BSR 18: Über die Seriosität medialer Berichterstattung in Corona-Zeiten

SARS-CoV2, COVID-19 oder einfach nur Corona?

Positiv Getestete, Infizierte, Erkrankte oder einfach nur Corona-Fälle?

Worin besteht der Unterschied? Sollte im Rahmen der medialen Berichterstattung unterschieden werden? Sagt die Unterscheidung der Begrifflichkeiten in der medialen Berichterstattung womöglich etwas über die Seriosität eben dieser Berichterstattung aus?

SARS-CoV2 als Name des Virus.

COVID-19 als Name der Erkrankung, die durch das Virus SARS-CoV2 verursacht wird.

Corona als Name einer Virenfamilie, zu der neben dem Virus SARS-CoV2 auch zahlreiche andere Corona-Viren gehören.

Positiv Getestete als Anzahl der Menschen mit einem positiven Testergebnis.

Infizierte als Anzahl der Menschen, die mit dem SARS-CoV2 Virus infiziert sind.

Erkrankte als Anzahl der Menschen, die an COVID-19 erkrankt sind.

Corona-Fälle als undifferenzierte Pauschalierung, die positiv Getestete, Infizierte und Erkrankte in einen Topf wirft.

Gerade in Krisenzeiten kommt einer präzisen Begriffsverwendung in der medialen Berichterstattung eine elementare Bedeutung zu – lässt sich doch daran in der Regel gut ablesen, welche Intention der Autor respektive die Medienanstalt verfolgt. Liegt der Fokus auf Aufklärung, sollte begrifflich sauber differenziert werden. Wird begrifflich nicht sauber differenziert, ist davon auszugehen, dass der Fokus eher auf der Manipulation der Meinung des geneigten Medienkonsumenten liegt oder auf der schlichten Gier nach Zuschauern, Lesern oder einfach nur „Klicks“. Alternativ kann es natürlich auch schlicht journalistische oder fachliche Inkompetenz sein.

Warum ist eine saubere begriffliche Differenzierung wichtig?

Am 11.7.2020 war im Redaktionsnetzwerk Deutschland (RND) und zahlreichen anderen Medien folgende Schlagzeile zu lesen:

„Wieder neuer Höchstwert in den USA: Mehr als 66.000 Corona-Neuinfektionen an einem Tag“

Ist diese Aussage faktisch-inhaltlich richtig? Ist die Zahl der Neuinfektionen in den USA wirklich bekannt? Um eine solche Aussage treffen zu können, müsste jeden Tag für alle rund 330 Mio. Einwohner der USA die Anzahl der infizierten Menschen bekannt sein. Das hieße, es müssten jeden Tag 330 Mio. Tests durchgeführt werden und die Testergebnisse müssten eine Zuverlässigkeit von 100% aufweisen, damit die Anzahl der neu Infizierten auf Tagesbasis ermittelt werden kann. Nach letzten Medienberichten liegt die Anzahl der täglich durchgeführten Test in den USA bei 600.000, nicht bei 330 Millionen.

Welches Faktum liefert die Zahl der „mehr als 66.000 Corona-Neuinfektionen an einem Tag“ also wirklich? „BSR 18: Über die Seriosität medialer Berichterstattung in Corona-Zeiten“ weiterlesen

BSR 17: Corona-Statistik condensed

Medizinische Tests sind in ihren Ergebnissen fehlerbehaftet. Immer. Gute Tests machen wenig Fehler. Schlechte Tests machen viele Fehler.

Aber Fehler ist nicht gleich Fehler. Bei derartigen Tests sind zwei Fehlerdimensionen zu unterscheiden. Zum einen die Genauigkeit, mit der ein Test infizierte Menschen als infiziert erkennt. Hierbei handelt es sich um die sogenannte Sensitivität. Zum anderen die Genauigkeit, mit der ein Test nicht infizierte Menschen auch als nicht infiziert erkennt. Dies ist die sogenannte Spezifität. Beide Größen werden in Prozent angegeben.

Der Vollständigkeit halber sei an dieser Stelle erwähnt, dass sowohl Sensitivität als auch Spezifität eines Tests von weiteren Parametern abhängen, wie z.B. der „Signalstärke“, also von der Anzahl der Krankheitserreger, die sich in einer Probe befinden. Dies spielt aber für die im Folgenden beschriebenen grundsätzlichen Zusammenhänge keine Rolle.

Wenn beispielsweise ein Test eine Sensitivität von 99,7% und eine Spezifität von 98,6% aufweist, ist dies ein sehr guter Test, weil beide Werte nahe 100% liegen.

Bezogen auf 1.000 infizierte Menschen würde eine Sensitivität von 99,7% beispielsweise bedeuten, dass der Test im Durchschnitt 997 von diesen 1.000 Infizierten auch als infiziert erkennt. Das hieße, drei Infizierte würden ein negatives Testergebnis erhalten, obwohl sie infiziert sind, und wären damit falsch-negativ.

Bezogen auf 1.000 nicht infizierte Menschen würde eine Spezifität von 98,6% bedeuten, dass der Test im Durchschnitt 986 Menschen als nicht infiziert erkennt. Das wiederum hieße, 14 Menschen würden ein positives Testergebnis erhalten, obwohl sie gar nicht infiziert sind, und wären damit falsch-positiv.

