Themenschwerpunkte
GESIS Training bietet Kurse zu vielen Aspekten der empirischen Sozialforschung an. Unsere Schwerpunkte liegen in den Bereichen Datenanalyse, Umfrageforschung, Computational Social Science und Forschungsdatenmanagement.
Wir helfen Ihnen gerne weiter!
Sollten Sie unsicher sein, welcher Kurs der richtige für Sie ist, zögern Sie bitte nicht uns zu kontaktieren.
Datenanalyse
Wir bieten Kurse an, die die theoretischen Grundlagen und praktischen Anwendungen eines breiten Spektrums von Datenanalysemethoden vermitteln. Die zugrundeliegenden Datenquellen reichen von Befragungen über experimentelle Studien bis hin zu digitalen Verhaltensdaten, die z. B. über soziale Medien oder Smartphone-Sensoren gewonnen werden (Computational Social Science). Bei GESIS Training bieten wir sowohl Kurse für Einsteiger*innen an, die keine oder nur geringe Vorkenntnisse in den Methoden der Datenanalyse haben, als auch für Forscher*innen, die ihre Kenntnisse in diesem Bereich weiter vertiefen wollen. Die meisten Kurse zur Datenanalyse beziehen sich auf quantitative Daten, es finden sich aber auch Kurse zur Erhebung und Auswertung qualitativer Daten.
Wenn Sie bisher wenig mit quantitativen Daten gearbeitet haben, empfehlen wir Ihnen zunächst den Besuch einer Einführung in univariate und bivariate Statistik sowie eines Einführungskurses in eine Statistiksoftware wie Stata oder R. Ein einführender Kurs in die Regressionsanalyse ist auch für Anfänger*innen gut geeignet.
Anschließend können Sie je nach Ihrer Fragestellung dann z. B. Kurse zur Strukturgleichungsmodellierung, zur Paneldatenanalyse oder zu Methoden der kausalen Inferenz besuchen.
Eine Übersicht über alle Kurse, die derzeit im Bereich Datenanalyse angeboten werden, finden Sie hier.
Umfrageforschung
In den empirischen Sozialwissenschaften sind Umfragen eine traditionelle und die am häufigsten verwendete Methode der Datenerhebung. Wir bieten Kurse an, die sich mit der Durchführung von Umfragen und der Bewertung ihrer Qualität befassen. Das Total Survey Error Framework hilft dabei, verschiedene Fehlerquellen zu identifizieren, die bei Umfragen auftreten und die Datenqualität negativ beeinflussen können. Diese Fehler werden der Messung oder der Repräsentation zugeordnet. Messfehler können beispielsweise durch ein mangelhaftes Fragebogendesign oder unerwünschtes Verhalten der Befragten entstehen. Repräsentationsfehler entstehen unter anderem durch Fehler bei der Stichprobenziehung, selektive Stichprobenausfälle oder unzureichende Stichprobenanpassungen. Wie Sie solche Fehler vermeiden, erfahren Sie in unseren Kursen.
Haben Sie bisher noch keine Erfahrungen mit der Durchführung von Befragungen? Dann empfehlen wir Ihnen zunächst den Besuch einer Einführung in Umfragedesign und einen Kurs zu Fragebogenentwicklung. Anschließend können Sie aus einer Vielzahl von Kursen zu verschiedenen Themen wählen, je nach Ihren spezifischen Bedürfnissen.
Die Summer School in Survey Methodology ermöglicht es Ihnen, in kurzer Zeit viele Kurse zu Themen der Umfrageforschung zu kombinieren.
Eine Übersicht über alle Kurse, die derzeit im Bereich Umfrageforschung angeboten werden, finden Sie hier.
Computational Social Science
Der Bereich der Computational Social Science (CSS) untersucht dieselben soziokulturellen Phänomene wie alle anderen Sozialwissenschaften, zeichnet sich jedoch durch die Verwendung neuer Arten von Daten ("digitale Verhaltensdaten"), großer Datenmengen ("Big Data") und rechenintensiver Technologien zur Verarbeitung und Analyse dieser Daten aus. CSS liegt damit an der Schnittstelle von Sozialwissenschaften und Informatik. Unser Angebot umfasst sowohl Kurse, die sich mit der Erhebung neuer Arten oder großer Mengen strukturierter und unstrukturierter Daten befassen, als auch Kurse zu Analyseverfahren, die sich entweder auf diese Datenquellen beziehen oder herkömmliche Datenquellen mit neuen computergestützten Verfahren verarbeiten. Beispiele für Methoden und Techniken zur Erhebung neuer Arten von Daten sind Web Scraping, APIs oder Sensoren. Computergestützte Analyseverfahren umfassen beispielsweise die Netzwerkanalyse sowie maschinelles Lernen für Text- und audiovisuelle Daten.
Eine gute Grundlage für die Teilnahme an fortgeschrittenen Kursen ist eine Einführung in Python. Die Kurse zu Web Scraping und die Erfassung von Social-Media-Daten mittels APIs haben in der Regel ebenfalls eine niedrige Einstiegshürde. Diese Kurse bereiten gut auf die erfolgreiche Teilnahme an einem fortgeschrittenen Kurs in diesem Bereich vor, beispielsweise zur Netzwerkanalyse oder Textanalyse.
Wie die Umfrageforschung hat auch die CSS ihr eigenes Format bei GESIS Training, das Fall Seminar in Computational Social Science. Es bietet eine Vielzahl von Kursen an, die von einer breiten, für Anfänger*innen geeigneten Einführung in das Gebiet bis hin zu spezialisierten Kursen zu hochaktuellen Themen für fortgeschrittene Teilnehmer*innen reichen.
Eine Übersicht über alle aktuell im Bereich Computational Social Science angebotenen Kurse finden Sie hier.
Forschungsdatenmanagement
Forschungsdatenmanagement (FDM) ist ein zentraler Aspekt bei der Einhaltung der Regeln guter wissenschaftlicher Praxis sowie bei der Umsetzung von Förderanforderungen im Rahmen von Open Data gemäß den FAIR-Data-Prinzipien. FDM umfasst alle Maßnahmen und Strategien zur Planung, Sammlung, Verarbeitung, Archivierung und langfristigen Bewahrung von Daten. Darüber hinaus umfasst FDM den Zugang zu und die Nachnutzung von Daten, Standards für die Datendokumentation und rechtliche Fragen im Zusammenhang mit dem sicheren Umgang mit Daten. Um Forscher*innen und Datenmanager*innen bei der Durchführung eines guten FDM zu unterstützen, bietet GESIS eine Reihe von Kursen zu verschiedenen Aspekten des (Forschungs-)Datenmanagements an, wie z. B. Datenbereinigung und -organisation
Eine Übersicht über alle aktuell im Bereich Forschungsdatenmanagement angebotenen Kurse finden Sie hier.