eine Annahme über einen Emergenzprozess. Die Vorgabe, den Mittelwert nie als Prognose der Teamkultur darzustellen, ist damit theoretisch begründbar. Status: plausibel, aber nicht validiert.
- Ob und in welche Richtung sich wahrgenommene Normen nach einer rechnerischen Verschiebung der persönlichen Werte ändern, ist eine offene Hypothese. Keine der geprüften Quellen testet genau das.
- Da bewertende Items bei Gruppenreferent weniger Übereinstimmung erzeugen (Klein et al. 2001), sollten Norm-Items beschreibend und verhaltensnah formuliert sein ("In unserem Team wird ..."), nicht bewertend ("Unser Team ist gut darin ..."). Status: plausibel, aber nicht validiert.
- Gleichgewichtung aller Mitglieder im Mittelwert ist eine Modellannahme. Bei kompilativen Phänomenen zählen einzelne Positionen überproportional (siehe B6). Status: plausibel, aber nicht validiert.
- Bezeichnungen im Produkt sollten das Kompositionsmodell sichtbar machen, etwa "rechnerischer Durchschnitt der persönlichen Werte der aktuellen Mitglieder" statt "Teamwert". Status: plausibel, aber nicht validiert.
Gaps
- Kozlowski und Klein (2000) und Chan (1998) wurden nicht im Volltext gelesen. Wörtliche Zitate nicht ohne Nachprüfung übernehmen.
- Keine geprüfte Arbeit testet, ob eine Änderung des Mittelwerts persönlicher Werte nach einem Mitgliederwechsel mit einer Änderung wahrgenommener Normen einhergeht.
A2. Statistische Voraussetzungen der Aggregation: rwg, rwg(j), AD, ICC(1), ICC(2), Grenzwerte, Kritik und Verhalten in sehr kleinen Gruppen
Takeaway
Für ein einzelnes Team sind nur Übereinstimmungsmaße innerhalb des Teams berechenbar (rwg, rwg(j), r*wg(j), awg, AD, SD). ICC(1) und ICC(2) setzen eine Stichprobe vieler Teams voraus. Die üblichen Grenzwerte (rwg ab .70, AD unter A/6, ICC(2) ab .70) sind Konventionen mit umstrittener Begründung, und in Teams mit 4 bis 12 Personen sind alle Indizes stark zufallsabhängig. Sie taugen dort als abgestufter Hinweis neben der Rohverteilung, nicht als harte Schwelle.
Cited Findings
Formeln (alle am Quellcode des R-Pakets multilevel 2.8 geprüft)
- rwg für ein Einzelitem:
rwg = 1 - (s_x^2 / sigma_E^2). s_x^2 ist die beobachtete Varianz der Antworten im Team (Stichprobenvarianz mit n - 1), sigma_E^2 die bei zufälligem Antworten erwartete Varianz. Für die Gleichverteilung giltsigma_EU^2 = (A^2 - 1) / 12mit A = Zahl der Antwortstufen (2,00 bei 5 Stufen, 4,00 bei 7 Stufen). Ist die beobachtete Varianz größer als die erwartete, wird nach James et al. (1984) auf rwg = 0 gekappt. Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktion rwg [S]; Original James, Demaree & Wolf 1984. - rwg(j) für J Items:
rwg(j) = [J * (1 - S/sigma_E^2)] / [J * (1 - S/sigma_E^2) + S/sigma_E^2], S = Mittel der J Itemvarianzen im Team. Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktion rwg.j [S]. - r*wg(j) nach Lindell:
r*wg(j) = 1 - S/sigma_E^2. Steigt nicht mit der Itemzahl und kann negativ werden. Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktion rwg.j.lindell [S], dort zitiert Lindell & Brandt 1999. - Average Deviation:
AD_M(j) = (1/N) * Summe_k |x_jk - M_j|, wahlweise um Mittelwert oder Median, für Skalen gemittelt über Items. Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktion ad.m [S]; Original Burke, Finkelstein & Dusig 1999 [A]. - awg:
awg = 1 - (2 * s_x^2) / { [(H + L) * M - M^2 - H * L] * [k / (k - 1)] }mit H und L als Skalenenden, M als Teammittel, k als Zahl der Antwortenden. Analogon zu Cohens Kappa, berücksichtigt, dass die maximal mögliche Varianz vom Mittelwert abhängt. Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktion awg [S]; Original Brown & Hauenstein 2005 [A]. - ICC(1) aus der einfaktoriellen Varianzanalyse:
ICC(1) = (MSB - MSW) / (MSB + (k - 1) * MSW)mit k als mittlerer Gruppengröße: Anteil der individuellen Varianz, der durch Gruppenzugehörigkeit "erklärt" wird.ICC(2) = (MSB - MSW) / MSB: Reliabilität der Gruppenmittelwerte. Spearman-Brown je Gruppe:ICC(2) = k * ICC(1) / (1 + (k - 1) * ICC(1)). Status: wissenschaftlich belegt (Definition). Quelle: R-Paket multilevel, Funktionen ICC1, ICC2, gmeanrel [S], dort zitiert Bliese (2000) und Bartko (1976).
Wahl der Nullverteilung
- Die Gleichverteilung ist die verbreitete Voreinstellung. Die Paketdokumentation weist darauf hin, dass andere Zufallsvarianzen angemessener sein können. Brown und Hauenstein nennen rwg mit gleichverteilter Null "problematisch". Status: wissenschaftlich belegt. Quellen: R-Paket multilevel, Hilfeseite rwg [S], Brown & Hauenstein 2005 [A].
- Alternative Nullvarianzen, wie sie LeBretons eigenes R-Paket WGA mit Verweis auf LeBreton und Senter (2008) hinterlegt. Reihenfolge: gleichverteilt, leicht schief, moderat schief, stark schief, dreieckig, normal. 5 Stufen: 2,00 / 1,34 / 0,90 / 0,44 / 1,32 / 1,04. 6 Stufen: 2,92 / 1,85 / 1,26 / 0,69 / 1,45 / 1,25. 7 Stufen: 4,00 / 2,90 / 2,14 / 1,39 / 2,10 / 1,40. Status: wissenschaftlich belegt. Quelle: WGA, Datei RWG.R [S].
- Folge: Je kleiner die angenommene Zufallsvarianz, desto niedriger rwg. Dasselbe Team mit beobachteter Varianz 0,60 auf 5 Stufen hat rwg = .70 (gleichverteilt), .55 (leicht schief), .33 (moderat schief) und 0 nach Kappung (stark schief). Status: wissenschaftlich belegt (Rechnung aus Formel und Tabelle).
- LeBreton und Senter (2008) behandeln Interrater-Reliabilität und Interrater-Übereinstimmung, wie sie zur Rechtfertigung der Aggregation in Kompositionsmodellen dienen, in Frage-Antwort-Form mit SPSS-Anleitung. Status: wissenschaftlich belegt. Quelle: LeBreton & Senter 2008 [A].
- O'Neill (2017, Open Access) gibt einen Überblick über acht Übereinstimmungsstatistiken für Likert-Skalen und weist darauf hin, dass rwg unzulässige Werte unter 0 annehmen kann und AD stark von der Stufenzahl abhängt. Status: wissenschaftlich belegt. Quelle: O'Neill 2017 [T].
- Negative rwg-Werte entstehen bei systematischer Uneinigkeit zwischen Subgruppen von Beurteilenden. Das Kappen auf 0 verdeckt also genau den Fall der Polarisierung. Status: wissenschaftlich belegt. Quelle: LeBreton, James & Lindell 2005 [A].
Häufig zitierte Grenzwerte
- rwg: Verbreitete Lesart ist .70 als akzeptable Übereinstimmung. Status: wissenschaftlich belegt als Konvention, nicht als begründete Schwelle. Quelle: R-Paket multilevel, Hilfeseite awg [S]. LeBretons WGA-Paket verwendet im eigenen Beispiel dagegen einen Grenzwert von .50 [S].
- Abgestufte Standards nach LeBreton und Senter (2008), aus dem Gedächtnis: .00 bis .30 fehlende, .31 bis .50 schwache, .51 bis .70 moderate, .71 bis .90 starke, .91 bis 1.00 sehr starke Übereinstimmung. Status: wissenschaftlich belegt als Empfehlung der Autoren, Zahlen [N]. Zwei gezielte Suchen fanden die Bänder nicht in einem Suchergebnis.
- AD: Faustregel AD kleiner als A/6, also etwa 0,8 bei 5, 1,2 bei 7, 1,5 bei 9 und 1,8 bei 11 Stufen, hergeleitet aus der Gleichverteilung. Status: wissenschaftlich belegt als Konvention. Quellen: Burke & Dunlap 2002 [T], R-Paket multilevel, Hilfeseite ad.m [S].
- awg: Laut Paketdokumentation empfehlen Brown und Hauenstein (2005, S. 177 f.) .70 als akzeptabel, .60 bis .69 als vertretbar, unter .60 als inakzeptabel, und halten awg schon ab A - 1 Antwortenden für schätzbar (bei 5 Stufen ab 4 Personen, bei 7 Stufen ab 6). Status: wissenschaftlich belegt als Empfehlung der Autoren. Quelle: R-Paket multilevel, Hilfeseite awg [S].
- ICC(1) und ICC(2), aus dem Gedächtnis: ICC(1) wird oft wie eine Effektstärke gelesen (.01 klein, .10 mittel, .25 groß), in Felddaten liegen Werte meist zwischen .05 und .20. Für ICC(2) gilt .70 als Konvention. Status: wissenschaftlich belegt als Konvention, Zahlen [N]. Quellen: LeBreton & Senter 2008, Bliese (2000).
Kritik an den Grenzwerten
- Biemann, Cole und Voelpel (2012) zeigen an einem veröffentlichten Datensatz, dass rwg und rwg(j) als alleinige Rechtfertigung der Aggregation missbraucht werden können, und geben Empfehlungen für die Berichtspraxis. Status: wissenschaftlich belegt. Quelle: Biemann, Cole & Voelpel 2012 [T].
- Woehr et al. (2015) prüfen rwg, ICC(1) und ICC(2) an der Mehrebenenliteratur, einer großen multinationalen Stichprobe studentischer Teams und zufällig gebildeten Pseudoteams. Die Ergebnisse stützen die ICC-Kriterien, zeigen aber, dass allgemein akzeptierte rwg-Werte Pseudo-Übereinstimmung abbilden können. Bei geringer Varianz zwischen Gruppen ist nicht entscheidbar, ob hohe rwg-Werte echte Übereinstimmung bedeuten. Status: wissenschaftlich belegt. Quelle: Woehr et al. 2015 [A].
- Vier weit verbreitete Faustregeln der Methodenlehre wurden zu ihren angeblichen Originalquellen zurückverfolgt, mit dem Ergebnis "Teilwahrheiten". Status: wissenschaftlich belegt. Quelle: Lance, Butts & Michels 2006 [A; dass die .70-Regel für Übereinstimmung darunter ist, ist N].
- Übereinstimmung (Konsens) und Reliabilität (Konsistenz) sind verschiedene Eigenschaften. rwg sagt nichts darüber, ob sich Gruppen unterscheiden. Status: wissenschaftlich belegt. Quellen: Kozlowski & Hattrup 1992 [N], James, Demaree & Wolf 1993 [N].
- Neuere Best-Practice-Übersicht zur Datenaggregation: LeBreton, Moeller & Wittmer 2023 [Bibliografie S, Inhalt N]. Status: wissenschaftlich belegt.
Signifikanz und Verhalten in kleinen Gruppen
- Der früher übliche Chi-Quadrat-Test für rwg-Indizes ist fehlerhaft und ungenau. Vorgeschlagen wird ein Monte-Carlo-Test gegen gleichverteiltes Antworten, mit Tabellen kritischer Werte für rwg und AD. Status: wissenschaftlich belegt. Quelle: Dunlap, Burke & Smith-Crowe 2003 [T, Abstract über PubMed-Treffer].
- Die Nullverteilung von rwg hängt von Gruppengröße und Stufenzahl ab; die Paketfunktion rwg.sim erzeugt kritische Werte je Kombination. Unter der Nullhypothese hängen rwg(j)-Werte vor allem von Itemzahl und Gruppengröße ab und kaum von Itemkorrelationen. Status: wissenschaftlich belegt. Quelle: R-Paket multilevel, Hilfeseiten rwg.sim und rwg.j.sim [S].
- Das Kappen negativer Werte auf 0 erzeugt eine positive Verzerrung von rwg(j). Sie ist nur bei hohen Populationswerten vernachlässigbar, und nur dann hat die Gruppengröße keinen Einfluss auf den Erwartungswert. Status: wissenschaftlich belegt. Quelle: Cohen, Doveh & Eick 2001 [T, Abstract über PubMed-Treffer].
- Die vorhandenen Leitlinien zur Signifikanz von Übereinstimmung gelten weitgehend nur unter Bedingungen, die nach verbreiteter Einschätzung selten vorliegen. Per Simulation wurden erweiterte Leitlinien abgeleitet. Status: wissenschaftlich belegt. Quelle: Smith-Crowe et al. 2014 [A]. Tests für Skalen und für die Gesamtheit der Gruppen: Cohen, Doveh & Nahum-Shani 2009 [A].
- Eta-Quadrat ist teilweise eine Funktion der Gruppengröße und liefert unter bestimmten Bedingungen verzerrte Schätzungen von Gruppeneigenschaften. Status: wissenschaftlich belegt. Quelle: Bliese & Halverson 1998 [A].
- Gruppengröße und ICC(1) bestimmen die Höhe von Korrelationen auf Gruppenebene; es gibt eine Korrektur für die Unreliabilität aggregierter Variablen. Status: wissenschaftlich belegt. Quelle: Bliese 1998 [A].
- Fehlende Antworten verzerren Übereinstimmungs- und Dispersionsmaße (SD, CV, rwg(j), r*wg(j), AD, awg, ICC) um bis zu 20 Prozent nach oben oder unten bei Rücklaufquoten, wie sie in der Organisationsforschung üblich sind. Korrekturformeln liegen vor. Status: wissenschaftlich belegt. Quelle: Newman & Sin 2009 [A].
- Skalen für Gruppenkonstrukte lassen sich verbessern, wenn ICC(1) je Item betrachtet wird; die übliche Validierungspraxis ist nicht auf Differenzierung zwischen Gruppen optimiert. Status: wissenschaftlich belegt. Quelle: Bliese et al. 2019 [A].
- Alternative zu festen Schwellen: Vergleich mit Pseudogruppen (Random Group Resampling), selten berichtet und selbst kritisch untersucht. Status: wissenschaftlich belegt. Quelle: R-Paket multilevel, Hilfeseite rgr.agree [S].
Quellen zu A2 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [N] James, L. R., Demaree, R. G., & Wolf, G. (1984). Estimating within-group interrater reliability with and without response bias. Journal of Applied Psychology, 69(1), 85-98. https://doi.org/10.1037/0021-9010.69.1.85 Formel am Paketquellcode geprüft, Artikel nicht gelesen.
- [N] James, L. R., Demaree, R. G., & Wolf, G. (1993). rwg: An assessment of within-group interrater agreement. Journal of Applied Psychology, 78(2), 306-309. https://doi.org/10.1037/0021-9010.78.2.306
- [N] Lindell, M. K., & Brandt, C. J. (1999). Assessing interrater agreement on the job relevance of a test: A comparison of CVI, T, rWG(J), and r*WG(J) indexes. Journal of Applied Psychology, 84(4), 640-647. https://doi.org/10.1037/0021-9010.84.4.640 Referenz zusätzlich in der Paketdokumentation gelesen.
- [A] Burke, M. J., Finkelstein, L. M., & Dusig, M. S. (1999). On Average Deviation Indices for Estimating Interrater Agreement. Organizational Research Methods, 2(1), 49-68. https://doi.org/10.1177/109442819921004
- [T] Burke, M. J., & Dunlap, W. P. (2002). Estimating Interrater Agreement with the Average Deviation Index: A User's Guide. Organizational Research Methods, 5(2), 159-172. https://doi.org/10.1177/1094428102005002002
- [A] Brown, R. D., & Hauenstein, N. M. A. (2005). Interrater Agreement Reconsidered: An Alternative to the rwg Indices. Organizational Research Methods, 8(2), 165-184. https://doi.org/10.1177/1094428105275376
- [A] LeBreton, J. M., & Senter, J. L. (2008). Answers to 20 Questions About Interrater Reliability and Interrater Agreement. Organizational Research Methods, 11(4), 815-852. https://doi.org/10.1177/1094428106296642 Interpretationsbänder und ICC-Richtwerte nicht verifiziert.
- [T] O'Neill, T. A. (2017). An Overview of Interrater Agreement on Likert Scales for Researchers and Practitioners. Frontiers in Psychology, 8. https://doi.org/10.3389/fpsyg.2017.00777 Open Access: https://pmc.ncbi.nlm.nih.gov/articles/PMC5427087
- [A] LeBreton, J. M., James, L. R., & Lindell, M. K. (2005). Recent issues regarding rWG, rWG, rWG(J), and rWG(J). Organizational Research Methods, 8(1), 128-138. https://doi.org/10.1177/1094428104272181
- [T] Biemann, T., Cole, M. S., & Voelpel, S. (2012). Within-group agreement: On the use (and misuse) of rWG and rWG(J) in leadership research and some best practice guidelines. The Leadership Quarterly, 23(1), 66-80. https://doi.org/10.1016/j.leaqua.2011.11.006 Abstract über Repositorium der Universität Mannheim im Suchtreffer: https://madoc.bib.uni-mannheim.de/34607/
- [A] Woehr, D. J., Loignon, A. C., Schmidt, P. B., Loughry, M. L., & Ohland, M. W. (2015). Justifying aggregation with consensus-based constructs: A review and examination of cutoff values for common aggregation indices. Organizational Research Methods, 18(4), 704-737. https://doi.org/10.1177/1094428115582090
- [A] Lance, C. E., Butts, M. M., & Michels, L. C. (2006). The sources of four commonly reported cutoff criteria: What did they really say?. Organizational Research Methods, 9(2), 202-220. https://doi.org/10.1177/1094428105284919
- [N] Kozlowski, S. W., & Hattrup, K. (1992). A disagreement about within-group agreement: Disentangling issues of consistency versus consensus. Journal of Applied Psychology, 77(2), 161-167. https://doi.org/10.1037/0021-9010.77.2.161
- [N] LeBreton, J. M., Moeller, A. N., & Wittmer, J. L. S. (2023). Data Aggregation in Multilevel Research: Best Practice Recommendations and Tools for Moving Forward. Journal of Business and Psychology, 38(2), 239-258. https://doi.org/10.1007/s10869-022-09853-9
- [T] Dunlap, W. P., Burke, M. J., & Smith-Crowe, K. (2003). Accurate tests of statistical significance for rWG and average deviation interrater agreement indexes. Journal of Applied Psychology, 88(2), 356-362. https://doi.org/10.1037/0021-9010.88.2.356 PubMed: https://pubmed.ncbi.nlm.nih.gov/12731720/
- [T] Cohen, A., Doveh, E., & Eick, U. (2001). Statistical properties of the rWG(J) index of agreement. Psychological Methods, 6(3), 297-310. https://doi.org/10.1037/1082-989x.6.3.297 PubMed: https://pubmed.ncbi.nlm.nih.gov/11570234/
- [A] Smith-Crowe, K., Burke, M. J., Cohen, A., & Doveh, E. (2014). Statistical significance criteria for the rWG and average deviation interrater agreement indices. Journal of Applied Psychology, 99(2), 239-261. https://doi.org/10.1037/a0034556
- [A] Cohen, A., Doveh, E., & Nahum-Shani, I. (2009). Testing agreement for multi-item scales with the indices rWG(J) and ADM(J). Organizational Research Methods, 12(1), 148-164. https://doi.org/10.1177/1094428107300365
- [A] Bliese, P. D., & Halverson, R. R. (1998). Group Size and Measures of Group-Level Properties: An Examination of Eta-Squared and ICC Values. Journal of Management, 24(2), 157-172. https://doi.org/10.1177/014920639802400202
- [A] Bliese, P. D. (1998). Group Size, ICC Values, and Group-Level Correlations: A Simulation. Organizational Research Methods, 1(4), 355-373. https://doi.org/10.1177/109442819814001
- [A] Newman, D. A., & Sin, H. P. (2009). How do missing data bias estimates of within-group agreement? Sensitivity of SDWG, CVWG, rWG(J), rWG(J)*, and ICC to systematic nonresponse. Organizational Research Methods, 12(1), 113-147. https://doi.org/10.1177/1094428106298969
- [A] Bliese, P. D., Maltarich, M. A., Hendricks, J. L., Hofmann, D. A., & Adler, A. B. (2019). Improving the measurement of group-level constructs by optimizing between-group differentiation. Journal of Applied Psychology, 104(2), 293-302. https://doi.org/10.1037/apl0000349
- [N] Bliese, P. D. (2000). Within-group agreement, non-independence, and reliability: Implications for data aggregation and analysis. In K. J. Klein & S. W. J. Kozlowski (Eds.), Multilevel theory, research, and methods in organizations (pp. 349-381). Jossey-Bass. Kein DOI. (Referenz in der Paketdokumentation gelesen, Kapitel selbst nicht)
- [N] Bartko, J. J. (1976). On various intraclass correlation reliability coefficients. Psychological Bulletin, 83, 762-765. (Referenz in der Paketdokumentation gelesen)
- [S] LeBreton, J. M. (o. J.). WGA: Within-group agreement and aggregation. R-Paket auf GitHub. Gelesen: https://raw.githubusercontent.com/james-lebreton/WGA/master/R/RWG.R (Tabelle der Nullvarianzen, Verweis auf LeBreton & Senter 2008)
- [N] Bliese, P. D., & Halverson, R. R. (2002). Using random group resampling in multilevel research. The Leadership Quarterly, 13, 53-68. Sowie: Lüdtke, O., & Robitzsch, A. (2009). Assessing within-group agreement: A critical examination of a random-group resampling approach. Organizational Research Methods, 12, 461-487. (Beide Referenzen in der Paketdokumentation gelesen, Bibliografie nicht am Register geprüft)
Inferences
- ICC(1) und ICC(2) sind Kennwerte einer Stichprobe von Teams. Für ein einzelnes Kundenteam sind sie nicht berechenbar. Die Plattform kann sie erst mit einer Referenzstichprobe vieler Teams ausweisen, und dann als Eigenschaft der Skala, nicht eines Teams. Status: wissenschaftlich belegt (folgt aus der Definition über MSB und MSW).
