Formale Methoden in der Lebensspannenpsychologie
Seit der Gründung des Forschungsbereichs Entwicklungspsychologie durch den verstorbenen Paul B. Baltes im Jahr 1981 ist das „Formale Methoden“-Projekt ein charakteristisches Merkmal von LIP geworden. Wir sind bestrebt, auf diesem Erbe aufzubauen und methodische Fortschritte zu erzielen, die Forschung effizienter, robuster und valider machen. Angetrieben von den Bedürfnissen der LIP-Forscher*innen bewerten wir konventionelle Methoden neu und entwickeln innovative Instrumente mit dem Ziel, klare und verständliche Beratung zu bieten und Verfahren zu etablieren, die auf einem prinzipiengeleiteten Verständnis von Wissenschaft beruhen. Um dieses Ziel zu erreichen, nutzen wir ein breites Spektrum an interdisziplinären Werkzeugen, modellieren verschiedene statistische Ansätze mit Nachdruck auf Stringenz (wie sie z.B. Softwareentwicklung vorschreibt) und Transparenz (wie z.B. durch Open Science vorgegeben), die gründlichen Analysen der Metawissenschaft und die tiefgreifenden Perspektiven, die die Wissenschaftsphilosophie bietet. Die Mission des Projektes ist die Etablierung einer methodischen Basis und einer zugänglichen statistischen Toolbox für qualitativ hochwertige Forschung zur Entwicklung der Lebensspanne, die Wissenschaftler*innen dazu anregt, schwierige Probleme mit äußerster wissenschaftlicher Stringenz anzugehen, die zu einer transparenten Wissensverbreitung führt.
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;
- die Entstehung von Individualität und ihre Beziehung zur Plastizität des Gehirns zu modellieren;
- hochdimensionale Zeitreihen zu analysieren und zu klassifizieren.
Außerdem haben wir ein besonderes Interesse daran zu erkunden, wie Open Science Forschungsmethoden verbessern kann:
- Analyse der Grundprinzipien von Open Science
- Tools für computationale Reproduzierbarkeit
- rigorose Anwendung der Preregistration
- Anwendung der Praktiken von Open Science auf Methodenforschung selbst
