Was ist epistemische Diversität? Epistemische Diversität ist der Grad, in dem die Mitglieder einer Gruppe in dem Wissen, den Informationsquellen, den mentalen Modellen, den Heuristiken und den Perspektiven, die sie zu einem Problem beitragen, unterschiedlich sind – die Art von Diversität, die das kollektive Urteil genauer macht, indem individuelle Fehler weniger korreliert sind.
Epistemische (oder kognitive) Diversität bezieht sich auf Unterschiede darin, was Gruppenmitglieder wissen und wie sie denken – ihre Informationsquellen, Perspektiven, Heuristiken und mentalen Modelle – im Gegensatz zur demografischen Diversität, die möglicherweise damit übereinstimmt oder auch nicht. Ihr Wert hat sowohl mathematische als auch empirische Grundlagen. Scott Pages Diversitätsvorhersage-Theorem (The Difference, 2007) ist eine Identität: Der kollektive quadratische Fehler einer Menge entspricht dem durchschnittlichen individuellen Fehler minus der Diversität der Vorhersagen, sodass bei fester individueller Fähigkeit vielfältigere Gruppen kollektiv genauer sind. Hong und Page (PNAS, 2004) gingen weiter mit dem umstrittenen Ergebnis 'Diversität trumpft Fähigkeit', bei dem zufällig ausgewählte, vielfältige Problemlöser unter bestimmten Modellbedingungen besser abschnitten als Teams der individuell besten Agenten; Abigail Thompsons Kritik von 2014 in den Notices of the American Mathematical Society argumentierte, das Theorem sei falsch bezeichnet und die Simulationen überinterpretiert, und die Debatte bleibt tatsächlich ungelöst. Empirisch verbinden Woolley et al. (Science, 2010) und die Meta-Analyse von Riedl et al. (PNAS, 2021) die Gruppenleistung mit Prozessfaktoren – sozialer Wahrnehmung, gleichmäßiger Abwechselung – anstatt mit dem IQ der Mitglieder. Die ehrliche Synthese: Kognitive Diversität hilft bei komplexen, multidimensionalen Problemen, wenn Fehler unkorreliert sind und die Koordinationskosten verwaltet werden; sie kann bei Routineaufgaben oder wenn die Integration fehlschlägt, schädlich sein. Innerhalb des Entscheidungszyklus – Attend, Frame, Generate, Investigate, Aggregate, Deliberate, Allocate, Choose, Implement, Monitor – ist epistemische Diversität das Rohmaterial der Phasen Generate, Aggregate und Deliberate. Argumentree erfasst sie durch die Einreichung von Argumenten durch mehrere Interessengruppen und eine leistungsbasierte, multidimensionale Bewertung, die Argumente nach Inhalt und nicht nach dem Status des Beitrags bewertet.
Was ist epistemische Diversität?
Epistemische Diversität ist der Unterschied darin, was eine Gruppe weiß und wie sie denkt – die Perspektiven, Informationsquellen und mentalen Modelle, die ihre Mitglieder einbringen. Es ist das Rohmaterial kollektiver Intelligenz, unterstützt durch echte Mathematik, echte Beweise und eine echte akademische Kontroverse, die dieser Leitfaden ehrlich behandelt.
Zuletzt aktualisiert: 2026-07-18
TL;DR
Gruppen, deren Mitglieder anders denken, machen kleinere kollektive Fehler – das ist mathematische Tatsache (Pages Diversitätsvorhersage-Theorem: kollektiver Fehler = durchschnittlicher Fehler − Vorhersagediversität). Die stärkere Behauptung, dass "Diversität trumpft Fähigkeit" (Hong & Page, 2004) ist tatsächlich umstritten: Eine Kritik von 2014 in den Notices of the AMS argumentierte, das Theorem sei falsch bezeichnet, und die Verteidiger antworteten. Die praktischen Beweise zeigen, dass kognitive Diversität bei komplexen, multidimensionalen Problemen mit unkorrelierten Fehlern von Vorteil ist – und mehr kosten kann, als sie bei Routineaufgaben oder wenn die Koordination fehlschlägt, zurückbringt. Struktur ist das, was unterschiedliche Ansichten in bessere Entscheidungen umwandelt, anstatt lautere Meetings.
