Kognitive Geschlechterunterschiede mit biologischer Grundlage

Hier mal ein paar Studien:

1. JAK Finegan, GA Niccols – Developmental Psychology, 1992 

Relations between prenatal testosterone (T) levels and cognitive abilities at age 4 were examined for 28 girls and 30 boys. Prenatal T levels were measured in 2nd trimester amniotic fluid samples obtained by amniocentesis and were examined in relation to scores on tests of cognitive abilities. For girls, prenatal T levels showed a curvilinear (inverted U-shaped) relation to language comprehension and classification abilities. Linear relations also were observed in that prenatal T levels were inversely related to girls‘ scores on tasks assessing counting and number facts. Similarly, girls with high average block building scores had lower prenatal T and cognitive abilities were not observed. The observation of relations in girls and not boys is discussed, and the findings are examined in relation to theories of hormone-behavior relations. (APA PsycInfo Database Record (c) 2016 APA, all rights reserved)

Quelle:Relations between prenatal testosterone levels and cognitive abilities at 4 years.

Aus der Studie:

U-Förmige Kurven würden darauf hinweisen, dass es einen bestimmten „Idealen Wert“ gibt nach dem eine Eigenschaft vorher geringer ist und nachher geringer. Da Jungs und Mädchen ganz verschiedene Testosterone Werte haben kann der Wert natürlich auch verschieden liegen. 

2. CM Falter, M Arroyo, GJ Davis – Biological psychology, 2006

Previous studies in animals have revealed effects of both prenatal and current testosterone on brain organization and behavior. However, it is unclear how these effects translate to the human brain. Here, we refine previous procedures to clarify the relative contribution of prenatal versus current testosterone indices to cognitive function. Sixty-nine subjects performed four computerized tasks measuring mental rotation, targeting, figure-disembedding and perceptual discrimination. Using stepwise regression analyses, performance was related to free testosterone assayed in saliva samples and to second-to-fourth finger length ratios (2D:4D), a putative index of prenatal testosterone exposure. The exclusive predictor for mental rotation was found to be sex, while 2D:4D was found to be the sole predictor of targeting, exhibiting a curvilinear relation, and figure-disembedding performance, showing a linear relation. These findings suggest a substantial role for prenatal testosterone but not current testosterone in determining cognitive performance.

Quelle: Testosterone: Activation or organization of spatial cognition?

3. Gouchie /Kimura Psychoneuroendocrinology, 1991

The cognitive performance of normal men and women was studied, grouped according to whether the subjects had relatively high or low salivary testosterone (T) concentrations. Men with lower T performed better than other groups on measures of spatial/mathematical ability, tasks at which men normally excel. Women with high T scored higher than low-T women on these same measures. T concentrations did not relate significantly to scores on tests that usually favor women or that do not typically show a sex difference. These results support suggestions of a nonlinear relationship between T concentrations and spatial ability, and demonstrate some task specificity in this respect.

Quelle: The relationship between testosterone levels and cognitive ability patterns

4. Grimshaw et al, 1995

Biological and social-experiential factors appear to play a role in the male advantage in spatial abilities. In the present study, relations among prenatal testosterone levels, spatial play experiences, and mental rotation task performance were explored in 7-year-old boys and girls. A positive correlation was observed between prenatal testosterone levels and rate of rotation in girls. The findings were less clear for boys, but suggested the opposite pattern of results. Relations between spatial play preferences and mental rotation task performance were not observed in children of either sex. These findings are consistent with the hypothesis that testosterone acts on the fetal brain to influence the development of spatial ability.

Quelle: Mental Rotation at 7 Years – Relations with Prenatal Testosterone Levels and Spatial Play Experiences

6. Auyeung et al, 2011

Abstract

This study investigated whether fetal testosterone (FT) measured from second trimester amniotic fluid was related to specific aspects of visuospatial ability, in children aged 7–10 years (35 boys, 29 girls). A series of tasks were used: the children’s Embedded Figures Test (EFT) (a test of attention to detail), a ball targeting task (measuring hand-eye coordination), and a computerized mental rotation task (measuring rotational ability). FT was a significant predictor for EFT scores in both boys and girls, with boys also showing a clear advantage for this task. No significant sex differences were observed in targeting. Boys scored higher than girls on mental rotation. However, no significant relationships were observed between FT and targeting on mental rotation.Girls’ performance on the mental rotation and targeting tasks was significantly related to age, indicating that these tasks may have been too difficult for the younger children. These results indicate that FT has a significant role in some aspects of cognitive development but that further work is needed to understand its effect on the different aspects of visuospatial ability.