- Eigene Simulation 1 (Logik wie rwg.sim: Gleichverteilung, Stichprobenvarianz, Kappung bei 0, 200.000 Replikationen): Bei rein zufälligen Antworten auf ein 5-stufiges Einzelitem erreicht ein Team rwg von mindestens .70 mit Wahrscheinlichkeit 9,8 % (n = 4), 4,4 % (n = 6), 2,1 % (n = 8), 0,5 % (n = 10), 0,2 % (n = 12). Kritischer Wert für p kleiner .05: 1,00 (n = 4, nur perfekte Übereinstimmung), .85 (n = 5), .72 (n = 6), .61 (n = 8), .53 (n = 10), .46 (n = 12). Status: plausibel, aber nicht validiert (eigene Simulation).
- Eigene Simulation 2 (rwg(j), J unabhängige 5-stufige Items, 100.000 Replikationen): Wahrscheinlichkeit für rwg(j) von mindestens .70 bei reinem Zufall mit J = 5: 11,2 % (n = 4), 7,4 % (n = 5), 4,6 % (n = 6), 1,9 % (n = 8), 0,8 % (n = 10), 0,4 % (n = 12). Kritische Werte mit J = 5: .79, .74, .70, .63, .59, .56. Mit J = 8 steigen die Zufallsquoten (13,8 % bei n = 4, 6,6 % bei n = 6). Antworttendenzen würden sie weiter erhöhen. Status: plausibel, aber nicht validiert (eigene Simulation).
- Eigene Simulation 3: Der Erwartungswert von rwg bei reinem Zufall ist wegen der Kappung nicht 0, sondern .25 (n = 4), .18 (n = 6), .14 (n = 8), .11 (n = 12). Das passt qualitativ zu Cohen et al. (2001). Die Faustregel AD höchstens A/6 wird bei reinem Zufall in 31 % (n = 4), 22 % (n = 6), 13 % (n = 8) und 7 % (n = 12) der Teams erfüllt. Status: plausibel, aber nicht validiert (eigene Simulation).
- Spearman-Brown, eigene Rechnung: Bei ICC(1) = .10 ergibt sich ICC(2) = .31 (k = 4), .40 (k = 6), .47 (k = 8), .57 (k = 12). Bei ICC(1) = .20: .50, .60, .67, .75. Bei ICC(1) = .30: .63, .72, .77, .84. Für ICC(2) ab .70 braucht es bei ICC(1) = .10 rund 21 Mitglieder, bei .20 rund 9, bei .30 rund 5 bis 6. Teammittelwerte von Wahrnehmungsskalen sind in Teams mit 4 bis 12 Personen nur dann reliabel unterscheidbar, wenn die Skala stark zwischen Teams differenziert. Status: wissenschaftlich belegt (mathematische Identität); welche ICC(1)-Werte die Skalen von Internal Talent erreichen, ist offen.
- Konsequenz für die Anzeige: Rohverteilung der Antworten zeigen (soweit Anonymität es erlaubt), verbale Stufen nutzen ("einheitlich", "gemischt", "uneinheitlich"), ungekappte Varianten mitführen (r*wg(j)), mehrere Nullverteilungen rechnen und offenlegen, dass kleine Teams auch zufällig hohe Übereinstimmung zeigen. Harte Schwellen wie .70 sind für n = 4 bis 6 nicht tragfähig. Status: plausibel, aber nicht validiert.
- Rücklauf je Team ausweisen und unterhalb einer Mindestbeteiligung keine Teamkennwerte zeigen: In einem Viererteam verschiebt eine fehlende Antwort Mittelwert und Streuung spürbar (gestützt durch Newman & Sin 2009). Status: plausibel, aber nicht validiert.
- Wenn awg genutzt werden soll und Teams ab 4 Personen Zielgruppe sind, spricht die Regel A - 1 für 5-stufige statt 7-stufige Skalen. Status: plausibel, aber nicht validiert.
Gaps
- Die abgestuften Bänder nach LeBreton und Senter (2008) und die ICC-Richtwerte konnten nicht an einer abgerufenen Quelle bestätigt werden [N]. Am Artikel prüfen (Tabellen zu Standards und Nullverteilungen).
- Konkrete Zahlen aus Woehr et al. (2015) und die Empfehlungen aus Biemann et al. (2012) im Wortlaut wurden nicht gesehen. Aus dem Gedächtnis [N]: rwg nicht allein verwenden, ICC(1), ICC(2) und F-Test mitberichten, Nullverteilung begründen, Verteilung der rwg-Werte über Gruppen berichten.
- Die Originaltabellen kritischer Werte (Dunlap et al. 2003; Smith-Crowe et al. 2014) wurden nicht abgerufen. Die kritischen Werte oben stammen aus eigener Simulation.
- Bliese (2000) und James et al. (1984, 1993) wurden nicht im Volltext gelesen.
A3. Polarisierung und Subgruppen: Diversitätsindizes, Bimodalität, Faultlines, mittlere Silhouettenbreite und Vorsicht bei kleinen Teams
Takeaway
Für Streuung, Subgruppen und Polarisierung gibt es etablierte Konzepte (Separation, Variety, Disparity; Faultlines; mittlere Silhouettenbreite; Bimodalitätsmaße). Die viel zitierte Meta-Analyse von Thatcher und Patel (2011) ist jedoch seit 2016 zurückgezogen, die aktuelle Meta-Analyse (Thatcher et al. 2024) findet für ruhende Faultlines keinen direkten Zusammenhang mit Teamleistung, und in Teams mit 4 bis 12 Personen sind Bimodalitäts- und Clusterkennwerte statistisch kaum belastbar. Polarisierung sollte über die Rohverteilung beschrieben und nicht als Kennzahl oder Warnsignal ausgegeben werden.
Cited Findings
Diversitätskonstrukte und Indizes
- Harrison und Klein (2007) unterscheiden Separation (Unterschiede in Position oder Meinung), Variety (Unterschiede der Art) und Disparity (ungleiche Verteilung wertvoller Ressourcen). Nach Sekundärquellen empfehlen sie für Separation Standardabweichung oder mittlere euklidische Distanz, für Variety Blau-Index oder Teachman-Entropie, für Disparity Variationskoeffizient oder Gini-Koeffizient. Status: wissenschaftlich belegt (konzeptueller Rahmen). Quelle: Harrison & Klein 2007 [T].
- Formeln (mathematische Definitionen):
SD = sqrt( Summe (x_i - M)^2 / n ); BlauB = 1 - Summe p_k^2; TeachmanH = - Summe p_k * ln(p_k); VariationskoeffizientCV = SD / M; GiniG = Summe_i Summe_j |x_i - x_j| / (2 * n^2 * M). Theoretische Maxima: SD (b - a)/2 bei hälftiger Aufteilung auf die Skalenenden a und b; Blau (K - 1)/K; Teachman ln(K); CV sqrt(n - 1) und Gini 1 - 1/n, wenn eine Person alles hält. Status: wissenschaftlich belegt (Definitionen; Zuschreibung der Maxima zu Harrison & Klein [N]). - Biemann und Kearney (2010) zeigen mit simulierten Daten, dass sechs gängige Diversitätsmaße (Blau, Teachman, SD, mittlere euklidische Distanz, Gini, CV) verzerrt sind, wenn Gruppengrößen in einer Stichprobe variieren, und geben korrigierte Formeln an. Status: wissenschaftlich belegt. Quelle: Biemann & Kearney 2010 [T].
- Profil-Distanzmaße (etwa euklidische Distanz zu einem Zielprofil) vermischen Niveau, Streuung und Form eines Profils und sind als Kongruenzmaße methodisch kritisiert worden. Status: wissenschaftlich belegt. Quellen: Cronbach & Gleser 1953 [N], Edwards 1993 [N]. Eine Meta-Analyse zu Passung behandelt Studien mit polynomialer Regression gesondert, wegen ihres eigenen Ansatzes zur Erfassung von Fit: Kristof-Brown et al. 2005 [A].
Faultlines
- Faultlines sind hypothetische Trennlinien, die eine Gruppe anhand des Zusammenfallens eines oder mehrerer individueller Merkmale in zwei oder mehr Subgruppen teilen. Status: wissenschaftlich belegt (Definition). Quellen: Thatcher & Patel 2012 [A], Ursprung Lau & Murnighan 1998 [Bibliografie S, Inhalt N].
- Warnhinweis Retraktion: Die Meta-Analyse von Thatcher und Patel (2011, Journal of Applied Psychology 96(6), 1119-1139) wurde 2016 zurückgezogen (Journal of Applied Psychology 101(8), 1150). Begründung laut Retraktionshinweis: Eine Prüfung durch den Herausgeber und zwei weitere Fachleute ergab erhebliche Fehler in den Tabellen 1, 2 und 3, die die Schlussfolgerungen berühren können. Die Arbeit darf nicht als Beleg für Effektgrößen verwendet werden. Status: wissenschaftlich belegt (Retraktion dokumentiert). Quellen: Retraktionshinweis 2016 [A, PubMed 27504664], Retraction Watch [T].
- Aktuelle Meta-Analyse (2024, 168 Studien aus 162 Arbeiten, 24.953 Teams): Ruhende Faultlines hängen positiv mit Konflikt und mit aktivierten Faultlines zusammen, aber nicht direkt mit Teamleistung oder Teamzufriedenheit. Aktivierte Faultlines hängen positiv mit Konflikt und negativ mit Informationselaboration, Leistung und Zufriedenheit zusammen. Ruhende Faultlines hängen negativ mit Leistung zusammen, wenn es keine Top-Management- oder Aufsichtsgremien sind und wenn im Labor untersucht wurde. Effektstärken nicht gesehen. Status: wissenschaftlich belegt. Quelle: Thatcher et al. 2024 [T].
- Feldstudie mit 76 Arbeitsgruppen eines Fortune-500-Unternehmens: Gruppen mit Faultlines entlang sozialer Kategorien erhielten niedrige Team-Prämien; Faultline-Distanz verschärfte den Effekt; Teamidentifikation verbesserte die Leistung von Gruppen mit informationsbasierten Faultlines. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Bezrukova et al. 2009 [A].
- Kontextfaktoren beeinflussen die Wirkung von Faultlines und Subgruppen stark; ein Meta-Review vergleicht die beiden neuesten Algorithmen. Status: wissenschaftlich belegt. Quelle: Meyer et al. 2014 [A]. Theorie identitäts-, ressourcen- und wissensbasierter Subgruppen: Carton & Cummings 2012 [N].
- Überzeugungen über den Wert von Vielfalt können die störende Wirkung von Faultlines aufheben: Informationell heterogene Gruppen leisteten mehr, wenn sie von Vielfalt statt von Ähnlichkeit überzeugt waren, vermittelt über Informationselaboration (Experiment). Status: wissenschaftlich belegt (Einzelstudie). Quelle: Homan et al. 2007 [A].
Mittlere Silhouettenbreite (ASW)
- Meyer und Glenz (2013) stellen Grenzen verfügbarer Faultline-Maße fest (unter anderem bei mehr als zwei Subgruppen) und schlagen einen clusterbasierten Ansatz vor, die mittlere Silhouettenbreite, der Zahl und Zusammensetzung der Subgruppen bestimmt. An Daten realer Teams reagieren verschiedene Maße unterschiedlich auf Teammerkmale, laden aber meist auf zwei korrelierten Faktoren. Status: wissenschaftlich belegt. Quelle: Meyer & Glenz 2013 [T].
- Silhouette nach Rousseeuw (1987): a(i) ist die mittlere Unähnlichkeit von Person i zu allen anderen im eigenen Cluster, b(i) das Minimum der mittleren Unähnlichkeiten zu den Mitgliedern jedes anderen Clusters,
s(i) = (b(i) - a(i)) / max(a(i), b(i)). Werte nahe 1: klare Zuordnung; um 0: zwischen zwei Clustern; negativ: vermutlich falsch zugeordnet. Für Cluster mit einer Person gilt s(i) = 0.ASW = (1/n) * Summe s(i). Status: wissenschaftlich belegt (Definition). Quelle: R-Paket cluster, Hilfeseite silhouette [S]; Original Rousseeuw 1987. - Interpretationshilfen nach Kaufman und Rousseeuw (1990), aus dem Gedächtnis: über .70 starke, .51 bis .70 vernünftige, .26 bis .50 schwache, bis .25 keine substanzielle Struktur. Formuliert für Clusteranalysen größerer Datensätze, nicht für Teams mit 4 bis 12 Personen. Status: wissenschaftlich belegt als Heuristik, Zahlen [N].
Streuungsmuster und Bimodalität
- Streuungsformen jenseits von "Übereinstimmung ja oder nein" (geteilte Überzeugung, Minderheitsposition, bimodale Spaltung, fragmentierte Verteilung): DeRue et al. 2010 [N]. Status: wissenschaftlich belegt.
- Hartigans Dip-Test prüft Unimodalität. Für n von höchstens 3 nimmt die Statistik immer den Minimalwert 1/(2n) an, ein Test ist dann nicht möglich. Status: wissenschaftlich belegt. Quelle: R-Paket diptest, Hilfeseite dip [S]; Original Hartigan & Hartigan 1985.
- Bimodalitätskoeffizient:
BC = (g1^2 + 1) / (g2 + 3 * (n - 1)^2 / ((n - 2) * (n - 3)))mit g1 als Stichprobenschiefe und g2 als Stichprobenexzess. Werte über 5/9 (etwa .555) gelten als Hinweis auf Bimodalität; vor Fehlinterpretationen wird gewarnt. Status: wissenschaftlich belegt (Definition und Kritik), Inhalt [N]. Quelle: Pfister et al. 2013.
Quellen zu A3 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [T] Harrison, D. A., & Klein, K. J. (2007). What's the difference? diversity constructs as separation, variety, or disparity in organizations. Academy of Management Review, 32(4), 1199-1228. https://doi.org/10.5465/amr.2007.26586096
- [T] Biemann, T., & Kearney, E. (2010). Size Does Matter: How Varying Group Sizes in a Sample Affect the Most Common Measures of Group Diversity. Organizational Research Methods, 13(3), 582-599. https://doi.org/10.1177/1094428109338875 Abstract über Repositorium im Suchtreffer: https://madoc.bib.uni-mannheim.de/34618/
- [N] Cronbach, L. J., & Gleser, G. C. (1953). Assessing similarity between profiles. Psychological Bulletin, 50(6), 456-473. https://doi.org/10.1037/h0057173
- [N] Edwards, J. R. (1993). Problems with the use of profile similarity indices in the study of congruence in organizational research. Personnel Psychology, 46(3), 641-665. https://doi.org/10.1111/j.1744-6570.1993.tb00889.x
- [A] Kristof-Brown, A. L., Zimmerman, R. D., & Johnson, E. C. (2005). Consequences of individuals' fit at work: A meta-analysis of person-job, person-organization, person-group, and person-supervisor fit. Personnel Psychology, 58(2), 281-342. https://doi.org/10.1111/j.1744-6570.2005.00672.x
- [A] Thatcher, S. M. B., & Patel, P. C. (2012). Group faultlines: A review, integration, and guide to future research. Journal of Management, 38(4), 969-1009. https://doi.org/10.1177/0149206311426187
- [N] Lau, D. C., & Murnighan, J. K. (1998). Demographic Diversity and Faultlines: The Compositional Dynamics of Organizational Groups. The Academy of Management Review, 23(2), 325. https://doi.org/10.2307/259377 Im Register nur Startseite 325; Seitenbereich 325-340 aus dem Gedächtnis.
- [T] Thatcher, S. M. B., & Patel, P. C. (2011). Demographic faultlines: A meta-analysis of the literature. Journal of Applied Psychology, 96(6), 1119-1139. https://doi.org/10.1037/a0024167 ZURÜCKGEZOGEN (Retraktion 2016). Nicht als Beleg verwenden.
- [A] Retraktionshinweis (2016). "Demographic faultlines: A meta-analysis of the literature": Retraction of Thatcher and Patel (2011). Journal of Applied Psychology, 101(8), 1150. https://doi.org/10.1037/apl0000137 (Crossref-Eintrag und PubMed 27504664 abgerufen)
- [T] Thatcher, S. M., Meyer, B., Kim, Y., & Patel, P. C. (2024). A meta-analytic integration of the faultlines literature. Organizational Psychology Review, 14(2), 238-281. https://doi.org/10.1177/20413866231225064
- [A] Bezrukova, K., Jehn, K. A., Zanutto, E. L., & Thatcher, S. M. B. (2009). Do Workgroup Faultlines Help or Hurt? A Moderated Model of Faultlines, Team Identification, and Group Performance. Organization Science, 20(1), 35-50. https://doi.org/10.1287/orsc.1080.0379
- [A] Meyer, B., Glenz, A., Antino, M., Rico, R., & González-Romá, V. (2014). Faultlines and subgroups: A meta-review and measurement guide. Small Group Research, 45(6), 633-670. https://doi.org/10.1177/1046496414552195
- [N] Carton, A. M., & Cummings, J. N. (2012). A Theory of Subgroups in Work Teams. Academy of Management Review, 37(3), 441-470. https://doi.org/10.5465/amr.2009.0322
- [A] Homan, A. C., van Knippenberg, D., Van Kleef, G. A., & De Dreu, C. K. W. (2007). Bridging faultlines by valuing diversity: Diversity beliefs, information elaboration, and performance in diverse work groups. Journal of Applied Psychology, 92(5), 1189-1199. https://doi.org/10.1037/0021-9010.92.5.1189
- [T] Meyer, B., & Glenz, A. (2013). Team faultline measures: A computational comparison and a new approach to multiple subgroups. Organizational Research Methods, 16(3), 393-424. https://doi.org/10.1177/1094428113484970
- [N] Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53-65. https://doi.org/10.1016/0377-0427(87)90125-7 Formel an der Dokumentation des Pakets cluster geprüft.
