Sozialwissenschaftler*innen nutzen vermehrt neue Datentypen als Alternative oder Ergänzung zu klassischen Umfrage- oder Interviewdaten. Beispiele für diese neuen Datentypen sind administrative Daten, finanzielle bzw. geschäftliche Transaktionsdaten, Internet- und Social-Media-Daten, Geodaten oder Bild- und Audiodaten. Diese neuen Datentypen bringen spezifische Herausforderungen für technische Infrastrukturen, rechtliche Regelungen, ethisch verantwortungsvolle Forschung und Erhaltung der Daten mit sich.
Forschende bei GESIS beschäftigen sich mit mehreren zentralen Themen in diesem Bereich:
- Verlinkung digitaler Verhaltensdaten (z.B. aus sozialen Medien) mit Umfragedaten
- Digitale Erhaltung von Social-Media-Daten, um Zugang zu ermöglichen und zugleich den Datenschutz zu berücksichtigen
- Georeferenzierung von Umfragedaten, um diese mit hochauflösenden Geodaten (z.B. zu Eigenschaften von Stadtvierteln) zu verbinden
Erfahren Sie mehr über unsere Beratungsangebote und Serviceleistungen:
-
Analyse digitaler Verhaltensdaten
Methoden, Tools, Frameworks und Infrastruktur für die Analyse digitaler Verhaltensdaten.
-
Digitale Verhaltensdaten: Datensätze
Digitale Verhaltensdaten – kuratierte Datensätze.
- Zagovora, Olga, Roberto Ulloa, Katrin Weller, and Fabian Flöck. 2022. ""I updated the <ref>": The evolution of references in the English wikipedia and the implications for altmetrics." Quantitative Science Studies 3 (1): 147-173. doi: https://doi.org/10.1162/qss_a_00171.
- Bittermann, André, Veronika Batzdorfer, Sarah Marie Müller, and Holger Steinmetz. 2021. "Mining Twitter to detect hotspots in psychology." Zeitschrift für Psychologie 229 (1): 3-14. doi: https://doi.org/10.1027/2151-2604/a000437.
- Sen, Indira, Fabian Flöck, Katrin Weller, Bernd Weiß, and Claudia Wagner. 2022. "Applying a total error framework for digital traces to social media research." In Handbook of Computational Social Science. Volume 2: Data science, statistical modelling, and machine learning methods, edited by Uwe Engel, Anabel Quan-Haase, Sunny Xun Liu, and Lars Lyberg, 127-139. Routledge.
- Schaible, Johann, Marcos Oliveira, Maria Zens, and Mathieu Génois. 2022. "Sensing Close-Range Proximity for Studying Face-to-Face Interaction." 1. In Handbook of Computational Social Science; Vol 1: Theory, Case Studies and Ethics, edited by Uwe Engel, Anabel Quan-Haase, Sunny Xun Liu, and Lars Lyberg, European Association of Methodology series, 219-239. Abingdon, Oxon: Routledge.
- Sen, Indira, Fabian Flöck, Katrin Weller, Bernd Weiß, and Claudia Wagner. 2021. "A Total Error Framework for Digital Traces of Human Behavior on Online Platforms." Public Opinion Quarterly 85 (S1): 399–422. doi: https://doi.org/10.1093/poq/nfab018.