Im Klartext heißt das, bei jedem Test gibt es eine gewisse Wahrscheinlichkeit, dass infizierte Menschen als nicht-infiziert in die Statistik eingehen und nicht-infizierte Menschen als infiziert in die Statistik eingehen. Diese Fehler müssten aus einer akkuraten Statistik herausgerechnet werden. Wie groß diese Wahrscheinlichkeit ist, wird durch die Sensitivität und die Spezifität des jeweiligen Tests ausgedrückt.

Mit obigem Beispiel wurden bereits die beiden möglichen Extremszenarien beschrieben:

Durchseuchung in der Bevölkerung 100%, d.h. von 1.000 getesteten Menschen sind 1.000 infiziert. Dabei werden 997 Menschen auch als infiziert erkannt und 3 nicht. Die Statistik zeigt 997 Infizierte.

Durchseuchung in der Bevölkerung 0%, d.h. von 1.000 getesteten Menschen sind 1.000 nicht infiziert. Dabei werden 986 Menschen als nicht-infiziert erkannt, aber 14 Menschen erhalten ein als falsch-positives Testergebnis. Die Statistik zeigt 14 Infizierte, die aber gar nicht infiziert sind.

Das heißt im Klartext, je geringer die Durchseuchung in der Bevölkerung, desto mehr treten die falsch-positiven Testergebnisse in Erscheinung. „BSR 17: Corona-Statistik condensed“ weiterlesen

BSR 16: Corona-Jeopardy

Sie kennen das Spiel Jeopardy? Anstatt Fragen vorzugeben und nach den Antworten zu suchen, werden zu vorgegebenen Antworten die dazu gehörigen Fragen gesucht.

Welche Frage würde wohl zu der folgenden Antwort passen und wer würde diese Antwort geben?

„Ich habe nur dagesessen, Liebes, mich feige verkrochen und alles über mich ergehen lassen.“

Welche Frage würde wohl zu der folgenden Antwort passen und wer würde diese Antwort geben?

„Ich habe meinen Teil dazu beigetragen, Liebes, indem ich die Menschen mit meiner Arbeit angelogen habe.“

Welche Frage würde wohl zu der folgenden Antwort passen und wer würde diese Antwort geben?

Ich habe daran mitgewirkt, das Ganze durchzusetzen, Liebes.

Vielleicht sollten wir alle uns die Frage gut merken, die zu diesen Antworten gehört – denn so viel sei gesagt: es ist ein und dieselbe Frage für alle drei Antworten – und sie bei passender Gelegenheit unserem Gegenüber stellen, um ihn ein wenig nachdenklich zu stimmen.

Die passende Frage, der geneigte Leser kann dabei natürlich gerne „Papa“ durch „Opa“ ersetzen, lautet:

„Papa, wo warst Du eigentlich, als die autoritäre Weltregierung Einzug hielt, unsere Wirtschaft zerstörte, unsere bürgerlichen Grundrechte abschaffte, und wir uns nun Zwangsimpfen lassen und alles tun müssen, was uns die Regierung sagt, damit wir am Monatsende unser Geld bekommen? Papa, was hast Du da gemacht?“

Die Antworten könnten von einem normalen Bürger, einem Journalisten und einem Gesetzeshüter gekommen sein.

Nehmen wir doch unsere Mitmenschen mit auf eine kleine Reise in die Zukunft, wann immer wir die Gelegenheit dazu bekommen, und stellen ihnen diese Frage im Namen ihrer Kinder oder Enkel.

Und die Gelegenheiten werden kommen!

Für jeden von uns.

Früher oder später.

BSR 6: Social Engineering

Man muss kein Wissenschaftler sein, um professionelles Social Engineering zu betreiben. Vielleicht ist es sogar eher schädlich. Denn als Wissenschaftler lernt man, einen Sachverhalt von allen Seiten zu beleuchten. Das ist beim Social Engineering gänzlich unerwünscht.

Kennen Sie Edward Bernays? Sollten Sie kennen!

Sie glauben, Sie seien Herr Ihrer Bedürfnisse? Sind Sie nicht.

Treffen Sie Edward Bernays, der mit seinem Buch „Propaganda“ den Grundstein legte für das, was heute unter dem unschuldig klingenden Begriff Public Relations (PR) bekannt ist, aber defacto nichts anderes ist als Meinungsmanipulation.

Bernays schreibt auf Seite 23: „Das Ausmaß, in dem Propaganda den Fortschritt der Dinge bestimmt, die uns bewegen, wird sogar gut informierte Menschen überraschen. Man braucht nur etwas unter der Oberfläche der Zeitungsmeldungen zu schauen, um Hinweise bezüglich der Macht der Propaganda über die öffentliche Meinung zu bekommen.“

Bernays führt daraufhin beispielhaft die erste Seite der New York Times an, die zu dem Zeitpunkt, da er das Buch schreibt, vor ihm liegt. Er stellt fest, dass vier der acht Meldungen Propaganda waren. Das ist ein Anteil von 50%.

„Der gewöhnliche Leser nimmt diese als zufällige Ereignisse auf.“

Ach so, habe ich Ihnen schon gesagt, wann das Buch veröffentlicht wurde? Im November 1928. Das heißt, die Propaganda-Maschinerie läuft seit rund 100 Jahren in der Form, dass jeder sich dessen bewusst sein könnte. Denn in dem als pdf in englisch frei erhältlichen Buch steht, wie es geht.

Wie hoch, glauben Sie, ist der Propaganda-Anteil bei den Nachrichten heutzutage?

„BSR 6: Social Engineering“ weiterlesen