GESIS - for a research-based infrastructure
Research output at GESIS
- Watteler, Oliver, Constantin Hammer, and Heidi Schuster. 2024. "'Berechtigtes Interesse' als Rechtsgrundlage für die Erhebung und Archivierung von Social Media Daten." Nachhaltige Archivierung sozialer Medien - Twitter und danach, Deutsche Nationalbibliothek, Frankfurt a.M., 2024-03-20. doi: https://doi.org/10.5281/zenodo.11030035.
- Quandt, Markus, and Peter Schmidt. 2024. "Introduction to the special issue of the International Journal of Comparative Sociology on “National identity, nationalism, patriotism, and globalization”." International Journal of Comparative Sociology 2024 (65, 2): 101-111. doi: https://doi.org/10.1177/00207152241232577.
- Daikeler, Jessica, Leon Fröhling, Indira Sen, Lukas Birkenmaier, Tobias Gummer, Jan Schwalbach, Henning Silber, Bernd Weiß, Katrin Weller, and Clemens Lechner. 2024. "Assessing Data Quality in the Age of Digital Social Research: A Systematic Review." Social Science Computer Review. doi: https://doi.org/10.1177/08944393241245395.
- Behr, Dorothée, Michael Braun, and Luisa Aiglstorfer. 2024. "Showcasing the usefulness of web probing: Do Subtle Variations in Questionnaire Translation Lead to Different Survey Responding?" Quality & Quantity online first. doi: https://doi.org/10.1007/s11135-024-01843-8.
- Singh, Ranjit K., Cornelia Neuert, and Tenko Raykov. 2023. "Assessing conceptual comparability of single-item survey instruments with a mixed-methods approach." Quality & Quantity online first. doi: https://doi.org/10.1007/s11135-023-01801-w.
- Mutschke, Peter. 2010. "Zentralitätsanomalien und Netzwerkstruktur: ein Plädoyer für einen „engeren“ Netzwerkbegriff und ein community-orientiertes Zentralitätsmodell." 2. Aufl.. In Netzwerkanalyse und Netzwerktheorie : ein neues Paradigma in den Sozialwissenschaften, edited by Christian Stegbauer, 261-272. Wiesbaden: VS Verl. für Sozialwiss..
- Zapilko, Benjamin, and York Sure-Vetter. 2013. "Neue Möglichkeiten für die Wissensorganisation durch die Kombination von Digital Library Verfahren mit Standards des Semantic Web." In Wissen – Wissenschaft – Organisation : 19. bis 21. Oktober 2009 ; Proceedings der 12. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, edited by Heinz-Peter Ohly, Fortschritte in der Wissensorganisation ; Bd. 12, 173-180. Würzburg: Ergon-Verl..
- Zapilko, Benjamin, and Maximilian Stempfhuber. 2013. "Ein Ebenenmodell für die semantische Integration von Primärdaten und Publikationen in Digitalen Bibliotheken." In Wissen – Wissenschaft – Organisation : 19. bis 21. Oktober 2009 ; Proceedings der 12. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, edited by Heinz-Peter Ohly, Fortschritte in der Wissensorganisation ; Bd. 12, 121-130. Würzburg: Ergon-Verl..
- Mutschke, Peter. 2010. "Zentralitäts- und Prestigemaße." In Handbuch Netzwerkforschung, edited by Christian Stegbauer, and Roger Häußling, 365-378. Wiesbaden: VS Verl. für Sozialwiss..
- Mayr, Philipp, Peter Mutschke, Philipp Schaer, and York Sure-Vetter. 2013. "Mehrwertdienste für das Information Retrieval: das Projekt IRM." In Wissen – Wissenschaft – Organisation : 19. bis 21. Oktober 2009 ; Proceedings der 12. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, edited by Heinz-Peter Ohly, Fortschritte in der Wissensorganisation ; Bd. 12, 131–139. Würzburg: Ergon-Verl.. https://github.com/PhilippMayr/MyPapers/blob/master/texts/ISKO2009.pdf.
Ein wesentliches Merkmal von GESIS ist, dass das Institut insbesondere bei den Daten, für die es auch die Erhebung verantwortet, sehr hohe Ansprüche und Standards an die Qualität der bereitge- stellten Daten anlegt. Daher ist es für GESIS zentral, eigene Beiträge zur Untersuchung und Verbes- serung von Aspekten der Datenqualität zu leisten. Die Forschung in den GESIS-Forschungsbereichen trägt deshalb direkt zum Schwerpunkt Datenqualität bei. Dies betrifft sowohl Umfragedaten als auch digitale Verhaltensdaten und relevante Metadaten. Datenqualität umfasst Aspekte der (a) Kor- rektheit und Repräsentativität von Daten und (b) Nutzbarkeit und FAIRness von Daten. Beispiele für (a) sind die Vollständigkeit, Korrektheit, Provenienz der Repräsentativität von Daten, während (b) Aspekte wie Findbarkeit, Qualität der Dokumentation, Aufbereitung oder die Interoperabilität von Daten und Metadaten berücksichtigt. Damit wird eine wichtige Voraussetzung dafür erfüllt, dass die Bearbeitung inhaltlicher Fragestel- lungen (Substantive Research) auf Basis dieser Daten zu validen Ergebnissen führt.