Kognitive Diversität ist keine demografische Diversität
Epistemische Diversität – auch kognitive Diversität genannt – ist die Variation in den epistemischen Ressourcen einer Gruppe: was Mitglieder wissen (Information, Erfahrung), wie sie Probleme darstellen (Perspektiven, mentale Modelle) und wie sie nach Lösungen suchen (Heuristiken). Zwei Ingenieure aus verschiedenen Kontinenten können epistemisch identisch sein; zwei Kollegen aus derselben Stadt können ein Problem auf völlig unterschiedliche Weise angehen.
Demografische Diversität und kognitive Diversität sind miteinander verbunden, aber nicht dasselbe. Unterschiedliche Lebenserfahrungen führen tendenziell zu unterschiedlichen Informationen und Perspektiven – aber die Zuordnung ist lose, und die Forschungsergebnisse, die für die Entscheidungsqualität wichtig sind, beziehen sich hauptsächlich auf Prozess und Kognition, nicht auf Volkszählungskategorien. Bemerkenswerterweise fand die Forschung zur kollektiven Intelligenz von Woolley et al. (Science, 2010), dass die Gruppenleistung mit sozialer Sensibilität und gleichmäßiger Abwechselung korrelierte; ihre Zusammensetzungseffekte wirkten über diese Prozessvariablen und nicht über Demografie im engeren Sinne.
Warum ist epistemische Diversität überhaupt wichtig? Weil kollektive Genauigkeit von Fehlern ausgeglichen abhängt. Wenn alle auf dieselben Quellen und Modelle zurückgreifen, korrelieren die Fehler und die Aggregation verstärkt sie – der Fehlermodus hinter Echokammern und Informationskaskaden. Jüngste Forschung (2025) zeigt, dass die kollektive Genauigkeit sogar abnehmen kann, wenn Gruppen wachsen, wenn Mitglieder hochgradig korrelierte Informationen teilen. Im Entscheidungszyklus ist Diversität das Rohmaterial der Phasen Generate, Aggregate und Deliberate – es ist das, was Unabhängigkeit schützt und was Aggregation in Genauigkeit umwandelt.
Eine kurze Geschichte der Diversitätsdebatte
Die Idee, dass Unterschiede Gruppen intelligenter machen, hat eine 240-jährige Herkunft – und ein tatsächlich umstrittenes modernes Kapitel.
Die Macht des Condorcet-Jury-Theorems hängt davon ab, dass Wähler unabhängig urteilen – die erste formale Anerkennung, dass korrelierte Gedanken weniger beitragen als unterschiedliche Gedanken.
Die 787 Messebesucher, die die Viehexperten übertrafen, waren Metzger, Landwirte und Laien – eine Mischung aus Wissensquellen, deren Fehler sich im Median ausgleichen. Veröffentlicht in Nature, 1907.
Hong und Page (PNAS) veröffentlichen ein computergestütztes Modell, in dem zufällig ausgewählte, kognitiv vielfältige Problemlöser ein Team der individuell besten Agenten übertreffen – unter bestimmten Bedingungen.
Scott Pages Buch Der Unterschied popularisiert die Mathematik, einschließlich des Diversitätsvorhersagetheorems: kollektiver Fehler = durchschnittlicher individueller Fehler − Vorhersagediversität.
Woolley et al. (Science) verbinden Gruppenintelligenz mit sozialer Sensibilität und gleichberechtigtem Abwechseln, anstatt mit dem IQ der Mitglieder – ein Beweis dafür, dass der Prozess bestimmt, ob vielfältige Eingaben tatsächlich genutzt werden.
