Оптимизация анкет: как алгоритм муравьиной колонии помогает создать короткую версию шкалы алкогольного баланса решений

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.