Download (2MB)
Abstract
Knowledge Discovery in Databases (KDD) bezeichnet einen methodischen Ansatz, bei dem Datenmuster in großen Datensätzen identifiziert und explorative Hypothesen überprüft werden. KDD umfasst Auswahl, Aufbereitung und Vorverarbeitung der Daten, sowie Data Mining (Mustererkennung) und Interpretation der Ergebnisse. Die zugrunde liegenden Datensätze entstehen entweder automatisch, z.B. durch die Datenverarbeitung einer Krankenkasse oder werden in Omnibusbefragungen erhoben. Bisher wird KDD überwiegend in den Wirtschafts- und Biowissenschaften angewendet. In dieser Arbeit wird überprüft, ob KDD auch zur Exploration psychologischer Fragestellungen geeignet ist. Dazu wurde an einer frei verfügbaren medizinischen Langzeitstudie der amerikanischen Gesundheitsbehörde mit über 49 000 Teilnehmenden (Medical Expenditure Panel Survey) eine klinisch-psychologische Fragestellung untersucht. Die durch KDD gewonnenen Daten wurden mit den Befunden aus epidemiologischen und klinischen Studien verglichen. Das Verfahren erweist sich für korrelative Designs als sinnvoll einsetzbar, wenn Einschränkungen in der Reliabilität und Validität aufgrund ökonomischer Vorteile in Kauf genommen werden.
| Dokumententyp: | Konferenzbeitrag () |
|---|---|
| Titel des Journals: | Kerzel, D., Franz, V. & Gegenfurtner, K. (Hrsg.). (2004). Experimentelle Psychologie. Beiträge zur 46. Tagung experimentell arbeitender Psychologen. Lengerich: Pabst Science Publishers. |
| Keywords: | Knowledge Discovery in Databases, KDD, Datenreanalyse, Datenbank |
| Fakultät: | Psychologie und Pädagogik > Department Psychologie > Allgemeine Psychologie II
Psychologie und Pädagogik > Department Psychologie > Allgemeine Psychologie II > Tagungsbeiträge |
| URN: | urn:nbn:de:bvb:19-epub-1611-9 |
| Ort: | Lengerich |
| Sprache: | Deutsch |
| Dokumenten ID: | 1611 |
| Datum der Veröffentlichung auf Open Access LMU: | 06. Apr. 2007 |
| Letzte Änderungen: | 04. Nov. 2020, 12:45 |
- Dokument bearbeiten