Die Mathematikerin Abigail Thompson (Notices of the AMS) argumentiert, dass das Hong-Page "Theorem" mathematisch trivial und falsch bezeichnet ist und dass ihre Simulationen die weitreichende soziale Behauptung nicht unterstützen.
Antworten verteidigen und qualifizieren Hong-Page (z. B. Kuehn in Critical Review, 2017), während Credé und Howardson den c-Faktor herausfordern und Woolley, Kim und Malone antworten – beide Diversitätsergebnisse werden auf den Prüfstand gestellt.
Riedl et al. (PNAS) finden Beweise für einen kollektiven Intelligenzfaktor in 22 Studien und 1.356 Gruppen, wobei der Kollaborationsprozess einer der stärksten Korrelate ist.
Burton et al. (Nature Human Behaviour, 2024) warnen, dass die weit verbreitete Abhängigkeit von denselben großen Sprachmodellen die Sichtweisen homogenisieren könnte – eine aufkommende Bedrohung für die epistemische Vielfalt, auf der kollektive Intelligenz basiert.
Die Hong-Page-Debatte: Trumpft Diversität die Fähigkeit?
Die Behauptung: Hong und Page (PNAS, 2004) entwickelten ein computergestütztes Modell von Agenten, die ein schwieriges Optimierungsproblem lösen. Jeder Agent hat eine Perspektive (eine Art, das Problem darzustellen) und Heuristiken (Wege, um nach Verbesserungen zu suchen). Die Auswahl der individuell besten Performer ergab ein Team, dessen Mitglieder fähig, aber ähnlich waren – sie blieben an denselben lokalen Optima hängen. Eine zufällige Auswahl war individuell schwächer, erkundete aber kollektiv mehr des Lösungsraums, und unter den Bedingungen des Modells übertraf die vielfältige Gruppe die Expertengruppe. Das Ergebnis wurde einprägsam zusammengefasst als "Diversität trumpft Fähigkeit."
Die Kritik: 2014 veröffentlichte die Mathematikerin Abigail Thompson "Trumpft Diversität die Fähigkeit? Ein Beispiel für den Missbrauch von Mathematik in den Sozialwissenschaften" in den Notices of the American Mathematical Society (61(9), 1024–1030). Thompson argumentierte, dass das formale "Theorem" im Wesentlichen trivial ist, sobald seine Annahmen entpackt werden, dass es nicht das sagt, was sein Name suggeriert, und dass die begleitenden Simulationen zu eng waren, um die weitreichende Schlussfolgerung zu tragen, dass vielfältige Gruppen im Allgemeinen bessere Leistungen als Expertengruppen erbringen.
Die Antworten: Verteidiger antworteten sowohl auf mathematischer als auch auf methodologischer Ebene – zum Beispiel argumentierte Kuehns "Diversität, Fähigkeit und Demokratie" (Critical Review, 2017), dass Thompsons Einwände missverstanden, wie formale Modelle in den Sozialwissenschaften verwendet werden, und Philosophen wie Daniel Singer und Patrick Grim haben untersucht, wann Diversität in epistemischen Gemeinschaften hilft und wann nicht. Scott Pages eigene Formulierung ist enger als der Slogan: Das Ergebnis gilt, wenn das Problem schwierig ist, die Agenten individuell fähig sind und der Pool potenzieller Mitglieder groß ist – es ist kein Freibrief zu glauben, dass jede vielfältige Gruppe jede Expertengruppe übertrifft.
Was das für Praktiker bedeutet: Behandle "Diversität trumpft Fähigkeit" als ein bedingtes Modellresultat, nicht als Gesetz. Die verteidigbare, evidenzgestützte Behauptung ist kleiner, aber dennoch wertvoll: Bei komplexen, multidimensionalen Problemen erweitert das Hinzufügen wirklich unterschiedlicher Perspektiven den gesuchten Lösungsraum und entkorreliert Fehler – vorausgesetzt, die Gruppe kann die Unterschiede integrieren.