- [N] DeRue, D. S., Hollenbeck, J. R., Ilgen, D. R., & Feltz, D. (2010). Efficacy dispersion in teams: Moving beyond agreement and aggregation. Personnel Psychology, 63(1), 1-40. https://doi.org/10.1111/j.1744-6570.2009.01161.x
- [N] Hartigan, J. A., & Hartigan, P. M. (1985). The Dip Test of Unimodality. The Annals of Statistics, 13(1), 70-84. https://doi.org/10.1214/aos/1176346577 Referenz in der Dokumentation des Pakets diptest gelesen.
- [N] Pfister, R., Schwarz, K. A., Janczyk, M., Dale, R., & Freeman, J. B. (2013). Good things peak in pairs: a note on the bimodality coefficient. Frontiers in Psychology, 4. https://doi.org/10.3389/fpsyg.2013.00700
- [S] Maechler, M., et al. (2026). cluster: "Finding Groups in Data": Cluster Analysis Extended Rousseeuw et al. R-Paket, Version 2.1.8.3. https://CRAN.R-project.org/package=cluster. Sowie: Maechler, M. (2025). diptest: Hartigan's Dip Test Statistic for Unimodality - Corrected. R-Paket, Version 0.77-2. https://CRAN.R-project.org/package=diptest (Quellpakete über den Ubuntu-Spiegel gelesen)
- [N] Kaufman, L., & Rousseeuw, P. J. (1990). Finding groups in data: An introduction to cluster analysis. Wiley. (Als Referenz in der Dokumentation des Pakets cluster genannt; Richtwerte nicht verifiziert)
Inferences
- Eigene Simulation 5 (Bimodalitätskoeffizient, 100.000 Replikationen): Bei echt zweigipfliger Likert-Verteilung (je zur Hälfte Antworten bei 1 bis 2 und bei 4 bis 5) überschreitet BC die Schwelle in 0 % der Teams mit n = 4 oder 5, in 4 % (n = 6 und 8), 7 % (n = 10), 8 % (n = 12), aber in 80 % bei n = 30 und 100 % bei n = 100. Bei eingipfligen Daten liegt die Fehlalarmquote für n = 6 bis 12 bei 5 bis 7 %, also so hoch wie die Trefferquote. In Teams mit 4 bis 12 Personen unterscheidet der Koeffizient Polarisierung nicht von Zufall. Status: plausibel, aber nicht validiert (eigene Simulation).
- Eigene Simulation 6 (beste Zweiteilung mit mindestens 2 Personen je Subgruppe, euklidische Distanz, normalverteilte Zufallsdaten ohne echte Subgruppen, 3.000 Replikationen; vereinfachtes Verfahren, nicht der Algorithmus von Meyer und Glenz): Bei einer einzelnen Wertedimension liegt die mediane ASW bei .37 (n = 4), .57 (n = 6), .61 (n = 8), .61 (n = 12); ASW ab .50 tritt in 34 %, 70 %, 87 % und 98 % der reinen Zufallsteams auf. Mit eingebauten echten Subgruppen (zwei Standardabweichungen Abstand) liegt der Median bei .45 bis .63, also kaum höher. Bei drei Dimensionen: Zufall .22 bis .34, echte Subgruppen .42 bis .46. Auf einer einzelnen Skala "findet" ein Clusterverfahren praktisch immer zwei Lager. Status: plausibel, aber nicht validiert (eigene Simulation).
- Eine Subgruppe aus einer Person ist eine Einzelposition, kein Lager. Zwei Subgruppen mit je zwei Personen brauchen mindestens vier Mitglieder. In Vierer- bis Sechserteams ist jede Aussage über "Lager" eine Aussage über benennbare Einzelpersonen, mit Risiken für Anonymität und Etikettierung. Status: plausibel, aber nicht validiert.
- Spannweite: Sie kann durch einen Zugang nur gleich bleiben oder wachsen und durch einen Abgang nur gleich bleiben oder sinken (mathematisch zwingend). Bei Zufallsdaten wächst sie mechanisch mit der Teamgröße (eigene Simulation, erwartete Spannweite in Standardabweichungen: 2,06 bei n = 4, 2,53 bei n = 6, 2,85 bei n = 8, 3,26 bei n = 12). Die Aussage "Zugang erhöht die Spannweite" ist teilweise ein Artefakt. Status: wissenschaftlich belegt (mathematisch) für die Monotonie; plausibel, aber nicht validiert für die Simulationswerte.
- Blau-Index bei kleinen Teams (eigene Rechnung): Der Erwartungswert des Stichproben-Blau beträgt bei Zufallsziehung das (n - 1)/n-fache des Populationswerts (.75 bei n = 4, .83 bei n = 6, .92 bei n = 12), und das erreichbare Maximum hängt von n ab (bei 5 Kategorien und 4 Personen .75 statt .80). Das illustriert die von Biemann und Kearney beschriebene Größenabhängigkeit. Status: wissenschaftlich belegt (mathematisch); ob die Korrektur der Autoren diesem Faktor entspricht, ist [N].
- Distanz zum Zielprofil: Gleiche Distanzwerte können aus völlig verschiedenen Abweichungsmustern entstehen. Wenn Distanzen gezeigt werden, dann je Dimension mit Vorzeichen und nicht als eine verdichtete Zahl. Ein Zielprofil ist eine normative Setzung der Organisation. Für ein empirisch "optimales" Werteprofil von Teams wurde keine Evidenz gefunden. Status: plausibel, aber nicht validiert; die Optimalität eines Zielprofils ist eine offene Hypothese.
- Rechnerisch erkannte Subgruppen sind potenzielle, nicht wirksame Trennlinien. Der Befund zu ruhenden Faultlines (Thatcher et al. 2024) spricht dagegen, sie als Risikoindikator auszugeben. Status: plausibel, aber nicht validiert (Übertragung eines Befunds zu überwiegend demografischen Faultlines auf Werteprofile).
Gaps
- Korrigierte Formeln von Biemann und Kearney (2010) und der genaue Algorithmus von Meyer und Glenz (2013) wurden nicht gesehen. Das frühere R-Paket asw.cluster ist auf CRAN nicht mehr abrufbar (404).
- Effektstärken aus Thatcher et al. (2024) wurden nicht gesehen. Offen ist, wie viele einbezogene Studien Werte statt demografischer Merkmale betrachten.
- Zu Faultline-Maßen speziell in Teams mit 4 bis 6 Personen wurde keine geprüfte methodische Quelle gefunden. Die Warnungen beruhen auf eigener Simulation.
- Ob die Übersicht von Thatcher und Patel (2012) Ergebnisse der zurückgezogenen Meta-Analyse übernimmt, wurde nicht geprüft.
B1. Operationalisierung der Teamzusammensetzung nach Aufgabentyp: Mittelwert, Minimum, Maximum, Varianz
Takeaway
Welcher Kennwert einer Zusammensetzung inhaltlich zählt, hängt vom Aufgabentyp und vom Merkmal ab: Mittelwert bei additiven und kompensatorischen, Minimum bei konjunktiven, Maximum bei disjunktiven Aufgaben, Varianz bei Fragen von Ähnlichkeit und Vielfalt. Die Meta-Analyse von Bell (2007) zeigt, dass Zusammenhänge mit Leistung von Setting und Operationalisierung abhängen und für Werte im Labor vernachlässigbar waren. Mittelwert, Minimum, Maximum und Streuung dürfen daher beschreibend gezeigt, aber nicht als leistungsrelevant ausgegeben werden.
Cited Findings
- Steiner (1972) unterscheidet Aufgabentypen danach, wie Einzelbeiträge zur Gruppenleistung kombiniert werden: additiv (Summe), kompensatorisch (Durchschnitt), disjunktiv (das beste Mitglied bestimmt), konjunktiv (das schwächste Mitglied bestimmt), dazu diskretionär. Daraus folgt die Logik: Mittelwert oder Summe für additive und kompensatorische, Maximum für disjunktive, Minimum für konjunktive Aufgaben. Status: wissenschaftlich belegt (klassische Taxonomie). Quelle: Steiner 1972, Buch ohne DOI [N].
- Barrick et al. (1998) operationalisierten Fähigkeit und Persönlichkeit in Arbeitsteams über Mittelwert, Varianz, Minimum und Maximum und setzten sie mit Teamprozessen und Teameffektivität in Beziehung. Status: wissenschaftlich belegt. Quelle: Barrick et al. 1998 [Bibliografie S, Inhalt N; kein Abstract abrufbar].
- LePine et al. (1997) untersuchten hierarchische Entscheidungsteams mit verteilter Expertise; Titel und Befundlage stehen für die konjunktive Logik, dass schwache Einzelpositionen die Teamleistung begrenzen. Status: wissenschaftlich belegt. Quelle: LePine et al. 1997 [Bibliografie S, Inhalt N].
- Meta-Analyse Bell (2007) zu Tiefenmerkmalen (Persönlichkeit, Werte, Fähigkeiten): Die Stärke der Zusammenhänge mit Teamleistung wird durch das Setting (Labor oder Feld) und die Operationalisierung moderiert. Im Labor hingen Minimum und Maximum der allgemeinen kognitiven Fähigkeit und die mittlere emotionale Intelligenz mit Leistung zusammen; für Persönlichkeit und für Werte zeigten sich im Labor nur vernachlässigbare Effekte. In Feldstudien erwiesen sich minimale Verträglichkeit sowie mittlere Gewissenhaftigkeit, Offenheit, Kollektivismus und Präferenz für Teamarbeit als starke Prädiktoren. Zahlenwerte stehen nicht im Abstract. Status: wissenschaftlich belegt. Quelle: Bell 2007 [A, PubMed 17484544].
- Mathieu et al. (2014) ordnen Kompositionsmodelle in vier Typen, integrieren sie in einen Rahmen, in dem Merkmale gleichzeitig über mehrere Wege wirken, ergänzen zeitliche Überlegungen (verschiedene Mischungen sind in verschiedenen Phasen bedeutsam) und nehmen Mitgliederdynamik ausdrücklich auf. Status: wissenschaftlich belegt (Review). Quelle: Mathieu et al. 2014 [A]. Die vier Typen aus dem Gedächtnis [N]: Passung Person zu Position, Personenmodelle mit Teamarbeitsanforderungen, Teamprofilmodelle, Modelle relativer Beiträge.
- Bell et al. (2018): Die Konfiguration der Mitgliedermerkmale prägt die Emergenz affektiver Zustände, Verhaltensprozesse und kognitiver Zustände (ABC der Teamarbeit), die wiederum die Zielerreichung beeinflussen. Status: wissenschaftlich belegt (Review). Quelle: Bell et al. 2018 [A].
- Rollenkompositionsansatz: Nicht alle Positionen zählen gleich; Merkmale der Inhaber strategischer Kernrollen hängen stärker mit Teamleistung zusammen. Status: wissenschaftlich belegt. Quelle: Humphrey et al. 2009 [A].
- Synthese über 398 Primärstudien: Zusammensetzung, Aufgabendesign und Führung hängen mit Teamleistung zusammen, mit Unterschieden nach Branchenkontext. Status: wissenschaftlich belegt. Quelle: Carter et al. 2019 [A]. Weitere Meta-Analysen zu Persönlichkeit und Design: Peeters et al. 2006, Prewett et al. 2009, Stewart 2006 [jeweils Bibliografie S, Inhalt N].
Quellen zu B1 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [N] Steiner, I. D. (1972). Group process and productivity. Academic Press. Kein DOI, nicht geprüft.
- [N] Barrick, M. R., Stewart, G. L., Neubert, M. J., & Mount, M. K. (1998). Relating member ability and personality to work-team processes and team effectiveness. Journal of Applied Psychology, 83(3), 377-391. https://doi.org/10.1037/0021-9010.83.3.377
- [N] LePine, J. A., Hollenbeck, J. R., Ilgen, D. R., & Hedlund, J. (1997). Effects of individual differences on the performance of hierarchical decision-making teams: Much more than g. Journal of Applied Psychology, 82(5), 803-811. https://doi.org/10.1037/0021-9010.82.5.803
- [A] Bell, S. T. (2007). Deep-level composition variables as predictors of team performance: A meta-analysis. Journal of Applied Psychology, 92(3), 595-615. https://doi.org/10.1037/0021-9010.92.3.595 PubMed: https://pubmed.ncbi.nlm.nih.gov/17484544/
- [A] Mathieu, J. E., Tannenbaum, S. I., Donsbach, J. S., & Alliger, G. M. (2014). A review and integration of team composition models: Moving toward a dynamic and temporal framework. Journal of Management, 40(1), 130-160. https://doi.org/10.1177/0149206313503014
- [A] Bell, S. T., Brown, S. G., Colaneri, A., & Outland, N. (2018). Team composition and the ABCs of teamwork. American Psychologist, 73(4), 349-362. https://doi.org/10.1037/amp0000305
- [A] Humphrey, S. E., Morgeson, F. P., & Mannor, M. J. (2009). Developing a theory of the strategic core of teams: A role composition model of team performance. Journal of Applied Psychology, 94(1), 48-61. https://doi.org/10.1037/a0012997
- [A] Carter, K. M., Mead, B. A., Stewart, G. L., Nielsen, J. D., & Solimeo, S. L. (2019). Reviewing Work Team Design Characteristics Across Industries: Combining Meta-Analysis and Comprehensive Synthesis. Small Group Research, 50(1), 138-188. https://doi.org/10.1177/1046496418797431
- [N] Peeters, M. A. G., van Tuijl, H. F. J. M., Rutte, C. G., & Reymen, I. M. M. J. (2006). Personality and team performance: a meta-analysis. European Journal of Personality, 20(5), 377-396. https://doi.org/10.1002/per.588
- [N] Prewett, M. S., Walvoord, A. A. G., Stilson, F. R. B., Rossi, M. E., & Brannick, M. T. (2009). The Team Personality-Team Performance Relationship Revisited: The Impact of Criterion Choice, Pattern of Workflow, and Method of Aggregation. Human Performance, 22(4), 273-296. https://doi.org/10.1080/08959280903120253
- [N] Stewart, G. L. (2006). A Meta-Analytic Review of Relationships Between Team Design Features and Team Performance. Journal of Management, 32(1), 29-55. https://doi.org/10.1177/0149206305277792
Inferences
- Mittelwert, Minimum, Maximum, Spannweite und Streuung beantworten verschiedene Fragen. Welche Frage für ein konkretes Team relevant ist, hängt von dessen Aufgabenstruktur ab, die die Plattform nicht kennt, solange sie sie nicht erhebt. Status: plausibel, aber nicht validiert.
- Die belegten Feldbefunde betreffen Verträglichkeit, Gewissenhaftigkeit, Offenheit, Kollektivismus und Präferenz für Teamarbeit, nicht Wertprofile im Sinne eines Wertekreises. Eine Übertragung auf beliebige Wertedimensionen ist eine offene Hypothese.
- Minimum und Maximum zeigen in kleinen Teams faktisch auf Einzelpersonen. Das ist ein Anonymitäts- und Etikettierungsrisiko und spricht für Schwellen der Anzeige. Status: plausibel, aber nicht validiert.
- Ein Simulationsergebnis wie "der Mittelwert steigt um 0,2" ist eine Aussage über eine Kennzahl der Zusammensetzung. Ob diese Kennzahl bei der Aufgabe des Teams überhaupt die relevante ist, bleibt offen. Status: plausibel, aber nicht validiert.
Gaps
- Steiner (1972) wurde nicht geprüft (Buch). Abstracts von Barrick et al. (1998) und LePine et al. (1997) waren nicht abrufbar.
- Effektstärken aus Bell (2007) wurden nicht gesehen und dürfen nicht aus dem Gedächtnis ergänzt werden.
B2. Wertediversität und Diversität auf der Tiefenebene: Effekte und Moderatoren
Takeaway
Die aktuelle Meta-Analytik stützt weder "Vielfalt nützt" noch "Ähnlichkeit nützt" als allgemeine Aussage. Tiefendiversität (Persönlichkeit, Werte, Kultur) geht im Mittel mit weniger positiven Teamzuständen und Prozessen und mit mehr Konflikt einher und hängt nur indirekt mit Leistung zusammen (Triana et al. 2021). Über alle Diversitätsarten sind die mittleren Zusammenhänge mit Leistung positiv, aber unbedeutend klein, mit Betrag von r unter .1 (Wallrich et al. 2024). Der Kontext entscheidet.
Cited Findings
- Meta-Analyse zu Tiefendiversität (2021, 94 Arbeiten, 280 Effektstärken, 24.425 Teams): Tiefendiversität geht mit weniger positiven emergenten Zuständen, weniger positiven Teamprozessen und mehr Teamkonflikt einher. Es besteht ein indirekter Zusammenhang mit Teamleistung über jeden dieser Mediatoren. Art der Diversität (Persönlichkeit, Werte, Kultur), Aufgabenkomplexität und Status als Führungsgremium wurden als Moderatoren geprüft. Status: wissenschaftlich belegt. Quelle: Triana et al. 2021 [A].
- Registered-Report-Meta-Analyse (2024, 615 Berichte, 2.638 Effektstärken): Die mittleren linearen Zusammenhänge zwischen demografischer, berufsbezogener und kognitiver Diversität und Teamleistung sind signifikant positiv, aber unbedeutend (Betrag von r unter .1). Korrelationen waren positiver bei komplexeren Aufgaben, bei Anforderungen an Kreativität und Innovation sowie in Kontexten mit geringerem Kollektivismus und geringerer Machtdistanz. Entgegen den Erwartungen beeinflussten Bestandsdauer und Interdependenz der Teams den Zusammenhang nicht wesentlich. Robust gegen Publikationsverzerrung. Schluss der Autoren: Versprechen breiter Leistungssteigerungen sind kein starkes Argument für Diversitätsinitiativen. Status: wissenschaftlich belegt. Quelle: Wallrich et al. 2024 [A].
- Meta-Analyse zu Prozessen (2024, 406 Effekte, 38.304 Teams): Demografische Diversität hängt mit mehr sozialer Kategorisierung zusammen; für einen Zusammenhang mit Informationselaboration fand sich keine Unterstützung. Status: wissenschaftlich belegt. Quelle: Traylor et al. 2024 [A].
- Categorization-Elaboration-Modell: Diversität wirkt über Informationselaboration (förderlich) und soziale Kategorisierung (hinderlich); Verzerrungen zwischen Subgruppen stören die Elaboration. Alle Diversitätsdimensionen können positive wie negative Effekte haben. Status: wissenschaftlich belegt (Theorie). Quelle: van Knippenberg et al. 2004 [A].
- Meta-Analyse (146 Studien, 612 Effektstärken): Die verbreitete Annahme, berufsbezogene Diversität wirke positiv und demografische negativ, hält bei objektiveren Leistungsmaßen nicht und dürfte auf Beurteilerverzerrung zurückgehen. Berufsbezogene Diversität wird durch Aufgabenkomplexität moderiert und hängt stärker mit innovativer als mit Regelleistung zusammen. Status: wissenschaftlich belegt. Quelle: van Dijk et al. 2012 [T].
- Meta-Analyse zu einzelnen demografischen Variablen: Vielfalt im Bildungshintergrund hing mit Kreativität und Innovation zusammen, Vielfalt nach Ethnie und Geschlecht hatte kleine negative Zusammenhänge mit Leistung, Altersdiversität keinen. Status: wissenschaftlich belegt. Quelle: Bell et al. 2011 [A].