Quelle: Effects of Fetal Testosterone on Visuospatial Ability

7. Auyeung, 2006

This study examines foetal testosterone (fT) levels (measured in amniotic fluid) as a candidate biological factor, influencing sex differences in systemizing. Systemizing is a cognitive process, defined as the drive to analyze or construct systems. A recent model of psychological sex differences suggests that this is a major dimension in which the sexes differ, with males being more drawn to systemize than females. Participants included 204 children (93 female), age 6–9 years, taking part in a long-term study on the effects of fT. The systemizing quotient – children’s version was administered to these mothers to answer on behalf of their child. Males (mean = 27.79 ± 7.64) scored significantly higher than females (mean = 22.59 ± 7.53), confirming that boys systemize to a greater extent than girls. Stepwise regression analysis revealed that fT was the only significant predictor of systemizing preference when the sexes were examined together. Sex was not included in the final regression model, suggesting that fT levels play a greater role than the child’s sex in terms of differences in systemizing preference. This study suggests that the levels of fT are a biological factor influencing cognitive sex differences and lends support to the empathizing–systemizing theory of sex differences.

Quelle: Foetal testosterone and the child systemizing quotient

 

 

20 Gedanken zu “Kognitive Geschlechterunterschiede mit biologischer Grundlage

  1. 1. Mit welcher Rechtfertigung legt man eine Parabel in eine diffuse Punktewolke?
    Mit mathematischen Verfahren wie Regressionsanalyse ist das zwar möglich, aber allein die in den zwei Diagrammen oben links dargestellten Daten lassen das nicht zu, selbst wenn rein rechnerisch bei entsprechendem Ansatz eine Parabel rauskommt.
    Sorry – sofern mir nichts wesentliches entgangen ist, ist das reine Kaffeesatzleserei.

    Die anderen Studien hab ich mir aus Zeitgründen noch nicht angeschaut. Vielleicht später.

      • Schade, dass solch eine an sich interessante Studie sich selbst durch handwerkliche Fehler disqualifiziert, statt zuzugeben, dass die Messwerte halt keine signifikanten Ergebnisse liefern – was ja auch eine Erkenntnis wäre.

        Wenn ich mir die Graphiken oben anschaue, so finden sich bei den Jungen überhaupt keine deutlichen Abhängigkeiten vom Testosteron-Level. Die Ausgleichsgeraden verlaufen horizontal oder erscheinen willkürlich.
        Die oberste Graphik bei den Mädchen ist ebenfalls eher zufällig verteilt, während die Verteilungen der drei unteren einander schon recht ähnlich sind, und eine geringe fallende Tendenz erkennen lassen. Wobei 28 Datenpunkte jetzt halt auch nicht wirklich überzeugend sind.

    • Das grundsätzliche Problem ist, dass ein kausaler Zusammenhang unterstellt wird – sei es ein linearer, ein exponentieller oder was auch immer. Dabei gilt der Grundsatz, dass dieser Zusammenhang ein einfacher sein soll. Ginge es nur darum, eine Funktion zu finden, die sich ideal an die Punktwolke anpasst, dann würde ein Polynom (n-1)ten Grades bei n Datenpunkten genau durch die Punkte verlaufen. Das aber würde auf keinen kausalen Zusammenhang schliessen lassen.
      Die Parabel scheint mir echt kein „good fit“ zu sein.

      • „Ginge es nur darum, eine Funktion zu finden, die sich ideal an die Punktwolke anpasst, dann würde ein Polynom (n-1)ten Grades bei n Datenpunkten genau durch die Punkte verlaufen.“

        Nicht einmal das. Bei den punktwolken oben kann es vorkommen dass es zu einem gegebenen Wert auf der x-achse mehrere Werte auf der y-achse gibt. Da ist nichts mit einer Funktion durch alle Punkte.

