Computational Social Science

Claudia Wagner

Computational Social Science Kommissarischer Abteilungsleiter

+49 (221) 47694-224
E-Mail
vCard

Computational Social Science (CSS) stellt einen neuen Bereich der Wissenschaft dar, in dem soziokulturelle Phänomene mit Hilfe von neuartigen Datentypen und Technologien untersucht werden. Die Formierung der gleichnamigen GESIS-Abteilung im Jahr 2013 kann als Reaktion auf die digitale Revolution gesehen werden, in deren Zuge sich Transaktionen in der digitalen Welt mit Strukturen in der analogen Welt immer mehr verzahnen. Abbild dieser Prozesse sind digitale Verhaltensdaten. Diese Datentypen können wertvolle Informationen liefern, stellen die Sozialwissenschaften aber auch vor methodologische Herausforderungen: Sie sind in ungekannter Weise umfangreich, dabei häufig unstrukturiert, hochauflösend und dynamisch. Zudem ist oft unklar, welche Informationen oder Verzerrungen sie bergen.

Das Ziel der Abteilung ist es, Methoden und Werkzeuge für die Sozialwissenschaften zu entwickeln und bereitzustellen, um digitale Verhaltensdaten zu erschließen (vor allem aus dem Web) oder mit Sensoren zu erheben (etwa über RFID-Chips oder Mobiltelefon-Apps) und diese mit klassischen Umfragedaten zu kombinieren. Das übergeordnete Ziel ist, die Untersuchung von soziokulturellen Phänomenen zu unterstützen. Die Abteilung begegnet diesen Aufgaben und Herausforderungen mit Ansätzen aus den Bereichen maschinelles Lernen, Text und Data Mining sowie Netzwerkanalyse.

Aktuelle Forschungsschwerpunkte liegen in den Bereichen der politischen Kommunikation und Wahlkampfforschung, der Entstehung sozialer und kultureller Ungleichheiten oder Verzerrungen sowie der kollaborativen Wissensproduktion. Entwicklung und Anwendung innovativer Methoden führen nicht nur zu neuen sozialwissenschaftlichen Erkenntnissen und zur Formulierung von Best Practices, sondern bilden auch die Basis für den Aufbau forschungsbasierter Infrastrukturangebote für die Sozialwissenschaften. Durch offen zugängliche und nachvollziehbare Forschungsabläufe (Open Science) sowie die Veranstaltung von internationalen Konferenzen und Symposien sowie Schulungen im Umgang mit Daten und Methoden trägt GESIS zur Formierung und Vernetzung einer interdisziplinären CSS-Community bei.

Die Abteilung CSS besteht aus den folgenden Teams:

Knowledge Discovery (KD)

Aufgabe des Teams Knowledge Discovery ist die Akquise, Beschreibung und Anreicherung digitaler Verhaltensdaten für sozialwissenschaftliche Fragestellungen. Es werden skalierbare Verfahren aus den Bereichen maschinelles Lernen, Data und Text Mining sowie Semantic Web entwickelt und angewandt, um die Erschließung solcher Daten zu ermöglichen. Sowohl die relationalen und multidimensionalen Verhaltensdaten selbst als auch die zu ihrer Akquise, Beschreibung und Anreicherung eingesetzten Verfahren werden für Forschungs- und Servicezwecke zur Verfügung gestellt.

Data Science (DS)

Die Aufgabe des Teams Data Science ist die Entwicklung und Evaluation von Modellen auf Basis von digitalen Verhaltensdaten. Der Fokus liegt dabei auf generativen Netzwerkmodellen zur Erklärung und Vorhersage des Verhaltens von Teilpopulationen (z.B. Interaktionen von Wissenschaftlern unterschiedlichen Geschlechts oder Disziplinzugehörigkeit) sowie der statistischen Modellierung von sequentiellem menschlichem Handeln (z.B. Navigationsentscheidungen im Web oder die individuelle Fortbewegung im städtischen Straßensystem).

Social Analytics and Services

Das Team Social Analytics and Services beschäftigt sich mit der empirischen Analyse des sozialen Verhaltens, insbesondere in Online-Communities. Hierzu entwickelt das Team Verfahren für ein besseres Verständnis von Phänomenen wie der politischen Kommunikation, der kollaborativen Wissensproduktion auf Wikipedia oder der öffentlichen Wissenschaftsvermittlung. Darüber hinaus entwickelt das Team innovative datengetriebene Angebote und Veranstaltungsformate für die Sozialwissenschaften.