ľ�ϸ���Ӱ��

Mobiele telefoons, wearables en het Internet of Things maken het tegenwoordig mogelijk om sociale, psychologische en gedragsprocessen vast te leggen terwijl ze zich in het dagelijks leven afspelen. Deze technologische vooruitgang heeft geleid tot een sterke toename van intensieve longitudinale data (ILD), die ongekende mogelijkheden bieden om de temporele dynamiek van gedrag, emoties en fysiologie in natuurlijke omgevingen te bestuderen. 

Traditionele statistische methoden aggregeren echter vaak gegevens over de tijd of veronderstellen geleidelijke, homogene veranderingen. Dergelijke benaderingen zijn minder geschikt om abrupte overgangen en complexe, multimodale patronen vast te leggen die kenmerkend zijn voor veel processen, zoals snelle stemmingswisselingen, plotselinge veranderingen in neurale activiteit of gedragswisselingen. Hierdoor gaat cruciale informatie over timing, frequentie en volgorde van deze dynamieken vaak verloren.

In zijn proefschrift introduceert en ontwikkelt Sebastian Mildiner Moraga multilevel Hidden Markov-modellen (mHMMs) als krachtig alternatief voor de analyse van ILD. Hidden Markov-modellen vatten discrete latente toestanden en de overgangen daartussen samen, waardoor ze bijzonder geschikt zijn voor processen met abrupte veranderingen. Mildiner Moraga: “Door dit raamwerk uit te breiden naar een multilevel-context kunnen hiërarchische structuren en individuele variabiliteit, die eigen zijn aan sociale en gedragsgegevens, worden meegenomen.”

Zijn proefschrift heeft drie doelen: de prestaties van mHMMs evalueren via grootschalige simulaties; het methodologische raamwerk uitbreiden, waaronder het R-pakket mHMMbayes; en tot slot toepassingen demonstreren in psychologie, gedragswetenschappen en neurowetenschappen. Empirische studies tonen de waarde aan voor het modelleren van non-verbaal gedrag, stemmingsdynamiek bij bipolaire stoornis, dierlijk gedrag en neurale activiteit. Gezamenlijk vestigen deze bijdragen mHMMs als een toegankelijke en robuuste methode om latente dynamieken in ILD bloot te leggen.