Opis projektu
Nowe metody równań strukturalnych na potrzeby dużych badań ankietowych
Naukowcy zajmujący się naukami społecznymi często szukają odpowiedzi na pytania dotyczące relacji między takimi konstruktami jak przekonania czy wartości. W tym celu wykorzystują szeroko zakrojone badania ankietowe, w których relacje prawdopodobnie różnią się w zależności od grupy, poszczególnych uczestników lub czasu przeprowadzenia badania. Mogą też występować różnice w sposobie pomiaru i oceny poszczególnych konstruktów, co powoduje niedoszacowanie badanych efektów i błędne wnioskowanie. Podejmując ten problem, zespół finansowanego przez UE projektu PROCESSHETEROGENEITY zamierza opracować nowe metody uchwycenia heterogeniczności relacji konstruktów z grupowaniem, przy jednoczesnym uwzględnieniu różnic w pomiarze. Wyniki projektu zostaną wdrożone w formie ogólnodostępnego oprogramowania.
Cel
Social scientists are eager to answer questions about relations between constructs like beliefs or values. For example, do values affect climate change beliefs? Do perceived threats predict political beliefs? Do risk perception and susceptibility to misinformation determine vaccine hesitancy? Polarized beliefs about climate, politics, and vaccination are a societal threat and it is important to study what drives them. Large-scale survey data is gathered to do so.
Using regression to answer the questions ignores that constructs are not directly observable, but measured by survey items containing measurement error (challenge 1). Not correcting for this causes the studied effects to be underestimated and conclusions to be misguided.
When many groups are involved - such as many countries in the European Social Survey - the underlying processes likely differ across groups. For example, drivers of climate change beliefs may differ for countries experiencing extreme weather. Group-specific or multilevel analyses result in numerous group-specific regression slopes or random effects, making it hard to find which regression effects are different or similar for which groups (challenge 2).
Across many groups, the constructs' measurement is often inequivalent or 'non-invariant', for example, due to translation (challenge 3). A measurement model indicates how items measure a construct and disregarding non-invariance in this model invalidates the comparison of effects among constructs (i.e. one may find differences that are actually due to non-invariance).
By tackling challenges 1-3, the proposed mixture multigroup structural equation modelling framework provides the tools to break new ground in understanding what drives constructs like polarized beliefs. A clustering finds subsets of groups with common processes. Flexible measurement models account for non-invariance so that the clustering focuses on the processes. I will implement the methods in freely available software.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykaoprogramowanie
- medycyna i nauki o zdrowiumedycyna klinicznafarmakologia i farmacjalekszczepionki
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
3000 Leuven
Belgia