Einleitung

Einleitung II

Die oben aufgeführte Definition zum Thema Messen beschreibt einen nahezu unerreichbaren Idealzustand. Messungen enthalten in der Regel Messfehler. Zum Beispiel erfasst ein Intelligenztest nicht für alle gemessenen Versuchspersonen die tatsächliche Intelligenzleistung, sondern einzelne Personen erzielen einen etwas höheren IQ-Wert als ihnen eigentlich zusteht, während anderen Personen ein etwas zu niedriger IQ-Wert zugeteilt wird.

Aufgrund der Messfehlerproblematik könnte man Messen daher auch als möglichst strukturerhaltende Abbildung eines "Realitätsausschnittes" (einem Ausschnitt aus unserer Umwelt) in Zahlen definieren. In den so gewonnenen Zahlen sucht man bei der anschließenden Datenauswertung nach (Zahlen-)Mustern, welche die "Realität" möglichst gut repräsentieren sollen.

Je präziser die Messung ist, d.h. umso besser die Struktur des Umweltausschnittes in den Zahlen abgebildet wird, desto besser können bei der anschließenden Datenauswertung die in der "Realität" vorhandenen Muster entdeckt werden. Ist die Messung hingegen ungenau bzw. verrauscht, werden die Muster womöglich nicht entdeckt oder es werden selbst bei korrekter Durchführung der Datenauswertung Muster vermutet, die in der Umwelt gar nicht vorhanden sind. Diesen Grundsatz bezeichnet man im Englischen auch als "garbage in, garbage out"-Prinzip. Abb. 2 stellt eine Analogie dar, um die Wichtigkeit einer präzisen Messung zu erläutern.

Wie präzise eine Messung sein muss, hängt auch von der untersuchten Fragestellung ab. Um im Bild der Analogie zu bleiben: Soll überprüft werden, ob sich ein Elefant auf dem Bild befindet, oder möchte man wissen, ob ein Elefant auf dem Bild lächelt?