Die Kombination von Befragungsstudien und digitalen Tracking-Daten für die Erforschung von psychischer Gesundheit aus der Perspektive der Computational Social Sciences (COSDIMH)

• Antragstellerinnen / Antragsteller: Professorin Dr. Emese Domahidi; Professor Dr. Tobias Koch, Ph.D.
• Fachliche Zuordnung: Publizistik und Kommunikationswissenschaft ; Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 539521008

Die psychische Gesundheit (Mental Health, MH) erfährt sowohl in der Öffentlichkeit als auch in der Wissenschaft zunehmende Aufmerksamkeit, insbesondere im Zusammenhang mit der allgegenwärtigen Nutzung digitaler Medien (Digital Media Use, DMU). Umfragen sind die primäre Methode der MH-Forschung, haben aber ihre Grenzen bei der genauen Erfassung von DMU, da sie auf subjektiven Erinnerungen beruhen. Digitale Verhaltensdaten und computationale Methoden gewinnen bei Forschenden, die die Beziehung zwischen DMU und MH-Phänomenen (z.B. Stress, Wohlbefinden) verstehen wollen, zunehmend an Bedeutung. Insbesondere digitale Tracking-Daten, ein prominentes Beispiel für digitale Verhaltensspuren, werden immer häufiger verwendet. Trotz der Zunahme der Literatur, die diese neuen Datenquellen zur Untersuchung der Beziehung zwischen DMU und MH integriert, gibt es erhebliche methodische Herausforderungen. Dazu gehören ein Mangel an systematischen Vergleichen von Umfragen und digitalen Daten, ein unzureichendes Verständnis der Dynamik zwischen DMU und MH und ein Mangel an Experimenten zur Klärung der kausalen Beziehung zwischen den beiden Variablen. In unserem interdisziplinären Projekt kombinieren wir verschiedene DMU- und MH-Messungen aus Umfragedaten und digitalen Tracking-Daten. Wir führen das Projekt in vier Arbeitspaketen (AP) und in enger Zusammenarbeit mit GESIS durch. In AP1 entwerfen wir eine Umfrage und integrieren verschiedene DMU- und MH-Messungen. Zusätzlich erheben wir digitale Tracking-Daten von denselben Personen über einen Zeitraum von vier Wochen. Wir vergleichen die Messungen innerhalb und zwischen den Datenquellen, um ihre Gültigkeit und Zuverlässigkeit zu analysieren. Um kurzfristige dynamische Wechselwirkungen zwischen DMU- und MH-Messungen zu untersuchen, führen wir in AP2 eine Ambulante Assessment-Studie über zwei Wochen durch und kombinieren verschiedene Messungen aus mehreren Umfragen und digitalen Tracking-Daten. In AP3 analysieren wir die Kausalität der Beziehung zwischen DMU und MH in einem Experiment und implementieren personalisierte Interventionen auf der Grundlage der Ergebnisse von AP1 und 2, um das Wohlbefinden der Nutzenden zu verbessern. Basierend auf den Ergebnissen von AP1-3 entwickeln wir in AP4 Empfehlungen für zukünftige Studien, die darauf abzielen, verschiedene Datenquellen für die DMU- und MH-Forschung zu kombinieren. Wir identifizieren Best Practices, Methoden und mögliche Fallstricke für solche kombinatorischen Forschungsansätze. Das vorgeschlagene Projekt leistet einen Beitrag zu den Bereichen 3 und 4 des InfPP "New Data Spaces for the Social Sciences". Wir berücksichtigen die wachsende Bedeutung von MH und Digitalisierung in der Bevölkerung. Wir entwickeln und testen Methoden für diesen Bereich und helfen den Sozialwissenschaften, neue Forschungsmöglichkeiten jenseits bisheriger Datenquellen und Methoden zu erschließen, gesellschaftliche Veränderungen mitzugestalten und politischen Handlungsbedarf zu identifizieren.

• DFG-Verfahren: Infrastruktur-Schwerpunktprogramme
• Teilprojekt zu: SPP 2431: Bereich Infrastruktur - Neue Datenräume für die Sozialwissenschaften