        Bei den Daten oben sieht man mit freiem Auge dass das im wesentlichen zufällige Punkte sind. Da kann man jegliche Regression vergessen, sei es mit linearer, exponentieller oder sonst irgendeiner modelkfunktion. Wer bei solchen Daten ausgleichsgeraden reinlegt betreibt junk science.

        • Nicht einmal das. Bei den punktwolken oben kann es vorkommen dass es zu einem gegebenen Wert auf der x-achse mehrere Werte auf der y-achse gibt. Da ist nichts mit einer Funktion durch alle Punkte.

          Das ist möglich. Wenn aber die x-Werte Messwerte sind, dann ist es nur eine Frage der Messgenauigkeit und das Problem verschwindet.

      • Dass bei der Berechnung der Ausgleichskurve (vermutlich Regression nach der Methode der kleinsten Quadrate mit Polynom-Ansatz 2. oder 3. Ordnung) eine quadratische Parabel herauskommt (oben sehr schön symmetrisch erkennbar), deutet daraufhin, dass der lineare Koeffizient vollkommen verschwindet. Aus dieser Auswertung hätte man schließen müssen, dass es eben überhaupt keine Korrelation gibt, von Kausalität ganz zu schweigen.

          • Würde mich nicht wundern, wenn die Ersteller der Studie diesen Punkt als Messfehler oder statistischen Ausreißer behandelt und bei der rechnerischen Auswertung ignoriert hätten.
            Denn offensichtlich passt er ja nicht zu den erwünschten Ergebnissen.

    • Um zu unterscheiden, ob es eher eine Grade oder eine Parabel ist, gibt es Kriterien: „Akaike Information Criterion“ oder „Bayesian Information Criterion“. Das kann zwar auch falsch rauskommen, aber immerhin ist es ein Versuch, die Frage zu klären, welches Modell mehr Sinn macht. In dem Paper haben die so was gar nicht gemacht, soweit ich das gesehen hab, und das ist schon schwach.

      Man kann aber einen linearen Zusammenhang annehmen, und dann Steigungen vergleichen. Das macht schon Sinn, auch wenn es gar nicht linear ist.

      • Ja, genau. Grundsätzlich sollte man sich auf eine Ausgleichskurve mit möglichst wenigen Parametern beschränken, insbesondere wenn die Anzahl der Messwerte gering ist und sie stark streuen wie in diesem Fall.
        Ohne stichhaltige Begründung, warum eine Parabel nötig sein soll, ist die ganze Auswertung leider wertlos.

      • Bei den Daten in dem paper genügt schon eine sichtkontrolle um zu sehen dass das im wesentlichen Zufall ist, da brauch ich gar kein aic oder bic, das sieht man direkt. Und dann ist auch egal ob ich eine gerade oder Parabel oder sonst was nehme, da kommt in jedem Fall nur Unsinn raus.

        „Man kann aber einen linearen Zusammenhang annehmen, und dann Steigungen vergleichen. Das macht schon Sinn, auch wenn es gar nicht linear ist.“

        Auch bei völlig zufälligen Punkten erhält man ausgleichsgeraden mit schöner Steigung. Die kann man auch toll vergleichen, ist nur leider völlig sinnlos. Fooled by randomness eben.

        Man müsste die Daten zuerst auf zufälligkeit testen bevor man irgendwelche regressionen rechnet.

        • Hm. Also, ich habe es so gelernt:

          Zuallererst braucht man eine These, ein Modell, das erklärt, warum überhaupt ein bestimmter mathematischer Zusammenhang bestehen soll, z.B. ein quadratischer. Liegt eine lineare Beschleunigung vor, so dass der zurückgelegte Weg eines Objektes quadratisch mit der Zeit ansteigen müsste? Oder linear: Gibt es ein Wachstum bestimmter Gehirnregionen proportional zum Testosteronlevel, weil Testosteron als Transportvehikel für die entsprechenden Eiweiße fungiert? (Was weiß ich, bin kein Biologe.) Hat man ein solches Erklärungsmodell gefunden, kann man seine Daten auf einen entsprechenden Zusammenhang mittels statistischer Methoden überprüfen, wobei man auch hier vorher das gewünschte Konfidenzintervall festlegen muss.

