Psychologisches Kolloquium 2.0: Ein Online-Neustart

7 Oktober 2020

Der Anfang des Herbsttrimesters 2020 an der Universität der Bundeswehr München ist geprägt von Herausforderungen, auch aber von mehreren Möglichkeiten, den Alltag der Forschung und Lehre neu zu definieren. Am 5. Oktober 2020 startete die Vorlesungsreihe des Psychologischen Kolloquiums am Institut für Psychologie im Online-Format mit dem Vortrag von Prof. Dr. Carolin Strobl, Leiterin der Fachrichtung Psychologische Methodenlehre, Evaluation und Statistik an der Universität Zürich. Die Expertin präsentierte ihre Erkenntnisse zu den Methoden von Entscheidungsbäumen als einem Algorithmus der Entscheidungsfindung.

Ein Spaziergang im „botanischen Garten der Statistik“

Die Entscheidungsbäume sind Baumdiagramme, die die Entscheidungsregeln darstellen, indem sie die möglichen Entscheidungen hierarchisch aufeinanderfolgend darstellen. Diese Art der Diagramme findet eine breite Verwendung im Bereich des maschinellen Lernens zur Klassifikation von Objekten. Basiert sich ein Klassifikationsverfahren auf mehreren Entscheidungsbäumen, so bekommt dieses den entsprechenden Namen „Entscheidungswald“ (engl. decision forest, oder auch random forest, soll es sich um eine Randomisierung von Entscheidungsbäumen handeln). Die Bearbeitung von immer größeren Datenmengen in der psychologischen Forschung bewegte zum Einsatz der Methoden aus dem Bereich des maschinellen Lernens, des „botanischen Gartens der Statistik“, so Prof. Strobl im Titel ihres Vortrags, im Data Mining zu Zwecken der Vorhersagen, wie etwa der erwarteten Lebensdauer einer Person oder der Wahrscheinlichkeit einer bestimmten Entwicklung der untersuchten Situation.

Eine Black Box mit Antworten auf mehrere Fragen

Die Methode des Random Forest erlaubt es, die Genauigkeit und Stabilität der Vorhersagen weiter zu erhöhen, indem aus den stichprobenartig ausgewählten Daten mehrere Entscheidungsbäume erstellt werden. Prof. Strobl lieferte den zuhörenden Forscherinnen und Forschern sowie den Studierenden Einblicke in die Vorgänge der Erstellung und Möglichkeiten der Anwendung der Random Forests, deren Analyse einer Black Box ähnelt. So hat sich die hohe Interpretierbarkeit der Ergebnisse, die in dieser Methode miteinbegriffen ist, unter Anderem in der Medizin als besonders hilfreich erwiesen. Eine Studie, die die Wahrscheinlichkeit der Entwicklung von kognitiven Einschränkungen bei Patienten mit multipler Sklerose zum primären Ziel hatte und Scans der beschädigten Hirnareale analysierte, lieferte gleichzeitig Material zur Untersuchung des Verhältnisses von Beschädigungen des zentralen Nervensystems zu kognitiven Einschränkungen.

Bild: Unsplash/Jens Lelie