Forschung

GESIS - für eine forschungsbasierte Infrastruktur

GESIS ist eine forschungsbasierte Infrastruktureinrichtung für die Sozialwissenschaften und führt eigene kontinuierliche und interdisziplinäre Forschung durch. Die Ergebnisse unserer Forschung dienen sowohl der Gewinnung wissenschaftlicher Erkenntnis als auch der nachhaltigen Verbesserung unserer Angebote für die Sozialwissenschaften.

Für GESIS steht die Qualität von Daten im Mittelpunkt. GESIS strebt nicht nur danach, qualitativ hochwertige Forschungsdaten bereitzustellen. Wir möchten Forschenden mit unseren Methoden und Tools in die Lage versetzen, selbst einzuschätzen, wie hoch die Qualität von Forschungsdaten ist.

Mit unserer Forschungsarbeit in den Bereichen Survey Methodology, Computational Methods, Research Data Management und Substantive Research erweitern und optimieren wir stetig unser Angebotsportfolio, mit dem wir Forschende unterstützen, die mit quantitativen Daten zu sozialwissenschaftlichen Fragestellungen arbeiten und selbst Beiträge zu grundlegenden inhaltlichen Fragestellungen leisten.

Forschungsarbeit bei GESIS

  • Zapilko, Benjamin, and Brigitte Mathiak. 2011. "Defining and executing assessment tests on linked data for statistical analysis." The Second International Workshop on Consuming Linked Data (COLD) / ISWC 2011. https://iswc2011.semanticweb.org/fileadmin/iswc/Papers/Workshops/COLD/cold2011_submission_13.pdf.
  • Zapilko, Benjamin, and Brigitte Mathiak. 2011. "Performing statistical methods on linked data." DC-2011 - The Eleventh International Conference on Dublin Core and Metadata Applications.
  • Zapilko, Benjamin, and Brigitte Mathiak. 2011. "Defining and Executing Assessment Tests on Linked Data for Statistical Analysis." In Proceedings of the Second International Workshop on Consuming Linked Data (COLD2011), edited by Olaf Hartig, Andreas Harth, and Juan Sequeda, CEUR Workshop Proceedings 782. http://ceur-ws.org/Vol-782/ZapilkoAndMathiak_COLD2011.pdf.
  • Hienert, Daniel, Benjamin Zapilko, Philipp Schaer, and Brigitte Mathiak. 2011. "Vizgr - combining data on a visual level." In WEBIST 2011, Proceedings of the 7th International Conference on Web Information Systems and Technologies, Noordwijkerhout, Netherlands, 6-9 May, 2011, edited by José Cordeiro, and Joaquim Filipe, 202-211. https://arxiv.org/pdf/1104.5377v1.
  • van Hoek, Wilko, Brigitte Mathiak, Philipp Mayr, and Sascha Schüller. 2011. "Comparing the accuracy of the semantic similarity provided by the Normalized Google Distance (NGD) and the Search Term Recommender (STR)." 10th European NKOS Workshop at TPDL 2011.