GESIS Leibniz-Institut für Sozialwissenschaften: Homepage aufrufen

Open Science-Technologien und -Praktiken

Das freie und öffentliche Teilen von wissenschaftlichen Erkenntnissen und ihren Entstehungsprozessen ist ein elementarer Grundsatz der Wissenschaft. Diese Offenheit und Transparenz zu erreichen, ist jedoch oftmals schwierig, insbesondere dann, wenn große Datensätze und komplexe computergestützte Berechnungen nötig sind.

GESIS forscht zu diesen Herausforderungen und stellt Infrastruktur sowie Angebote bereit, die Wissenschaftler*Innen dabei unterstützen, ihre Arbeiten "offen" und nachvollziehbar zur Verfügung zu stellen. Neben der Archivierung und Bereitstellung von Daten und Publikationen bieten wir Lösungen für das Dokumentieren und Teilen von rechnergestützten Verarbeitungsprozessen für datenintensive Forschungsdesigns an.

Mit unseren Forschungs- und Entwicklungsarbeiten im Bereich Open Science

  • treiben wir die FAIR Data-Prinzipien voran – und das auch für neue Datentypen wie digitale Verhaltensdaten
  • ermöglichen wir die Reproduzierbarkeit von computergestützten Analysen in den Sozialwissenschaften (und darüber hinaus)
  • stellen wir Möglichkeiten für das Teilen von Publikationen, Daten und Code zur Verfügung
  • bieten wir Altmetrics zur Messung der öffentlichen Wirkung von wissenschaftlichen Arbeiten an

Das Engagement von GESIS für Open Science-Technologien ist langfristig, forschungsbasiert und spiegelt sich u.a. in unserer Beteiligung an der Nationalen Forschungsdateninfrastruktur NFDI wider sowie der strategischen Erweiterung des Instituts im Bereich digitaler Verhaltensdaten.

Darüber hinaus unterstützen wir Wissenschaftler*Innen mit Schulungsmaterialien zu Open Science.

Nicht zuletzt ist Open Science bei GESIS gelebte Praxis: Besuchen Sie uns auf GitHub, nutzen Sie unsere DVD-Datensätze und Analyse-Tools.

Erfahren Sie mehr über unsere Beratungsangebote und Serviceleistungen:

  • Lietz, Haiko, Mathieu Génois, Johann Schaible, Maria Zens, and Marcos Oliveira. 2023. "Community formation at IC2S2 2017." International Conference on Computational Social Science (IC²S² 2023), Copenhagen, 2023-07-18.
  • Saldanha Bach, Janete, Fidan Limani, and Brigitte Mathiak. 2023. KonsortSWD Measure 5.2: Enhancing data findability : Milestones 4 and 5 report. 0.9. doi: https://doi.org/10.5281/zenodo.7520524.
  • Schoch, David. 2023. "graphlayouts: Layout algorithms for network visualizations in R." Journal of Open Source Software 8 (84): 5238. doi: https://doi.org/10.21105/joss.05238.
  • Soldner, Felix, Bennett Kleinberg, and Shane Johnson. 2022. Confounds and Overestimations in Fake Review Detection: Experimentally Controlling for Product-Ownership and Data-Origin. https://osf.io/29euc/?view_only=d382b6f03e1444ffa83da3ea04f1a04a.
  • Schoch, David. 2022. "netrankr: An R package for total, partial, and probabilistic rankings in networks." Journal of Open Source Software 7 (77): 4563. doi: https://doi.org/10.21105/joss.04563.