Интересное сегодня
Влияние навыков визуального воображения на принятие рискован...
Введение При принятии решений в условиях риска навыки визуального воображения могут влиять на то, ка...
Влияние алекситимии, пола и возраста на употребление наркоти...
Введение Подростковый возраст представляет собой переходный этап от детства к взрослой жизни, во вре...
Внутренние рабочие модели привязанности: как детский опыт вл...
Основы теории привязанности Джон Боулби разработал теорию привязанности, чтобы объяснить сильный стр...
Влияние тоновых языков на музыкальный слух: Кантонский проти...
Сравнительное влияние кантонского и мандаринского тоновых языков на восприятие музыкального звука С...
Как социальные переживания влияют на эпигенетическое старени...
Влияние социальных переживаний на эпигенетическое старение Связь между позитивными и негативными соц...
Как контекст физической активности влияет на психическое здо...
Как контекст физической активности влияет на психическое здоровье Новое исследование Университета Дж...
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.
