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.
Unsere Forschungsschwerpunkte im Bereich Open Science
- Wir treiben die FAIR Data-Prinzipien voran – und das auch für neue Datentypen wie digitale Verhaltensdaten.
- Wir ermöglichen die Reproduzierbarkeit von computergestützten Analysen in den Sozialwissenschaften (und darüber hinaus).
- Wir stellen Möglichkeiten für das Teilen von Publikationen, Daten und Code zur Verfügung.
- Wir bieten 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.
- Schoch, David, Chung-hong Chan, Claudia Wagner, and Arnim Bleier. 2024. "Computational reproducibility in computational social science." EPJ Data Science 13 (75). doi: https://doi.org/10.1140/epjds/s13688-024-00514-w.
- Bensmann, Felix, and Benjamin Zapilko. 2023. ScienceLinker - Python Package. https://pypi.org/project/sciencelinker/.
- 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.
Titel | Start | Ende | Förderer |
---|---|---|---|
NFDI for Data Science and Artificial Intelligence
(NFDI4DS)
|
2021-10-01 | 2026-09-30 | DFG |
NFDI for Business, Economic and Related Data
(BERD@NFDI)
|
2021-10-01 | 2026-09-30 | DFG |
Stellvertretender Abteilungsleiter
FAIR Data
Teamleiter
Erfahren Sie mehr über unsere Beratungsangebote und Serviceleistungen:
-
Analyse digitaler Verhaltensdaten
Methoden, Tools, Frameworks und Infrastruktur für die Analyse digitaler Verhaltensdaten.
- Datenregistrierungsagentur da|ra
-
GESIS Guides to Digital Behavioral Data
Handreichungen zur Erhebung und Analyse digitaler Verhaltensdaten mit computerbasierten Methoden.
- GESIS Notebooks
- Volltextserver SSOAR