Big milestone: Code matching
Über das Schuljahr hinweg haben wir in Österreich, Deutschland und der Schweiz im Abstand von drei Monaten eine Schulbefragung durchgeführt.
Nachdem wir mit der Erhebung fertig waren, ging es an das Bereinigen und Matchen der drei Wellen. Um die Anonymität der Jugendlichen über die Befragung hinweg zu gewährleisten, haben wir stets zu Beginn der Befragung einen selbstgenerierten Code erhoben.
Nach Abschluss der Befragung ging es also darum, die drei Wellen zu matchen. Dafür haben sich Sophie und Dora aus dem Schweizer Team eine Matching-Strategie überlegt: Sie wollten das Daten-Matching in R automatisieren, um einen möglichst geordneten Prozess zu gewährleisten. Jedoch fiel schnell auf, dass die Jugendlichen den Code in allen drei Befragungen oft nicht richtig angegeben hatten. Die Frage war also: Wie finden wir trotzdem ihre Matches wieder?
Es musste also eine Struktur geschaffen werden, die möglichst viele Matches hervorbringt, ohne dabei potenziell falsche Matches zu erzeugen. Über den Sommer hinweg wurde mithilfe des AWARE-Teams über mögliche Strategien nachgedacht. Basierend darauf haben Sophie and Dora einen Decision-Tree erstellt und diesen in R gecodet. Dieser ist so gestaltet, dass z. B. Fehler wie das Vertauschen von Initialen im Code erlaubt waren (einschliesslich der Prüfungen, ob ein Jugendlicher auch dieselben Soziodemografien aufweist). Dadurch konnte ein longitudinaler Datensatz von 626 Jugendlichen erstellt werden, die an allen drei Wellen der Befragung teilgenommen haben.
Der Decision-Tree geht von streng nach tolerant: Zuerst müssen alle sechs Codeteile übereinstimmen (1: Exakt). Dann darf genau ein Codeteil abweichen (2: Fuzzy). Dann sind typische Vertauschungen erlaubt – z. B. die ersten beiden Initialen (3: Swap). Danach werden die übrig gebliebenen Zeilen automatisch bewertet: Ein Modell, das auf den bereits gesicherten Matches trainiert ist, entscheidet, ob eine Zeile zu einer Person passt (4: AutoRec). Das gilt aber nur, wenn zusätzlich bestimmte Kriterien stimmen – gleiche Schule, im Kern gleicher Name, plausibles Geburtsdatum und dieselben Soziodemografien. Alles andere wird manuell geprüft (5).