- Klassische Feldstudie zu Informations-, sozialer und Wertediversität: Wertediversität belastete Zufriedenheit, Bindung und Verbleibsabsicht und förderte Beziehungskonflikt. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Jehn et al. 1999 [Bibliografie S, Inhalt N].
- Zeit: Mit zunehmender Zusammenarbeit verlieren Oberflächenmerkmale an Bedeutung, Tiefenmerkmale (Einstellungen, Werte) gewinnen an Bedeutung für Kohäsion und soziale Integration. Status: wissenschaftlich belegt (Einzelstudien). Quellen: Harrison, Price & Bell 1998, Harrison et al. 2002 [jeweils Bibliografie S, Inhalt N]. Widerspruch beachten: Wallrich et al. (2024) finden für den Zusammenhang mit Leistung keinen wesentlichen Einfluss der Bestandsdauer [A].
- Führung als Moderator: In 62 Forschungs- und Entwicklungsteams hingen Nationalitäts- und Bildungsdiversität bei hoher transformationaler Führung positiv mit der Teamleistung zusammen. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Kearney & Gebert 2009 [A].
- Diversitätsüberzeugungen als Moderator: siehe Homan et al. (2007) in A3 [A]. Psychologische Sicherheit als Moderator: siehe C2.
- Weitere Übersichten zu Moderatoren und Kontext: Guillaume et al. 2017, Joshi & Roh 2009, Stahl et al. 2010, van Knippenberg & Schippers 2007 [jeweils Bibliografie S, Inhalt N]. Wertediversität und Teameffektivität: Woehr, Arciniega & Poling 2013 [Bibliografie S, Inhalt N]. Status: wissenschaftlich belegt.
Quellen zu B2 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Triana, M. d. C., Kim, K., Byun, S. Y., Delgado, D. M., & Arthur, W. (2021). The Relationship Between Team Deep-Level Diversity and Team Performance: A Meta-Analysis of the Main Effect, Moderators, and Mediating Mechanisms. Journal of Management Studies, 58(8), 2137-2179. https://doi.org/10.1111/joms.12670
- [A] Wallrich, L., Opara, V., Wesołowska, M., Barnoth, D., & Yousefi, S. (2024). The Relationship Between Team Diversity and Team Performance: Reconciling Promise and Reality Through a Comprehensive Meta-Analysis Registered Report. Journal of Business and Psychology, 39(6), 1303-1354. https://doi.org/10.1007/s10869-024-09977-0
- [A] Traylor, A. M., Dinh, J. V., Ng, L. C., Reyes, D. L., Cheng, S. K., Croitoru, N. C., & Salas, E. (2024). It's about the process, not the product: A meta-analytic investigation of team demographic diversity and processes. Organizational Psychology Review, 14(3), 478-516. https://doi.org/10.1177/20413866241245312
- [A] van Knippenberg, D., De Dreu, C. K. W., & Homan, A. C. (2004). Work Group Diversity and Group Performance: An Integrative Model and Research Agenda. Journal of Applied Psychology, 89(6), 1008-1022. https://doi.org/10.1037/0021-9010.89.6.1008
- [T] van Dijk, H., van Engen, M. L., & van Knippenberg, D. (2012). Defying conventional wisdom: A meta-analytical examination of the differences between demographic and job-related diversity relationships with performance. Organizational Behavior and Human Decision Processes, 119(1), 38-53. https://doi.org/10.1016/j.obhdp.2012.06.003 Abstract über Repositorium der Erasmus-Universität im Suchtreffer.
- [A] Bell, S. T., Villado, A. J., Lukasik, M. A., Belau, L., & Briggs, A. L. (2011). Getting Specific about Demographic Diversity Variable and Team Performance Relationships: A Meta-Analysis. Journal of Management, 37(3), 709-743. https://doi.org/10.1177/0149206310365001
- [N] Jehn, K. A., Northcraft, G. B., & Neale, M. A. (1999). Why Differences Make a Difference: A Field Study of Diversity, Conflict and Performance in Workgroups. Administrative Science Quarterly, 44(4), 741-763. https://doi.org/10.2307/2667054
- [N] Harrison, D. A., Price, K. H., & Bell, M. P. (1998). Beyond relational demography: Time and the effects of surface- and deep-level diversity on work group cohesion. Academy of Management Journal, 41(1), 96-107. https://doi.org/10.2307/256901
- [N] Harrison, D. A., Price, K. H., Gavin, J. H., & Florey, A. T. (2002). Time, teams, and task performance: Changing effects of surface- and deep-level diversity on group functioning. Academy of Management Journal, 45(5), 1029-1045. https://doi.org/10.2307/3069328 Autorenreihenfolge im Register abweichend (Price zuerst); hier in der üblichen Zitierweise.
- [A] Kearney, E., & Gebert, D. (2009). Managing diversity and enhancing team outcomes: The promise of transformational leadership. Journal of Applied Psychology, 94(1), 77-89. https://doi.org/10.1037/a0013077
- [N] Guillaume, Y. R., Dawson, J. F., Otaye-Ebede, L., Woods, S. A., & West, M. A. (2017). Harnessing demographic differences in organizations: What moderates the effects of workplace diversity?. Journal of Organizational Behavior, 38(2), 276-303. https://doi.org/10.1002/job.2040
- [N] Joshi, A., & Roh, H. (2009). The Role Of Context In Work Team Diversity Research: A Meta-Analytic Review. Academy of Management Journal, 52(3), 599-627. https://doi.org/10.5465/amj.2009.41331491
- [N] Stahl, G. K., Maznevski, M. L., Voigt, A., & Jonsen, K. (2010). Unraveling the effects of cultural diversity in teams: A meta-analysis of research on multicultural work groups. Journal of International Business Studies, 41(4), 690-709. https://doi.org/10.1057/jibs.2009.85
- [N] van Knippenberg, D., & Schippers, M. C. (2007). Work Group Diversity. Annual Review of Psychology, 58(1), 515-541. https://doi.org/10.1146/annurev.psych.58.110405.085546
- [N] Woehr, D. J., Arciniega, L. M., & Poling, T. L. (2013). Exploring the Effects of Value Diversity on Team Effectiveness. Journal of Business and Psychology, 28(1), 107-121. https://doi.org/10.1007/s10869-012-9267-4
Inferences
- Die Plattform darf Streuung in Werten weder als Stärke noch als Risiko etikettieren. Belegt ist nur: Unterschiede auf der Tiefenebene gehen im Mittel mit mehr Reibung in Prozessen einher, und ob daraus Nutzen oder Schaden wird, hängt von Bedingungen ab (Aufgabenkomplexität, Kreativitätsanforderung, Führung, Überzeugungen, Klima). Status: plausibel, aber nicht validiert (Übertragung auf den Einzelfall).
- Zum Zeitmoderator liegen widersprüchliche Befunde vor (ältere Einzelstudien gegenüber der Meta-Analyse 2024). Aussagen wie "Werteunterschiede wirken sich erst später aus" sind deshalb nur als plausibel, aber nicht validiert zu führen.
- Wertediversität ist in Triana et al. (2021) nur eine von drei Arten der Tiefendiversität. Wie stark gerade Werteunterschiede wirken, wurde im Abstract nicht berichtet. Jede Zahl dazu wäre in diesem Dossier unbelegt.
Gaps
- Effektstärken und Moderatorergebnisse aus Triana et al. (2021) im Detail, insbesondere getrennt für Werte, wurden nicht gesehen.
- Jehn et al. (1999), Harrison et al. (1998, 2002) und Woehr et al. (2013) konnten nicht über ein Abstract geprüft werden.
- Arbeiten aus 2025 und 2026 konnten wegen des erschöpften Suchbudgets nicht systematisch gesucht werden.
B3. Teamwerte und Leistung, Rolle der Werte der Führungskraft
Takeaway
Die direkte Evidenz zu Werten in Teams und Teamleistung ist dünn und beruht auf wenigen Studien mit kleinen Teamstichproben (48, 72 sowie 107 und 54 Teams). Sie betrifft einzelne Werte (Benevolenz, Leistung, Gleichheit, geteilte Arbeitswerte) und ist nicht breit repliziert. Ein empirisch begründetes Zielprofil lässt sich daraus nicht ableiten. Für einen eigenständigen Beitrag der Werte der Führungskraft gibt es einen ersten Einzelbefund.
Cited Findings
- Parks-Leduc, Dustin, Wang und Parks (2024), zwei Studien: Studie 1 entwickelt ein kürzeres Werteinstrument mit variabler Länge (Variable Length Values Inventory, 26 bis 60 Items). Studie 2 (48 Teams): Benevolenz- und Leistungswerte der Mitglieder hingen mit Teamleistung zusammen; die Leistungswerte der Teamleitung wirkten über die Werte der übrigen Mitglieder hinaus. Effektstärken stehen nicht im Abstract. Status: wissenschaftlich belegt (Einzelstudie, kleine Stichprobe). Quelle: Parks-Leduc et al. 2024 [A].
- Bell (2007): In Feldstudien gehörten Kollektivismus und Präferenz für Teamarbeit zu den starken Prädiktoren der Teamleistung; im Labor waren Zusammenhänge zwischen Werten und Leistung vernachlässigbar. Status: wissenschaftlich belegt. Quelle: Bell 2007 [A].
- Chou et al. (2008), 411 Mitglieder aus 72 taiwanesischen Teams: Geteilte Arbeitswerte hingen positiv mit der Leistung der Mitglieder und der Zufriedenheit mit der Zusammenarbeit zusammen, vermittelt über Vertrauen (wie sehr einem Mitglied vertraut wird beziehungsweise wie sehr es anderen vertraut). Status: wissenschaftlich belegt (Einzelstudie). Quelle: Chou et al. 2008 [A].
- Glew (2009), 107 Bachelor- und 54 MBA-Teams: Auf Teamebene hing die mittlere Wichtigkeit des Werts Gleichheit positiv mit Teamleistung zusammen und war ein stärkerer Prädiktor als die mittlere Vorleistung. Status: wissenschaftlich belegt (Einzelstudie, studentische Teams). Quelle: Glew 2009 [A].
- Passung als verwandtes Feld: Meta-Analyse über 172 Studien zu Person-Job-, Person-Organisation-, Person-Gruppe- und Person-Vorgesetzten-Fit mit Kriterien auf Individualebene (Einstellungen, Leistung, Rückzug, Beanspruchung, Verbleib). Status: wissenschaftlich belegt. Quelle: Kristof-Brown et al. 2005 [A; Effektstärken nicht gesehen].
- Führung und Wertekongruenz: Transformationale Führung, Wertekongruenz und Effektivität von Arbeitsgruppen werden in Hoffman et al. 2011 verknüpft; Überblick zu Werten in Organisationen in Arieli, Sagiv & Roccas 2020 [jeweils Bibliografie S, Inhalt N]. Status: wissenschaftlich belegt.
Quellen zu B3 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Parks-Leduc, L., Dustin, S. L., Wang, G., & Parks, T. W. (2024). Team values and team performance: A two-study investigation. Applied Psychology, 73(4), 2263-2292. https://doi.org/10.1111/apps.12553
- [A] Chou, L. F., Wang, A. C., Wang, T. Y., Huang, M. P., & Cheng, B. S. (2008). Shared work values and team member effectiveness: The mediation of trustfulness and trustworthiness. Human Relations, 61(12), 1713-1742. https://doi.org/10.1177/0018726708098083
- [A] Glew, D. J. (2009). Personal Values and Performance in Teams: An Individual and Team-Level Analysis. Small Group Research, 40(6), 670-693. https://doi.org/10.1177/1046496409346577
- [N] Hoffman, B. J., Bynum, B. H., Piccolo, R. F., & Sutton, A. W. (2011). Person-Organization Value Congruence: How Transformational Leaders Influence Work Group Effectiveness. Academy of Management Journal, 54(4), 779-796. https://doi.org/10.5465/amj.2011.64870139
- [N] Arieli, S., Sagiv, L., & Roccas, S. (2020). Values at Work: The Impact of Personal Values in Organisations. Applied Psychology, 69(2), 230-275. https://doi.org/10.1111/apps.12181
Inferences
- Aus drei bis vier Einzelstudien mit unterschiedlichen Instrumenten, Werten und Kriterien folgt kein belastbarer Zusammenhang "Wertprofil sagt Teamleistung vorher". Ein Zielprofil mit Leistungsversprechen wäre eine offene Hypothese.
- Der Befund zur Teamleitung stützt, die Führungskraft nicht stillschweigend als ein Mitglied unter vielen in den Mittelwert einzurechnen. Eine rechnerische Höhergewichtung wäre aber ebenso unbelegt. Vertretbar ist, die Position der Leitung getrennt auszuweisen, wenn Datenschutz und Einwilligung das zulassen. Status: plausibel, aber nicht validiert.
- Der Befund von Chou et al. betrifft geteilte Werte als Ähnlichkeit, mit Vertrauen als Mechanismus. Das stützt, Streuung zu zeigen, sagt aber nichts über die Wirkung eines einzelnen Zugangs. Status: plausibel, aber nicht validiert.
Gaps
- Keine Meta-Analyse speziell zu Wertprofilen von Teams und Teamleistung wurde gefunden. Ob es sie gibt, konnte nicht abschließend geklärt werden.
- Details zu Design und Effektstärken von Parks-Leduc et al. (2024) über das Abstract hinaus wurden nicht gesehen.
B4. Neuzugänge und Mitgliederwechsel: Was ist über die Wirkung einzelner neuer Mitglieder belegt, was nicht?
Takeaway
Belegt ist, dass Mitgliederwechsel ein Ereignis mit Folgen für Koordination, Lernen und soziale Integration ist, dass Neue Anpassungsprozesse durchlaufen und dass ihr Einfluss von der Aufnahmebereitschaft des Teams und von ihrer Rolle abhängt. Nicht belegt ist, dass sich Normen eines Teams in Richtung der Werte eines Neuzugangs verschieben, schon gar nicht proportional zur arithmetischen Verschiebung des Mittelwerts. Jede Aussage der Plattform über die künftige Entwicklung eines konkreten Teams nach einem Zugang wäre eine offene Hypothese.
Cited Findings
- Mitgliederwechsel als Ereignis: Die Forschung verläuft in drei weitgehend getrennten Strängen, darunter die Frage, wie Neue Teams beeinflussen und von ihnen beeinflusst werden. Die Stärke eines Wechselereignisses (Neuartigkeit, Störwirkung, Kritikalität) bestimmt seine Wirkung auf Funktionieren und Leistung. Status: wissenschaftlich belegt (Review mit Propositionen). Quelle: Trainer et al. 2020 [A].
- Fluktuation in 47 selbststeuernden Teams (Längsschnitt, objektives Leistungsmaß): Wechsel senkt soziale Integration, Teamlernen und Aufgabenflexibilität; Aufgabenflexibilität und Lernverhalten vermitteln den negativen Zusammenhang mit Effektivität. Status: wissenschaftlich belegt (Einzelstudie). Quelle: van der Vegt et al. 2010 [A].
- Wechsel in strategischen Kernrollen, Informationsweitergabe und Fähigkeit des Nachfolgers beeinflussen, wie stark die Koordination ins Schwanken gerät. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Summers et al. 2012 [Bibliografie S, Inhalt N].
- Die Wirkung von Mitgliederwechsel auf offene Diskussion und Leistung hängt vom Teamalter ab. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Hirst 2009 [Bibliografie S, Inhalt N].
- Wechsel kann Kreativität anregen (Laborgruppen). Status: wissenschaftlich belegt (Experimente). Quelle: Choi & Thompson 2005 [Bibliografie S, Inhalt N].
- Experiment mit Vierergruppen: Gruppen mit sozial verschiedenen Neuen leisteten mehr als Gruppen mit ähnlichen Neuen. Der Gewinn kam nicht daher, dass die Neuen neue Ideen einbrachten, sondern daher, dass ihre bloße Anwesenheit bei den Alteingesessenen soziale Bedenken auslöste, die zu gründlicherer Verarbeitung führten. Status: wissenschaftlich belegt (Experiment). Quelle: Phillips et al. 2009 [A].
- Aufnahmebereitschaft: Überblick über fünf Jahrzehnte Forschung zur Rezeptivität von Teams gegenüber Neuen. Status: wissenschaftlich belegt (Review). Quelle: Rink et al. 2013 [Bibliografie S, Inhalt N]. Wissenstransfer durch Personalrotation hängt von gemeinsamer Identität und Qualität des Wissens ab: Kane et al. 2005 [Bibliografie S, Inhalt N].
- Anpassung der Neuen: Meta-Analyse über 70 Stichproben. Anpassung (Rollenklarheit, Selbstwirksamkeit, soziale Akzeptanz) vermittelt die Wirkung organisationaler Sozialisationstaktiken und der Informationssuche auf Zufriedenheit, Bindung, Leistung, Verbleibsabsicht und Fluktuation. Status: wissenschaftlich belegt. Quelle: Bauer et al. 2007 [A].
- Neue in Projektteams: Chen (2005) untersuchte die Anpassung von Neuen in 65 Projektteams; die Leistung der Neuen wurde über drei Zeitpunkte verfolgt, mit anfänglicher Teamleistung, Teamerwartungen und anfänglichem Empowerment als Prädiktoren. Status: wissenschaftlich belegt (Einzelstudie). Quelle: R-Paket multilevel, Datensatz chen2005 [S für Design]; Original Chen 2005.
- Gruppensozialisation als wechselseitiger Prozess aus Bewertung, Bindung und Rollenübergängen, in dem sich Gruppe und Person aneinander anpassen. Status: wissenschaftlich belegt (Theorie). Quellen: Moreland & Levine 1982, Levine & Moreland 1994 [jeweils Bibliografie S, Inhalt N].
- Einfluss von Minderheiten, Meta-Analyse über 97 Experimente: Minderheiten wirken am stärksten auf Maße, die privat und nur indirekt mit dem Thema verbunden sind, und weniger auf direkte private und auf öffentliche Maße. Empfänger vermeiden unter normativem Druck, sich mit einer abweichenden Quelle zu verbinden. Besonders konsistent auftretende Minderheiten sind einflussreicher. Status: wissenschaftlich belegt. Quelle: Wood et al. 1994 [A]. Differenzielle Beiträge von Mehrheits- und Minderheitseinfluss: Nemeth 1986 [Bibliografie S, Inhalt N].
- Normen bilden sich in Gruppen durch Konvergenz: Sherifs Daten zur Bewegungsschätzung (acht Dreiergruppen) dienen in der Methodenliteratur als Lehrbeispiel für Konsensemergenz. Status: wissenschaftlich belegt (klassisches Experiment). Quelle: R-Paket multilevel, Datensatz sherifdat [S].
- Instabile Mitgliedschaft verschärft den negativen Zusammenhang zwischen Hierarchie und Teamleistung. Status: wissenschaftlich belegt. Quelle: Greer et al. 2018 [A].
- Einzelne negativ agierende Mitglieder können Gruppen überproportional beeinträchtigen; Homogenisierung durch Anziehung, Auswahl und Abgang. Status: wissenschaftlich belegt (Theorie). Quellen: Felps et al. 2006, Schneider 1987 [jeweils Bibliografie S, Inhalt N].
