METEOR 2.0 – Meisterung expertenwissensbasierter Robustheitsanalysen in den kognitiven Neurowissenschaften

• Antragstellerinnen / Antragsteller: Professor Dr. Stefan Debener; Dr. Carsten Gießing; Professorin Dr. Andrea Hildebrandt; Professorin Dr. Christiane M. Thiel
• Fachliche Zuordnung: Biologische Psychologie und Kognitive Neurowissenschaften ; Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 464552782

Eine entscheidende Voraussetzung für die Replizierbarkeit von Hirn-Kognitions-Assoziationen, die im Labor oder außerhalb mit stationären und mobilen Neuroimaging-Methoden erfasst werden, ist die Rangordnungsstabilität neuronaler Parameter, die aus verrauschten und komplexen Signalaufzeichnungen mit unterschiedlichen Analyseverfahren abgeleitet werden. Angesichts der Komplexität von Neuroimaging-Daten ist in den kognitiven Neurowissenschaften eine sehr große Zahl potenzieller Analysepipelines denkbar. Robustheit ist eine entscheidende Voraussetzung für die Replikation mit unterschiedlichen Daten und unterschiedlichen Analysepipelines. Eine Robustheitsanalyse kann jedoch nur mit umfassender Kenntnis der möglichen Datenanalyseoptionen entworfen werden. In METEOR 1.0 haben wir argumentiert, dass der Wissensraum der analytischen Möglichkeiten für einzelne Wissenschaftler*innen sehr überschaubar ist. Um dieses Problem zu entschärfen und die Robustheit von Ergebnissen von mobilen EEG und graphen-theoriebasierten fMRT Analysen zu verbessern, haben wir in METEOR 1.0 einen Wissensraum analytischer Entscheidungen für zwei bildgebende Modalitäten erstellt, die besonders von verrauschten und komplexen Datenstrukturen betroffen sind. Wir haben auch Lösungen entwickelt, die auf maschinellem Lernen basieren, um mit der überwältigenden Anzahl möglicher Analyseoptionen umzugehen. In METEOR 2.0 planen wir, die bisher entwickelten Analysemethoden und -werkzeuge zu optimieren, indem wir auch ihre Nachhaltigkeit sicherstellen und sie auf Plausibilität, Machbarkeit, Akzeptanz, sowie ihre positive und potenziell unerwünschte Nutzung testen. Insbesondere planen wir, die Aktualisierung der generierten Wissensräume zu automatisieren, die Multiverse-Analysemethoden zu erweitern, und eine modulare, vielseitig einsetzbare METEOR-Toolbox zu programmieren. Die Toolbox wird es ermöglichen, 1) das Multiversum auf der Basis eines umfassenden, von Experten evaluierten Wissensraums zu definieren, 2) das Multiversum auf der Basis von Erkenntnissen aus Sensitivitätsanalysen einzuschränken, 3) Robustheitsanalysen mit Hilfe von maschinellem Lernen durchzuführen und 4) die Variabilität der Ergebnisse zu visualisieren und/oder die Ergebnisse über Analyseoptionen hinweg zu integrieren. Wir werden zudem an der Standardisierung von Studienprotokollen arbeiten und ihre Verbreitung fördern. All diese Arbeiten sollten zu einer robusteren kognitiven Neurowissenschaft beitragen.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2317: META-REP: Ein meta-wissenschaftliches Programm zur Analyse und Optimierung von Replizierbarkeit in den Verhaltens-, Sozial- und Kognitionswissenschaften