Das Thomas Bayes Institut ist ein gemeinnütziges freies Forschungsinstitut zur Erforschung moderner Methoden der Datenauswertung, Softwareentwicklung für Datenanalyse und Versuchsdesignplanung in den empirischen Wissenschaften. Das Thomas Bayes Institut fördert auch die Verbreitung und Verwendung moderner empirischer Methoden durch Teilnahme im Bereich der Analyse- und Versuchsplanung an anderer empirischer Forschung sowie mit Bildungsangeboten in diesem Feld, sowie Auftragsforschung in Beratung und Unterstützung von Forschern und anderen gemeinnützigen Organisationen bei der Anwendung dieser Methoden sowie deren Lehre.
Das OpenMx-Entwicklungsteam bietet eine Masterclass für das R-Paket OpenMx extended structural equation modeling an. OpenMx verfügt über eine breite Palette hochflexibler und hochmodularer Funktionen (z. B. Mischungen, mehrere Gruppen, Zeitreihen, Regularisierung, geordnete kategoriale Variablen, Mehrebenen, Item-Response-Theorie, versteckte Markov-Modelle usw.), hat aber eine steile Lernkurve. Ein Ziel dieses Workshops ist es, diese Lernkurve zu erleichtern und den Teilnehmern die Möglichkeit zu geben, eine größere Vielfalt an Modellen zu erstellen, als sie es für möglich gehalten hätten.
Die beste Analyse kann nur die Information aus den Daten rausholen, die in den Daten drinsteckt. Die Forschung im Bereich der Versuchsdesignplanung untersucht die Möglichkeiten, schon vor der Datenerhebung die Chancen für viel Information in den Daten zu maximieren. Dadurch kann man mit demselben Einsatz von z.B. Geld mehr über den Forschungsgegenstand lernen.
Datenanalyse sind mathematische Verfahren und daher oft analytisch beweisbar, benötigen allerdings dafür oft Annahmen, etwa über asymptotisches Verhalten von Verteilungen. Wenn unklar ist, in welchem Ausmaß diese Annahmen erfüllt sind, benötigt man empirische Verfahren, um Analyseverfahren zu testen. Das betrifft zum Beispiel empirische Analysen mit wenig Probanden, aber auch aufwendige Fitverfahren, deren Komplexität sich einem formalen Beweis entziehen.
Alle normalverteilten Modelle lassen sich als Strukturgleichungsmodelle darstellen. Ωnyx ist ein Programm, um solche Modelle graphisch als Pfaddiagramm darzustellen. Das Diagramm kann in ein Skript für viele verschiedene Systeme wie OpenMx, Lavaan, MPlus, oder auch als Javaprogramm für Ωnyx übersetzt werden, oder erlaubt auch das direkte schätzen der Parameter für einen Datensatz im Pfaddiagramm selbst.
Künstliche Intelligenz begegnet uns in jedem Haushaltsgerät. Manchmal klar als solche zu erkennen wie zum Beispiel bei Large Language Models, manchmal aber auch versteckte Classifier, die zu erraten versuchen, ob uns ein Film auf einer Streamingplattform gefallen wird. Beide Varianten von künstlicher Intelligenz können auch die Datenauswertung in den empirischen Wissenschaften vereinfachen, und am Thomas Bayes Institut forschen wir in beide Richtungen.
Bei der Versuchsdesignplanung können moderne statistische Methoden effektiv helfen, und in der ersten Phase einer Studie kann eine gute Poweranalyse später viel Aufwand und Geld sparen. Das Thomas Bayes Institut kann hier oft kostengünstig oder kostenlos mit Ihnen kooperieren! Rufen Sie uns an!
In einzelnen empirischen Projekten – der nächste Artikel, die Bachelor- oder Masterarbeit, oder die Datenauswertung in der Dissertation – steckt viel Arbeit, die man dann auch gern mit angepasster Methodik, möglicherweise mit KI-Einsatz und bayesianisch auswerten möchte. Das geht über eine kurze Methodenberatung hinaus. Sprechen Sie mit uns darüber, wie wir dabei kooperieren können!
Für die Ausbildung des wissenschaftlichen Nachwuchs, damit jeder die für das Programm der Gruppe relevanten Methoden kennt, damit die ganze Gruppe methodisch auf demselben Stand ist oder um ein gemeinsames Fortbildungserlebnis zu erzeugen – dafür sind Workshops ein geeignetes Mittel! Das Thomas Bayes Institut bietet eine Vielzahl von Möglichkeiten, fragen Sie jederzeit nach!
Der eine arbeitet schon bayesianisch, der andere frequentistisch, der eine mit Mittelwertsvergleichen und der andere mit AI-Gruppenvergleichen – wenn Ihre ganze Gruppe davon profitieren könnte, nachhaltig auf den neuesten methodischen Stand zu kommen, sagen Sie Bescheid!