Faking Good Among Porn-Addicted Adolescents

Faking von Persönlichkeitseigenschaften bei Zulassungsverfahren für Lehramtsstudien

Zeitschrift für Pädagogische Psychologie ◽

10.1024/1010-0652/a000161 ◽

2015 ◽

Vol 29 (3-4) ◽

pp. 205-214 ◽

Cited By ~ 5

Author(s):

Georg Krammer ◽

Barbara Pflanzl

Keyword(s):

Faking Good

Zusammenfassung. Werden selbstbeschreibende Verfahren in Zulassungsverfahren verwendet, stellt sich die Frage, wie sehr Faking diese verzerrt, d. h., wie sehr Personen sich vorteilhafter darstellen, als sie es tatsächlich sind. Bis dato wurde dies für angehende Lehrkräfte nicht untersucht. In der vorliegenden Studie wurde Faking in einem Zulassungsverfahren an einem Persönlichkeitsinventar zum Verhalten und Erleben in sozial-kommunikativen Situationen, Leistungs- und Erholungssituationen untersucht. 116 Lehramtsstudierende bearbeiteten ein halbes Jahr nach ihrer Zulassung dasselbe Persönlichkeitsinventar nochmals. Bei dieser Nacherhebung gab es eine experimentelle Manipulation mit drei Bedingungen, um 1) das tatsächliche Ausmaß an Faking, 2) die Reproduzierbarkeit von Faking und 3) das mögliche Ausmaß an Faking zu bestimmen (= Faking-good). Beim Zulassungsverfahren trat in 16 von 18 Subskalen Faking auf, wobei dieses Ausmaß nur in 11 der 18 Subskalen reproduziert werden konnte. Bei Aufforderung zu faken, zeigte sich in 17 der 18 Subskalen Faking. Die Rangreihen waren umso verzerrter, je stärker Faking auftrat.

Download Full-text

Erkennen von Simulation und Dissimulation im Test d2

Diagnostica ◽

10.1026/0012-1924.50.3.124 ◽

2004 ◽

Vol 50 (3) ◽

pp. 124-133 ◽

Cited By ~ 5

Author(s):

Lothar Schmidt-Atzert ◽

Markus Bühner ◽

Sabine Rischen ◽

Veronika Warkentin

Keyword(s):

Faking Good ◽

Faking Bad

Zusammenfassung. Die Untersuchung befasst sich mit der Frage, ob und wie gut Simulation und Dissimulation bei der Bearbeitung des Tests d2 anhand bestimmter Kennwerte entdeckt werden können. Dazu bearbeiteten 94 Studierende den Test d2 unter drei Versuchsbedingungen. Sie sollten entweder durch Täuschen ein gutes oder ein schlechtes Ergebnis oder allein durch Anstrengung ohne Täuschen ein gutes Ergebnis erzielen. Nach einer kurzen Pause, in der sich die Probanden erneut eine effektive Strategie überlegen konnten, bearbeiteten sie den Test ein zweites Mal. Die Testergebnisse in der faking good Bedingung unterschieden sich selbst bei der zweiten Testdurchführung nicht signifikant von denen in der Kontrollbedingung. In der faking bad Bedingung lagen die Leistungen etwa 20 Standardwerte unter denen der Kontrollgruppe. Von den analysierten Fehlertypen erwies sich der “Buchstabenfehler“ (ein p statt ein d markiert) als der beste Indikator für Simulation. Damit konnten 63 (mindestens zwei Fehler) bzw. 47 Prozent (mindestens 10 Fehler) der Simulanten erkannt werden - ohne eine einzige Fehldiagnose bei den Nichtsimulanten. Die Spezifität dieses Kriteriums wurde an Tests kreuzvalidiert, die früher von 225 Studierenden sowie 153 hirngeschädigten Patienten bearbeitet worden waren. Der Anteil der falsch klassifizierten Personen lag für das niedrige Fehlerkriterium bei 3 bzw. 8 Prozent; 10 oder mehr dieser Fehler kamen dagegen nie vor. Somit steht sowohl ein relativ sensitives als auch ein etwas weniger sensitives, aber dafür hoch spezifisches Kriterium für die Entdeckung von Simulationsversuchen beim Test d2 zur Verfügung. Dass in der faking good Bedingung keine besseren Ergebnisse erzielt wurden als in der Kontrollbedingung, spricht dafür, dass der Test wenig anfällig ist für Dissimulation. Die Strategie des Überspringens von Zeichen, die in der Literatur diskutiert wurde, spielt offenbar in der praktischen Anwendung des Tests keine große Rolle.

Download Full-text

Faking Good and Faking Bad Among Army Conscripts

PsycEXTRA Dataset ◽

10.1037/e518332013-003 ◽

2012 ◽

Author(s):

Cornelius J. Konig ◽

Patrick Boss ◽

Klaus G. Melchers

Keyword(s):

Faking Good ◽

Faking Bad

Download Full-text

Detecting faking-good response style in personality questionnaires with four choice alternatives

Psychological Research ◽

10.1007/s00426-020-01473-3 ◽

2021 ◽

Author(s):

Merylin Monaro ◽

Cristina Mazza ◽

Marco Colasanti ◽

Stefano Ferracuti ◽

Graziella Orrù ◽

...

Keyword(s):

Impression Management ◽

Time Pressure ◽

Response Style ◽

Mixed Design ◽

Faking Good ◽

Personality Inventories ◽

Validity Scale ◽

Computer Mouse ◽

Positive Impression Management ◽

Personality Questionnaires

AbstractDeliberate attempts to portray oneself in an unrealistic manner are commonly encountered in the administration of personality questionnaires. The main aim of the present study was to explore whether mouse tracking temporal indicators and machine learning models could improve the detection of subjects implementing a faking-good response style when answering personality inventories with four choice alternatives, with and without time pressure. A total of 120 volunteers were randomly assigned to one of four experimental groups and asked to respond to the Virtuous Responding (VR) validity scale of the PPI-R and the Positive Impression Management (PIM) validity scale of the PAI via a computer mouse. A mixed design was implemented, and predictive models were calculated. The results showed that, on the PIM scale, faking-good participants were significantly slower in responding than honest respondents. Relative to VR items, PIM items are shorter in length and feature no negations. Accordingly, the PIM scale was found to be more sensitive in distinguishing between honest and faking-good respondents, demonstrating high classification accuracy (80–83%).

Download Full-text