Интересное сегодня
Влияние виртуальных пространств на психическое здоровье: при...
Виртуальные пространства и психическое здоровье Виртуальные места, такие как социальные сети, видеои...
Три причины, почему вы можете возвращаться к партнеру, котор...
Как специалист по отношениям, я часто вижу людей, похожих на Сару, Криса и Дженну, которые не могут ...
Этика пропаганды: Стратегии для позитивных изменений
Важность пропаганды в цифровом обществе Пропаганда часто рассматривается как манипулятивная сила, од...
Как движения глаз влияют на чтение: анализ возвратных саккад
Введение В последние годы значительно увеличилось количество исследований, посвященных возвратным са...
Функциональная фиксированность у шимпанзе: исследование когн...
Функциональная фиксированность у шимпанзе Различия в использовании инструментов между людьми и други...
Прогностическая ценность тестов вербальной эпизодической пам...
Введение Нейропсихологические признаки нарушения памяти являются ключевым симптомом клинического нач...
Введение
Опросники с самоотчетами должны быть не только психометрически обоснованными, но и краткими, чтобы минимизировать усталость респондентов. Это особенно важно в исследованиях здоровья и профилактики. Традиционные методы сокращения опросников, такие как выбор вопросов на основе корреляций или факторных нагрузок, имеют ограничения. Алгоритм муравьиной колонии (ACO) позволяет преодолеть эти ограничения, учитывая несколько критериев одновременно.
Методология
Участники и данные
Исследование объединило данные трех проектов (N=1,834), в которых участвовали потребители алкоголя из общей популяции и больниц Германии. Средний возраст участников — 31.4 года, 19% — женщины.
Алгоритм ACO
ACO имитирует поведение муравьев, ищущих кратчайший путь к пище. В контексте опросников «муравьи» — это случайные подвыборки вопросов, а «феромоны» — критерии оптимизации (например, индексы соответствия модели). Алгоритм написан на R и доступен в дополнительных материалах.
Критерии оптимизации
- CFI (Comparative Fit Index) ≥ 0.96
- RMSEA (Root Mean Square Error of Approximation) ≤ 0.06
- Надежность (ω Макдональда) ≥ 0.9
- Корреляция с полной шкалой ≥ 0.85
Результаты
Сравнение шкал
ACO создал 10-пунктовую версию ADBS, которая превзошла полную (26 пунктов) и существующую короткую версию по:
- Соответствию модели (CFI = 0.996, RMSEA = 0.039)
- Надежности (ω = 0.89–0.90)
- Сохранению структуры факторов
Контент-анализ
Новая шкала сместила акцент с социальных аспектов (например, «быть общительным») на последствия рискованного употребления (например, «попадание в неприятности»).
Обсуждение
ACO доказал эффективность для создания коротких шкал, но требует:
- Точной настройки параметров (число «муравьев», скорость испарения феромонов).
- Перекрестной валидации на независимых выборках.
- Учета теоретической обоснованности вопросов.
«ACO — это не волшебная палочка: качество выходных данных зависит от входных»
Заключение
Исследование предоставляет готовый инструмент для оптимизации опросников в R, открывая новые возможности для персонализированной оценки в здравоохранении.