Zeitstetige Modelle

Während sich die meisten psychologischen Prozesse kontinuierlich über die Zeit hinweg entwickeln, lassen sie sich nur zu bestimmten diskreten Zeitpunkten beobachten. Entsprechend gilt es, die Mechanismen, die einem sich kontinuierlich entfaltenden Prozess wie der menschlichen Entwicklung zugrunde liegen, anhand einzelner diskreter Beobachtungspunkte zu rekonstruieren. Zeitstetige Modelle sind dafür optimal geeignet. Mit Hilfe stochastischer Differentialgleichungen erlauben sie Rückschlüsse von diskreten Beobachtungen auf kontinuierliche Prozesse.

Vorhersagen auf der Grundlage vorheriger Beobachtungen

Beobachtungen (rote Kreise) sind fehleranfällig und unser Wissen über die zugrundeliegenden Systeme ist oft sehr unsicher, so dass Vorhersagen der Zukunft (rote Schattierung) beide Unsicherheitselemente einbeziehen müssen.


Integration von intra- und interindivduellen Informationen auf der Suche nach kausalen Mechanismen

Der Großteil empirisch psychologischer Forschung beruht auf der Analyse von Unterschieden zwischen Personen. Im Gegensatz dazu interessiert man sich in der angewandten Psychologie vor allem für das Verhalten und Verhaltensänderungen einzelner Personen (z.B. Patienten). Ebenso postulieren psychologische Theorien Wirkmechanismen auf der Personenebene, auch wenn eine entsprechende Testung oftmals ausbleibt. Diese Entkoppelung von Forschungspraxis, Anforderungen der angewandten Psychologie und psychologischen Theorien stellt eine Bedrohung der konzeptuellen Integrität des Forschungsfeldes dar. Wir arbeiten daran, die unterschiedlichen Positionen sowohl konzeptuell als auch methodisch in Einklang zu bringen.


COGITO
Ausführliche Informationen zu dieser umfangreichen Studie, an der 101 junge Erwachsene (20–31 Jahre alt) und 103 ältere Erwachsene (65–80 Jahre alt) teilnahmen und und in 100 täglichen Testsitzungen an kognitiven Aufgaben zur Erhebung von Wahrnehmungsgeschwindigkeit, episodischem Gedächtnis und Arbeitsgedächtnis arbeiteten und verschiedene Selbsteinschätzungen vornahmen, finden Sie hier. mehr

Selected Publications

Brandmaier, A. M., Driver, C. C., & Voelkle, M. C. (2018). Recursive partitioning in continuous time analysis. In K. van Montfort, J. H. L. Oud, & M. C. Voelkle (Eds.), Continuous time modeling in the behavioral and related sciences (pp. 259–282). Springer.
Driver, C. C., & Voelkle, M. C. (2018). Hierarchical Bayesian continuous time dynamic modeling. Psychological Methods, 23(4), 774–799. https://doi.org/10.1037/met0000168
Driver, C. C., & Voelkle, M. C. (2018). Understanding the time course of interventions with continuous time dynamic models. In K. van Montfort, J. H. L. Oud, & M. C. Voelkle (Eds.), Continuous time modeling in the behavioral and related sciences (pp. 79–109). Springer.
Voelkle, M. C., Gische, C., Driver, C. C., & Lindenberger, U. (2018). The role of time in the quest for understanding psychological mechanisms. Multivariate Behavioral Research, 53(6), 782–805. https://doi.org/10.1080/00273171.2018.1496813
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). https://doi.org/10.18637/jss.v077.i05
Zur Redakteursansicht