Stabilität öffentlicher Meinung

Am 19.12.2012 passierte nichts historisch Bedeutsames. Dennoch umfasste die Süddeutsche Zeitung an diesem Tag 233 journalistische Artikel – 7,6 m₂ Text und Bilder. Auch wenn kaum ein Leser alle Beiträge gelesen hat: Die meisten Menschen haben an diesem Tag – wie an vielen anderen Tagen – zahlreiche Nachrichten in Zeitung, Fernsehen, Radio oder Internet gelesen, gehört oder an einer Verkaufsbox für Straßenzeitungen zumindest die Überschriften gelesen. Warum tun sie das? Was macht Nachrichten für den typischen Rezipienten so interessant?

Im Kern der empirischen Untersuchung steht die Frage, ob Themenattribute moderieren, wie stark Medienstimuli auf Meinungen wirken. Entsprechend den aufgestellten Zusammenhänge (Z1 – Z10) soll jeweils überprüft werden, ob die Ausprägung eines Themenattributs den Grad der Medienwirkung verändert. Geht man davon aus, dass ein Thema und seine Attribute der sozialen Konstruktion unterliegen, so ist eine experimentelle Variation nur in Ausnahmefällen möglich: Zum Beispiel bei der Verfügbarkeit (Bizer et al., 2004, S. 230) oder dem Wissen zu einem Thema (Price & Neijens, 1998). Andere Themenattribute, wie die Obtrusiveness, sind so stark mit ihrem Thema verknüpft, dass eine Manipulation nur möglich ist, indem man den Versuchspersonen hypothetische Streitfragen vorlegt (Bizer & Krosnick, 2001, S. 574; Crano, 1995, S. 143; Johnson & Eagly, 1989, S. 292). Die kognitive und soziale Verankerung eines Themas bleibt dann aber außen vor, was die externen Validität der Befunde einschränkt.

Entsprechend dem empirischen Modell (Abbildung 5, S. 59) sind für eine Beantwortung der Forschungsfrage 7 abstrakte Zusammenhänge (A–G) zu überprüfen. Abstrakt sind diese Zusammenhänge deshalb, weil sie jeweils eine Reihe von Teil-Zusammenhängen (u.a. zwischen den einzelnen Themenattributen und der Variabilität der Meinungsverteilung, Kap. 1.4, S. 31) subsumieren. Entsprechend sind die Befunde graduell – im Sinne von Effektstärken. Eine klassische Prüfung von Hypothesen erfolgt nur auf Ebene der zahlreichen Teil-Zusammenhänge. Wo statistische Tests sachlich anwendbar sind (Branch, 2014; Vlašić, 2012a), führt die parallele Überprüfung zahlreicher Hypothesen zu einer Inflation des α-Fehlers (Fehler erster Art); um den entgegenzuwirken, wird in allen statistischen Tests mit einem Signifikanzniveau von 1 % gearbeitet.