GESIS Training bietet Kurse zu allen Themenbereichen der empirischen Sozialforschung an. Unsere Schwerpunkte sind dabei Datenanalyse, Survey Methodology, Computational Social Science und Forschungsdatenmanagement.
Sollten Sie nicht sicher sein, welcher Kurs für Ihre Forschungsfrage oder Analyse der richtige ist, zögern Sie bitte nicht uns zu kontaktieren. Wir beraten Sie gerne!
Im thematischen Schwerpunkt Datenanalyse bieten wir Kurse an, die die theoretischen Grundlagen und die praktische Anwendung verschiedener Datenanalysemethoden vermitteln. Die hierbei zu Grunde liegenden Datenquellen reichen von Befragungen über experimentelle Studien bis hin zu digitalen Spurdaten, die beispielsweise computergestützt (Computational Social Science) in den sozialen Medien gewonnen werden. Viele der in unseren Kursen verwendeten und für wissenschaftliche Analysen relevanten Daten finden sich im GESIS Datenarchiv. Bei GESIS Training bieten wir sowohl Kurse für Einsteiger in datenanalytische Verfahren, die keine oder sehr wenige Vorkenntnisse haben, als auch für fortgeschrittene Nutzer mit Vorerfahrungen in diesem Bereich angeboten. Der Großteil der Kurse in diesem Bereich bezieht sich auf quantitative Daten, es finden sich aber auch Kurse mit qualitativem Bezug.
Haben Sie bislang nur wenig mit quantitativen Daten gearbeitet, so empfehlen wir Ihnen zunächst den Besuch einer Einführungsveranstaltung in uni- und bivariate Statistik, Inferenzstatistik sowie einen Einführungskurs in eine Statistik-Software wie beispielsweise Stata oder R. Gut geeignet für Anfänger*innen sind zudem Einführungskurse in die lineare oder logistische Regression.
Anschließend können Sie in Abhängigkeit von Ihrer Forschungsfrage Kurse zu beispielsweise Strukturgleichungsmodellen, Paneldatenanalyse oder Kausalanalyse besuchen.
Eine Übersicht über alle aktuell im Bereich Datenanalyse angebotenen Kurse finden Sie hier.
In den empirischen Sozialwissenschaften ist die wissenschaftliche Befragung eine der klassischen Methoden der Datenerhebung. Deswegen bieten wir in unserem Schwerpunkt Survey Methodology Kurse an, die sich mit der Durchführung von Umfragen und deren Qualität auseinandersetzen. Im Paradigma des Total Survey Errors (TSE) werden die zahlreichen Fehlerquellen den Bereichen Messung und Repräsentation zugeordnet: Messfehler können dabei beispielsweise durch schlechte Fragebogendesigns oder unerwünschtes Befragtenverhalten entstehen. Repräsentationsfehler resultieren unter anderem durch Fehler bei der Stichprobenziehung, selektiven Stichprobenausfall oder mangelhafte Anpassungen der Stichproben. 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 Survey Design und einen Kurs zu Fragebogenentwicklung. Anschließend können Sie je nach konkreter Fragestellung aus einer Vielzahl verschiedener Kurse zu speziellen Themen auswählen.
Die Summer School in Survey Methodology bietet Ihnen die Möglichkeit eine größere Anzahl an Kursen miteinander zu kombinieren.
Eine Übersicht über alle aktuell im Bereich Survey Methodology angebotenen Kurse finden Sie hier.
Der noch junge Bereich der Computational Social Science untersucht die gleichen soziokulturellen Phänomene wie alle Sozialwissenschaften. Charakteristisch ist dabei die Verwendung neuartiger Datentypen („Digitial Trace Data“), großer Datenmengen („Big Data“) und rechenintensiver Technologien. Die Computational Social Science bewegen sich somit an der Schnittstelle zwischen Sozialwissenschaften und Informatik. In unserem Kursangebot finden sich dabei sowohl Kurse, die die Erhebung neuer Datentypen thematisieren, als auch Analyseverfahren, die sich entweder auf diese Datenquellen beziehen oder herkömmliche Datenquellen mit neuen computergestützten Verfahren analysieren. Beispiele für die Erhebung neuer Datenquellen sind Web-Scraping, die Erfassung von Social-Media-Daten über APIs, oder Sensordaten. Computergestützte Analyseverfahren umfassen unter anderem Netzwerkanalyse, Affective Computing, Machine Learning und andere Methoden, die sich künstlicher Intelligenz bedienen.
Eine gute Basis für den Besuch fortgeschrittener Kurse bietet eine Einführung in Python. Auch Web-Scraping und die Erfassung von Social-Media-Daten mittels APIs haben in der Regel eine niedrige Einstiegshürde. Diese Kurse bereiten gut auf die erfolgreiche Teilnahme an einem fortgeschrittenen Kurs in diesem Bereich vor, beispielsweise zur Netzwerkanalyse.
Computational Social Sciences haben bei GESIS Training ein eigenes Format, das Fall Seminar in Computational Social Science, in dem sich Teilnehmer*innen in drei aufeinanderfolgenden Wochen vom Einsteiger zum fortgeschrittenen Anwender der Computational Social Sciences weiterbilden können.
Eine Übersicht über alle aktuell im Bereich Computational Social Sciences angebotenen Kurse finden Sie hier.
Forschungsdatenmanagement (FDM) ist ein Schlüsselaspekt in der Einhaltung der Regeln guter wissenschaftlicher Praxis ebenso wie zur Umsetzung von Förderauflagen im Kontext von Open Data bzw. im Rahmen der FAIR-Data-Prinzipien.
FDM umfasst alle Maßnahmen zur Planung, Sammlung, Aufbereitung, Archivierung von Daten, deren langfristige Sicherung ebenso wie zum Zugang und zur Nachnutzung von Daten sowie zu Standards zur Datendokumentation und zu rechtliche Fragen im Umgang mit den Daten.
Zur Unterstützung von Forschenden und Datenmanagenden bei der Durchführung eines guten FDMs bieten GESIS eine Reihe von Kurse zu den verschiedenen Themen des Datenmanagements. Die Kurse decken unterschiedliche Aspekte des FDMs ab und befähigen die Kursteilnehmende selbstständig Herausforderungen im Datenmanagement anzugehen und zu bewältigen. In unseren FDM-Kursen behandeln wir u. a. folgenden Themen:
Eine Übersicht über alle aktuell im Bereich Forschungsdatenmanagement angebotenen Kurse finden Sie hier.