Εισηγητής:

Δουλγεράκη Μαρία, Παρπούλα Χριστίνα, Σαμαρτζή Σταυρούλα

Τίτλος:

Προκλήσεις στη μελέτη της γνωστικής ευελιξίας: εννοιολογικά και μεθοδολογικά ζητήματα

Εκπαιδευτικός Φορέας:

Τμήμα Ψυχολογίας, Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών

Περίληψη:

Παρά τη μακρά ιστορία της στη γνωστική ψυχολογία, η γνωστική ευελιξία, η οποία ανήκει στις ανώτερες εκτελεστικές λειτουργίες, στερείται ενός ενιαίου ορισμού. Πρόσφατες έρευνες κατηγοριοποιούν τη γνωστική ευελιξία είτε ως γνωστική ικανότητα είτε ως χαρακτηριστικό γνωστικών διεργασιών. Οι διαφορετικές θεωρητικές προσεγγίσεις αντικατοπτρίζονται στις ετερογενείς μεθοδολογίες αξιολόγησης που έχουν προταθεί τις τελευταίες δεκαετίες. Οι κύριες προσεγγίσεις περιλαμβάνουν: (α) νευροψυχολογικές δοκιμασίες, οι οποίες μετρούν τις αντιδράσεις «στη στιγμή» κατά τη διάρκεια δομημένων καταστάσεων και (β) ερωτηματολόγια αυτοαναφοράς, τα οποία βασίζονται στην αυτοαξιολόγηση του ατόμου σχετικά με τη γνωστική ευελιξία σε καθημερινές συμπεριφορές. Ωστόσο, όλο και περισσότερες ενδείξεις υποδεικνύουν ότι αυτές οι δύο βασικές κατηγορίες μέτρησης συσχετίζονται ασθενώς, γεγονός που θέτει υπό αμφισβήτηση τη χρήση τους ως ισοδύναμων δεικτών του ίδιου φαινομένου. Υπό αυτό το πρίσμα, η παρούσα ομιλία αναδεικνύει την ανάγκη για μια ολιστική και πολυεπίπεδη προσέγγιση στη μέτρηση της γνωστικής ευελιξίας, η οποία λαμβάνει υπόψη τόσο τις επιδόσεις σε νευροψυχολογικές δοκιμασίες, όσο και τις εκδηλώσεις της μέσω ερωτηματολογίων αυτοαναφοράς. Η ανάγκη αυτή καθίσταται ιδιαίτερα σημαντική όταν η γνωστική ευελιξία εξετάζεται σε συνδυασμό με σύνθετες γνωστικές λειτουργίες, όπως η μαθηματική σκέψη και η λήψη αποφάσεων, οι οποίες συνιστούν διακριτές, αλλά αλληλένδετες γνωστικές διεργασίες.

Εισηγητής:

Νικολακόπουλος Σταύρος

Τίτλος:

Εφαρμογή γενικευμένων ζευγαρωτών συγκρίσεων για την ανάλυση τυχαιοποιημένων ελεγχόμενων μελετών στην ψυχολογία

Εκπαιδευτικός Φορέας:

Τμήμα Ψυχολογίας, Πανεπιστήμιο Ιωαννίνων

Περίληψη:

