Herausforderungen der sozialwissenschaftlichen Analyse von Big Data

| Kategorien: Pressemitteilung

Das Forum der aktuellen Historical Social Research (HSR 45.3), das GESIS in Zusammenarbeit mit Lilli Braunisch, Malte Schweia, Peter Graeff und Nina Baur herausgibt, widmet sich den Herausforderungen von Big Data für die Sozialwissenschaften, sprich der Qualität und Analyse analoger und digitaler Massendaten in der sozialwissenschaftlichen Forschung – und führt dabei Forschungspraxis und methodologischen Diskurs um den Gebrauch von Big Data zusammen.

Im Zuge zahlreicher IT Innovationen und der Entstehung des Web 2.0. gelangte das Phänomen Big Data in den letzten Jahrzehnten nicht nur in den öffentlichen Diskurs, sondern auch verstärkt zurück in die sozialwissenschaftliche Forschungspraxis. Neu sind Massendaten den Herausgeberinnen und Herausgebern zufolge für die Sozialwissenschaften nämlich keinesfalls. Im Gegenteil, traditionelle Massendaten wie beispielsweise bei Verwaltungsprozessen entstehende administrative Daten sind einer der ältesten sozialwissenschaftlichen Datentypen.

Digitale Verhaltensdaten, die heute meist mit Big Data assoziiert werden, bergen zwar aufgrund ihrer Entstehung und Beschaffenheit neue Möglichkeiten und Schwachstellen, aus methodologischer Sicht jedoch ähneln sie in vielerlei Hinsicht traditionellen Massendaten. Somit kann ihre Analyse auch von klassischen Instrumenten der Methodologie, insbesondere zur Beurteilung der Datenqualität, profitieren, so die Herausgeberinnen und Herausgeber. Gleichzeitig entstehen im Rahmen der Computational Social Science immer neue Techniken und Methoden der Datenanalyse wie „webnography“ oder „text mining“. In den fünf Beiträgen des Schwerpunkts führen die Autorinnen und Autoren daher zwei ihnen zufolge bisher zu sehr voneinander isolierte Forschungslinien im Bereich Big Data zusammen: Datenqualität und Datenanalyse.

Peter Graeff und Nina Baur untersuchen die Qualität verschiedener Datentypen zum Thema Korruption und argumentieren für ein kritisches Bewusstsein der jeweiligen Stärken und Schwächen für die Beantwortung bestimmter Fragestellungen im Sinne einer „data-lore“. Gertraud Koch und Katharina Kinder-Kurlanda übertragen daraufhin in ihrem Beitrag das Konzept des „source criticism“ auf die Logik verschiedener Plattformen und deren Daten. In einer Fallstudie zu Onlinenachrichten untersuchen Martin Weichbold, Alexander Seymer, Wolfgang Aschauer und Thomas Herdin das Potential und die Grenzen einer automatisierten Big Data Analyse mithilfe eines Softwaretools. Sie betonen – hier am Beispiel von Sicherheitswahrnehmungen in der Bevölkerung - die Bedeutung theoriebasierter Forschung.

Wie tief das Phänomen Big Data heutige Gesellschaften prägt, beschreiben Rainer Diaz-Bone, Kenneth Horvath und Valeska Cappel – und fordern eine Soziologie sozialwissenschaftlicher Forschung. Abschließend widmet sich Michael Weinhardt ethischen Fragen zur Nutzung von Big Data in der Sozialforschung.

Zur Publikation geht es hier: https://www.gesis.org/hsr/aktuelle-hefte.

Historical Social Research/ Historische Sozialforschung (HSR) ist eine internationale begutachtete (peer-reviewed) wissenschaftliche Fachzeitschrift für die Anwendung formaler Methoden in der Geschichte. Die Anwendung formaler Methoden zur Beschreibung und Analyse historischer Ereignisse, Strukturen und Prozesse erstreckt sich von historisch-sozialwissenschaftlicher Geschichtsforschung, über empirische quantitative und qualitative Sozialforschung bis hin zur Kliometrie und den Digital Humanities.

Die aktuelle Ausgabe der HSR (45.3.) enthält einen weiteren Schwerpunkt zum Thema „Social Finance, Impact Investing, and the Financialization of the Public Interest“.

Kategorien: Pressemitteilung