Quellen zu B4 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Trainer, H. M., Jones, J. M., Pendergraft, J. G., Maupin, C. K., & Carter, D. R. (2020). Team Membership Change "Events": A Review and Reconceptualization. Group & Organization Management, 45(2), 219-251. https://doi.org/10.1177/1059601120910848
- [A] van der Vegt, G. S., Bunderson, S., & Kuipers, B. (2010). Why Turnover Matters in Self-Managing Work Teams: Learning, Social Integration, and Task Flexibility. Journal of Management, 36(5), 1168-1191. https://doi.org/10.1177/0149206309344117
- [N] Summers, J. K., Humphrey, S. E., & Ferris, G. R. (2012). Team Member Change, Flux in Coordination, and Performance: Effects of Strategic Core Roles, Information Transfer, and Cognitive Ability. Academy of Management Journal, 55(2), 314-338. https://doi.org/10.5465/amj.2010.0175
- [N] Hirst, G. (2009). Effects of membership change on open discussion and team performance: The moderating role of team tenure. European Journal of Work and Organizational Psychology, 18(2), 231-249. https://doi.org/10.1080/13594320802394202
- [N] Choi, H. S., & Thompson, L. (2005). Old wine in a new bottle: Impact of membership change on group creativity. Organizational Behavior and Human Decision Processes, 98(2), 121-132. https://doi.org/10.1016/j.obhdp.2005.06.003
- [A] Phillips, K. W., Liljenquist, K. A., & Neale, M. A. (2009). Is the Pain Worth the Gain? The Advantages and Liabilities of Agreeing With Socially Distinct Newcomers. Personality and Social Psychology Bulletin, 35(3), 336-350. https://doi.org/10.1177/0146167208328062
- [N] Rink, F., Kane, A. A., Ellemers, N., & van der Vegt, G. (2013). Team Receptivity to Newcomers: Five Decades of Evidence and Future Research Themes. Academy of Management Annals, 7(1), 247-293. https://doi.org/10.5465/19416520.2013.766405
- [N] Kane, A. A., Argote, L., & Levine, J. M. (2005). Knowledge transfer between groups via personnel rotation: Effects of social identity and knowledge quality. Organizational Behavior and Human Decision Processes, 96(1), 56-71. https://doi.org/10.1016/j.obhdp.2004.09.002
- [A] Bauer, T. N., Bodner, T., Erdogan, B., Truxillo, D. M., & Tucker, J. S. (2007). Newcomer adjustment during organizational socialization: A meta-analytic review of antecedents, outcomes, and methods. Journal of Applied Psychology, 92(3), 707-721. https://doi.org/10.1037/0021-9010.92.3.707
- [S] Chen, G. (2005). Newcomer Adaptation in Teams: Multilevel Antecedents and Outcomes. Academy of Management Journal, 48(1), 101-116. https://doi.org/10.5465/amj.2005.15993147 Design an der Dokumentation des Pakets multilevel (Datensatz chen2005) gelesen, Artikel selbst nicht.
- [N] Moreland, R. L., & Levine, J. M. (1982). Socialization in Small Groups: Temporal Changes in Individual-Group Relations. Advances in Experimental Social Psychology, 137-192. https://doi.org/10.1016/s0065-2601(08)60297-x Erschienen in Band 15 der Reihe (Bandangabe aus dem Gedächtnis).
- [N] Levine, J. M., & Moreland, R. L. (1994). Group Socialization: Theory and Research. European Review of Social Psychology, 5(1), 305-336. https://doi.org/10.1080/14792779543000093
- [A] Wood, W., Lundgren, S., Ouellette, J. A., Busceme, S., & Blackstone, T. (1994). Minority influence: A meta-analytic review of social influence processes. Psychological Bulletin, 115(3), 323-345. https://doi.org/10.1037/0033-2909.115.3.323
- [N] Nemeth, C. J. (1986). Differential contributions of majority and minority influence. Psychological Review, 93(1), 23-32. https://doi.org/10.1037/0033-295x.93.1.23
- [A] Greer, L. L., de Jong, B. A., Schouten, M. E., & Dannals, J. E. (2018). Why and when hierarchy impacts team effectiveness: A meta-analytic integration. Journal of Applied Psychology, 103(6), 591-613. https://doi.org/10.1037/apl0000291 PubMed: https://pubmed.ncbi.nlm.nih.gov/29369654/
- [N] Felps, W., Mitchell, T. R., & Byington, E. (2006). How, When, and Why Bad Apples Spoil the Barrel: Negative Group Members and Dysfunctional Groups. Research in Organizational Behavior, 27, 175-222. https://doi.org/10.1016/s0191-3085(06)27005-9
- [N] Schneider, B. (1987). The people make the place. Personnel Psychology, 40(3), 437-453. https://doi.org/10.1111/j.1744-6570.1987.tb00609.x
Inferences
Was sich über künftige Teamveränderung vertreten lässt
- Die rechnerische Zusammensetzung nach dem Zugang (Mittelwert, Streuung, Spannweite der persönlichen Werte) ist exakt angebbar. Status: wissenschaftlich belegt (Arithmetik).
- Ein Wechsel ist im Mittel zunächst eine Belastung für Koordination, Lernen und Integration, stärker bei Kernrollen. Status: wissenschaftlich belegt als Tendenz über Teams, nicht als Vorhersage für ein Team.
- Neue stehen unter Anpassungsdruck, und ihr Einfluss ist an Bedingungen geknüpft (Aufnahmebereitschaft, gemeinsame Identität, Konsistenz, Rolle). Dass in etablierten Teams eher die neue Person sich anpasst als das Team, ist plausibel, aber nicht validiert: Die Sozialisationsliteratur misst vor allem die Anpassung der Neuen, die Minderheitenforschung zeigt begrenzten direkten und öffentlichen Einfluss, aber keine der geprüften Quellen quantifiziert die Asymmetrie für Teamnormen im Feld.
Was sich nicht vertreten lässt
- Dass sich die gelebten Normen in Richtung der Werte des Neuzugangs bewegen: offene Hypothese.
- Dass die Normänderung der arithmetischen Verschiebung des Wertemittels entspricht: offene Hypothese, theoretisch sogar unwahrscheinlich, weil Emergenz über Interaktion und nicht über Mittelung läuft (A1) und weil der Effekt sozial verschiedener Neuer nach Phillips et al. über die Reaktion der Alteingesessenen läuft und nicht über das, was die Neuen einbringen.
- Jede Aussage über Konflikt, Zusammenhalt, Integrationserfolg oder Leistung eines konkreten Teams nach dem Zugang, jeder Schwellenwert und jeder Passungswert: offene Hypothese.
Eigene Rechnung zur Größenordnung
- Tritt eine Person bei, deren Wert um d vom bisherigen Mittel abweicht, verschiebt sich das Mittel um d/(n + 1): bei d = 1 Skalenpunkt um 0,20 (n = 4), 0,14 (n = 6), 0,11 (n = 8), 0,08 (n = 12). Die größtmögliche Verschiebung auf einer Skala von 1 bis 5 beträgt 0,80 (n = 4) bis 0,31 (n = 12). Neue Stichprobenvarianz:
s_neu^2 = [(n - 1) * s_alt^2 + n/(n + 1) * d^2] / n. Verlässt eine Person mit Abweichung d das Team, verschiebt sich das Mittel um -d/(n - 1). Status: wissenschaftlich belegt (mathematische Identität). - Zum Vergleich die Messunsicherheit eines Teammittels (Annahmen: individuelle Standardabweichung 0,8, Reliabilität .80): 95-Prozent-Band plus/minus 0,35 (n = 4), 0,29 (n = 6), 0,25 (n = 8), 0,20 (n = 12). Die simulierte Verschiebung durch eine Person liegt also meist innerhalb des Messrauschens, außer bei sehr abweichenden Personen in sehr kleinen Teams. Status: plausibel, aber nicht validiert (eigene Rechnung mit angenommenen Werten).
Gaps
- Rink et al. (2013), Summers et al. (2012), Hirst (2009) und Choi und Thompson (2005) konnten nur bibliografisch geprüft werden; die Verlagsseiten der Academy of Management antworteten mit 403.
- Keine geprüfte Feldstudie misst Teamnormen vor und nach dem Eintritt genau einer Person und setzt die Änderung mit deren Werten in Beziehung. Das ist die zentrale Evidenzlücke für das Simulationsmodul.
B5. Randbedingungen: Teamgröße, Aufgabeninterdependenz, Teamalter, neue gegenüber etablierten Teams
Takeaway
Teamgröße, Interdependenz und Bestandsdauer verändern nachweislich, wie Teams funktionieren und wie gut sich Wahrnehmungen im Team decken. Sie gehören als Kontextangaben zu jedem Teamprofil. Ob sie auch verändern, wie Werteunterschiede wirken, ist für Leistung meta-analytisch eher nicht gestützt (Wallrich et al. 2024).
Cited Findings
- Teamgröße, 329 Arbeitsgruppen: Gruppen mit 3 bis 8 Mitgliedern waren signifikant produktiver und in der Entwicklung weiter als Gruppen ab 9; Gruppen mit 3 bis 6 besser als solche mit 7 bis 10 oder ab 11; Gruppen mit 3 bis 4 auf mehreren Maßen besser als solche mit 5 bis 6. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Wheelan 2009 [A]. Klassiker zu Größe und Aufgabentyp: Hackman & Vidmar 1970 [Bibliografie S, Inhalt N].
- Interdependenz, Meta-Analyse über 107 Stichproben und 7.563 Teams: Aufgabeninterdependenz hängt vor allem über aufgabenbezogenes Funktionieren (Übergangs- und Handlungsprozesse, kollektive Wirksamkeit) mit Leistung zusammen, Ergebnisinterdependenz vor allem über beziehungsbezogenes Funktionieren (interpersonelle Prozesse, Kohäsion). Status: wissenschaftlich belegt. Quelle: Courtright et al. 2015 [A].
- Soziale Interaktion und Arbeitsinterdependenz hängen positiv mit der Übereinstimmung von Wahrnehmungen im Team zusammen. Status: wissenschaftlich belegt. Quelle: Klein et al. 2001 [A].
- Bestandsdauer, Meta-Analyse über 169 Studien und 622 Effektstärken: Teamzugehörigkeitsdauer (additiv, kollektiv und als Streuung gefasst) hängt positiv mit Teamleistung zusammen; die additive Fassung ist der wichtigste Prädiktor. Status: wissenschaftlich belegt. Quelle: Gonzalez-Mulé et al. 2020 [A].
- Für den Zusammenhang von Diversität und Leistung fanden sich Bestandsdauer und Interdependenz nicht als wesentliche Moderatoren. Status: wissenschaftlich belegt. Quelle: Wallrich et al. 2024 [A].
- Der Zusammenhang von Vertrauen und Teamleistung hängt von Aufgabeninterdependenz, Autoritäts- und Fähigkeitsdifferenzierung ab. Status: wissenschaftlich belegt. Quelle: De Jong et al. 2016 [A].
- Setting: Zusammenhänge von Zusammensetzung und Leistung unterscheiden sich zwischen Labor und Feld. Status: wissenschaftlich belegt. Quelle: Bell 2007 [A].
- Entwicklungsmodelle: Phasenmodell und Modell des unterbrochenen Gleichgewichts mit Übergang zur Projektmitte. Status: wissenschaftlich belegt (klassische Modelle). Quellen: Tuckman 1965, Gersick 1988 [jeweils Bibliografie S, Inhalt N].
Quellen zu B5 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Wheelan, S. A. (2009). Group Size, Group Development, and Group Productivity. Small Group Research, 40(2), 247-262. https://doi.org/10.1177/1046496408328703
- [N] Hackman, J. R., & Vidmar, N. (1970). Effects of Size and Task Type on Group Performance and Member Reactions. Sociometry, 33(1), 37. https://doi.org/10.2307/2786271 Im Register nur Startseite 37; Seitenbereich 37-54 aus dem Gedächtnis.
- [A] Courtright, S. H., Thurgood, G. R., Stewart, G. L., & Pierotti, A. J. (2015). Structural interdependence in teams: An integrative framework and meta-analysis. Journal of Applied Psychology, 100(6), 1825-1846. https://doi.org/10.1037/apl0000027
- [A] Gonzalez-Mulé, E., Cockburn, B. S., McCormick, B. W., & Zhao, P. (2020). Team tenure and team performance: A meta-analysis and process model. Personnel Psychology, 73(1), 151-198. https://doi.org/10.1111/peps.12319
- [N] Tuckman, B. W. (1965). Developmental sequence in small groups. Psychological Bulletin, 63(6), 384-399. https://doi.org/10.1037/h0022100
- [N] Gersick, C. J. G. (1988). Time and transition in work teams: Toward a new model of group development. Academy of Management Journal, 31(1), 9-41. https://doi.org/10.2307/256496
Inferences
- In neu gebildeten Teams haben sich Normen noch nicht herausgebildet. Geringe Übereinstimmung bei den Norm-Items ist dort zu erwarten und kein Zeichen von Konflikt. Die Plattform sollte die Bestandsdauer erfragen und bei jungen Teams die Normebene entsprechend einordnen. Status: plausibel, aber nicht validiert.
- Bei geringer Interdependenz (Arbeitsgruppe statt Team) ist nach Klein et al. weniger Übereinstimmung zu erwarten, und ein gemeinsamer Normwert verliert an Bedeutung. Interdependenz sollte erhoben werden. Status: plausibel, aber nicht validiert.
- Die Zielgröße 4 bis 12 Mitglieder deckt den Bereich ab, in dem Wheelan die produktiveren Gruppen fand, aber auch den Bereich, in dem alle Statistiken aus A2 und A3 am instabilsten sind. Status: plausibel, aber nicht validiert.
Gaps
- Tuckman, Gersick und Hackman und Vidmar wurden nur bibliografisch geprüft.
- Ob Teamgröße die Wirkung eines einzelnen Zugangs auf Normen moderiert (über die Arithmetik hinaus), ist ungeklärt.
B6. Informelle Rollen, Status, Macht und Führungsstrukturen
Takeaway
Hierarchie wirkt im Mittel leicht negativ auf Teameffektivität (Meta-Analyse: rho = -.08 für Leistung, -.11 für Viabilität), vor allem über Konflikt, und Status- und Machtunterschiede können kollektives Lernen hemmen. Rollen- und Statusstrukturen entscheiden mit, wessen Position Normen prägt. Ein gleichgewichteter Mittelwert bildet das nicht ab. Rollentypologien wie Belbin sind psychometrisch umstritten.
Cited Findings
- Meta-Analyse über 54 Studien und 13.914 Teams: Hierarchie wirkt per saldo negativ auf Teameffektivität (Leistung rho = -.08, Viabilität rho = -.11), vermittelt über konfliktfördernde Zustände. Der negative Zusammenhang ist stärker bei instabiler Mitgliedschaft, Fähigkeitsdifferenzierung und veränderlicher Hierarchie. Der angenommene positive Weg über Koordination wurde nicht gestützt, außer dass Aufgabenmehrdeutigkeit positive Effekte verstärkte. Status: wissenschaftlich belegt. Quelle: Greer et al. 2018 [A, PubMed 29369654].
- Review zu Macht, Status und Lernen: Unterschiede können kollektives Lernen beeinträchtigen; das lässt sich abmildern, wenn Bessergestellte kollektiv orientiert sind und Macht und Status "sozialisiert" einsetzen. Status: wissenschaftlich belegt (Review). Quelle: Bunderson & Reagans 2011 [A].
- Belbin: Das Team-Role Self-Perception Inventory zeigte in drei Untersuchungen wenig überzeugende Alpha-Koeffizienten, nicht erwartungsgemäße Interkorrelationen und eine unklare Faktorenstruktur, in ipsativer wie in nicht ipsativer Form. Status: wissenschaftlich belegt. Quelle: Furnham et al. 1993 [A]. Spätere Übersicht zu Entwicklung, Validität und Anwendung des Modells: Aritzeta et al. 2007 [Bibliografie S, Inhalt N].
- TREO: Sechs Teamrollen als Prädispositionen aus Erfahrung und Orientierung; Inhaltsvalidität über Expertenzuordnung, Abgrenzung von den Big Five, zeitliche Stabilität und prädiktive Validität für Peer-Urteile über Verhalten in Teamaktivitäten berichtet. Status: wissenschaftlich belegt (Instrumentenentwicklung). Quelle: Mathieu et al. 2015 [A]. Die sechs Rollen aus dem Gedächtnis [N]: Organizer, Doer, Challenger, Innovator, Team Builder, Connector.
- Kernrollen und Führung: siehe Humphrey et al. 2009 [A], Parks-Leduc et al. 2024 [A], Kearney & Gebert 2009 [A].
Quellen zu B6 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Bunderson, J. S., & Reagans, R. E. (2011). Power, Status, and Learning in Organizations. Organization Science, 22(5), 1182-1194. https://doi.org/10.1287/orsc.1100.0590
- [A] Furnham, A., Steele, H., & Pendleton, D. (1993). A psychometric assessment of the Belbin Team-Role Self-Perception Inventory. Journal of Occupational and Organizational Psychology, 66(3), 245-257. https://doi.org/10.1111/j.2044-8325.1993.tb00535.x
- [N] Aritzeta, A., Swailes, S., & Senior, B. (2007). Belbin's Team Role Model: Development, Validity and Applications for Team Building*. Journal of Management Studies, 44(1), 96-118. https://doi.org/10.1111/j.1467-6486.2007.00666.x
- [A] Mathieu, J. E., Tannenbaum, S. I., Kukenberger, M. R., Donsbach, J. S., & Alliger, G. M. (2015). Team role experience and orientation: A measure and tests of construct validity. Group & Organization Management, 40(1), 6-34. https://doi.org/10.1177/1059601114562000
Inferences
- Wer geht oder kommt, ist mindestens so wichtig wie die Verschiebung des Mittelwerts: Kernrolle, Führungsrolle, Status und Bestandsdauer der Person bestimmen ihren Einfluss. Die Simulation behandelt alle Personen gleich und unterschätzt oder überschätzt Wirkungen deshalb systematisch in unbekannter Richtung. Status: plausibel, aber nicht validiert.
- Rollenetiketten sollten nicht aus Werteprofilen abgeleitet werden. Dafür gibt es keine Evidenz, und selbst für das verbreitetste Rollenmodell ist die Messgüte umstritten. Status: plausibel, aber nicht validiert.
- Status- und Machtunterschiede beeinflussen auch das Antwortverhalten in Teambefragungen (wer sagt was über "unser Team"). Das ist ein weiterer Grund, Normen über Verteilung und Übereinstimmung und nicht über einen Punktwert zu berichten. Status: plausibel, aber nicht validiert.
Gaps
- Aritzeta et al. (2007) wurde nur bibliografisch geprüft.
- Zu informellen Rollen und Wertprofilen wurde keine verbindende Evidenz gefunden.
C1. Psychologische Sicherheit: Konstrukt, Evidenz, deutschsprachige Instrumente, Aggregation
Takeaway
Psychologische Sicherheit ist als geteilte Wahrnehmung auf Teamebene definiert, wird mit Items gemessen, deren Referent das Team ist, und gehört damit zur Normebene der Plattform, nicht zu den persönlichen Werten. Die Evidenz zu Antezedenzien und Folgen ist meta-analytisch breit (136 Stichproben). Für den deutschsprachigen PsySafety-Check ist die Existenz des ZIS-Eintrags verifiziert, die Nutzungsbedingungen für einen kommerziellen Einsatz konnten nicht geprüft werden und müssen vor Verwendung geklärt werden.
Cited Findings
- Edmondson (1999) führt psychologische Sicherheit im Team als geteilte Überzeugung ein, dass das Team ein sicherer Ort für zwischenmenschliche Risiken ist, und verbindet sie mit Lernverhalten in Arbeitsteams. Status: wissenschaftlich belegt. Quelle: Edmondson 1999 [Bibliografie S, Inhalt N; Verlagsseite 403, kein Abstract abrufbar]. Aus dem Gedächtnis [N]: Feldstudie mit 51 Arbeitsteams eines Fertigungsunternehmens, sieben Items.
- Psychologische Sicherheit beschreibt Wahrnehmungen der Folgen zwischenmenschlicher Risiken in einem bestimmten Kontext und wird auf Individual-, Gruppen- und Organisationsebene untersucht. Status: wissenschaftlich belegt (Reviews). Quellen: Edmondson & Lei 2014 [A], Edmondson & Bransby 2023 [A], Newman et al. 2017 [A].