Ο σχεδιασμός και η ανάλυση επιβεβαιωτικών τυχαιοποιημένων ελεγχόμενων δοκιμών (ΤΕΔ) για ψυχολογικές ή συμπεριφορικές παρεμβάσεις είναι διαβόητα δύσκολη διαδικασία. Η τυποποίηση της παρέμβασης, η επιλογή και ο σχεδιασμός της ομάδας ελέγχου, η τύφλωση (blinding) και η συμμόρφωση  αποτελούν μερικά βασικά στοιχεία του σχεδιασμού που μπορούν να απειλήσουν τόσο την εσωτερική όσο και την εξωτερική εγκυρότητα των ευρημάτων. Η εκ των προτέρων αβεβαιότητα σχετικά με έναν σαφή μηχανισμό δράσης, σε συνδυασμό με τις γνωστές δυσκολίες στη μέτρηση της συμπεριφοράς και της λειτουργικότητας μέσω κλιμάκων, προσθέτουν ακόμη περισσότερες προκλήσεις. Αυτές οι προκλήσεις συνδέονται κυρίως με τη στατιστική ανάλυση τέτοιων μελετών. Η επιλογή της βασικής έκβασης, η παρουσία και η διαχείριση ελλιπών δεδομένων, καθώς και οι σχέσεις δόσης (δηλαδή αριθμού συνεδριών) – απόκρισης που αξιολογούνται από κοινού με την αποτελεσματικότητα της παρέμβασης, μπορούν να περιπλέξουν περαιτέρω τα πράγματα και να αναδείξουν ακόμη μεγαλύτερες προκλήσεις ως προς την ερμηνευσιμότητα και την αναπαραγωγιμότητα. Οι Γενικευμένες Ζευγαρωτές Συγκρίσεις (Generalized Pairwise Comparisons, GPCs) αποτελούν μία μη παραμετρική προσέγγιση που κερδίζει ολοένα και μεγαλύτερη προσοχή στις ΤΕΔ φαρμακολογικών παρεμβάσεων και μπορεί να αποδειχθεί ιδιαίτερα χρήσιμη στην ανάλυση ΤΕΔ ψυχολογικών παρεμβάσεων. Οι GPCs μπορούν να χειριστούν πολλαπλές εκβάσεις και απαιτούν απλώς μία κατάταξη αυτών ως προς τη σημασία τους. Μπορούν επίσης να διαχειριστούν ελλιπείς τιμές σε επαναλαμβανόμενες μετρήσεις μέσω της χρήσης διαφορετικών στρατηγικών σύγκρισης. Στην παρούσα εργασία εξετάζουμε τις GPCs και παρουσιάζουμε τη συνάφειά τους για ΤΕΔ με κλίμακες ως εκβάσεις, πιθανώς μετρημένες σε πολλαπλές χρονικές στιγμές. Επιπλέον, αναλύουμε το πλαίσιο των estimands, το οποίο έχει καθιερωθεί πρόσφατα στον χώρο των ΤΕΔ φαρμακολογικών παρεμβάσεων και μπορεί να συμβάλει στην αντιμετώπιση ορισμένων από τις προκλήσεις που συνδέονται με τις ΤΕΔ ψυχολογικών παρεμβάσεων. Τέλος, παρουσιάζουμε την εφαρμογή του συνδυασμού των δύο αυτών προσεγγίσεων στον χώρο της ψυχολογίας.

Εισηγητής:

Μηλιένος Φώτιος

Τίτλος:

Μια συγκεκριμένη οικογένεια μοντέλων ανάλυσης ιστορικού γεγονότων στις Κοινωνικές Επιστήμες: η ταυτόχρονη προσέγγιση του «Αν» και του «Πότε»

Εκπαιδευτικός Φορέας:

Τμήμα Κοινωνιολογίας, Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών

Περίληψη:

Τα μοντέλα ύπαρξης ατόμων/αντικειμένων χωρίς κίνδυνο (cure rate models - βλ. π.χ., Peng & Yu 2021), προσφέρουν ένα αποτελεσματικό πλαίσιο ανάλυσης για κρίσιμα φαινόμενα στις κοινωνικές επιστήμες, καθώς επιτρέπουν την ταυτόχρονη μελέτη δύο θεμελιωδών πτυχών τους: της πιθανότητας ένα γεγονός να μην συμβεί ποτέ για μια ομάδα του πληθυσμού («αν»), και του χρόνου έως την εμφάνισή του για το υπόλοιπο, ευάλωτο μέρος του πληθυσμού («πότε»). Αυτή η διπλή προοπτική παρέχει μια πολύ πιο ρεαλιστική και διαφοροποιημένη κατανόηση σε σύγκριση με τις παραδοσιακές προσεγγίσεις, που θεωρούν το γεγονός αναπόφευκτο για όλους. Για παράδειγμα, στην ανάλυση διάρκειας πρώτου γάμου, τα μοντέλα αυτά μπορούν να διαχωρίσουν τα ζευγάρια που είναι ουσιαστικά «ανθεκτικά» (με μηδενική πιθανότητα διαζυγίου) από εκείνα που κινδυνεύουν, προσδιορίζοντας παράλληλα τους παράγοντες που επηρεάζουν τον χρόνο μέχρι το διαζύγιο. Η ίδια λογική εφαρμόζεται εξίσου αποτελεσματικά σε πολλούς άλλους τομείς: στην εκπαιδευτική έρευνα, για τη διάκριση οριστικής εγκατάλειψης σπουδών από απλή καθυστέρηση αποφοίτησης, στην εγκληματολογία, διαχωρίζοντας τα άτομα σε ανθεκτικά και μη στην υποτροπή και στη γνωστική ψυχολογία, όπου τα άτομα διαχωρίζονται σε ανθεκτικά και μη, σε προβλήματα μνήμης. Στην ομιλία αυτή θα εστιάσουμε στα πλεονεκτήματα από τη χρήση τέτοιων μοντέλων στην κοινωνική έρευνα, έναντι κλασσικότερων προσεγγίσεων.

