158 Angewandte Psychologie
Filtern
Erscheinungsjahr
- 2020 (2) (entfernen)
Institut
- Fakultät Wirtschaftswissenschaften (2) (entfernen)
The wide accessibility of the Internet and web-based programs enable an increased volume of online interventions for mental health treatment. In contrast to traditional face-to-face therapy, online treatment has the potential to overcome some of the barriers such as improved geographical accessibility, individual time planning, and reduced costs. The availability of clients' treatment data fuels research to analyze the collected data to obtain a better understanding of the relationship among symptoms in mental disorders and derive outcome and symptom predictions. This research leads to predictive models that can be integrated into the online treatment process to assist clinicians and clients. This dissertation discusses different aspects of the development of predictive modeling in online treatment: Categorization of predictive models, data analyses for predictive purposes, and model evaluation. Specifically, the categorization of predictive models and barriers against the uptake of mental health treatment are discussed in the first part of this dissertation. Data analysis and predictive modeling are emphasized in the second part by presenting methods for inference and prediction of mood as well as the prediction of treatment outcome and costs. Prediction of future and current mood can be beneficial in many aspects. Inference of users' mood levels based on unobtrusive measures or diary data can provide crucial information for intervention scheduling. Prediction of future mood can be used to assess clients' response to the treatment and expected treatment outcome. Prediction of the expected treatment costs and outcomes for different treatment types allows simultaneous optimization of these objectives and to increase the cost-effectiveness of the treatment. In the third part, a systematic predictive model evaluation incorporating simulation analyses is demonstrated and a method for model parameter estimation for computationally limited devices is presented. This dissertation aims to overcome the current challenges of predictive model development and its use in online treatment. The development of predictive models for varies data collected in online treatment is demonstrated and how these models can be applied in practice. The derived results contribute to computer science and mental health research with client individual data analysis, the development ofpredictive models, and their statistical evaluation.
Es gibt bisher wenige empirische Modelle zum Flugzeugkabinenkomfort, und vereinzelt werden Umgebungsfaktoren wie Akustik, Turbulenzen, Temperatur und Luftqualität untersucht, aber kein Vorhersagemodell für den Gesamtkomfort existiert bislang. Ziel der Studie ist es, die Determinanten für das Komforterleben bzw. die Zufriedenheit in der Flugzeugkabine zu identifizieren. Dabei wird ein Methodenmix aus drei Datenerhebungen angewendet: (1) In der ersten Untersuchung werden zehn Flugzeugkabinenbilderpaare zehn Sekunden pro Bild präsentiert. Über die multidimensionale Skalierung wird auf einer fünfstufigen Skala die Ähnlichkeit von sehr bis gar nicht dargeboten. Die eindimensionale Darstellung der Bilder legt nahe, dass es einen Faktor wie "Platz zum Sitzen" gibt. In Interviews wird der Annahme nachgegangen. (2) In Interviews assoziierten 61 Psychologiestudierende Nomina zum Fliegen. Bei den Kategorien stellt Platz/Beinfreiheit der am häufigsten genannte Komfortaspekt innerhalb einer Flugzeugkabine dar. Sitzkomfort, Flugbegleiter, Inflight-Entertainment, Essen, Trinken, Sicherheit, Sauberkeit wurden oft genannt, Temperatur, Design, Toiletten, Geräusche, Turbulenzen, Geruch, Luftqualität, Beleuchtung, Raucherbereiche und ein gutes Preis-Leistungsverhältnis nur vereinzelt. (3) Die Fragebögen am Hamburger Flughafen greifen die in den Interviews genannten Komfortaspekte auf. 301 Passagiere beantworteten Zufriedenheitsitems auf einer fünfstufigen Skala. Mittels einer explorativen Faktorenanalyse werden fünf Faktoren aus den Items extrahiert, die räumliche, physiologische, psychologische, physikalische und organisatorische Aspekte beinhalten. Eine lineare multiple Regression mit den fünf Faktoren zum Item "Gesamtzufriedenheit" ist hochsignifikant und klärt 40,5% Varianz auf. Die Moderatoreinflüsse und Interaktionen werden teils signifikant und klären 1,6% weniger (Fluglänge) oder 1,5% mehr (Fluggesellschaft und Flugangst) Varianz auf. Mittelwertvergleiche zeigen, dass die Star Alliance Fliegenden und Nicht-Flugängstlichen bei allen fünf Faktoren und fast allen Items hochsignifikant höhere Zufriedenheitswerte als Billigfliegende und Flugängstliche aufweisen. Bei Kurz- über Mittel- zum Langstreckenflug wurde eine v-Form gefunden mit der geringsten Zufriedenheit bei Mittelstreckenflügen mit hochsignifikanten Unterschieden. Entscheidend ist das durch die Kombination aus Zusammenhangs- und Vorhersageanalyse für den Forschungsbereich "Komfort in der Flugzeugkabine" neu generierte Gesamtkomfortmodell.