          Alles andere ist Kaffeesatzleserei. Irgendein statistisch-mathematischer Zusammenhang findet sich immer.

          • Ja das klingt sehr vernünftig!
            Man sieht auch gleich bei welchem Punkt in deiner Liste die Autoren geschlampt haben: nämlich beim festlegen der fehlergrenzen. Man kann natürlich immer eine beliebige Funktion in beliebige Daten fitten, die Frage ist halt ob der fit was taugt. Und hier hätten die Autoren sehen müssen dass ihre geraden und Parabeln exorbitante Fehler aufweisen und deshalb genau gar keine Aussagekraft haben.

            Faustregel: wenn man den Zusammenhang (linear, quadratisch, was weiß ich) in den rohdaten nicht mit bloßem Auge sieht, dann gibt es ihn höchst wahrscheinlich auch nicht.

            Bei höherdimensionalen Daten ist das mit dem sehen natürlich nicht mehr so einfach, hier sollte man dann wie erwähnt auf Zufälligkeit der Daten prüfen (zb Entropie) wenn man unsicher ist. Und erst wenn man Zufall ausgeschlossen hat irgendwelche Modelle fitten.

          • Man kann auch ohne Hypothese fragen, ob zwei Größen korreliert sind. Das ist im Grunde nichts anderes, als einen linearen Zusammenhang als Modell anzunehmen und dann zu testen, wie gut Daten X die Daten Y unter dieser Modellannahme erklären können. Das ist eine sinnvolle Frage, auch wenn der Zusammen nicht linear ist. Eine Korrelation von z.B. 0.2 wäre mit dem bloßen Auge praktisch nicht zu erkennen, aber mit ungefähr 100 Datenpunkten statistisch signifikant nachweisbar.

            Aber das ist ja eine Frage als die, OB der Zusammenhang linear oder parabelförmig ist. Was immer hier auch mit aic oder bic rauskommen würde, die beiden Modelle, Gerade oder Parabel, wären beide ziemlich schlecht.

  2. Hier mal die Realität zu den Studien https://www.faz.net/aktuell/karriere-hochschule/buero-co/gastbeitrag-frauen-machen-firmen-besser-17119403.html?printPagedArticle=true#void
    Die Professorinnen Patricia Feldhoff und Astrid Szebel-Habig lehren an der TH Aschaffenburg.
    Astrid Szebel-Habig: „Seit 1995 Professorin für Personal- und Unternehmensführung an der im bundesweiten CHE Ranking Top-positionierten Hochschule Aschaffenburg. Dort gehört sie als Frauenbeauftragte der Hochschule der erweiterten Hochschulleitung, dem Senat und Hochschulrat an.“ http://www.mixed-leadership.com/projektteam/prof-dr-szebel-habig/
    Asu dem FAZ Artikel: „So zeigen Langzeit-Untersuchungen von Catalyst, McKinsey, EY und Boston Consulting Group, dass ein Frauenanteil von mindestens 30 Prozent in den wichtigsten Entscheidungsgremien zu einer höheren Leistung der Organisation als Ganzes führt, da Frauen und Männer sich in ihren Fähigkeiten ergänzen. Warum 30 Prozent? Weil dann die Person und nicht mehr das Geschlecht gesehen wird. Investoren legen immer mehr Wert auf einen hohen Frauenanteil im Management, weil hierdurch die Rendite gesteigert und Preisblasen an der Börse verhindert werden können.“

    „Der Grund, der jetzt auch zu Pandemiezeiten deutlich wird: Frauen sind oft die besseren Krisenmanager. Zudem zügeln sie das übermäßige Selbstbewusstsein männlicher CEOs.“

    „Frauenbeteiligung in norwegischen Aufsichtsräten das Zusammenarbeiten beeinflusst hat: bessere Arbeitskultur und Vorbereitung der Sitzungen, besseres Risiko- und Krisenmanagement.“

