CareLit Fachartikel
Optimierung von Itemselektion für Skalen zum Gesundheitsverhalten durch die Nutzung automatisierter Algorithmen
Möhring, A.; John, U.; Rumpf, H.; Meyer, C. · Das Gesundheitswesen · 2022 · Heft 8/09 · S. 1 bis 1
Dokument
577085
CareLit-ID
Jahr
2022
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig
Bibliografische Angaben
Zusammenfassung
Einleitung In Bevölkerungsstudien sollen häufig umfangreichen Befragungsinstrumente eingesetzt werden, um komplexe Fragestellungen zu untersuchen und möglichst viele Kontrollfaktoren angemessen zu berücksichtigen. Aufgrund der hohen Belastung für die Studienteilnehmer*innen sind zuverlässige Kurzskalen relevant. Der Ant-Colony-Optimization (ACO) Algorithmus, ein Machine-Learning-Verfahren, bietet eine Möglichkeit zur effektiven und zeiteffizienten Itemselektion unter simultaner Berücksichtigung multipler relevanter Kriterien. Ziel der hier vorgestellten Analysen war es, zu prüfen, ob die durch den ACO-Algorithmu…
Schlagworte
Itemselektion
Gesundheitsverhalten
Ant-Colony-Optimization
Kurzskalen
Machine Learning
Modelfitindizes
Reliabilität
Faktorkorrelation
Selbstwirksamkeitserwartung
Tabakkonsum
Algorithms
Health Behavior
Smoking
Self Efficacy
Surveys and Questionnaires
Statistical Models
