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
Dies war ein bis 2023 EU-gefördertes Projekt, an dem sich die Berliner Altersstudien BASE und BASE-II unter Mitarbeit des Projekts Formale Methoden in der Lebensspannenpsychologie beteiligten. Es integrierte Daten von 6000 Studienteilnehmern, die bei 11 europäischen Studien mit bildgebenden Verfahren in 7 Ländern erhoben wurden.
mehr
Ausgewählte Publikationen
Brandmaier, A. M., Lindenberger, U., & McCormick, E. M. (2024). Optimal two-time point longitudinal models for estimating individual-level change: Asymptotic insights and practical implications. Developmental Cognitive Neuroscience, 70, Article 101450. https://doi.org/10.1016/j.dcn.2024.101450
Ernst, M. S., Peikert, A., Brandmaier, A. M., & Rosseel, Y. (2023). A note on the connection between trek rules and separable nonlinear least squares in linear structural equation models. Psychometrika, 88(1), 98–116. https://doi.org/10.1007/s11336-022-09891-5
Tucker-Drob, E. M., De la Fuente, J., Köhncke, Y., Brandmaier, A. M., Nyberg, L., & Lindenberger, U. (2022). A strong dependency between changes in fluid and crystallized abilities in human cognitive aging. Science Advances, 8, Article eabj2422. https://doi.org/10.1126/sciadv.abj2422
Walhovd, K. B., Fjell, A. M., Wang, Y., Amlien, I. K., Mowinckel, A. M., Lindenberger, U., Düzel, S., Bartrés-Faz, D., Ebmeier, K. P., Drevon, C. A., Baaré, W. F. C., Ghisletta, P., Johansen, L. B., Kievit, R. A., Henson, R. N., Skak Madsen, K., Nyberg, L., Harris, J. R., Solé-Padullés, C., Pudas, S., Sørensen, Ø., Westerhausen, R., Zsoldos, E., Nawijn, L., Hovde Lyngstad, T., Suri, S., Penninx, B., Rogeberg, O. J., & Brandmaier, A. M. (2022). Education and income show heterogeneous relationships to lifespan brain and cognitive differences across European and US cohorts. Cerebral Cortex, 32(4), 839–854. https://doi.org/10.1093/cercor/bhab248
Arnold, M., Voelkle, M. C., & Brandmaier, A. M. (2021). Score-guided structural equation model trees. Frontiers in Psychology, 11, Article 564403. https://doi.org/10.3389/fpsyg.2020.564403
Peikert, A., & Brandmaier, A. M. (2021). A reproducible data analysis workflow with R Markdown, Git, Make, and Docker. Quantitative and Computational Methods in Behavioral Sciences, 1, Article e3763. https://doi.org/10.5964/qcmb.3763
Brandmaier, A. M., Wenger, E., Bodammer, N. C., Kühn, S., Raz, N., & Lindenberger, U. (2018). Assessing reliability in neuroimaging research through intra-class effect decomposition (ICED). eLife, 7, Article e35718. https://doi.org/10.7554/eLife.35718
Brandmaier, A. M., Prindle, J. J., McArdle, J. J., & Lindenberger, U. (2016). Theory-guided exploration with structural equation model forests. Psychological Methods, 21(4), 566–582. https://doi.org/10.1037/met0000090