Wann Diversität hilft – und wann sie schadet
Kognitive Diversität ist nicht kostenlos. Sie zahlt sich in einigen Kontexten aus und verursacht in anderen Kosten; ehrliches Entscheidungsdesign bedeutet, zu wissen, in welcher Situation man sich befindet.
Diversität hilft tendenziell, wenn…
Das Problem ist komplex und multidimensional
Strategie, Produkt, Politik, Forschung – Probleme mit vielen interagierenden Dimensionen belohnen Gruppen, die sie auf unterschiedliche Weise darstellen und unterschiedlich suchen.
Fehler würden sonst korrelieren
Wenn Mitglieder auf unterschiedliche Informationsquellen zurückgreifen, zeigen individuelle Fehler in verschiedene Richtungen und heben sich in der Aggregation auf, anstatt sich zu summieren.
Der Lösungsraum ist groß
Im Hong-Page-Setup entkommen vielfältige Heuristiken lokalen Optima, an denen homogene Experten festhängen. Brainstorming und Optionsgenerierung zeigen dieselbe Logik.
Es gibt einen Mechanismus zur Integration von Ansichten
Strukturierte Aggregation – Bewertung, Abstimmung, Argumentenkartierung – wandelt Meinungsverschiedenheiten in Informationen um. Ohne sie sind unterschiedliche Ansichten nur Reibung.
…und wann es schaden kann
Routine, gut verstandene Aufgaben
Wenn eine bewährte Praxis existiert und die Ausführung entscheidend ist, erhöhen zusätzliche Perspektiven die Koordinationskosten, ohne Einsicht hinzuzufügen.
Koordinationskosten dominieren
Vielfältige Gruppen benötigen länger, um einen gemeinsamen Nenner zu finden, und können mehr Konflikte erleben. Wenn die Entscheidung klein oder dringend ist, kann der Aufwand den Nutzen übersteigen.
Vielfalt ohne Kompetenz
Die Mathematik erfordert, dass Mitglieder individuell fähig im Problem sind. Vielfältige, aber uninformierte Eingaben erzeugen Lärm, nicht Weisheit – ein Vorbehalt, den beide Seiten der Hong-Page-Debatte akzeptieren.
Psychologische Sicherheit fehlt
Unterschiedliche Perspektiven helfen nur, wenn sie geäußert und gehört werden. In unsicheren oder statusdominierten Gruppen zensieren sich Minderheitenansichten selbst, und die Gruppe verhält sich wie eine homogene – die Forschung zu Gruppendynamik und psychologischer Sicherheit setzt genau hier an.
Die Mathematik: Pages Diversitätsvorhersage-Theorem
Das klarste Ergebnis im Feld ist überhaupt nicht umstritten, da es sich um eine algebraische Identität handelt. Scott Page (The Difference, 2007) formuliert es für jede Menge, die numerische Schätzungen vornimmt:
Kollektiver Fehler = Durchschnittlicher individueller Fehler − Vorhersagediversität
In quadratischen Fehlerbegriffen: Der Fehler der durchschnittlichen Vorhersage der Menge entspricht dem durchschnittlichen Fehler der individuellen Vorhersagen minus der Varianz dieser Vorhersagen um den Durchschnitt der Menge. Zwei Hebel folgen direkt. Sie können eine Menge intelligenter machen, indem Sie die Individuen genauer machen (Fähigkeit) – oder indem Sie ihre Vorhersagen unterschiedlicher machen (Diversität), denn bei einem festen Niveau individueller Genauigkeit subtrahiert jede Einheit von Diversität direkt vom kollektiven Fehler. Das ist der Grund, warum Galtons Median die Experten übertraf und warum Ensemble-Methoden im maschinellen Lernen absichtlich unterschiedliche Modelle trainieren und diese im Durchschnitt verwenden, anstatt das eine beste zu klonen.