- Meta-Analyse (136 unabhängige Stichproben, über 22.000 Personen, knapp 5.000 Gruppen): nomologisches Netz aus Antezedenzien und Folgen. Geprüft wurde unter anderem, ob psychologische Sicherheit Aufgabenleistung und Extra-Rollenverhalten über verwandte Konzepte hinaus beeinflusst (positive Führungsbeziehung, Arbeitsengagement), ob Designmerkmale und Landeskultur die Zusammenhänge verändern und ob die Effekte auf Individual- und Gruppenebene vergleichbar sind (Homologie). Zahlenwerte stehen nicht im Abstract. Status: wissenschaftlich belegt. Quelle: Frazier et al. 2017 [A].
- Deutsche Unternehmensdaten: In 47 mittelgroßen deutschen Unternehmen hingen Klima für Initiative und Klima für psychologische Sicherheit (auf Organisationsebene) positiv mit zwei Leistungsmaßen zusammen (Veränderung der Gesamtkapitalrendite im Längsschnitt und Zielerreichung) und moderierten den Zusammenhang zwischen Prozessinnovationen und Leistung. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Baer & Frese 2003 [A].
- PsySafety-Check (PS-C) von Fischer und Hüttermann: Der DOI 10.6102/zis279 ist registriert (Eintrag vom 06.05.2020) und verweist auf die Zusammenstellung sozialwissenschaftlicher Items und Skalen bei GESIS. Status: wissenschaftlich belegt (Existenz des Eintrags). Quelle: DOI-Eintrag PS-C [S nur für Registrierung und Ziel-URL https://zis.gesis.org/DoiId/zis279].
- Inhalt des PS-C nach Suchtreffern: Grundlage ist die englische Skala von Edmondson (1999); Entwicklung und Validierung mit Daten aus 2011 und 2012; Lang- und Kurzform; Konstruktvalidität über konvergente und divergente Zusammenhänge mit etablierten Teamkonstrukten; gedacht als Diagnoseinstrument für Teams. Status: wissenschaftlich belegt laut Instrumentendokumentation. Quelle: Sekundärseite zum PS-C [T; die ZIS-Seite selbst war nicht abrufbar].
- Aggregation: Konstrukte nach direktem Konsens und Referent-Shift werden üblicherweise durch Mittelung der Antworten gebildet; die Rechtfertigung läuft über Übereinstimmung im Team und Differenzierung zwischen Teams (A2). Status: wissenschaftlich belegt. Quellen: Bliese et al. 2019 [A], LeBreton & Senter 2008 [A].
Quellen zu C1 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [N] Edmondson, A. (1999). Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly, 44(2), 350-383. https://doi.org/10.2307/2666999 Verlagsseite 403, kein Abstract abrufbar.
- [A] Edmondson, A. C., & Lei, Z. (2014). Psychological Safety: The History, Renaissance, and Future of an Interpersonal Construct. Annual Review of Organizational Psychology and Organizational Behavior, 1(1), 23-43. https://doi.org/10.1146/annurev-orgpsych-031413-091305
- [A] Edmondson, A. C., & Bransby, D. P. (2023). Psychological Safety Comes of Age: Observed Themes in an Established Literature. Annual Review of Organizational Psychology and Organizational Behavior, 10(1), 55-78. https://doi.org/10.1146/annurev-orgpsych-120920-055217
- [A] Newman, A., Donohue, R., & Eva, N. (2017). Psychological safety: A systematic review of the literature. Human Resource Management Review, 27(3), 521-535. https://doi.org/10.1016/j.hrmr.2017.01.001
- [A] Frazier, M. L., Fainshmidt, S., Klinger, R. L., Pezeshkan, A., & Vracheva, V. (2017). Psychological Safety: A Meta-Analytic Review and Extension. Personnel Psychology, 70(1), 113-165. https://doi.org/10.1111/peps.12183
- [A] Baer, M., & Frese, M. (2003). Innovation is not enough: climates for initiative and psychological safety, process innovations, and firm performance. Journal of Organizational Behavior, 24(1), 45-68. https://doi.org/10.1002/job.179
- [T] Fischer, J. A., & Hüttermann, H. (2020). PsySafety-Check (PS-C): Fragebogen zur Messung psychologischer Sicherheit in Teams. Zusammenstellung sozialwissenschaftlicher Items und Skalen (ZIS), GESIS. https://doi.org/10.6102/zis279 (DOI-Registrierung vom 06.05.2020 und Ziel-URL am DOI-Eintrag geprüft; Autoren und Inhalt nur über Suchtreffer; genauer Titel und Jahr nicht an der ZIS-Seite geprüft)
Inferences
- Die Items der Originalskala haben überwiegend das Team als Referent ("in diesem Team"). Damit folgt psychologische Sicherheit der Referent-Shift-Logik und unterliegt denselben Aggregationsvoraussetzungen wie die Normskalen der Plattform. Für ein einzelnes Team ist nur die Übereinstimmung prüfbar. Status: plausibel, aber nicht validiert (Itemwortlaut aus dem Gedächtnis; einzelne Items haben nach Erinnerung des Rechercheurs einen Ich-Bezug, was am Original zu prüfen ist).
- Kommerzielle Nutzung: Ob der PS-C oder eine Übersetzung der Edmondson-Skala in einer kommerziellen Plattform ohne Zustimmung der Autoren und Rechteinhaber verwendet werden darf, ist ungeklärt. Bis zur Klärung gilt: nicht verwenden. Status: offene Frage, keine Evidenz.
- Niedrige psychologische Sicherheit kann die Messung selbst verzerren: Wer Nachteile fürchtet, antwortet in Teambefragungen eher angepasst, was Übereinstimmung vortäuschen kann. Status: plausibel, aber nicht validiert.
- Der Befund von Baer und Frese betrifft die Organisationsebene. Eine Übertragung auf Teams mit 4 bis 12 Personen ist plausibel, aber nicht validiert.
Gaps
- Nutzungsbedingungen von ZIS und des PS-C, Itemzahl, Itemwortlaut, Reliabilitäten und Normwerte konnten nicht geprüft werden (zis.gesis.org war nicht erreichbar).
- Edmondson (1999) wurde nicht über ein Abstract oder den Volltext geprüft.
- Effektstärken aus Frazier et al. (2017) wurden nicht gesehen.
- Weitere deutschsprachige Instrumente wurden nicht recherchiert.
C2. Moderiert psychologische Sicherheit, ob Unterschiedlichkeit und Dissens nützen?
Takeaway
Einzelstudien stützen psychologische Sicherheit als Bedingung, unter der Aufgabenkonflikt und bestimmte kognitive Unterschiede positiv mit Leistung zusammenhängen. Die Befunde sind aber nicht einheitlich (bei Martins et al. gegenläufig je nach Art der Diversität), und eine meta-analytische Bestätigung der Moderation für Werteunterschiede wurde nicht gefunden. Als allgemeine Regel ist "Unterschiede nützen bei hoher psychologischer Sicherheit" plausibel, aber nicht validiert.
Cited Findings
- 117 Projektteams: Das Klima psychologischer Sicherheit moderiert den Zusammenhang von Aufgabenkonflikt und Leistung. Bei hoher psychologischer Sicherheit hingen Aufgabenkonflikt und Teamleistung positiv zusammen. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Bradley et al. 2012 [A, PubMed 21728397].
- Kognitive Diversität: Bei niedrigerer psychologischer Sicherheit hing Diversität der Fachgebiete (expertise diversity) negativer mit Leistung zusammen, Diversität im Grad der Expertise (expertness diversity) dagegen positiver. Bei geringem Beziehungskonflikt hing letztere positiver mit Leistung zusammen. Status: wissenschaftlich belegt (Einzelstudie, gegenläufige Muster). Quelle: Martins et al. 2013 [A].
- Individualebene: Psychologische Sicherheit vermittelt den Zusammenhang von Diversitätsklima und Leistung; die Zusammenhänge sind für Angehörige von Minderheiten stärker. Status: wissenschaftlich belegt (Einzelstudie). Quelle: Singh et al. 2013 [A].
- Konzeptuelles Modell dazu, wann und wie Diversität die Gruppenleistung erhöht: Roberge & van Dick 2010 [Bibliografie S, Inhalt N]. Status: wissenschaftlich belegt als Theoriebeitrag, nicht als empirischer Befund.
- Konflikt-Meta-Analyse (116 Studien, 8.880 Gruppen): Aufgabenkonflikt hängt positiver mit Leistung zusammen, wo er nur schwach mit Beziehungskonflikt einhergeht. Status: wissenschaftlich belegt. Quelle: de Wit et al. 2012 [A].
- Verwandte Bedingungen: Überzeugungen zugunsten von Vielfalt (Homan et al. 2007 [A]), transformationale Führung (Kearney & Gebert 2009 [A]), kollektiv orientierter Umgang mit Macht und Status (Bunderson & Reagans 2011 [A]). Status: wissenschaftlich belegt (Einzelstudien und Review).
- Forschungsbedarf: Die Registered-Report-Meta-Analyse von 2024 nennt ausdrücklich, dass weiter zu klären ist, wie Diversitätsklima und Teamkultur die Zusammenhänge beeinflussen. Status: wissenschaftlich belegt. Quelle: Wallrich et al. 2024 [A].
Quellen zu C2 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Bradley, B. H., Postlethwaite, B. E., Klotz, A. C., Hamdani, M. R., & Brown, K. G. (2012). Reaping the benefits of task conflict in teams: The critical role of team psychological safety climate. Journal of Applied Psychology, 97(1), 151-158. https://doi.org/10.1037/a0024200 PubMed: https://pubmed.ncbi.nlm.nih.gov/21728397/
- [A] Martins, L. L., Schilpzand, M. C., Kirkman, B. L., Ivanaj, S., & Ivanaj, V. (2013). A contingency view of the effects of cognitive diversity on team performance: The moderating roles of team psychological safety and relationship conflict. Small Group Research, 44(2), 96-126. https://doi.org/10.1177/1046496412466921
- [A] Singh, B., Winkel, D. E., & Selvarajan, T. T. (2013). Managing diversity at work: Does psychological safety hold the key to racial differences in employee performance?. Journal of Occupational and Organizational Psychology, 86(2), 242-263. https://doi.org/10.1111/joop.12015
- [N] Roberge, M. É., & van Dick, R. (2010). Recognizing the benefits of diversity: When and how does diversity increase group performance?. Human Resource Management Review, 20(4), 295-308. https://doi.org/10.1016/j.hrmr.2009.09.002
Inferences
- Psychologische Sicherheit sollte neben den Wertedaten als Kontext erhoben und gezeigt werden. Eine automatische Deutung ("hohe Sicherheit, also ist eure Streuung eine Stärke") ist nicht gedeckt. Vertretbar ist ein Hinweis der Art: "Studien finden, dass Meinungsverschiedenheiten in der Sache eher mit guter Leistung einhergehen, wenn Teams sich als psychologisch sicher erleben. Für Werteunterschiede ist das nicht geprüft." Status: plausibel, aber nicht validiert.
- Kein Schwellenwert für "ausreichende" psychologische Sicherheit ist belegt. Jede Schwelle wäre eine offene Hypothese.
- Der Mechanismus bei de Wit et al. und Bradley et al. spricht dafür, Sach- und Beziehungsebene getrennt zu erfassen. Status: plausibel, aber nicht validiert.
Gaps
- Keine Meta-Analyse zur Moderation von Diversitätseffekten durch psychologische Sicherheit wurde gefunden. Ob es sie gibt, ist offen.
- Im Suchergebnis erschien ein Preprint zu Softwareteams ("The Double-Edged Sword of Diversity: How Diversity, Conflict, and Psychological Safety Impact Software Teams", https://arxiv.org/pdf/2301.12954). Inhalt und Befunde wurden nicht geprüft [T nur Titel].
- Stichprobengrößen und Effektstärken der Einzelstudien außer der Teamzahl bei Bradley et al. wurden nicht gesehen.
C3. Aufgaben- und Beziehungskonflikt; Messung gelebter Teamnormen
Takeaway
Beziehungs- und Prozesskonflikt hängen stabil negativ mit Gruppenergebnissen zusammen; für Aufgabenkonflikt ist das Bild bedingungsabhängig. Für gelebte Normen gibt es validierte Konstrukte mit Teamreferent (Stimmklima, Fehlermanagementkultur, Teamklima, Vertrauen, Klimastärke), an denen sich Itemformulierung und Validierung der Normskalen orientieren können. Vertrauen im Team hängt meta-analytisch mit Teamleistung zusammen (rho = .30).
Cited Findings
- Meta-Analyse 2003: starke negative Korrelationen von Beziehungskonflikt und, entgegen der damaligen Lehrmeinung, auch von Aufgabenkonflikt mit Teamleistung und Zufriedenheit; stärker negativ bei hochkomplexen Aufgaben; Aufgabenkonflikt weniger negativ, wo er schwach mit Beziehungskonflikt korreliert. Status: wissenschaftlich belegt. Quelle: De Dreu & Weingart 2003 [A, PubMed 12940412; Zahlenwerte nicht im Abstract].
- Meta-Analyse 2012 (116 Studien, 8.880 Gruppen): stabile negative Zusammenhänge von Beziehungs- und Prozesskonflikt mit Gruppenergebnissen; anders als 2003 kein starker negativer Zusammenhang von Aufgabenkonflikt und Leistung. Aufgabenkonflikt hing positiver mit Leistung zusammen bei schwacher Kopplung an Beziehungskonflikt, in Top-Management-Teams und bei Leistungsmaßen wie finanziellem Erfolg oder Entscheidungsqualität. Status: wissenschaftlich belegt. Quelle: de Wit et al. 2012 [A, PubMed 21842974]. Weitere Meta-Analyse auf Teamebene: O'Neill et al. 2013 [Bibliografie S, Inhalt N].
- Vertrauen, Meta-Analyse (112 Studien, 7.763 Teams): Vertrauen im Team hängt positiv mit Teamleistung zusammen (rho = .30), auch nach Kontrolle von Vertrauen in die Führung und weiteren Kovariaten; die Stärke hängt vom Ausmaß der Aufgabeninterdependenz, der Autoritäts- und der Fähigkeitsdifferenzierung ab. Status: wissenschaftlich belegt. Quelle: De Jong et al. 2016 [A, PubMed 27123697]. Mehrdimensionales Messinstrument für Vertrauen in Teams: Costa & Anderson 2011 [Bibliografie S, Inhalt N].
- Stimmklima (group voice climate): Geteilte Überzeugungen in der Gruppe über das Äußern von Ideen und Bedenken sagen individuelles Äußerungsverhalten vorher, über Identifikation, Zufriedenheit und Verfahrensgerechtigkeitsklima hinaus. Status: wissenschaftlich belegt (Einzelstudie, Mehrebenendesign). Quelle: Morrison et al. 2011 [A].
- Fehlermanagementkultur: gefasst als Normen und gängige Praktiken (über Fehler sprechen, Fehler schnell entdecken, analysieren, korrigieren); positiv mit Unternehmensleistung verbunden in 65 niederländischen und 47 deutschen Organisationen. Status: wissenschaftlich belegt (zwei Studien). Quelle: van Dyck et al. 2005 [A, PubMed 16316276].
- Klimastärke: operationalisiert als Streuung der Klimawahrnehmungen in der Einheit (je weniger Streuung, desto stärker das Klima), ausdrücklich mit Bezug auf Chans Kompositionsmodelle; in 118 Bankfilialen sagte in der prädiktiven Analyse nur die Wechselwirkung aus Klimaniveau und Klimastärke die Kundenzufriedenheit vorher. Status: wissenschaftlich belegt. Quelle: Schneider et al. 2002 [A].
- Teamklima-Inventar: Team Climate Inventory von Anderson und West (1998) für Innovationsklima in Arbeitsgruppen; deutsche Fassung als Teamklima-Inventar (Brodbeck, Anderson und West 2000, Testverlag). Status: wissenschaftlich belegt. Quellen: Anderson & West 1998 und Brodbeck et al. 2000 [N, nicht am Register geprüft].
- Deskriptive und injunktive Normen sind zu unterscheiden (was getan wird gegenüber dem, was gebilligt wird). Status: wissenschaftlich belegt. Quelle: Cialdini et al. 1990 [Bibliografie S, Inhalt N].
- Itemreferent: Gruppenreferent erhöht Übereinstimmung bei beschreibenden, senkt sie bei bewertenden Items (Klein et al. 2001 [A]); Referent-Shift sagt Leistungskriterien besser vorher (Wallace et al. 2016 [A]). Status: wissenschaftlich belegt.
Quellen zu C3 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] De Dreu, C. K. W., & Weingart, L. R. (2003). Task versus relationship conflict, team performance, and team member satisfaction: A meta-analysis. Journal of Applied Psychology, 88(4), 741-749. https://doi.org/10.1037/0021-9010.88.4.741 PubMed: https://pubmed.ncbi.nlm.nih.gov/12940412/
- [A] de Wit, F. R. C., Greer, L. L., & Jehn, K. A. (2012). The paradox of intragroup conflict: A meta-analysis. Journal of Applied Psychology, 97(2), 360-390. https://doi.org/10.1037/a0024844 PubMed: https://pubmed.ncbi.nlm.nih.gov/21842974/
- [N] O'Neill, T. A., Allen, N. J., & Hastings, S. E. (2013). Examining the "pros" and "cons" of team conflict: A team-level meta-analysis of task, relationship, and process conflict. Human Performance, 26(3), 236-260. https://doi.org/10.1080/08959285.2013.795573
- [A] De Jong, B. A., Dirks, K. T., & Gillespie, N. (2016). Trust and team performance: A meta-analysis of main effects, moderators, and covariates. Journal of Applied Psychology, 101(8), 1134-1150. https://doi.org/10.1037/apl0000110 PubMed: https://pubmed.ncbi.nlm.nih.gov/27123697/
- [N] Costa, A. C., & Anderson, N. (2011). Measuring trust in teams: Development and validation of a multifaceted measure of formative and reflective indicators of team trust. European Journal of Work and Organizational Psychology, 20(1), 119-154. https://doi.org/10.1080/13594320903272083
- [A] Morrison, E. W., Wheeler-Smith, S. L., & Kamdar, D. (2011). Speaking up in groups: A cross-level study of group voice climate and voice. Journal of Applied Psychology, 96(1), 183-191. https://doi.org/10.1037/a0020744
- [A] van Dyck, C., Frese, M., Baer, M., & Sonnentag, S. (2005). Organizational Error Management Culture and Its Impact on Performance: A Two-Study Replication. Journal of Applied Psychology, 90(6), 1228-1240. https://doi.org/10.1037/0021-9010.90.6.1228 PubMed: https://pubmed.ncbi.nlm.nih.gov/16316276/
- [N] Cialdini, R. B., Reno, R. R., & Kallgren, C. A. (1990). A focus theory of normative conduct: Recycling the concept of norms to reduce littering in public places. Journal of Personality and Social Psychology, 58(6), 1015-1026. https://doi.org/10.1037/0022-3514.58.6.1015
- [N] Anderson, N. R., & West, M. A. (1998). Measuring climate for work group innovation: Development and validation of the team climate inventory. Journal of Organizational Behavior, 19(3), 235-258. Sowie: Brodbeck, F. C., Anderson, N., & West, M. A. (2000). TKI Teamklima-Inventar. Hogrefe. (Beide aus dem Gedächtnis, nicht am Register geprüft)
Inferences
- Formulierungsregeln für Normitems (eigener Vorschlag): Teamreferent ("In unserem Team ..."), beschreibend und verhaltensnah statt bewertend, mit Zeitbezug ("in den letzten drei Monaten"), deskriptive Norm (was tatsächlich geschieht) getrennt von injunktiver Norm (was erwartet wird) und getrennt von persönlicher Wichtigkeit. Status: plausibel, aber nicht validiert.
