Zum Inhalt
Logo von FAIR Projekt © FAIR

From Prediction to Agile Interventions in the Social Sciences

Gefördert vom MKW NRW im Rahmen der MKW-Profilbildung 2020

Der interdisziplinäre Forschungsbereich From Prediction to Agile Interventions in the Social Sciences (FAIR) bringt Forscher*innen aus den Datenwissenschaften, der Statistik, den Erziehungswissenschaften, der Psychologie, den Rehabilitationswissenschaften und der Soziologie zusammen. FAIR-Forscher*innen aus diesen verschiedenen Disziplinen konzentrieren sich auf die Entwicklung und Anwendung innovativer Forschungsmethoden aus den Datenwissenschaften und verwenden sie zur Adressierung gesellschaftlicher Herausforderungen in hochrelevanten Bereichen wie Bildung, Gesundheit sowie gesellschaftlicher Inklusion und Teilhabe.

Mehr Erfahren

Logo von NRW MKW © MKW NRW

Projektive Item-Response-Theorie-Modelle für Zähldaten und ihre Anwendung als interpretierbare Approximationen an Black-Box-Modelle des maschinellen Lernens

Gefördert von der Deutschen Forschungsgemeinschaft (DFG)

Im Vergleich zu IRT-Methoden für binäre Daten sind Zähldaten-IRT-Modelle unterentwickelt. Gezielte weitere Methodenentwicklung für Zähldaten erlaubt die Berücksichtigung von unstrukturierten Indikatoren für latente Variablen, wodurch die IRT enger mit Methoden des maschinellen Lernens verknüpft wird. Das  Forschungsvorhaben entwickelt projektive IRT-Modelle für Zähldaten. Insbesondere kann auf Hauptdimensionen gängiger existierender Modelle projiziert werden. Die projektiven Modelle finden als gut interpretierbare Modelle Verwendung in Situationen, in denen ein Black-Box-Modell des maschinellen Lernens wegen seiner Vorhersage- oder Klassifikationsgüte eingesetzt wird. So entstehen Approximationen an Black-Box-Modelle, die helfen, diese besser zu verstehen. Da mehr- und sogar hochdimensionale latente Variablenkonstellationen numerisch aufwändig sind, wird auch ein EM-Algorithmus für ein generelles Zähldaten-IRT-Modell entwickelt.

Publikationen

  • Beisemann, M. (2022). A flexible approach to modelling over‐, under‐and equidispersed count data in IRT: The Two‐Parameter Conway–Maxwell–Poisson Model. British Journal of Mathematical and Statistical Psychology. (Advance online publication.) https://doi.org/10.1111/bmsp.12273

Logo von DFG © DFG

Anfahrt & Lageplan

Der Campus der Technischen Universität Dortmund liegt in der Nähe des Autobahnkreuzes Dortmund West, wo die Sauerlandlinie A45 den Ruhrschnellweg B1/A40 kreuzt. Die Abfahrt Dortmund-Eichlinghofen auf der A45 führt zum Campus Süd, die Abfahrt Dortmund-Dorstfeld auf der A40 zum Campus-Nord. An beiden Ausfahrten ist die Universität ausgeschildert.

Direkt auf dem Campus Nord befindet sich die S-Bahn-Station „Dortmund Universität“. Von dort fährt die S-Bahn-Linie S1 im 15- oder 30-Minuten-Takt zum Hauptbahnhof Dortmund und in der Gegenrichtung zum Hauptbahnhof Düsseldorf über Bochum, Essen und Duisburg. Außerdem ist die Universität mit den Buslinien 445, 447 und 462 zu erreichen. Eine Fahrplanauskunft findet sich auf der Homepage des Verkehrsverbundes Rhein-Ruhr, außerdem bieten die DSW21 einen interaktiven Liniennetzplan an.
 

Zu den Wahrzeichen der TU Dortmund gehört die H-Bahn. Linie 1 verkehrt im 10-Minuten-Takt zwischen Dortmund Eichlinghofen und dem Technologiezentrum über Campus Süd und Dortmund Universität S, Linie 2 pendelt im 5-Minuten-Takt zwischen Campus Nord und Campus Süd. Diese Strecke legt sie in zwei Minuten zurück.

Vom Flughafen Dortmund aus gelangt man mit dem AirportExpress innerhalb von gut 20 Minuten zum Dortmunder Hauptbahnhof und von dort mit der S-Bahn zur Universität. Ein größeres Angebot an internationalen Flugverbindungen bietet der etwa 60 Kilometer entfernte Flughafen Düsseldorf, der direkt mit der S-Bahn vom Bahnhof der Universität zu erreichen ist.