Die Identität garantiert einen Vorteil der Diversität in <em>numerischer Aggregation</em>. Sie garantiert jedoch nicht von sich aus, dass vielfältige deliberierende Teams besser abschneiden – das hängt von Integration, Koordinationskosten und psychologischer Sicherheit ab, wo die empirische Literatur oben übernimmt.
Teambesetzung und Prozess in der Praxis
Die Forschung in die Teamgestaltung zu übersetzen bedeutet, für echte kognitive Unterschiede zu rekrutieren und dann einen Prozess zu betreiben, der es den Unterschieden ermöglicht, ihre Arbeit zu leisten:
Rekrutieren Sie für Perspektiven, nicht für Lebensläufe
Zwei Mitglieder mit derselben Ausbildung, denselben Quellen und mentalen Modellen fügen Redundanz hinzu, nicht Vielfalt. Fragen Sie, welche Sichtweise auf das Problem jede Person hinzufügt – funktionaler Hintergrund, Bereich, Methode, Stakeholder-Perspektive.
Unabhängig ermitteln, bevor Sie diskutieren
Sammeln Sie das Urteil oder die Argumente jedes Mitglieds, bevor die Gruppe konvergiert – andernfalls führen Anker und Kaskaden dazu, dass vielfältige private Ansichten in eine öffentliche Meinung zusammenfallen. Dies ist die zentrale Einsicht der Delphi-Methode.
Argumente nach Verdienst, nicht nach Status gewichten
Vielfalt ist verschwendet, wenn die senior Stimme standardmäßig gewinnt. Bewerten Sie Beiträge nach ihrem Inhalt – explizite Bewertungskriterien, blindes Review oder strukturierte Argumentation.
Explizit aggregieren
Verwenden Sie einen definierten Mechanismus – Mehrfachabstimmung, Bewertungsskalen, strukturierter Konsens – damit vielfältige Urteile tatsächlich kombiniert werden, anstatt darüber hinweg gesprochen zu werden. Abstimmungssysteme, Prognosemärkte und Deliberation aggregieren unterschiedlich; wählen Sie den Mechanismus, der zur Entscheidung passt.
Budget für Koordination
Vielfältige Teams benötigen mehr Zeit für die Rahmung und klarere Entscheidungsrechte. Investieren Sie den Aufwand in bedeutende, komplexe Entscheidungen; überspringen Sie ihn bei Routineentscheidungen.
Wie Argumentree epistemische Diversität in die Praxis umsetzt
Argumentree ist darauf ausgelegt, vielfältige Perspektiven zu erfassen und sie nach Verdienst zu integrieren – die beiden Hälften, die die Forschung sagt, die Sie benötigen:
Multi-Stakeholder-Argumenterfassung
Jeder Teilnehmer – über Funktionen, Ränge und Zeitzonen hinweg – trägt Pro- und Contra-Argumente in einen gemeinsamen Baum ein, sodass die gesamte Bandbreite der Perspektiven der Gruppe in das Protokoll eingeht, nicht nur die lautesten Stimmen im Raum.
Unabhängige, asynchrone Eingaben
Argumente werden unabhängig und asynchron eingereicht, wodurch die Unabhängigkeit gewahrt bleibt, die verhindert, dass vielfältige Urteile in einen frühen Konsens zusammenfallen.
Verdienstbasierte Bewertung
Multi-dimensionale Bewertung (Hilfreich, Klarheit, Genauigkeit, Vollständigkeit) gewichtet jedes Argument nach seinem Inhalt und aggregiert in Konsenswerte – entkoppelt Einfluss von Status.
Anonyme Beitragsoptionen
Wo Hierarchie oder Sicherheitsbedenken Minderheitenansichten zum Schweigen bringen würden, ermöglicht die anonyme Einreichung, die Perspektive hereinzulassen, während die Politik außen vor bleibt.