- Neben dem Niveau gehört die Stärke einer Norm (Streuung) in den Bericht. Der Befund von Schneider et al. legt nahe, dass erst beides zusammen aussagekräftig ist. Status: plausibel, aber nicht validiert (Befund aus dem Kundenservice-Kontext).
- Etablierte Skalen (Stimmklima, Fehlermanagementkultur, psychologische Sicherheit, Vertrauen) eignen sich als konvergente Anker in der Validierung eigener Normskalen. Rechte und Lizenzen sind jeweils zu klären. Status: plausibel, aber nicht validiert.
- Die Größenordnung rho = .30 für Vertrauen, einen der am besten belegten Teamprädiktoren, setzt eine realistische Obergrenze für Erwartungen an wertebasierte Kennzahlen. Status: plausibel, aber nicht validiert.
Gaps
- Team Climate Inventory und deutsches Teamklima-Inventar wurden nicht geprüft (Itemzahl, Skalen, Lizenz).
- Zu partizipativer Entscheidungsfindung als Teamnorm wurde kein Instrument recherchiert.
- Ein validiertes deutschsprachiges Referent-Shift-Inventar speziell für wertebezogene Teamnormen wurde nicht gefunden.
D1. Validierungsdesigns: Entsprechen simulierte arithmetische Änderungen den beobachteten Normänderungen nach einem Zugang?
Takeaway
Die zu prüfende Behauptung ist eng: Sagt die rechnerische Verschiebung der Wertezusammensetzung die später beobachtete Änderung der wahrgenommenen Normen vorher? Das verlangt ein prospektives Längsschnittdesign über viele Teams mit mindestens einer, besser zwei Messungen vor dem Eintritt, Folgemessungen nach 3, 6 und 12 Monaten, Vergleichsteams ohne Wechsel und Präregistrierung. Die Analysemethoden sind vorhanden (Wachstumsmodelle, diskontinuierliche Wachstumsmodelle, Consensus Emergence Model, Differenz-von-Differenzen). Was fehlt, sind Daten.
Cited Findings
- Längsschnittforschung: Übersicht zu Theorie, Design und Analyse von Veränderung mit Checklisten und einem Vergleich dreier Strategien (Messwiederholungs-GLM, Random-Coefficient-Modelle, latente Wachstumsmodelle). Status: wissenschaftlich belegt. Quelle: Ployhart & Vandenberg 2010 [A]. Die oft zitierte Forderung nach mindestens drei Messwellen ist aus dem Gedächtnis [N].
- Wachstumsmodelle mit Random-Coefficient-Modellen: schrittweise Modellbildung im Modellvergleich, mit R-Code. Status: wissenschaftlich belegt. Quelle: Bliese & Ployhart 2002 [A].
- Diskontinuierliche Wachstumsmodelle: für Messreihen, die von geplanten oder ungeplanten Ereignissen unterbrochen werden; alternative Zeitkodierungen erlauben, relative und absolute Veränderung im Übergang und danach zu testen, auch wenn Ereignisse zu verschiedenen Zeitpunkten auftreten. Status: wissenschaftlich belegt. Quelle: Bliese & Lang 2016 [A]. Die Paketfunktion dgm.code erzeugt die Kodierung für Ereignisse, die je Gruppe zu unterschiedlichen Zeiten eintreten, mit Personalwechsel als Beispiel: R-Paket multilevel [S].
- Consensus Emergence Model: prüft formal, ob die Streuung innerhalb von Gruppen über die Zeit abnimmt, mit Prädiktoren auf drei Ebenen. Status: wissenschaftlich belegt. Quelle: Lang, Bliese & de Voogt 2018 [A]. Poweranalysen dazu: Lang, Bliese & Runge 2021 [A].
- Teamprozesse sind theoretisch dynamisch, wurden aber überwiegend statisch untersucht; gefordert werden angepasste Methoden, neue Messtechniken und neue Paradigmen. Status: wissenschaftlich belegt (Review). Quelle: Kozlowski 2015 [A].
- Beispiele realisierter Designs: Längsschnitt-Panel mit 47 Teams und objektivem Leistungsmaß (van der Vegt et al. 2010 [A]); 65 Projektteams mit wiederholter Messung der Leistung von Neuzugängen (Chen 2005, Design über Paketdokumentation [S]).
- Fehlende Werte: Nichtteilnahme verzerrt Übereinstimmungs- und Dispersionsmaße um bis zu 20 Prozent. Status: wissenschaftlich belegt. Quelle: Newman & Sin 2009 [A].
- Weitere methodische Grundlagen (nur bibliografisch geprüft, Inhalt [N]): latente Veränderungsmodelle (McArdle 2009), Messinvarianz über die Zeit (Vandenberg & Lance 2000), Differenz-von-Differenzen mit gestaffelten Ereigniszeitpunkten (Callaway & Sant'Anna 2021), synthetische Kontrolle mit ihren Datenanforderungen (Abadie et al. 2010, Abadie 2021), Regression zur Mitte (Barnett et al. 2005), Validitätsbedrohungen quasi-experimenteller Designs (Shadish, Cook & Campbell 2002, Buch). Status: wissenschaftlich belegt.
Quellen zu D1 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Ployhart, R. E., & Vandenberg, R. J. (2010). Longitudinal Research: The Theory, Design, and Analysis of Change. Journal of Management, 36(1), 94-120. https://doi.org/10.1177/0149206309352110
- [A] Bliese, P. D., & Ployhart, R. E. (2002). Growth Modeling Using Random Coefficient Models: Model Building, Testing, and Illustrations. Organizational Research Methods, 5(4), 362-387. https://doi.org/10.1177/109442802237116
- [A] Bliese, P. D., & Lang, J. W. B. (2016). Understanding relative and absolute change in discontinuous growth models: Coding alternatives and implications for hypothesis testing. Organizational Research Methods, 19(4), 562-592. https://doi.org/10.1177/1094428116633502
- [A] Kozlowski, S. W. J. (2015). Advancing research on team process dynamics: Theoretical, methodological, and measurement considerations. Organizational Psychology Review, 5(4), 270-299. https://doi.org/10.1177/2041386614533586
- [N] McArdle, J. J. (2009). Latent Variable Modeling of Differences and Changes with Longitudinal Data. Annual Review of Psychology, 60(1), 577-605. https://doi.org/10.1146/annurev.psych.60.110707.163612
- [N] Vandenberg, R. J., & Lance, C. E. (2000). A Review and Synthesis of the Measurement Invariance Literature: Suggestions, Practices, and Recommendations for Organizational Research. Organizational Research Methods, 3(1), 4-70. https://doi.org/10.1177/109442810031002
- [N] Callaway, B., & Sant'Anna, P. H. (2021). Difference-in-Differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. https://doi.org/10.1016/j.jeconom.2020.12.001
- [N] Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505. https://doi.org/10.1198/jasa.2009.ap08746
- [N] Abadie, A. (2021). Using Synthetic Controls: Feasibility, Data Requirements, and Methodological Aspects. Journal of Economic Literature, 59(2), 391-425. https://doi.org/10.1257/jel.20191450
- [N] Barnett, A. G., van der Pols, J. C., & Dobson, A. J. (2005). Regression to the mean: what it is and how to deal with it. International Journal of Epidemiology, 34(1), 215-220. https://doi.org/10.1093/ije/dyh299 Im Register nur Erstautor; Koautoren aus dem Gedächtnis ergänzt.
- [N] Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin. Buch ohne DOI, nicht geprüft.
- [S] Bliese, P. D., Kautz, J., & Lang, J. W. B. (2020). Discontinuous growth models: Illustrations, recommendations, and an R function for generating the design matrix. In Y. Griep & S. D. Hansen (Eds.), Handbook on the temporal dynamics of organizational behavior (pp. 319-350). Edward Elgar. (Referenz in der Dokumentation des Pakets multilevel gelesen, Kapitel selbst nicht)
Inferences
Der folgende Designvorschlag ist eine Ableitung des Rechercheurs. Status insgesamt: plausibel, aber nicht validiert.
Fragestellung und Schätzgröße
- Primäre Schätzgröße: Zusammenhang zwischen der simulierten Verschiebung je Wertedimension (aus den persönlichen Werten des Neuzugangs, d/(n + 1)) und der beobachteten Änderung der Normwahrnehmung der Bestandsmitglieder zwischen der Messung vor dem Eintritt und 6 Monaten danach, relativ zur Änderung in Vergleichsteams.
- Erwartung laut Theorie und Literatur (A1, B4): kein oder ein schwacher Zusammenhang. Deshalb vorab Äquivalenzgrenzen festlegen, damit "keine Entsprechung" ein prüfbares Ergebnis ist und kein bloßes Ausbleiben von Signifikanz.
Design
- Einheit ist das Team. Eingeschlossen werden Teams mit 4 bis 12 Mitgliedern und einem geplanten einzelnen Zugang oder Abgang. Vergleichsteams ohne Wechsel aus denselben Organisationen und Zeiträumen.
- Messzeitpunkte: T-1 etwa 4 bis 8 Wochen vor dem Eintritt, wenn möglich zusätzlich T-2 (Vortrend und Stabilität), danach 3, 6 und 12 Monate. Begründung: 3 Monate für frühe Störung und Anpassung, 6 Monate für das primäre Kriterium, 12 Monate für Dauerhaftigkeit. Die Abstände sind eine pragmatische Setzung; eine empirisch begründete Zeitskala der Normänderung wurde nicht gefunden.
- Neuzugang: persönliche Werte vor dem Eintritt, Normwahrnehmung ab 3 Monaten. Bestandsmitglieder: beide Ebenen zu allen Zeitpunkten.
- Kontext je Zeitpunkt: Teamgröße, Bestandsdauer, Interdependenz, Rolle des Neuzugangs (Kernrolle, Führungsrolle), Führungswechsel, weitere Wechsel, Reorganisation, psychologische Sicherheit, Rücklauf.
Auswertung
- Teamebene: Regression der beobachteten Änderung auf die simulierte Verschiebung mit Kontrolle des Ausgangswerts und Vergleichsgruppe (Differenz-von-Differenzen, bei gestaffelten Eintritten mit dafür geeigneten Schätzern).
- Mehrebenenmodell mit Messzeitpunkten in Personen in Teams und Ereigniskodierung für den Eintritt (diskontinuierliches Wachstumsmodell): Sprung beim Eintritt und Verlauf danach, moderiert durch die simulierte Verschiebung.
- Consensus Emergence Model: Nimmt die Streuung nach dem Eintritt zunächst zu und dann wieder ab, und nähert sich die Wahrnehmung des Neuzugangs der der Bestandsmitglieder an?
- Messinvarianz der Normskalen über die Zeit prüfen, bevor Mittelwertänderungen interpretiert werden.
- Synthetische Kontrolle ist mit ein bis zwei Vormessungen nicht sinnvoll einsetzbar. Sie käme nur für Teams mit langer Befragungshistorie als beschreibende Ergänzung in Frage.
Bedrohungen und Gegenmaßnahmen
- Regression zur Mitte: Teams mit extremen Ausgangswerten bewegen sich ohne jede Ursache zur Mitte. Gegenmittel: zwei Vormessungen, Vergleichsteams, Kontrolle des Ausgangswerts. Je niedriger die Reliabilität des Teammittels (A2), desto stärker der Effekt.
- Zeitgeschehen: Reorganisation, Saison, Konjunktur. Gegenmittel: zeitgleiche Vergleichsteams derselben Organisation.
- Selektion: Wer in welches Team kommt, ist nicht zufällig; Führungskräfte wählen oft ähnliche Personen. Die simulierte Verschiebung hat dadurch wenig Varianz, und Auswahlgründe hängen mit der Teamentwicklung zusammen. Randomisierung ist kaum möglich; Auswahlprozess dokumentieren, natürliche Zuweisungen (Rotation, Traineeprogramme) nutzen.
- Führungswechsel und Mehrfachwechsel: erfassen und getrennt auswerten oder ausschließen.
- Reaktivität: Die Plattform ist selbst eine Intervention. Teams, die ihr Profil sehen und besprechen, ändern womöglich deshalb ihre Normen. In der Validierungskohorte Rückmeldung zeitlich staffeln oder zurückhalten.
- Instrumentierung: verändertes Skalenverständnis über die Zeit, Deckeneffekte.
- Ausfall und Nichtteilnahme: Mindestrücklauf je Team und Zeitpunkt festlegen; in kleinen Teams verändert eine fehlende Person die Kennwerte deutlich.
- Mechanik der Teamgröße: Mit n + 1 Personen ändern sich Übereinstimmungs- und Streuungsmaße schon rechnerisch (A2, A3). Primäres Kriterium deshalb nur über die Bestandsmitglieder bilden.
Deutungsregel
- Selbst ein nachgewiesener Zusammenhang auf Teamebene belegt eine Tendenz über viele Teams und keine Vorhersage für ein einzelnes Team. Ergebnisse wären mit Vorhersageintervallen für Einzelteams zu berichten. Status: plausibel, aber nicht validiert.
Gaps
- Keine geprüfte Quelle begründet empirisch, wie schnell sich Teamnormen nach einem Wechsel ändern. Die Zeitpunkte 3, 6 und 12 Monate sind eine Setzung.
- Shadish, Cook und Campbell (2002) sowie die Arbeiten zu latenten Veränderungsmodellen, Differenz-von-Differenzen, synthetischer Kontrolle und Regression zur Mitte wurden nur bibliografisch geprüft.
- Eine veröffentlichte Studie mit genau diesem Design (Werte des Neuzugangs, Normen vor und nach dem Eintritt, Vergleichsteams) wurde nicht gefunden.
D2. Stichprobenumfang auf Teamebene und für die Pilot-Psychometrie
Takeaway
Auf Teamebene entscheidet die Zahl der Teams. Simulationsstudien zeigen verzerrte Standardfehler der Varianzkomponenten auf Ebene 2 bei 50 oder weniger Gruppen, und kleine Effekte auf Ebene 2 sind selbst mit 200 Clustern nicht verlässlich nachweisbar. Für die Kernfrage (Korrelation auf Teamebene) braucht es je nach erwarteter Stärke grob 85 bis 200 Teams. Eine Validierung mit 20 oder 30 Teams kann die Frage nicht beantworten.
Cited Findings
- Simulationsstudie: Nur eine kleine Stichprobe auf Ebene 2 (50 oder weniger) führt zu verzerrten Standardfehlern auf Ebene 2; in allen anderen Bedingungen waren Regressionskoeffizienten, Varianzkomponenten und Standardfehler unverzerrt und genau. Status: wissenschaftlich belegt. Quelle: Maas & Hox 2005 [A].
- Einführung in Teststärke bei Mehrebenenmodellen für die Organisationsforschung: Berechnungen für feste Effekte, Varianzkomponenten und Cross-Level-Interaktionen, Diskussion von Faustregeln und Software. Status: wissenschaftlich belegt. Quelle: Scherbaum & Ferreter 2009 [A].
- Cross-Level-Interaktionen: Die Teststärke hängt von der Größe der Interaktion, der Streuung der Steigungen und den Stichprobengrößen beider Ebenen ab; ein Monte-Carlo-Werkzeug liegt vor. Status: wissenschaftlich belegt. Quelle: Mathieu et al. 2012 [A].
- Tutorial mit Simulation: Kleine direkte Effekte auf Ebene 2 und kleine Cross-Level-Interaktionen sind mit bis zu 200 Clustern nicht nachweisbar. Status: wissenschaftlich belegt. Quelle: Arend & Schäfer 2019 [A].
- Tests auf Steigungsvarianz: Weder Gruppenzahl noch Gruppengröße beeinflussten den Fehler erster Art; die Gruppengröße wirkte stärker auf die Teststärke als die Gruppenzahl; der einseitige Likelihood-Ratio-Test bot die beste Balance. Status: wissenschaftlich belegt. Quelle: LaHuis & Ferguson 2009 [A].
- Consensus Emergence Model: Poweranalyse für Haupt- und Moderatoreffekte unter typischen Szenarien, mit R-Werkzeug; die Verteilung der Gesamtstichprobe auf die Ebenen beeinflusst die Teststärke. Status: wissenschaftlich belegt. Quelle: Lang, Bliese & Runge 2021 [A].
- Korrelationen auf Gruppenebene werden durch Gruppengröße und ICC(1) beeinflusst und sind bei unreliablen Gruppenmitteln abgeschwächt. Status: wissenschaftlich belegt. Quelle: Bliese 1998 [A].
- Zur Pilot-Psychometrie (nur bibliografisch geprüft, Inhalt [N]): Stabilisierung von Korrelationen (Schönbrodt & Perugini 2013), Stichprobenanforderungen für Strukturgleichungsmodelle (Wolf et al. 2013), Mehrebenen-Strukturgleichungsmodelle bei kleinen Stichproben (Hox & Maas 2001), kleine Stichproben auf Ebene 2 (McNeish & Stapleton 2016). Status: wissenschaftlich belegt.
Quellen zu D2 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Maas, C. J. M., & Hox, J. J. (2005). Sufficient Sample Sizes for Multilevel Modeling. Methodology, 1(3), 86-92. https://doi.org/10.1027/1614-2241.1.3.86
- [A] Scherbaum, C. A., & Ferreter, J. M. (2009). Estimating Statistical Power and Required Sample Sizes for Organizational Research Using Multilevel Modeling. Organizational Research Methods, 12(2), 347-367. https://doi.org/10.1177/1094428107308906
- [A] Mathieu, J. E., Aguinis, H., Culpepper, S. A., & Chen, G. (2012). Understanding and estimating the power to detect cross-level interaction effects in multilevel modeling. Journal of Applied Psychology, 97(5), 951-966. https://doi.org/10.1037/a0028380
- [A] Arend, M. G., & Schäfer, T. (2019). Statistical power in two-level models: A tutorial based on Monte Carlo simulation. Psychological Methods, 24(1), 1-19. https://doi.org/10.1037/met0000195
- [A] LaHuis, D. M., & Ferguson, M. W. (2009). The accuracy of significance tests for slope variance components in multilevel random coefficient models. Organizational Research Methods, 12(3), 418-435. https://doi.org/10.1177/1094428107308984 (Bibliografie über Crossref-Suche geprüft)
- [A] Lang, J. W. B., Bliese, P. D., & Runge, J. M. (2021). Detecting Consensus Emergence in Organizational Multilevel Data: Power Simulations. Organizational Research Methods, 24(2), 319-341. https://doi.org/10.1177/1094428119873950 Frei zugängliche Fassung laut Suchtreffer: https://ore.exeter.ac.uk/repository/handle/10871/38419
- [N] McNeish, D. M., & Stapleton, L. M. (2016). The Effect of Small Sample Size on Two-Level Model Estimates: A Review and Illustration. Educational Psychology Review, 28(2), 295-314. https://doi.org/10.1007/s10648-014-9287-x
- [N] Schönbrodt, F. D., & Perugini, M. (2013). At what sample size do correlations stabilize?. Journal of Research in Personality, 47(5), 609-612. https://doi.org/10.1016/j.jrp.2013.05.009
- [N] Wolf, E. J., Harrington, K. M., Clark, S. L., & Miller, M. W. (2013). Sample Size Requirements for Structural Equation Models. Educational and Psychological Measurement, 73(6), 913-934. https://doi.org/10.1177/0013164413495237
- [N] Hox, J. J., & Maas, C. J. M. (2001). The Accuracy of Multilevel Structural Equation Modeling With Pseudobalanced Groups and Small Samples. Structural Equation Modeling: A Multidisciplinary Journal, 8(2), 157-174. https://doi.org/10.1207/s15328007sem0802_1
Inferences
- Eigene Rechnung (Fisher-z-Näherung, zweiseitig, Alpha .05, Teststärke 80 %): Für eine Korrelation auf Teamebene von .50 braucht es rund 30 Teams, für .40 rund 47, für .30 rund 85, für .20 rund 194, für .10 rund 783. Ein 95-Prozent-Konfidenzintervall um r = .30 reicht bei 30 Teams von -.07 bis .60, bei 50 Teams von .02 bis .53, bei 100 Teams von .11 bis .47, bei 200 Teams von .17 bis .42. Status: wissenschaftlich belegt (Standardformel); welche Effektstärke realistisch ist, ist offen.
