Forschung
Unsere Forschung am Lehrstuhl für Psychologische Methodenlehre, Evaluation und Statistik liegt im Schnittbereich von Statistik, Psychometrie und Machine Learning.
Wir entwickeln Methoden zur Aufdeckung von Parameter-Unterschieden in psychometrischen Modellen. Solche Unterschiede können die Fairness psychologischer Tests beeinträchtigen. Einige unserer Methoden basieren auf klassischer, parametrischer Statistik, andere auf Ansätzen aus dem Machine Learning.
Im Bereich Machine Learning entwickeln wir Methoden zur Beurteilung der Stabilität sowie zur zuverlässigen Messung und Interpretation der Beiträge von Prädiktor-Variablen. Diese Themen sind auch für unsere Arbeiten im Bereich Psychometric Computing relevant.
In allen drei Forschungsbereichen sind wir an der Entwicklung von Zusatzpaketen für die kostenlose Open-Source Software R beteiligt. Die verfügbaren R-Pakete sind unten aufgeführt.
|
Psychometrie |
Psychometric Computing |
Machine Learning |
Beispiele für Forschungsprojekte mit Drittmittelförderung
Für weitere Themen siehe Publikationen
SNF-Projekt
Development of a Toolbox for Psychological Test Development
SNF-Projekt
Detecting Heterogeneity in Complex IRT Models for Measuring Latent Traits
BMBF-Projekt
Heterogenität in IRT-Modellen im BMBF-Schwerpunktfeld Kompetenzdiagnostik
DFG-Projekt
Methoden zur Berücksichtigung von Subjekt-Kovariablen in IRT-Modellen
Kollaborationen
BRIDGE Discovery Projekt
Harnessing event and longitudinal data in industry and health sector through privacy preserving technologies
SNF Sinergia Projekt
MULTICAST- A MULTIdisCiplinary Approach to prediction and treatment of Suicidality
DSI-Projekt
PREMIA - A Prediction Market with Integrated Algorithms