Integration, nicht nur Sammlung
Die 4-Schritte-Kette von Fragen, Kompromissen und Überprüfungen zwingt unterschiedliche Ansichten dazu, sich gegenseitig zu beschäftigen – Meinungsverschiedenheiten in geprüfte Argumente umzuwandeln, anstatt in parallele Monologe, wobei die gesamte Spur im Audit-Protokoll erhalten bleibt.
66-Sprachen-Teilnahme
Die Übersetzung in 66 Sprachen ermöglicht es globalen Teams, in ihrer Muttersprache beizutragen – den Pool der Perspektiven zu erweitern, auf den eine Entscheidung zurückgreifen kann.
Häufig gestellte Fragen
Was ist epistemische Vielfalt?
Epistemische Vielfalt (oder kognitive Vielfalt) ist der Grad, in dem sich Gruppenmitglieder in dem, was sie wissen und wie sie denken, unterscheiden – ihren Informationsquellen, Perspektiven, mentalen Modellen und Problemlösungsheuristiken. Sie ist wichtig für die Entscheidungsqualität, da unterschiedlich denkende Mitglieder weniger korrelierte Fehler machen, die sich bei der Aggregation aufheben.
Ist epistemische Vielfalt dasselbe wie demografische Vielfalt?
Nein. Sie sind miteinander verbunden – unterschiedliche Lebenserfahrungen führen tendenziell zu unterschiedlichem Wissen und Perspektiven – aber die Zuordnung ist lose. Die Ergebnisse der Entscheidungswissenschaft beziehen sich auf Kognition und Prozess: welche Perspektiven vorhanden sind, ob sie geäußert werden und wie sie kombiniert werden. Ein demografisch einheitliches Team kann kognitiv vielfältig sein und umgekehrt.
Was ist das Hong-Page-Theorem?
Hong und Page (PNAS, 2004) zeigten in einem computergestützten Modell, dass eine zufällig ausgewählte, kognitiv vielfältige Gruppe fähiger Problemlöser eine Gruppe aus den individuell besten Performern übertreffen könnte, weil die ähnlichen Heuristiken der Experten an denselben lokalen Optima festhingen. Es wird oft zusammengefasst als "Vielfalt übertrumpft Fähigkeit" – eine Zusammenfassung, die stärker ist als das Ergebnis selbst.
Ist das Theorem "Vielfalt übertrumpft Fähigkeit" gültig?
Es ist umstritten. Abigail Thompsons Artikel von 2014 in den Notices of the AMS argumentierte, dass das Theorem mathematisch trivial, falsch bezeichnet und überinterpretiert ist; spätere Antworten (z. B. in Critical Review, 2017) verteidigten den Modellansatz. Selbst Scott Page stellt das Ergebnis als bedingt dar: Es erfordert ein schwieriges Problem, individuell fähige Agenten und einen großen Pool von Kandidaten. Die sichere Schlussfolgerung ist, dass Vielfalt unter bestimmten Bedingungen hilft, nicht universell.
Was ist das Diversitätsvorhersagetheorem?
Eine algebraische Identität aus Scott Pages Der Unterschied (2007): Für numerische Schätzungen entspricht der quadratische Fehler der Menge dem durchschnittlichen individuellen quadratischen Fehler minus der Varianz (Diversität) der Vorhersagen. Bei einem festen Niveau individueller Genauigkeit bedeuten vielfältigere Vorhersagen einen genaueren Durchschnitt der Menge. Im Gegensatz zum Hong-Page-Ergebnis ist dies unbestrittene Mathematik.
Wann schadet kognitive Vielfalt der Teamleistung?
Bei Routineaufgaben, die gut verstanden werden, wenn eine bewährte Praxis existiert; wenn die Koordinationskosten (gemeinsame Grundlagen schaffen, Konflikte lösen) den Nutzen übersteigen; wenn vielfältige Mitglieder keine Kompetenz im Problem haben und Lärm statt Einsicht hinzufügen; und wenn der Gruppe die psychologische Sicherheit oder Struktur fehlt, um die unterschiedlichen Ansichten tatsächlich zu äußern und zu integrieren.
