Nutzung (dynamisch wachsender) 'Individual Participant Data Meta-Analysen' zur Untersuchung individueller Unterschiede, Lerndynamiken und wichtiger Outcomemaße bei der Furchtkonditionierung

• Antragstellerin: Professorin Dr. Tina Barbara Lonsdorf
• Fachliche Zuordnung: Biologische Psychologie und Kognitive Neurowissenschaften ; Allgemeine, Kognitive und Mathematische Psychologie
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 451328127

Dieser Antrag zielt darauf ab, das Forschungsfeld der Furchtkonditionierung durch eine innovative und nachhaltige Wiederverwendung bestehender Daten voranzubringen – konkret durch die Nutzung des FEAR-BASE-Korpus, einer umfangreichen, harmonisierten Datenbank mit individuellen Teilnehmerinnendaten aus diesem Forschungsbereich. Anstelle herkömmlicher Metaanalysen auf aggregierter Ebene (AL-MAs) setzt dieses Projekt auf Metaanalysen individueller Teilnehmerinnendaten (IPD-MAs). Dieser methodische Ansatz verbessert die Interpretierbarkeit und Generalisierbarkeit der Ergebnisse erheblich – insbesondere in einem Feld, das durch hohe Heterogenität in Design, Stichproben und Outcome-Messungen gekennzeichnet ist. Besonders wichtig ist dabei, dass der IPD-Ansatz die Untersuchung neuer Fragestellungen erlaubt, die in den ursprünglichen Publikationen (aus denen die einzelnen Datensätze stammen) nicht behandelt wurden. So konnten wir beispielsweise eine Vielzahl an Datensätzen identifizieren, die Maße zu negativem Affekt beinhalten, jedoch keine entsprechenden Ergebnisse in den jeweiligen Publikationen enthalten. Insgesamt bietet dieses Projekt eine skalierbare und wirkungsvolle Strategie zur Maximierung des Nutzens von Forschungsinvestitionen im Feld. Aufbauend auf vorbereitenden Arbeiten identifiziert das Projekt zentrale Lücken in der Literatur, die weder durch Einzelstudien noch durch konventionelle Metaanalysen geschlossen werden können. Mithilfe des IPD-MA-Ansatzes werden wir Versuchsdaten aus zahlreichen Studien kombinieren, um drei zentrale Ziele zu verfolgen: (1) Untersuchung der Konvergenz und Divergenz typischer Outcome-Messungen in Furchtkonditionierungsparadigmen; (2) Analyse der Rolle von trait-negative affect in Lern- und Extinktionsprozessen; sowie (3) Modellierung der zeitlichen Dynamik von Akquisition und Extinktion von Furcht mithilfe komputationaler Methoden (i.e., Reinforcement learning). Der IPD-MA Ansatz ermöglicht es uns, Moderatoren wie Alter, Geschlecht und experimentelle Variablen auf bislang unerreichtem Detailgrad und über eine große Anzahl individueller Datensätze hinweg systematisch zu untersuchen. Ein besonderes Merkmal dieses Projekts ist zudem der Fokus auf nachhaltige Wissensgenerierung: Durch die Wiederverwendung bestehender Datensätze mittels IPD-Metaanalysen fördert das Projekt ökologische und ökonomische Nachhaltigkeit und trägt zur langfristigen Sicherung und Zugänglichkeit öffentlich finanzierter Forschungsdaten bei.

• DFG-Verfahren: Sachbeihilfen