Het meten van de dynamische structuur van affect

Emotieonderzoekers bestuderen vaak de dynamiek van en tussen positief (PA) en negatief affect (NA) over de tijd, aan de hand van de experience sampling methodology (ESM): Aan de hand van een smartphone app, rapporteren participanten over de aanwezigheid en intensiteit van emoties op willekeurige momenten doorheen de dag gedurende een of meerdere weken. Op basis van de gerapporteerde scores op meerdere specifieke emoties, berekenen de onderzoekers dan een PA en NA score, door het optellen of middelen van de scores op de positieve en negatieve emoties, respectievelijk. Daarna modelleren ze de dynamiek van de PA en NA scores met een vector-autoregressief model (VAR), waarin de momentane PA en NA scores worden voorspeld op basis van de voorgaande PA en NA scores. De berekening van de PA en NA scores vertrouwt impliciet op de geldigheid van een zogenaamd meetmodel dat aangeeft welke items welk construct meten (bv. negatieve emoties meten NA) en in welke mate (bv. iedere negatieve emotie meet NA even goed). In ESM studies is het waarschijnlijk dat dit veronderstelde meetmodel niet opgaat en misspecificatie van het meetmodel kan leiden tot incorrecte schattingen van VAR parameters. Het is dus essentieel om het meetmodel niet impliciet aan te nemen maar expliciet te bestuderen bij het fitten van een VAR model. Bij de bestaande methoden die dit mogelijk maken moet je als gebruiker aangeven welke items welk construct meten. Dit is vaak onmogelijk in ESM, aangezien zelfs het onderscheid tussen PA en NA niet systematisch wordt teruggevonden. Daarom is een exploratieve aanpak nodig, waarbij het meetmodel wordt afgeleid van de data. Bij het vergelijken van VAR parameters over personen en/of over de tijd, doet zich nog een andere uitdaging voor. Om de vergelijkbaarheid te vrijwaren, moet het meetmodel (minstens deels) gelijk zijn over participanten en tijdsmomenten. Dit wordt meetinvariantie genoemd. ESM is gevoelig voor schendingen van meetinvariantie door persoons- of context-specifieke item interpretaties, en in de analyse moet men rekening houden met deze schendingen. In dit doctoraat zullen we nieuwe methoden ontwikkelen om: (1) het geschikte meetmodel te bepalen voor een ESM data set en hiermee rekening te houden in VAR; en (2) rekening te houden met meetmodelverschillen over de tijd en/of over personen.