Wie bauen Sie epistemische Vielfalt in die Entscheidungsfindung ein?
Rekrutieren Sie Menschen, die das Problem unterschiedlich darstellen; sammeln Sie ihre Urteile unabhängig, bevor die Gruppendiskussion beginnt; bewerten Sie Argumente nach Verdienst und nicht nach dem Status des Beitrags; und aggregieren Sie explizit mit einem definierten Mechanismus wie Bewertung oder strukturierter Abstimmung. Plattformen wie Argumentree setzen dieses Muster mit unabhängiger Argumenteinreichung, verdienstbasierter multidimensionaler Bewertung und Konsensbewertung um.
Referenzen & Weiterführende Literatur
Hong, L., & Page, S. E. (2004). Gruppen von vielfältigen Problemlösern können Gruppen von hochfähigen Problemlösern übertreffen. PNAS, 101(46), 16385–16389.
Das ursprüngliche Modell "Vielfalt übertrumpft Fähigkeit".
View source →Page, S. E. (2007). Der Unterschied: Wie die Kraft der Vielfalt bessere Gruppen, Unternehmen, Schulen und Gesellschaften schafft. Princeton University Press.
Das Diversitätsvorhersagetheorem und der breitere Rahmen.
Thompson, A. (2014). Übertrumpft Vielfalt die Fähigkeit? Ein Beispiel für den Missbrauch von Mathematik in den Sozialwissenschaften. Notices of the AMS, 61(9), 1024–1030.
Die wichtigste mathematische Kritik an Hong-Page.
View source →Kuehn, D. (2017). Vielfalt, Fähigkeit und Demokratie: Eine Anmerkung zu Thompsons Herausforderung an Hong und Page. Critical Review, 29(1).
Eine Antwort, die den Modellansatz gegen Thompsons Kritik verteidigt.
Woolley, A. W., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. W. (2010). Beweise für einen kollektiven Intelligenzfaktor in der Leistung menschlicher Gruppen. Science, 330(6004), 686–688.
Gruppenintelligenz hängt von sozialer Sensibilität und gleichberechtigtem Abwechseln ab, nicht vom IQ der Mitglieder.
Credé, M., & Howardson, G. (2017). Die Struktur der Gruppenaufgabenleistung – Ein zweiter Blick auf "kollektive Intelligenz." Journal of Applied Psychology, 102(10).
Kritik am c-Faktor; Teil des ehrlichen Bildes über Beweise zur Gruppenleistung.
Riedl, C., Kim, Y. J., Gupta, P., Malone, T. W., & Woolley, A. W. (2021). Kollektive Intelligenz in menschlichen Gruppen quantifizieren. PNAS, 118(21).
Meta-Analyse über 22 Studien und 1.356 Gruppen, die einen kollektiven Intelligenzfaktor unterstützen.
Surowiecki, J. (2004). Die Weisheit der Massen. Doubleday.
Vielfalt der Meinungen als erste von vier Bedingungen für die Weisheit der Massen.
Galton, F. (1907). Vox Populi. Nature, 75, 450–451.
Der grundlegende Nachweis, dass das Aggregat einer vielfältigen Menge Experten übertreffen kann.
View source →Burton, J. W., et al. (2024). Wie große Sprachmodelle die kollektive Intelligenz umgestalten können. Nature Human Behaviour, 8, 1643–1655.
Beinhaltet das Risiko der Sichtweisenhomogenisierung, das LLMs für die epistemische Vielfalt darstellen.
View source →Verwandte Konzepte
Lassen Sie die Unterschiede Ihres Teams zählen
Vielfältige Perspektiven verbessern Entscheidungen nur, wenn sie erfasst, nach Verdienst gewichtet und integriert werden. Argumentree strukturiert genau das – unabhängige Eingaben, leistungsbasierte Bewertung und eine dokumentierte Spur, wie jeder Standpunkt das Ergebnis geprägt hat.
Kostenlose Testversion starten