3. Messen und Beurteilen in datengetriebenen KI-Ansätzen

Das Kapitel beleuchtet grundlegende Konzepte von Künstlicher Intelligenz (KI) und datengetriebenen Verfahren und stellt deren Anwendung anhand von Beispielen aus den Sport- und Gesundheitswissenschaften vor. Es werden Bewertungskriterien für die Qualität dieser Ansätze beleuchtet und ein Vergleich zwischen den Zugängen gezogen, um die Unterschiede und Gemeinsamkeiten herauszustellen. Einordnung datengetriebener Designs. Die Sozial- und Gesundheitswissenschaften arbeiten traditionell deduktiv, während datengetriebene Ansätze iterativ und explorativ sind. Hypothesen entstehen nicht zwingend vorab, sondern entwickeln sich aus der laufenden Analyse der Daten. Maschinelles Lernen (ML) und Deep Learning (DL) ermöglichen es, komplexe Muster in großen Datensätzen zu identifizieren. Überblick über Maschinelle Lernmethoden. Es werden verschiedene Methoden des ML vorgestellt, darunter überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Beurteilung von Daten und Modellen im Maschinellen Lernen. Das Kapitel widmet sich der systematischen Beurteilung von KDD-Prozessen im Vergleich zum klassischen deduktiven Vorgehen. Es werden spezifische Gütekriterien für ML-Methoden wie Interpretierbarkeit, Fairness, Robustheit und Skalierbarkeit behandelt. Das Kapitel bietet einen umfassenden Überblick über die Anwendung und Beurteilung von KI und datengetriebenen Ansätzen in den Sport- und Gesundheitswissenschaften und zeigt auf, wie diese Methoden neue Erkenntnisse ermöglichen können.