Dynamic clustering

De ontwikkeling van dynamische clusterprocedures

Het onderzoek van Anja Ernst is gericht op de ontwikkeling van nieuwe dynamische clusteringsprocedures. Deze houden rekening met kwalitatieve interindividuele verschillen in intra-individuele dynamiek. Dat gebeurt door de ontwikkeling van clusteringsprocedures die clusters van individuen met kwalitatief verschillende dynamische processen in hun longitudinale data zichtbaar maken. Zodoende worden subgroepen geïdentificeerd, waarvan de individuen die tot dezelfde subgroep behoren vergelijkbare dynamiek laten zien. Dynamische clustering maakt het daarom mogelijk de informatie van verschillende individuen te combineren. Daarbij houdt men rekening met de kwalitatieve heterogeniteit tussen individuen in de onderliggende dynamiek. 

Smartphones en tablets stellen onderzoekers in staat door middel van ‘ecological momentary assesment’ tijdsintensieve data te verzamelen. Mensen wordt dan gevraagd meermaals per dag en gedurende een aantal weken hun ervaringen, zoals emoties, vast te leggen. Dit levert intensieve longitudinale data op. De beschikbaarheid daarvan heeft bij de sociale wetenschappen een verschuiving teweeggebracht in de richting van het bestuderen van de processen die zich afspelen in een individu. De focus van de analyse is hierbij van het beschrijven van groei en afname verlegd naar het beschrijven van de dynamiek van variabelen die door de tijd heen fluctueren. Vaak willen onderzoekers op een data-gedreven manier subgroepen in kaart brengen die bestaan uit individuen met structureel andere kenmerken.

Proefschrift: http://hdl.handle.net/11370/33270538-922c-426f-b67d-d207ae872a97