Kindergesundheit mithilfe von KI besser verstehen

Wie denken Kinder und Eltern über Kindergesundheit – und wie kann Künstliche Intelligenz (KI) ihre Einstellungen auswerten? Im Projekt AI-SIC verbinden Forschende aus Bamberg und Leipzig qualitative Interviews mit maschinellem Lernen. Ziel ist ein halbautomatisches Verfahren, das die Auswertung von Interviews deutlich effizienter macht.

Bei qualitativen Interviews beantworten Teilnehmende offene Fragen zu einem bestimmten Themengebiet. Um ihre individuellen Antworten wissenschaftlich auswerten zu können, müssen sie systematisch in Kategorien geordnet werden – ein Vorgang, der als Kodierung bezeichnet wird. Genau dieser Arbeitsschritt gilt als Flaschenhals bei der Auswertung qualitativer Daten – er kostet viel Zeit und personelle Ressourcen. Daher soll dieser Schritt zukünftig durch Künstliche Intelligenz (KI) unterstützt werden: Im Projekt AI-SIC (Artificial Intelligence in Survey Interview Coding) wollen Forschende des Leibniz-Instituts für Bildungsverläufe (LIfBi) und der Universität Leipzig ein halbautomatisches Verfahren entwickeln, mit dem Interviews mithilfe Künstlicher Intelligenz effizienter ausgewertet werden können. Gleichzeitig soll AI-SIC tiefere Einblicke ermöglichen, wie Kinder und Eltern die Gesundheit der Kinder wahrnehmen.

„Durch qualitative Interviews können wir tiefgehend verstehen, was Menschen denken und fühlen“, erklärt Dr. Jacqueline Kroh, die das Projekt am LIfBi leitet. „Aber solche Gespräche auszuwerten, ist mühsam, teuer und braucht viel Zeit. Deshalb werden häufig nur wenige Menschen für eine Studie befragt. Wenn wir mithilfe von KI einen Teil der Arbeit erleichtern können, können wir in Zukunft viel mehr Personen einbeziehen. Gerade für die Gesundheitsforschung bedeutet das: Wir kommen den Lebensrealitäten der Menschen näher – und können noch besser helfen.“

Die Besonderheit des Verfahrens liegt den Projektbeteiligten zufolge in der Kombination von menschlicher Expertise und maschinellem Lernen: Zunächst wird ein Teil der Interviews durch menschliche Experten kodiert. Dies wird im nächsten Schritt für das Training eines KI-Modells genutzt, das die verbleibenden Interviews dann halbautomatisiert selbstständig kodiert. Halbautomatisiert bedeutet, dass die KI bei Unsicherheiten die Experten darum bittet, die richtige Zuordnung vorzunehmen. Dadurch wiederum lernt das Modell weiter dazu und verfeinert seine Genauigkeit.

Während die Entwicklung und die Durchführung des halbautomatischen Kodierverfahrens hauptsächlich an der Universität Leipzig angesiedelt sind, erfolgt ein Teil der inhaltlichen Auswertung der gewonnen Daten am LIfBi. Hier liegt der Schwerpunkt bei der Frage, wie Kinder und Eltern ihren eigenen Gesundheitszustand allgemein beurteilen. Untersucht werden dabei auch Unterschiede zwischen Selbst- und Fremdeinschätzungen sowie der Einfluss von Alter und Geschlecht.

AI-SIC wird im Rahmen des Infrastrukturschwerpunktprogramms SPP 2431 „New Data Spaces for the Social Sciences“ durch die Deutsche Forschungsgemeinschaft (DFG) gefördert.