Neues Forschungsprojekt verbessert maschinelles Lernen in der psychologischen Forschung

Maschinelles Lernen (ML) bietet vielversprechende Möglichkeiten, große Datenmengen effizient zu analysieren und zukünftige Entwicklungen vorherzusagen – etwa in der Medizin und Epidemiologie. In der Psychologie werden ML-Modelle zum Beispiel genutzt, um komplexe Verhaltensmuster wie Rückfälle bei Suchterkrankungen oder Depression vorherzusagen. Doch das Forschungsfeld steht vor besonderen Herausforderungen: Kleine Stichproben, unvollständige Daten und messfehlerbehaftete Messungen sowie methodische Mängel bei der Umsetzung der Analysen führen oft zu fehlerhaften Ergebnissen.

„Methodische Mängel haben in der psychologischen Forschung möglicherweise schwerwiegende negative Folgen sowohl für einzelne Personen als auch für die Gesellschaft“, erläutert Prof. Dr. Ulrich Schroeders, Leiter des Fachgebiets Psychologische Diagnostik an der Universität Kassel. „Diese Fallstricke verstärken die Gefahr einer ‚Replikationskrise‘ in unserem Forschungsfeld“, ergänzt Dr. Kristin Jankowsky, die am Fachgebiet forscht. Das bedeutet, dass die Vorhersagen, die mit maschinellem Lernen erzielt werden, systematisch verzerrt und ungenau sind. Das stellt die wissenschaftliche Gültigkeit und Generalisierbarkeit der Aussagen in Frage.

Deshalb entwickeln Prof. Schroeders und Dr. Jankowsky einen speziell auf die Psychologie zugeschnittenen ML-Workflow, der auf typische Fallstricke in der Modellierung aufmerksam macht und so dabei helfen soll, die Gefahr für fehlerhafte Aussagen zu verringern. Der ML-Workflow umfasst fünf Schritte: Konzeptualisierung, Datenvorverarbeitung, Modelltraining, Validierung und Bewertung sowie Interpretation und Verallgemeinerbarkeit. Im Projekt wird zunächst in einem umfangreichen Überblicksartikel der Ist-Zustand erfasst. Darauf aufbauend wird eine Checkliste entwickelt, die Forschende zukünftig durch den ML-Prozess leitet und dabei unterstützt, typische Fehler zu vermeiden. Zum Abschluss des Projekts erstellt das Team einen frei zugänglichen Online-Lernkurs, der die Logik und Techniken der ML-Modellierung anschaulich vermittelt. Für das Projekt „Bewältigung der Replikationskrise in der Machine Learning Modellierung“ erhalten die Forschenden eine Sachbeihilfe der Deutschen Forschungsgemeinschaft von 317.889€ im Rahmen des Schwerpunktprogramms "META-REP: Ein meta-wissenschaftliches Programm zur Analyse und Optimierung von Replizierbarkeit in den Verhaltens-, Sozial- und Kognitionswissenschaften".

„Durch unser Projekt bieten wir anderen Forschenden im Bereich der Psychologie wertvolle Werkzeuge und Ressourcen, die die Qualität der Forschung und der Ergebnisse verbessern“, so Schroeders. So versuchen die Kasseler Forschenden einen Beitrag zur Entschärfung der Replikationskrise in der ML-Modellierung in den Verhaltenswissenschaften zu leisten.

Kontakt:

Prof. Dr. Ulrich Schroeders
Fachgebietsleiter Psychologische Diagnostik
Telefon: +49 561 804-7529
E-Mail: schroeders[at]psychologie.uni-kassel.de

Dr. Kristin Jankowsky
Wissenschaftliche Mitarbeiterin im Fachgebiet Psychologische Diagnostik
Telefon: +49 561 804-3576
E-Mail: jankowsky[at]psychologie.uni-kassel.de