Kurzbeschreibung

Der Ausfall von Teilnehmenden einer Längsschnittbefragung im Studienverlauf ist ein schwerwiegendes Hindernis für den Aufbau unverzerrter Längsschnittdatensätze. Daher müssen Maßnahmen ergriffen werden, um solche Ausfälle zu reduzieren und ihre Selektivität zu vermindern. Dafür werden in diesem Projekt die Teilnehmenden mit dem höchsten Ausfallrisiko mithilfe von Methoden maschinellen Lernens identifiziert und anschließend in der Feldarbeit priorisiert. Die Priorisierung erfolgt über erhöhte Anreize für die Befragten und eine erhöhte Interviewerprämie. Im Projekt wird evaluiert, wie wirksam diese Priorisierungsmaßnahmen zur Verminderung der Ausfälle aus dem Panel sind. Der Nutzen für die Praxis entsteht wie in den meisten Projekten mit methodischem Schwerpunkt indirekt. Das Projekt führt langfristig zu einer höheren Datenqualität und damit zu einer höheren Verlässlichkeit der vielen Befunde die jährlich auf Basis der Daten des PASS publiziert werden.