Forschungsprojekte

Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)

Koch, Tobias, Friedrich-Schiller-Universität Jena
Domahidi, Emese, Technische Universität Ilmenau

Trotz der zunehmenden akademischen Aufmerksamkeit für die Relation zwischen psychischer Gesundheit (Mental Health, MH) und der allgegenwärtigen Nutzung digitaler Medien (Digital Media Use, DMU) gibt es in diesem Bereich bemerkenswerte methodische Herausforderungen. Dazu gehören ein Mangel an systematischen Vergleichen von Umfragen mittels klassischen Fragebögen und objektiven digitalen Datenquellen, ein unzureichendes Verständnis der zeitlichen Dynamik zwischen DMU und MH sowie ein Mangel an experimentellen Befunden zur Klärung der kausalen Beziehung zwischen den beiden Variablen.

In dem vorgeschlagenen interdisziplinären Projekt COSDIMH werden wir uns auf die Kombination verschiedener DMU- und MH-Messungen in Umfragedaten und digitalen Tracking-Daten konzentrieren. Wir vergleichen Messungen innerhalb und zwischen Umfragen und digitalen Tracking-Daten, um ihre Validität und Reliabilität zu analysieren. Wir untersuchen die kurzfristigen dynamischen Beziehungen zwischen DMU- und MH-Messungen, indem wir verschiedene Messungen aus mehreren Umfragen und digitalen Tracking-Daten kombinieren. Schließlich analysieren wir die Kausalität der Beziehung zwischen DMU und MH in einem experimentellen Rahmen und implementieren personalisierte Interventionen. Wir identifizieren innovative Verfahren, Methoden und potenzielle Fallstricke für solche kombinatorischen Forschungsansätze.

Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)

Prof. Dr. Tobias Koch, Prof. Dr. Michaela Riediger

Soziale Interaktionen haben tiefgreifende Auswirkungen auf das menschliche Wohlbefinden, wobei stabile Bindungen die geistige und körperliche Gesundheit fördern und soziale Isolation zu negativen Ergebnissen führt. Unser Projekt konzentriert sich auf die entscheidende Entwicklungsphase des jungen Erwachsenenalters, die durch die Navigation durch neue soziale Dynamiken und den Aufbau wichtiger sozialer Netzwerke gekennzeichnet ist. Durch den Einsatz innovativer Technologien, wie z. B. Methoden der Erfahrungsstichprobe und Bluetooth-fähige Geräte, wollen wir soziale Interaktionen in Echtzeit in verschiedenen realen Kontexten erfassen. Durch die Integration mit dem deutschen Nationalen Bildungspanel (NEPS) wollen wir außerdem die komplexe Beziehung zwischen sozialen Interaktionen, gesundheitlichen Ergebnissen und Entwicklungsprädiktoren untersuchen. Dieses Projekt leistet einen Beitrag zum Infrastruktur-Schwerpunktprogramm "Neue Datenräume für die Sozialwissenschaften" (SPP 2431) und bringt den Forschungsbereich 4 voran, indem es neue Erkenntnisse durch multimethodische ambulante Bewertungsstudien liefert. Durch die Entwicklung von innovativen Technologien und neuen statistischen Methoden ermöglichen wir es den Forschern, mit hoher Präzision und Validität zu erforschen, wie soziale Interaktionen Gesundheit und Entwicklung beeinflussen.

Weitere Kooperationspartner: Prof. Dr. Franz Neyer (FSU Jena), Prof. Dr. Jana Holtmann (Uni Leipzig), Prof. Dr. David Martínez Iñigo (Rey Juan Carlos University), Prof. Dr. Francisco Serradilla (Universidad Politécnica de Madrid)

Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)

Prof. Dr. Tobias Koch, Prof. Dr. Manuel Völkle (HU Berlin)

Die LST-Theorie zählt zu den einflussreichsten messtheoretischen Ansätzen in der Psychologie. Sie eröffnet die Möglichkeit, Veränderungs- und Variabilitätsprozesse von psychologischen Merkmalen mithilfe geeigneter statistischer Modelle zu erforschen. Unbeantwortete Fragen beziehen sich auf die Bedingungen, unter denen LST-Modelle in quasi-experimentellen Designs kausal interpretiert werden können. Unser Projekt widmet sich dieser Thematik aus verschiedenen Blickwinkeln: Wir vergleichen statistische mit kausalen Modellen, zeitdiskrete mit zeitstetigen Modellen und stochastische mit graphbasierten Kausaltheorien. Im Rahmen des Projekts untersuchen wir, wie kausale Effekte in LST-Modellen mit autoregressiven Effekten präzise definiert und geschätzt werden können.

Weitere Kooperationspartner: Dr. Christian Gische, Minne Hagel, Moritz Ketzer, Fabian Münch

Drittmittelgeber: Bundesministerium für Bildung und Forschung (BMBF)

Im Rahmen des Projekts entstehen interdisziplinäre Selbstlernkurse zu "computational communication science und social sciences" (Computationale Methoden in den Kommunikationswissenschaften und Sozialwissenschaften) in Kooperation mit der TU Ilmenau unter der Leitung von Prof. Dr. Domahidi. Dabei liegt der Fokus des Projekts auf der Entwicklung etablierter Methoden des Maschinellen Lernens und automatischer Textanalyse.
Mehr Informationen finden Sie hier: https://tzlr.de/projects/thinki/Externer Link

Weitere Kooperationspartner: Christian Bloszies

Drittmittelgeber: Deutsche Forschungsgemeinschaft (DFG)

Das Projekt verfolgt das Ziel, Item-Response-Theorie-(IRT)-Modelle zu erweitern, um komplexe Cross-Classified-Multirater-(CCM)-Daten mithilfe von Mischverteilungsansätzen zu analysieren, die zur Identifikation unbekannter Gruppen dienen. Es knüpft an aktuelle Forschungsergebnisse im Bereich multimethodaler Forschung an und erweitert bestehende Modelle auf CCM-Daten, die in verschiedenen Bereichen der Psychologie und empirischen Bildungsforschung auftreten. Ein konkretes Beispiel sind Lehrevaluationen an Hochschulen, bei denen dieselben Studierenden mehrere Lehrkräfte bewerten, was zu einer CCM-Datenstruktur führt. Die neu entwickelten Modelle sollen auf Lehrevaluationsdaten angewendet werden, um die konvergente und diskriminante Validität von Lehrevaluationen detailliert zu untersuchen. Die statistische Leistungsfähigkeit der Modelle wird zudem in Monte Carlo Simulationsstudien evaluiert. Dieser Ansatz trägt dazu bei, die Evaluation von Lehrqualität an Hochschulen präziser zu gestalten und wissenschaftlich fundierte Erkenntnisse zu liefern.

Weitere Kooperationspartner: R. Maximilian Bee

Das Universitätsprojekt Lehrevaluation (ULe) unterstützt durch systematische und wissenschaftlich fundierte Verfahren zur Lehrevaluation den Qualitätsentwicklungsprozess der Universität Jena auf zwei Ebenen: (a) auf der Ebene der einzelnen Lehrveranstaltung und (b) auf der Ebene eines gesamten Studiengangs/-fachs.
Für beide Ebenen wurden Feedbackinstrumente entwickelt, die den Dialog zwischen den Studierenden und den Lehrenden unterstützen und fördern.