Big Data in der Psychologie

Ziele und Themenspektrum

Das Aufkommen von Big Data nimmt immer stärker zu. Es betrifft die Geschäftswelt, die Computerwissenschaften, Regierungen, Sozial- und Verhaltenswissenschaften und damit auch die psychologische Forschung.

Vier Merkmale charakterisieren Big Data, nämlich das Datenvolumen, die Datenproduktionsgeschwindigkeit, die Datenvielfalt und die Datenglaubwürdigkeit. Ein großes Volumen an Daten bezieht sich auf die Größe des Datensatzes. Ist dieser zu groß, kann das zu Problemen bei der Speicherung und Analyse führen. Eine hohe Datenproduktionsgeschwindigkeit bedeutet, dass die Daten sehr schnell erzeugt werden und/oder in kurzer Zeit bearbeitet werden müssen (z. B. in Echtzeit). Eine große Datenvielfalt bedeutet, dass verschiedene Arten von strukturierten und unstrukturierten Daten, eine Mischung aus Text, Bildern, Videos und Zahlen zusammenkommen. Ein weiteres Merkmal von Massendaten ist die Datenglaubwürdigkeit, welche die Qualität (bzw. Validität) der Daten abbildet. Einige Beispiele von Big Data, die für die Psychologie relevant sein könnten, sind Verhaltensdaten aus sozialen Medien, Gesundheits-/Fitnesstrackern, Positionsdaten wie z. B. Reiserouten, sowie genetische Daten.

Das Gesamtziel dieses Forschungsbereichs ist es, sich mit Methoden und Anwendungen zu beschäftigen, die Massendaten in der Psychologie nutzen. Zukünftige Forschungsthemen könnten sein, sind jedoch nicht darauf beschränkt:

• Methodische und statistische Fragen bezüglich der Sammlung, Handhabung, Verarbeitung und Analyse von Big Data in der Psychologie.
• Beispielanwendungen zur Nutzung von Big Data um psychologische Forschungsfragen zu behandeln.
• Psychologische Interventionen basierend auf Big Data
• Inferenz-Modelle, die Big Data berücksichtigen
• Vergleiche von Big Data und traditionellen Datenquellen (wie Selbsteinschätzungen oder Fremdbeobachtungen)
• Synthese von traditionellen Datenquellen mit Big Data
• Implikationen von Big Data für psychologische Infrastrukturen