Was ist der Evidence Acceptance Bias?
Definition:
„Die Tendenz Daten zu verwenden, ohne deren Glaubwürdigkeit beziehungsweise Qualität zu überprüfen, um durch die Nutzung dieser Daten eine kohärentere Geschichte kreieren zu können.“*
Erklärung:
Die hier beschriebene Tendenz weist inhaltliche Überschneidungen zum Bestätigungsfehler (Confirmation-Bias) auf. Es gibt jedoch die Möglichkeit, die eigene Institution vor dieser Tendenz zu schützen. Diese besteht darin vorzuschreiben, dass sowohl die Information als auch die Quelle immer bewertet werden müssen. Hierzu existieren zahlreiche Einteilungen, die in der Regel von der eigenen Organisation vorgegeben sind.
Eine mögliche Variante ist die Prüfung des Belegs / der Information entlang jeweils dreier Kriterien für Quelle und Beleg.
Wie können Quellen und Belege bzw. Informationen bewertet werden?
Zur Quelle:
(1) Glaubwürdigkeit (Reliability) – Bewertung über die Zeit und bei schriftlichen Produkten ggf. durch Angaben des Autors selbst (wahrscheinlich, unwahrscheinlich, vielleicht…) Kann nur bei durchgängiger Quellenpflege aufgebaut / beurteilt werden.
(2) Verhältnis (Proximity) – zwischen Quelle und Information. (Teilnehmer von Konferenzen etc.) Je weniger Stationen zwischen Ereignis und schriftlicher Fixierung oder mündlicher Weitergabe liegen desto besser.
(3) Eignung (Appropriatness) – nicht jede Person ist gleich geeignet / qualifiziert, sich zu bestimmten Sachverhalten zu äußern. Nehmen wir hier an, ein Caterer beliefert ein nordkoreanisches Atomkraftwerk. Hierbei sieht er auch geheime Teile der Anlage. Hier kann der Caterer als Quelle durchaus glaubwürdig sein. Das Verhältnis zwischen ihm und der Information ist ebenfalls optimal. Trotzdem ist er höchwahrscheinlich nicht geeignet, um qualifiziert (und hilfreich) Aussagen zu dem zu treffen, was er gesehen hat.
Zur Information:
(1) Plausibilität (Plausibility) – Ist die Information auf jeden Fall wahr oder nur unter bestimmten Voraussetzungen? Mit dieser Frage muss der Auswertende kreativ („Idea Generation“) umgehen.
(2) Erwartbarkeit (Expectability) ist eine weitere Kategorie, die über die Zeitachse hinweg beurteilt werden muss und bestimmtes Fachwissen beim Auswertenden voraussetzt.
(3) Querabgleich / Rückhalt (Support) ist der Abgleich vorhandener Informationen / Belege durch ähnliche Informationen / Belege aus anderen Quellen.
Vgl. hierzu: Krizan, Lisa.: Intelligence Essentials for Everyone, Joint Military Intelligence College, Occasional Paper Number Six, Washington DC: 1999, S. 26 ff. (Das Dokument kann hier kostenlos als .pdf heruntergeladen werden)
—
*Die eingangs verwendete Definition basiert auf: Pherson, Randolph / Heuer, Richards: Structured Analytic Techniques for Intelligence Analysis, 3rd Edition, CQ Press, California: 2020, S. 24.