По теме
Новая теория расщепления при borderline личностном расстройс...
Обзор последней исследовательской работы UCL, объясняющей расщепление при borderline личностном расс...
Рецидивы шизофрении: факторы риска и демографические особенн...
Исследование, опубликованное в Nature, анализирует, какие пациенты с шизофрением и шизоаффективным р...
Как улучшить опыт кандидатов при онлайн‑тестах: практические...
Узнайте, как модификации принудительного выбора тестов повышают ощущения компетентности и автономии ...
Зависимость от ставок на спорт: причины, симптомы и способы ...
Подробный разбор эпидемии зависимости от ставок на спорт. Узнайте о нейробиологических механизмах лу...
Реформа психиатрической помощи в Северной Каролине: путь от ...
Подробный разбор масштабной реформы системы психиатрической помощи в Северной Каролине. Как расширен...
Какие упражнения лучше всего помогают бороться с депрессией?
Исследование, в котором приняли участие более 14 000 человек, показывает, что физические упражнения ...
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.
