Messen und Beurteilen in interdisziplinärer Betrachtung

Inhaltsverzeichnis

1. Frontmatter

2. 1. Messen und Beurteilen in den empirischen Sozialwissenschaften

   Michael Fröhlich, Jonas Dully, Carlo Dindorf, Wolfgang Kemmler

   Zusammenfassung

   Das Kapitel zeigt, dass qualitative bzw. quantitative Datenerhebungsmethoden sowie Messen und Beurteilen in weiten Teilen den methodologischen Zugang in nahezu allen Wissenschaftsdisziplinen mit diagnostischen Verfahren definieren. Eine diametrale Abgrenzung von qualitativer und quantitativer Forschungstraditionen ist jedoch aufgehoben, was sich einerseits in der zunehmenden Verbreitung und Anwendung von Mixed-Method-Ansätzen zeigt und andererseits dadurch zum Ausdruck kommt, dass KI- und Big-Data-Anwendungen die Grenzen zwischen qualitativen und quantitativen Zugängen überwinden und zunehmende Bedeutung für interdisziplinäre Forschung erfahren. Letztere KI-basierte Anwendungen bzw. datengetriebene Verfahren können jedoch nicht losgelöst von wissenschaftstheoretischen Konzeptionen, methodologischen Rahmenbedingungen und objektspezifischen Formalisierungen gedacht werden, was eine intensive Beschäftigung mit dem Vorgang des Messens und Beurteilens, der Messtheorie, den Gütekriterien für Messinstrumente und Forschungsprozesse sowie Messfehler voraussetzt.

3. 2. Messen und Beurteilen in den Gesundheitswissenschaften

   Michael Fröhlich, Jonas Dully, Carlo Dindorf, Wolfgang Kemmler

   Zusammenfassung

   In den Gesundheitswissenschaften und der Medizin haben das „Messen“ und das „Beurteilen“ von Daten eine essenzielle Relevanz. Für die medizinischen Kernthemen „Diagnostik“ und „Therapiemonitoring“ sind verlässliche Messverfahren, klare Grenzwerte und belastbare Algorithmen die Grundlage für gesundheitsrelevante Entscheidungen. Ziel des Kapitels ist es, (1) einen Überblick über wichtige diagnostische Messverfahren und ihre Anwendung im Spannungsfeld von Gesundheitswissenschaften und Medizin zu geben, (2) die Interpretation und Beurteilung gesundheitsrelevanter Daten am Beispiel der bildgebungsaffinen Sarkopenie- und Osteoporose-Erkrankung aufzuzeigen sowie (3) Fallstricke, Probleme und Limitationen gesundheitsrelevanter Messungen in nicht-ärztlichen Anwendungsfeldern zu diskutieren.

4. 3. Messen und Beurteilen in datengetriebenen KI-Ansätzen

   Michael Fröhlich, Jonas Dully, Carlo Dindorf, Wolfgang Kemmler

   Zusammenfassung

   Das Kapitel beleuchtet die zunehmende Bedeutung Künstlicher Intelligenz (KI) in den Sport- und Gesundheitswissenschaften und stellt datengetriebene Forschungsansätze im Vergleich zu klassischen, hypothesengeleiteten Methoden dar. Im Zentrum stehen Verfahren des Maschinellen Lernens (ML) und Deep Learning (DL), die es ermöglichen, komplexe Muster in großen, oft unstrukturierten Datensätzen zu erkennen. Nach einer Einführung in die Grundlogik datengetriebener Forschung und den KDD-Prozess (Knowledge Discovery in Databases) werden zentrale ML-Paradigmen – überwachtes, unüberwachtes und bestärkendes Lernen – anhand praxisnaher Beispiele erläutert. Anschließend werden spezifische Qualitäts- und Bewertungskriterien für ML-Modelle diskutiert, darunter Objektivität, Reliabilität, Validität, Performanzmetriken sowie neue Gütekriterien wie Erklärbarkeit, Fairness, Robustheit und Skalierbarkeit. Das Kapitel zeigt, dass datengetriebene Ansätze durch ihre explorative und iterative Natur neue Erkenntnismöglichkeiten eröffnen, zugleich aber spezifische Anforderungen an Datenqualität, Transparenz und ethische Verantwortung stellen.

5. Backmatter