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 bereitszustellen. 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

  • Ell, Theresia, Lydia Repke, and Henning Silber. 2024. "Personal and Technology-Based Communication and Its Impact on Mental Health From a Network Perspective." Sunbelt Conference 2024, Heriot-Watt University, Edinburgh, 2024-06-24.
  • Repke, Lydia, Theresia Ell, and Henning Silber. 2024. "Beyond Distancing - An Examination of Social Networks and Mental Health in the Covid-19 Era." Sunbelt Conference 2024, Heriot-Watt University, Edinburgh, 2024-06-24.
  • Abdedaiem, Amin, Abdelhalim Hafedh Dahou, Mohamed Amine Cheragui, and Brigitte Mathiak. 2024. "FASSILA: A Corpus for Algerian Dialect Fake News Detection and Sentiment Analysis." In ACLing 2024: 6th International Conference on AI in Computational Linguistics, edited by Khaled Shaalan, and Samhaa El-Beltagy, Procedia Computer Science 244, 397-407. Elsevier. doi: https://doi.org/10.1016/j.procs.2024.10.214.
  • Dahou, Abdelhalim Hafedh, Mohamed Amine Cheragui, Amin Abdedaiem, and Brigitte Mathiak. 2024. "Enhancing Model Performance through Translation-based Data Augmentation in the context of Fake News Detection." In ACLing 2024: 6th International Conference on AI in Computational Linguistics, edited by Khaled Shaalan, and Samhaa El-Beltagy, Procedia Computer Science 244, 342-352. Elsevier. doi: https://doi.org/10.1016/j.procs.2024.10.208.
  • Saldanha Bach, Janete, and Peter Mutschke. 2024. "Advancements and challenges in assessing FAIR Principles: a hybrid approach through manual and automated assessments." In Forth Workshop on Metadata and Research (objects) Management for Linked Open Science , Cologne: ZBMED. doi: https://doi.org/10.4126/FRL01-006473270.