Wie denken Kinder und Eltern über Kindergesundheit – und wie kann Künstliche Intelligenz (KI) ihre Einstellungen auswerten? Im Projekt AI-SIC verbinden Forschende aus Bamberg und Leipzig qualitative Interviews mit maschinellem Lernen. Ziel ist ein halbautomatisches Verfahren, das die Auswertung von Interviews deutlich effizienter macht – und damit neue Maßstäbe in der Gesundheitsforschung setzt.
Bei qualitativen Interviews beantworten Teilnehmende offene Fragen zu einem bestimmten Themengebiet. Um ihre individuellen Antworten wissenschaftlich auswerten zu können, müssen sie systematisch in Kategorien geordnet werden – ein Vorgang, der als Kodierung bezeichnet wird. Genau dieser Arbeitsschritt gilt als Flaschenhals bei der Auswertung qualitativer Daten – er kostet viel Zeit und personelle Ressourcen. Und genau dieser Schritt soll zukünftig durch Künstliche Intelligenz (KI) unterstützt werden: Im Projekt AI-SIC (Artificial Intelligence in Survey Interview Coding) wollen Forschende des Leibniz-Instituts für Bildungsverläufe (LIfBi) und der Universität Leipzig ein halbautomatisches Verfahren entwickeln, mit dem Interviews mit Hilfe Künstlicher Intelligenz effizienter ausgewertet werden können. Gleichzeitig soll AI-SIC tiefere Einblicke ermöglichen, wie Kinder und Eltern die Gesundheit der Kinder wahrnehmen.
„Durch qualitative Interviews können wir tiefgehend verstehen, was Menschen denken und fühlen“, sagt Dr. Jacqueline Kroh, die das Projekt am LIfBi leitet. „Aber solche Gespräche auszuwerten ist mühsam, teuer und braucht viel Zeit. Deshalb werden häufig nur wenige Menschen für eine Studie befragt. Wenn wir mit Hilfe von KI einen Teil der Arbeit erleichtern können, können wir in Zukunft viel mehr Personen einbeziehen. Gerade für die Gesundheitsforschung bedeutet das: Wir kommen den Lebensrealitäten der Menschen näher – und können noch besser helfen.“
Die Besonderheit des Verfahrens liegt in der Kombination von menschlicher Expertise und maschinellem Lernen: Zunächst wird ein Teil der Interviews durch menschliche Expertinnen und Experten kodiert. Dies wird im nächsten Schritt für das Training eines KI-Modells genutzt, das die verbleibenden Interviews dann halbautomatisiert selbstständig kodiert. Halbautomatisiert bedeutet, dass die KI bei Unsicherheiten die Expertinnen und Experten darum bittet, die richtige Zuordnung vorzunehmen. Dadurch wiederum lernt das Modell weiter dazu und verfeinert seine Genauigkeit.
Während die Entwicklung und die Durchführung des halbautomatischen Kodierverfahrens hauptsächlich an der Universität Leipzig angesiedelt sind, liegt ein wichtiger Teil der inhaltlichen Auswertung der gewonnen Daten am LIfBi. Hier liegt der Schwerpunkt bei der Frage, wie Kinder und Eltern ihren eigenen Gesundheitszustand allgemein beurteilen. Untersucht werden dabei auch Unterschiede zwischen Selbst- und Fremdeinschätzungen sowie der Einfluss von Alter und Geschlecht.
AI-SIC wird im Rahmen des Infrastrukturschwerpunktprogramms SPP 2431 „New Data Spaces for the Social Sciences“ durch die Deutsche Forschungsgemeinschaft (DFG) gefördert.
https://www.lifbi.de/de-de/Start/Institut/Personen/Person/account/1373?name=Kroh... Dr. Jacqueline Kroh
Mutter und Kind spielen mit Arztspielzeug
Source: polesietoys
Copyright: pexels.com/polesietoys
Criteria of this press release:
Journalists, Scientists and scholars, all interested persons
Information technology, Medicine, Nutrition / healthcare / nursing, Teaching / education
transregional, national
Research projects
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).