EnglishDeutsch

Methoden in der Lebensspannenpsychologie

Seit seiner Gründung im Jahr 1981 durch den verstorbenen Paul B. Baltes hat sich der Forschungsbereich Entwicklungspsychologie bemüht, konzeptuelle und methodologische Erneuerung innerhalb der Entwicklungspsychologie und im interdisziplinären Kontext zu betreiben. Über die Jahre hat sich die kritische Betrachtung von Beziehungen zwischen Theorie, Methodik und den Daten zu einem eigenständigen Merkmal des Forschungsbereichs entwickelt. Die zeitliche Auflösung der für Entwicklungspsychologie relevanten Daten variiert immens, beginnend mit behavorialen Beobachtungen im Millisekundenbereich bis hin zu Längsschnittuntersuchungen mit einer geringen Anzahl von Beobachtungen verteilt über viele Jahre. Das Projekt Formale Methoden widmet sich der Entwicklung multivariater mathematischer, statistischer und computergestützter Forschungswerkzeuge, die komplexen Versuchsdesigns, deren Datenerhebung multimodal und auf verschiedenen Zeitebenen durchgeführt wird, Rechnung trägt. Ferner sucht das Projekt praktische Lösungen für die methodologischen Herausforderungen der Entwicklungspsychologie und verwandter wissenschaftlicher Felder. Seine Hauptziele sind es, zum einen den Zusammenhang zwischen Theorie und Daten kritisch zu betrachten und zum anderen Wissenschaftler mit Mitteln auszustatten, um die Effizienz von Datenerhebung und Datenanalyse zu optimieren.

Team

Team Formale Methoden
© MPI fuer Bildungsforschung

Von links nach rechts: A. Brandmaier, J. Prindle, T. von Oertzen, J. Karch, C. Driver, T. Brick, J. Berger, M. Völkle, J. Adolf.

Forschungsausrichtungen

Besonderes Augenmerk des Projekts liegt auf der Analyse und Klassifikation von Variabilität und Veränderung. Daher wurde der Fokus auf Strukturgleichungsmodelle (SEM) weiter verstärkt. SEM vereinheitlicht eine große Zahl verschiedener, multivariater Analyseansätze, indem es die Beziehungen beobachteter und latenter Variablen modelliert. In verschiedenen Projekten hat das Team gezeigt, wie SEM als eine formale Sprache Wissenschaftler darin unterstützen kann,

  • den Ressourceneinsatz bei der Planung längsschnittlicher Studien zu optimieren
  • mithilfe von explorativer Datenanalyse theoriegeleitete Hypothesen zu verändern und zu verbessern
  • in längsschnittlichen Studien, Zeit als eine kontinuierliche Variable zu verwenden
  • die Entstehung von Individualität und ihre Beziehung zur Plastizität des Gehirns zu modellieren
  • hochdimensionale Zeitreihen zu analysieren und zu klassifizieren

Das Projekt ist außerdem an der Entwicklung von Ωnyx, einem frei verfügbaren, neuen statistischen Modellierungswerkzeug, beteiligt.

 

Neue Publikationen

Brandmaier, A. M., Ram, N., Wagner, G. G., & Gerstorf, D. (2017). Terminal decline in well-being: The role of multi-indicator constellations of physical health and psychosocial correlates. Developmental Psychology, 53, 996–1012. doi: 10.1037/ dev0000274

Voelkle, M. C. (2017). A new perspective on three old methodological issues: The role of time, missing values, and cohorts in longitudinal models of youth development. In A. C. Petersen, S. H. Koller, F. Motti-Stefanidi, & S. Verma (Eds.), Positive youth development in global contexts of social and economic change (pp. 110–136). New York: Routledge.

Alumni

Timothy R. Brick, Pennsylvania State University
John J. Prindle, University of Southern California

Literatur

Brandmaier, A. M., von Oertzen, T., Ghisletta, P., Hertzog, C., & Lindenberger, U. (2015). LIFESPAN: A tool for the computer-aided design of longitudinal studies. Frontiers in Psychology, 6: 272. doi: 10.3389/fpsyg.2015.00272

Brandmaier, A., von Oertzen, T., McArdle, J. J., & Lindenberger, U. (2013). Structural equation model trees. Psychological Methods, 18, 71–86. doi: 10.1037/a0030001

Brandmaier, A. M., Prindle, J. J., McArdle, J. J., & Lindenberger, U. (2016). Theory-guided exploration with structural equation model forests. Psychological Methods, 21, 566–582. doi: 10.1037/ met0000090

Driver, C. C., Oud, J. H. L., & Voelkle, M. C. (2017). Continuous time structural equation modeling with R package ctsem. Journal of Statistical Software, 77:5. doi: 10.18637/jss.v077.i05

Freund, J., Brandmaier, A. M., Lewejohann, L., Kirste, I., Kritzler, M., Krüger, A., Sachser, N., Lindenberger, U. & Kempermann, G. (2013). Emergence of individuality in genetically identical mice. Science, 340(6133), 756–759. doi: 10.1126/science. 1235294

Karch, J. D., Sander, M. C., von Oertzen, T., Brandmaier, A. M., & Werkle-Bergner, M. (2015). Using within-subject pattern classification to understand lifespan age differences in oscillatory mechanisms of working memory selection and maintenance. NeuroImage, 118, 538–552. doi: 10.1016/ j.neuroimage.2015.04.038