Knowledge Technologies for the Social Sciences (KTS)
Die Abteilung KTS verbessert die Auffindbarkeit und Nutzbarkeit unserer Forschungsdaten. Dies geschieht unter anderem mithilfe einer integrierten Suche, automatisierten Aufbereitungsmethoden für digitale Verhaltensdaten und Metadaten wissenschaftlicher Ressourcen sowie deren Integration in innovative Forschungsdateninfrastrukturen. Hierfür forscht KTS an KI-basierten Methoden für die Interpretation, Integration und Nutzung heterogener Daten.
GESIS-Suche
Finden Sie Informationen rund um sozialwissenschaftliche Forschungsdaten, Publikationen zu Forschungsdaten sowie Open-Access-Publikationen.
GESIS Knowledge Graph
Der GESIS Knowledge Graph (GESIS KG) bildet Metadaten wissenschaftlicher Ressourcen, die in der GESIS-Suche verfügbar sind, sowie deren semantische Beziehungen in integrierter und konsistenter Form ab und macht sie für die Wiederverwendung zugänglich.
Methods Hub
Der Methods Hub ist eine kollaborative Online-Plattform, die sozialwissenschaftliche Forschung durch den Austausch von Computational Methods und zugehörigen Tutorials unterstützt und ermöglicht.
GESIS Web Data
Der Service Web Data vereint verschiedene Aktivitäten rund um die Erhebung digitaler Verhaltensdaten aus dem Internet, insbesondere von Online-Plattformen, einschließlich sozialer Medien.
Unsere Teams
Information & Data Retrieval
Das Team „Information & Data Retrieval“ bündelt Service- und Forschungsaktivitäten rund um die effiziente Suche nach Forschungsdaten und verwandten Informationsressourcen in den Sozialwissenschaften. Ziel des Teams ist es, geeignete, state-of-the-art Suchtechnologien für GESIS bereitzustellen und der Forschungsgemeinschaft innovative Suchlösungen anzubieten. Das Team leitet die technische Entwicklung der GESIS-Suche und betreibt Forschung im Bereich Information Retrieval als Grundlage für die weitere Verbesserung der bestehenden Suchinfrastruktur. Zu diesem Zweck forscht das Team in verschiedenen IR-Bereichen, z. B. interaktiver Information Retrieval, semantischer Suche, conversational search, Empfehlungsdiensten und angrenzenden Bereichen wie Natural Language Processing und Szientometrie. Das Team integriert forschungsbasierte Innovationen in die GESIS-Suche, um eine umfassende Suche über alle Informationsressourcen hinweg, ein gutes Benutzer- und Sucherlebnis sowie die Verknüpfung der Informationsressourcen auf Basis des GESIS Knowledge Graph zu ermöglichen. Das Team arbeitet eng mit HII, IE&L und FAIR in verschiedenen Aspekten der Informations- und Datensuche sowie der wissenschaftlichen Dokumentenverarbeitung zusammen.
Information Extraction & Linking
Das Team Information Extraction & Linking entwickelt Methoden für die Integration und Verknüpfung von digitalen Verhaltensdaten (DBD) und Forschungsdaten. Das Team betreibt angewandte Forschung in den Bereichen Natural Language Processing (NLP) und Information Retrieval (IR). Beispiele hierfür sind vom Team entwickelten Methoden für die Identifizierung von Forschungsmethoden und Datensätzen, die in wissenschaftlichen Publikationen erwähnt werden, die Analyse von Online-Diskursen und das Abrufen von Mikro-Posts zu sozialwissenschaftlichen Konzepten aus Social-Media-Archiven (z. B. X/Twitter und Telegram). Darüber hinaus treibt das Team die Verknüpfung und Homogenisierung durch etablierte Vokabulare und Annotationsframeworks voran, um einen ganzheitlichen Blick auf Forschungsdaten zu unterstützen. Diese Forschung trägt maßgeblich zur Weiterentwicklung von unseren Kernangeboten, Web Data und GESIS Knowledge Graph (KG), bei.
FAIR Data
Das Team FAIR Data verbessert die Sicht- und Nutzbarkeit von Forschungsdaten entlang der FAIR-Prinzipien. Ein besonderer Fokus liegt dabei auf der Verbesserung der Auffindbarkeit und Interoperabilität von GESIS-Daten. Hierfür stellt die Zusammenarbeit mit nationalen und internationalen Forschungsdateninfrastrukturinitiativen (insbesondere NFDI und EOSC) eine zentrale Aufgabe dar, durch die Transfer in die Community und die Anschlussfähigkeit an Standards und Innovationen aus der Community (z.B. zu FAIR Assessment) sichergestellt wird. Das Team ist an vier NFDI-Konsortien beteiligt (KonsortSWD, NFDI4DataSience, BERD@NFDI und Base4NFDI). Das Team betreibt Forschung an der Schnittstelle von Informationsextraktion, Wissensgraphen, Datenintegration und Information Retrieval und bringt diese kontinuierlich in die Verbesserung von Forschungsdaten und Diensten ein.
Big Data Analytics
Das Team Big Data Analytics befasst sich mit Forschung und Dienstleistungen im Zusammenhang mit groß angelegter Datenverarbeitung. Ziel ist es, die (skalierbare) Analytik im Sinne einer verantwortungsvollen Datenwissenschaft FAIR zu machen (Findable, Accessible, Interoperable and Reproducible). Unsere Aktivitäten reichen vom Entwurf skalierbarer Infrastruktur für die Verarbeitung großer Datenmengen bis zur Entwicklung von Analysemethoden für die Sozialwissenschaften. Ziel ist es, diese Methoden, wo immer möglich, öffentlich zugänglich, reproduzierbar und erklärbar zu machen. Das Team arbeitet an der Schnittstelle von Wissensgraphen, verteilter Analytik und Big Data.
Team Big Data AnalyticsHuman Information Interaction
Das Team Human Information Interaction (HII) arbeitet und forscht an der Schnittstelle zwischen Human Computer Interaction und Machine Learning. Mithilfe von Methoden der nutzendenzentrierten Entwicklung bezieht das Team Nutzende aktiv in den Entwicklungsprozess mit ein und trägt somit dazu bei, digitale Dienste mit überzeugender Usability und User Experience zu entwickeln. Ein Beispiel dafür ist die GESIS Suche, unsere integrierte Suche über verschiedene Informationstypen. Ein weiteres Ziel besteht darin, mit Hilfe von Machine Learning aus digitalen Verhaltensdaten Erkenntnisse zu kognitiven Prozessen zu generieren und in User Models abzubilden. In der Forschung beschäftigt sich das Team unter anderem mit Online-Diskurs Verhalten und wie dieses verbessert werden kann, was Eyetracking und physiologische Daten (z.B. EEG) über kognitive Prozesse beim Lesen und Verstehen von Texten (z.B. Fragebögen oder Web-Inhalten) verraten und wie Nutzende mit eher vagen Informationsbedürfnissen besser bei der Informationssuche unterstützen werden können.
Team Human Information Interaction