Αναφορές
Peng, Y., and Yu, B. (2021). Cure Models: Methods, Applications, and Implementation, Chapman and Hall/CRC, NY.

Εισηγητής:

Παρπούλα Χριστίνα¹, Σίμος Δημήτριος²

Τίτλος:

Βέλτιστος σχεδιασμός μελετών παρατήρησης με χρήση γενετικών αλγορίθμων και μεθόδων μηχανικής μάθησης

Εκπαιδευτικός Φορέας:

¹Τμήμα Ψυχολογίας, Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών
²Department of Computer Science, Paris Lodron University of Salzburg & Department of IT and Digitalization, Salzburg University of Applied Sciences, Salzburg, Austria

Περίληψη:

Οι συνεχείς εξελίξεις στον τομέα της τεχνητής νοημοσύνης και της μηχανικής μάθησης έχουν δημιουργήσει εύφορο έδαφος για την ανάπτυξη μεθόδων που είναι υπολογιστικά εφικτές και οικονομικά αποδοτικές, ακόμη και σε εφαρμογές μεγάλης κλίμακας. Παράλληλα, η διαρκώς αυξανόμενη υπολογιστική ισχύς και η διαθεσιμότητα πλούσιων και εναλλακτικών πηγών δεδομένων, όπως τα μέσα κοινωνικής δικτύωσης, τα «έξυπνα» τηλέφωνα και άλλα ερευνητικά εργαλεία που βασίζονται στη συμμετοχή του ευρύτερου κοινού, έχουν οδηγήσει στην παραγωγή νέων τύπων πολυδιάστατων δεδομένων, τα οποία χαρακτηρίζονται από υψηλή πολυπλοκότητα και ποικιλομορφία και είναι διαθέσιμα σχεδόν σε πραγματικό χρόνο και σε μεγάλη κλίμακα. Τα «μεγάλα» αυτά δεδομένα καθιστούν συχνά αναγκαίο τον βέλτιστο και αποδοτικό σχεδιασμό μελετών παρατήρησης, αναδεικνύοντας τον κρίσιμο ρόλο και τη χρησιμότητα της μηχανικής μάθησης. Στο πλαίσιο αυτό, προτείνεται μια μέθοδος αναζήτησης βέλτιστου σχεδιασμού μελετών παρατήρησης με τη χρήση γενετικών αλγορίθμων και μεθόδων μηχανικής μάθησης, μέσω ενός «κρυπτογραφικού» σχήματος που επιτρέπει την επιλογή των πλέον πληροφοριακών μεταβλητών με περιορισμένο αριθμό παρατηρήσεων (υπερκορεσμένος σχεδιασμός). Με τον τρόπο αυτό, η διαδικασία καθίσταται υπολογιστικά εφικτή και αποδοτική ακόμη και για δεδομένα μεγάλης κλίμακας, υπερβαίνοντας τους περιορισμούς των παραδοσιακών στατιστικών μοντέλων στη μελέτη της ανθρώπινης νόησης, της συμπεριφοράς, της προσωπικότητας και της ψυχικής υγείας.

Λίστα Συμποσίων