Computational Social Science

Markus Strohmaier

Computational Social Science
Leiter(in)

+49 (221) 47694-225
E-Mail
vCard

Markus Strohmaier

Die Abteilung Computational Social Science (CSS) fokussiert sich zum einen auf die Erforschung von neuen Methoden und Algorithmen für die Analyse sozialwissenschaftlicher Phänomene auf Basis von Daten im World Wide Web wie z.B. Daten aus sozialen Medien. Zum anderen bilden die neu erforschten Methoden und weitere sozialwissenschaftliche Erkenntnisse die Basis für die Entwicklung und den Aufbau forschungsbasierter Angebote für die Sozialwissenschaften. 

Zur Erforschung von Methoden zur Analyse sozialwissenschaftlicher Phänomene anhand von Daten im WWW werden in der Abteilung Algorithmen und neue, nicht-reaktive Methoden für die Sozialwissenschaften entwickelt. Grundlage für diese Arbeiten sind Ansätze aus den Bereichen Machine Learning, Data Mining und Netzwerkanalyse. Aktuelle Schwerpunkte sind die quantitative Analyse politischer Wahlprozesse und -dynamiken anhand von sozialen Mediendaten sowie die quantitative Analyse von sozialwissenschaftlich-relevanten Prozessen aus sozialen Medien oder Logdaten.

Der Community- und Nutzungsorientierung wird bei der Entwicklung von existierenden und dem Aufbau von neuen Angeboten für die Sozialwissenschaften eine hohe Priorität eingeräumt. Durch eine Kombination von reaktiven, nicht-reaktiven, experimentellen und anderen Verfahren gewinnt die Abteilung Erkenntnisse über Anforderungs- und Incentive-Strukturen relevanter Communities. Diese Erkenntnisse werden anschließend in die Weiterentwicklung von bestehenden, aber auch in die Entwicklung von neuen GESIS-Online-Dienstleistungen einfließen. Forschungsbasierte Nutzungsanalysen sorgen für eine effektive Bereitstellung von in der Community benötigten Ressourcen und neue Methoden erhöhen und optimieren die Nutzerpartizipation in den GESIS-Onlineangeboten.

Die Abteilung besteht aus folgenden Teams:

Data Science (DS)

Das Team Data Science verfolgt das Ziel, auf Basis empirischer Untersuchungen an emergenten Datentypen und –formen aus dem Web, wie z.B. Online Social Networks, neue Methoden und Verfahren zur Beantwortung sozialwissenschaftlicher Fragen zu entwickeln. Dies geschieht unter Verwendung und Adaptierung existierender Algorithmen und Methoden aus dem Machine Learning, dem Data Mining und der Netzwerkanalyse.

Knowledge Discovery (KD)

Aufgabe des Teams Knowledge Discovery ist die Entwicklung skalierbarer Verfahren für die Akquisition, Verarbeitung und Anreicherung großer textueller Datenmengen wie bspw. sozialwissenschaftliche Literatur oder Projektinformationen. Hierzu werden sozialwissenschaftlicher Erkenntnisse zur algorithmischen Steuerung und Erhöhung der Nutzbarkeit von GESIS-Onlineangeboten genutzt.

Social Analytics and Services (SAS)

Das Teams Social Analytics and Services beschäftigt sich mit der empirischen Analyse sozialen Nutzerverhaltens in Online-Communities, z.B. in den GESIS-Onlineangeboten, und mit der Entwicklung von Verfahren für ein besseres Verständnis und eine bedarfsgerechte Anpassung an Nutzeraktivitäten in World Wide Web-Systemen. Darüber hinaus ist das Team durch seine Schnittstellenfunktion verantwortlich für die Entwicklung von innovativen, datengetriebenen Angeboten für die Sozialwissenschaften.