    „Die amerikanischen Forscher Chabris, Woolley und Malone zeigten in ihren MIT-Langzeitstudien, dass ein höherer Frauenanteil in einem Team die Gruppenintelligenz deutlich ansteigen lässt. Der Grund: Frauen achten darauf, dass jedes Teammitglied zu Wort kommt, während Männer schnell ein Platzhirsch- und Rudelverhalten entwickeln, wo der Ranghöchste das Sagen hat.“

    „Erstes Argument der Opponenten einer Frauenquote ist regelmäßig die in Deutschland angeblich nicht ausreichende Zahl an Frauen mit der „richtigen“ Qualifikation für Managementaufgaben. Die Bildungselite in Deutschland ist aber insgesamt weiblich: Frauen, die 45 Jahre alt und jünger sind, verfügen über ein höheres Qualifikationsniveau als gleichaltrige Männer. Bei den 30- bis 35-jährigen Frauen liegt der Anteil mit Hochschulreife mit 51 Prozent deutlich über dem der Männer mit 46 Prozent.“ Und es wundert mich jetzt nicht, dass es keine Förderprogramme für die Männer gibt, um den Ungleichstand auszugleichen.
    „Von falscher oder fehlender Qualifikation der Frauen im Hinblick auf das Karriereziel „Führungsaufgabe“ kann also schon seit Jahren nicht mehr evidenzbasiert gesprochen werden.“ Bin ich frog, dass es dafür Forschung gibt.

    „ine in Amerika 2014 veröffentlichte Studie zu Berufsanfängern macht deutlich, dass Hochschulabsolventinnen zu Beginn ihrer Berufslaufbahn deutlich ehrgeiziger sind als ihre männlichen Kollegen und knapp 50 Prozent sogar eine Topmanagement-Position anstreben. Nach zwei Jahren Berufserfahrung fallen sie deutlich gegenüber den Männern zurück, weil es ihnen an Vorbildern mangelt und sie nicht genügend von ihren direkten Vorgesetzten unterstützt werden.“ Ach, diese Forschung.

    „Zudem schreckt sie die notwendige Selbstausbeutung ab, um an die Spitze zu gelangen, insbesondere dann, wenn Kinder in die Familie kommen und die für Frauen nachweislich immer noch ungleich höhere Belastung mit familiären beziehungsweise haushaltsbezogenen unbezahlten Aufgaben („Home Production“) noch schwerer mit einer Karriere unter einen Hut zu bringen ist.“ Kinder prodizieren doch nur CO2. Verzicht ist das neue Kind haben.

    „Eine weitere, 2018 veröffentlichte Harvard-Studie stellt außerdem fest, dass Frauen in Unternehmen schlechter als Männer behandelt werden: So werden Frauen von den wichtigen Informationsnetzwerken bewusst ausgegrenzt, sie werden für Fehler stärker bestraft und erhalten weniger positives Feedback für ihre Leistungen als Männer. Von Vorgesetzten werden sie weniger gefördert.“ Was bei allen aufgeführten Studien interessant ist, dass es keinerlei Quelleangaben der Autorinnen gibt oder eine Verlinkung. Internet wird überbewertet.

    Ich will jetzt hier aufhören, habe jetzt genug ins Essen gekotzt.

  3. Kaum hatte ich die Graphen gesehen wollte ich schon dreinschlagen. Aber das haben die werten Mitkommentatoren schon gemacht. Dankschön!
    Wenn so etwas publiziert werden kann, wundert es nicht wenn von einer Reproduzierbarkeitskrise geredet wird.

    Frohes neues Jahr!

      • Man kann durchaus nichtlinear anpassen. Die wilden Punktwolken sind das Problem. Ein Dozent hat mich mal wegen eines Korrelationskoeffizienten von knapp über 0,95 bei linearer Anpassung eingenordet (zu recht, wie ich eingestehe).
        Das was im Artikel gezeigt wurde dürfte eher bei <0,5 gelegen haben.

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google Foto

Du kommentierst mit Deinem Google-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.