Anwendung des Ant-Colony-Optimization Algorithmus zur Skalenkürzung für Determinanten des Gesundheitsverhaltens
Worum es geht
Am Verhalten von Ameisenkolonien orientiert sich der sogenannte Ant-Colony-Optimization Algorithmus (ACO). Die Tiere bilden Ameisenstraßen und gelangen so auf schnellstmöglichem Weg an Futter. Diesen Gedanken überträgt der Algorithmus auf Problemlösesituationen. Im aktuellen Projekt nutzen wir ihn, um bestehende Testsysteme und Interventionen zu optimieren.
In bevölkerungsbasierten Präventionsstudien werden häufig gleich mehrere Gesundheits- und Risikoverhaltensweisen abgefragt. Das resultiert in langen Fragebögen und einer dementsprechend hohen Belastung von Testteilnehmer*innen. Um diese Belastung in Zukunft zu verringern, brauchen wir kürzere Fragebögen. Im aktuellen Projekt analysieren wir bestehende Testverfahren mithilfe des ACO-Algorithmus. Ziel ist es, basierend auf unseren Ergebnissen Kurzskalen zu entwickeln, mit denen Selbstwirksamkeitserwartung und Entscheidungsbalance für gesundheitsrelevante Verhaltensweisen erfasst werden können. Unser Vorgehen orientiert sich an den folgenden Leitfragen:
Inwieweit ist der ACO-Algorithmus zur Itemselektion in den Bereichen Alkohol- und Tabakkonsum sowie körperliche Aktivität geeignet?
Können mittels ACO-Algorithmus vergleichbare oder sogar zuverlässigere Kurzskalen erstellt werden als mit konventionellen Methoden?
Sind die Skalen über verschiedene Zeitpunkte hinweg messinvariant und lässt sich der ACO-Algorithmus zur Selektion von messinvarianten Itemsets nutzen?
Projektleitung: Dr. Anne Möhring
Projektförderung: Deutsche Forschungsgemeinschaft