- Da Teammittel in kleinen Teams wenig reliabel sind (A2), fallen beobachtete Korrelationen kleiner aus als die wahren. Planungswerte sollten eher bei .20 als bei .30 ansetzen. Mit den bekannten Größenordnungen gut belegter Teamprädiktoren (rho = .30 für Vertrauen, rho = -.08 für Hierarchie) ist ein großer Effekt für wertebasierte Kennzahlen nicht zu erwarten. Status: plausibel, aber nicht validiert.
- Stufenplan (eigener Vorschlag, plausibel, aber nicht validiert): (1) Pilot auf Personenebene mit einigen hundert Befragten für Itemanalyse, Faktorenstruktur und Reliabilität; (2) Pilot auf Teamebene mit mindestens 50 Teams, um ICC(1), ICC(2) und Übereinstimmung der Normskalen überhaupt schätzen zu können; (3) Hauptstudie mit 150 bis 200 Teams mit Wechsel plus Vergleichsteams, zuzüglich eines Zuschlags für Ausfälle. Konkrete Zahlen sollten über eine Simulation mit den Pilotwerten festgelegt werden (zum Beispiel mit der Funktion sim.icc des Pakets multilevel).
- Der Auftrag nannte "LaHuis et al." ohne Titel. Geprüft ist LaHuis und Ferguson (2009). Im Register steht außerdem ein Handbuchkapitel von LaHuis, Blackmore und Bryant-Lees (2019) zu Maßen erklärter Varianz. Welche Arbeit gemeint war, ist offen.
Gaps
- Konkrete Mindestzahlen für Teams zur Schätzung von ICC(1) und ICC(2) mit vorgegebener Genauigkeit wurden nicht aus einer geprüften Quelle entnommen.
- Empfehlungen zu Stichprobengrößen für die Pilot-Psychometrie sind nur bibliografisch geprüft; konkrete Zahlen aus diesen Arbeiten sind bewusst nicht genannt.
D3. Anforderungen an ein späteres empirisches Prognosemodell und was "validiert" heißen müsste
Takeaway
Für Prognosemodelle gibt es mit TRIPOD+AI (2024, 27 Punkte) und PROBAST beziehungsweise PROBAST+AI (2025) ausgearbeitete Standards aus der klinischen Forschung, die sich sinngemäß übertragen lassen: Protokoll und Präregistrierung, ausreichende Stichprobe, saubere Trennung von Entwicklung und Validierung, Bericht von Diskrimination und Kalibrierung, Prüfung von Fairness. "Validiert" dürfte erst heißen: in unabhängigen Teams prospektiv bestätigt, kalibriert, mit ausgewiesener Unsicherheit und geprüft auf Benachteiligung.
Cited Findings
- TRIPOD+AI (2024) gibt harmonisierte Berichtsempfehlungen für Studien, die ein Prognosemodell entwickeln oder dessen Leistung evaluieren, unabhängig davon, ob Regression oder maschinelles Lernen verwendet wird. Die erweiterte Checkliste hat 27 Punkte und ersetzt die Fassung von 2015, die nicht mehr verwendet werden soll. Status: wissenschaftlich belegt (Leitlinie). Quelle: Collins et al. 2024 [A].
- PROBAST (2019) bewertet das Verzerrungsrisiko und die Anwendbarkeit von Primärstudien, die multivariable Prognosemodelle entwickeln oder validieren. Status: wissenschaftlich belegt (Bewertungsinstrument). Quelle: Wolff et al. 2019 [A]. Aus dem Gedächtnis [N]: vier Domänen (Teilnehmende, Prädiktoren, Ergebnis, Analyse) mit 20 Signalfragen.
- PROBAST+AI (2025) aktualisiert das Instrument für Regression und Verfahren der künstlichen Intelligenz, mit Bewertung unter anderem der Domänen Teilnehmende und Datenquellen, Prädiktoren und Ergebnis, und kann das ursprüngliche Instrument ersetzen. Status: wissenschaftlich belegt. Quelle: Moons et al. 2025 [A].
- Stichprobe: Viele Prognosemodelle werden mit zu kleinen Datensätzen entwickelt, was zu ungenauen Vorhersagen führt; für die Berechnung der nötigen Stichprobe gibt es eine Anleitung. Status: wissenschaftlich belegt. Quelle: Riley et al. 2020 [A].
- Kalibrierung: Sie erhält zu wenig Beachtung; schlecht kalibrierte Algorithmen können irreführen und schaden. Kalibrierung ist bei der Validierung zu prüfen, Modelle sind bei Bedarf zu aktualisieren. Status: wissenschaftlich belegt. Quelle: Van Calster et al. 2019 [A].
- Vorhersage statt Erklärung, Kreuzvalidierung und Überanpassung in der Psychologie: Yarkoni & Westfall 2017 [Bibliografie S, Inhalt N]. Präregistrierung: Nosek et al. 2018 [N, DOI im Register nicht gefunden]. Status: wissenschaftlich belegt.
- Größenordnungen etablierter Teamprädiktoren: rho = .30 für Vertrauen (De Jong et al. 2016 [A]), rho = -.08 für Hierarchie (Greer et al. 2018 [A]), Betrag von r unter .1 für Diversität (Wallrich et al. 2024 [A]). Status: wissenschaftlich belegt.
Quellen zu D3 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] Collins, G. S., Moons, K. G. M., Dhiman, P., Riley, R. D., Beam, A. L., Van Calster, B., et al. (2024). TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ, 385, e078378. https://doi.org/10.1136/bmj-2023-078378
- [A] Wolff, R. F., Moons, K. G., Riley, R. D., Whiting, P. F., Westwood, M., Collins, G. S., et al. (2019). PROBAST: A Tool to Assess the Risk of Bias and Applicability of Prediction Model Studies. Annals of Internal Medicine, 170(1), 51-58. https://doi.org/10.7326/m18-1376
- [A] Moons, K. G. M., Damen, J. A. A., Kaul, T., Hooft, L., Andaur Navarro, C., Dhiman, P., et al. (2025). PROBAST+AI: an updated quality, risk of bias, and applicability assessment tool for prediction models using regression or artificial intelligence methods. BMJ, 388, e082505. https://doi.org/10.1136/bmj-2024-082505
- [A] Riley, R. D., Ensor, J., Snell, K. I. E., Harrell, F. E., Martin, G. P., Reitsma, J. B., et al. (2020). Calculating the sample size required for developing a clinical prediction model. BMJ, m441. https://doi.org/10.1136/bmj.m441
- [A] Van Calster, B., McLernon, D. J., van Smeden, M., Wynants, L., & Steyerberg, E. W. (2019). Calibration: the Achilles heel of predictive analytics. BMC Medicine, 17(1). https://doi.org/10.1186/s12916-019-1466-7
- [N] Yarkoni, T., & Westfall, J. (2017). Choosing Prediction Over Explanation in Psychology: Lessons From Machine Learning. Perspectives on Psychological Science, 12(6), 1100-1122. https://doi.org/10.1177/1745691617693393
- [N] Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600-2606. (Aus dem Gedächtnis; der vermutete DOI 10.1073/pnas.1708274115 wurde im Register nicht gefunden)
Inferences
Was "validiert" heißen müsste, bevor irgendeine Aussage über Teamleistung gemacht wird (eigener Vorschlag in Stufen; Status: plausibel, aber nicht validiert):
- Messqualität: Faktorenstruktur, Reliabilität auf Personen- und Teamebene, Aggregationsstatistiken, Messinvarianz über Zeit und Gruppen für beide Datenebenen.
- Kriterium: vorab definiertes, nicht nur selbstberichtetes Leistungskriterium aus unabhängiger Quelle, mit eigener Reliabilitätsprüfung.
- Entwicklung: präregistriertes Protokoll mit Prädiktoren, Kriterium, Analyseplan und Stichprobenplanung; Entwicklungsdatensatz mit ausreichend vielen Teams.
- Validierung: prospektive Prüfung an Teams, die an der Entwicklung nicht beteiligt waren, idealerweise aus anderen Organisationen; Bericht von Vorhersagegüte außerhalb der Stichprobe, Kalibrierung und Unsicherheit.
- Zusatznutzen: Vergleich mit einfachen Basismodellen (Vorleistung, Teamgröße, Bestandsdauer). Ein Modell, das diese nicht übertrifft, ist nicht nützlich.
- Fairness: Güte und Kalibrierung getrennt nach relevanten Gruppen; Prüfung, ob Empfehlungen systematisch bestimmte Personengruppen benachteiligen.
- Übertragbarkeit und Aktualisierung: Wiederholung in neuen Kontexten, Überwachung über die Zeit.
- Wirkungsprüfung: Nachweis, dass Entscheidungen mit dem Modell zu besseren Ergebnissen führen als ohne. Vorhersagegüte allein belegt keinen Nutzen.
Weitere Ableitungen:
- Bis Stufe 4 erfüllt ist, sind ein einzelner Passungswert und jede Leistungsprognose wissenschaftlich nicht gedeckt. Das stützt die Vorgabe des Auftraggebers. Status: plausibel, aber nicht validiert (normative Ableitung aus den Standards).
- Die genannten Standards stammen aus der Medizin. Ihre Übertragung auf Personal- und Teamentscheidungen ist eine Analogie. Für das Fachgebiet einschlägige Normen der Eignungsdiagnostik und die rechtliche Einordnung (unter anderem EU-Verordnung über künstliche Intelligenz) wurden hier nicht geprüft; siehe die Notizen zu Recht und Regulierung.
- Angesichts der kleinen Effekte gut belegter Teamprädiktoren ist die realistische Erwartung für ein wertebasiertes Prognosemodell ein kleiner Zusatznutzen. Das sollte vor einer Investition in eine Prognosefunktion offen benannt werden. Status: plausibel, aber nicht validiert.
Gaps
- Die einzelnen Punkte der TRIPOD+AI-Checkliste (zum Beispiel zu Fairness, offener Wissenschaft, Datenaufteilung) und die Signalfragen von PROBAST wurden nicht im Wortlaut gelesen (www.bmj.com nicht erreichbar).
- Fachspezifische Standards (Standards for Educational and Psychological Testing, DIN 33430) wurden in dieser Recherche nicht geprüft.
D4. Kommunikation statistischer Unsicherheit und Vermeidung von Scheingenauigkeit
Takeaway
Unsicherheit offen zu zeigen kostet nach experimenteller Evidenz wenig Vertrauen, vor allem wenn sie numerisch als Bereich angegeben wird. Die Form zählt: Konfidenzintervalle um Mittelwerte verleiten dazu, Effekte zu überschätzen und die Streuung einzelner Fälle zu unterschätzen. Für Teams mit 4 bis 12 Personen sind Mittelwert und Streuung so ungenau, dass Nachkommastellen, Prozentwerte und Rangfolgen Scheingenauigkeit erzeugen.
Cited Findings
- Rahmenmodell zur Kommunikation epistemischer Unsicherheit über Fakten, Zahlen und Wissenschaft mit zwei Ebenen (direkte Unsicherheit über die Aussage, indirekte über die Qualität der Evidenz). Die Literatur zu den Wirkungen ist begrenzt; es gibt Hinweise, dass die Kommunikation von Unsicherheit das Publikum nicht zwangsläufig negativ beeinflusst, mit Unterschieden nach Person und Format. Status: wissenschaftlich belegt (Review). Quelle: van der Bles et al. 2019 [A].
- Fünf Experimente einschließlich eines Feldexperiments auf einer Nachrichtenseite (insgesamt n = 5.780): Menschen nehmen kommunizierte Unsicherheit wahr; das Vertrauen in die Zahlen und in die Quelle sinkt nur wenig, und überwiegend bei verbaler statt numerischer Angabe der Unsicherheit. Status: wissenschaftlich belegt. Quelle: van der Bles et al. 2020 [A].
- Zwei Experimente: Werden 95-Prozent-Konfidenzintervalle statt Vorhersageintervallen gezeigt, überschätzen Betrachtende die Wirkung einer Maßnahme und sind bereit, mehr dafür zu zahlen. Die Darstellung inferenzieller Unsicherheit führt dazu, dass die Streuung individueller Ergebnisse unterschätzt wird. Vorhersageintervalle und animierte hypothetische Ergebnisdarstellungen schneiden besser ab. Status: wissenschaftlich belegt. Quelle: Hofman et al. 2020 [A].
- Hypothetische Ergebnisdarstellungen (animierte Einzelziehungen) führten zu deutlich genaueren Urteilen bei Vergleichen von zwei und drei Größen als Fehlerbalken und Violinplots. Status: wissenschaftlich belegt. Quelle: Hullman et al. 2015 [A].
- Balkendiagramme mit Fehlerbalken haben Nachteile für Schlüsse aus unsicheren Daten; Verlaufsdarstellungen mit Transparenz und Violinplots werden als bessere Alternativen für inferenzielle Aufgaben vorgeschlagen. Status: wissenschaftlich belegt. Quelle: Correll & Gleicher 2014 [A].
- Weitere Grundlagen (nur bibliografisch geprüft, Inhalt [N]): Überblick zu Risiko- und Unsicherheitskommunikation (Spiegelhalter 2017), verständliche Gesundheitsstatistik und natürliche Häufigkeiten (Gigerenzer et al. 2007), Quantil-Punktdiagramme für Laien (Kay et al. 2016). Status: wissenschaftlich belegt.
Quellen zu D4 (Kennzeichen = Verifikationsstatus des Inhalts; Bibliografie am Crossref-Register geprüft, sofern nicht anders vermerkt; Jahr = Jahr des Heftes; Untertitel teils ergänzt)
- [A] van der Bles, A. M., van der Linden, S., Freeman, A. L. J., Mitchell, J., Galvao, A. B., Zaval, L., & Spiegelhalter, D. J. (2019). Communicating uncertainty about facts, numbers and science. Royal Society Open Science, 6(5), 181870. https://doi.org/10.1098/rsos.181870
- [A] van der Bles, A. M., van der Linden, S., Freeman, A. L. J., & Spiegelhalter, D. J. (2020). The effects of communicating uncertainty on public trust in facts and numbers. Proceedings of the National Academy of Sciences, 117(14), 7672-7683. https://doi.org/10.1073/pnas.1913678117
- [A] Hofman, J. M., Goldstein, D. G., & Hullman, J. (2020). How Visualizing Inferential Uncertainty Can Mislead Readers About Treatment Effects in Scientific Results. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1-12. https://doi.org/10.1145/3313831.3376454
- [A] Hullman, J., Resnick, P., & Adar, E. (2015). Hypothetical Outcome Plots Outperform Error Bars and Violin Plots for Inferences about Reliability of Variable Ordering. PLOS ONE, 10(11), e0142444. https://doi.org/10.1371/journal.pone.0142444
- [A] Correll, M., & Gleicher, M. (2014). Error Bars Considered Harmful: Exploring Alternate Encodings for Mean and Error. IEEE Transactions on Visualization and Computer Graphics, 20(12), 2142-2151. https://doi.org/10.1109/tvcg.2014.2346298
- [N] Spiegelhalter, D. (2017). Risk and Uncertainty Communication. Annual Review of Statistics and Its Application, 4(1), 31-60. https://doi.org/10.1146/annurev-statistics-010814-020148
- [N] Gigerenzer, G., Gaissmaier, W., Kurz-Milcke, E., Schwartz, L. M., & Woloshin, S. (2007). Helping Doctors and Patients Make Sense of Health Statistics. Psychological Science in the Public Interest, 8(2), 53-96. https://doi.org/10.1111/j.1539-6053.2008.00033.x
- [N] Kay, M., Kola, T., Hullman, J. R., & Munson, S. A. (2016). When (ish) is my bus? User-centered visualizations of uncertainty in everyday, mobile predictive systems. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, 5092-5103. https://doi.org/10.1145/2858036.2858558
Inferences
- Zwei Arten von Unsicherheit sind zu trennen. Für persönliche Werte ist der Teammittelwert eine Vollerhebung der aktuellen Mitglieder; unsicher ist er wegen Messfehlern und fehlender Antworten, nicht wegen Stichprobenziehung. Für wahrgenommene Normen sind die Mitglieder Auskunftspersonen über einen gemeinsamen Gegenstand; hier gilt die Logik der Beurteilerstichprobe. Status: plausibel, aber nicht validiert.
- Eigene Rechnung unter Normalverteilungsannahme (für Likert-Daten nur Näherung): Die halbe Breite des 95-Prozent-Konfidenzintervalls eines Mittelwerts beträgt das 1,59-fache der Standardabweichung bei n = 4, das 1,05-fache bei n = 6, das 0,84-fache bei n = 8 und das 0,64-fache bei n = 12. Das 95-Prozent-Intervall für die wahre Standardabweichung reicht vom 0,57-fachen bis zum 3,73-fachen des beobachteten Werts bei n = 4, vom 0,62-fachen bis 2,45-fachen bei n = 6, vom 0,66-fachen bis 2,04-fachen bei n = 8 und vom 0,71-fachen bis 1,70-fachen bei n = 12. Status: wissenschaftlich belegt (Standardformeln mit t- und Chi-Quadrat-Verteilung).
- Messfehlerband eines Teammittels (Annahmen: individuelle Standardabweichung 0,8; Reliabilität .80): plus/minus 0,35 bei n = 4, 0,29 bei n = 6, 0,25 bei n = 8, 0,20 bei n = 12. Unterschiede zwischen zwei Teammitteln oder zwischen vorher und nachher unter etwa 0,3 bis 0,5 Skalenpunkten sind bei kleinen Teams nicht von Rauschen unterscheidbar. Status: plausibel, aber nicht validiert (angenommene Werte).
- Gestaltungsregeln (eigener Vorschlag, plausibel, aber nicht validiert): höchstens eine Nachkommastelle; keine Prozentangaben für Passung oder Übereinstimmung; keine Rangfolgen von Teams oder Personen; Einzelwerte als Punkte statt Balken mit Fehlerbalken, soweit Anonymität es erlaubt; Unsicherheitsbereich numerisch und als Band zeigen; simulierte Änderungen ausdrücklich als "rechnerische Änderung der Zusammensetzung, keine Prognose" bezeichnen; Änderungen innerhalb des Messfehlerbands als "nicht unterscheidbar" kennzeichnen; verbale Stufen statt Schwellenwerte.
- Der Befund von Hofman et al. spricht dagegen, für Einzelteams Konfidenzintervalle von Durchschnittseffekten zu zeigen. Für die Frage "was heißt das für unser Team" ist die Streuung zwischen Teams die relevante Unsicherheit. Status: plausibel, aber nicht validiert (Übertragung aus einem anderen Anwendungsfeld).
- Die Darstellungen sollten mit Zielnutzern auf Verständnis getestet werden, weil Wirkungen laut van der Bles et al. je nach Person und Format variieren. Status: plausibel, aber nicht validiert.
- Datenschutz als Nebenbedingung: Streuung, Minimum, Maximum und Punktdarstellungen können in Teams mit 4 bis 6 Personen Einzelne erkennbar machen. Das begrenzt, wie viel Unsicherheit sich ehrlich zeigen lässt, und gehört in die Abstimmung mit den Notizen zu Recht und Regulierung.
Gaps
- Spezifische Evidenz zur Unsicherheitskommunikation in Personal- und Teamdiagnostik wurde nicht gefunden; die Befunde stammen aus Nachrichten, Gesundheit und Visualisierungsforschung.
- Spiegelhalter (2017), Gigerenzer et al. (2007) und Kay et al. (2016) wurden nur bibliografisch geprüft.
- Die Annahmen für das Messfehlerband (Reliabilität .80, Standardabweichung 0,8) sind Platzhalter und müssen durch Pilotdaten der eigenen Skalen ersetzt werden.