Datenzusammenführung aus mehreren longitudinalen Studien: Die Rolle der Item-Response-Theorie in der integrativen Datenanalyse.

Es gibt eine Reihe von erheblichen Herausforderungen, mit denen Forscher konfrontiert sind, wenn sie die Entwicklung über einen längeren Zeitraum untersuchen, darunter Probandenverlust, die Veränderung von Messstrukturen über Gruppen und Entwicklungsperioden sowie die Notwendigkeit, erhebliche Zeit und Geld zu investieren. Die integrative Datenanalyse ist ein aufkommendes Set von Methoden, das es Forschern ermöglicht, viele der Herausforderungen von Einzelstudiendesigns durch die Zusammenführung von Daten aus mehreren bestehenden Entwicklungsstudien zu überwinden. Dieser Ansatz ist durch eine Vielzahl von Vorteilen gekennzeichnet, bringt jedoch auch mehrere neue Komplexitäten mit sich, die vor einer breiten Anwendung durch Entwicklungsforscher angegangen werden müssen. In diesem Artikel konzentrieren sich die Autoren auf Methoden zur Anpassung von Messmodellen und zur Erstellung von Skalenwerten anhand von Daten aus mehreren longitudinalen Studien. Die Autoren präsentieren Ergebnisse aus der Analyse wiederholter Messungen interner Symptomatik, die aus drei bestehenden Entwicklungsstudien zusammengeführt wurden. Die Autoren beschreiben und demonstrieren jeden Schritt in der Analyse und schließen mit einer Diskussion über potenzielle Einschränkungen und Richtungen für zukünftige Forschungen.