Herausforderungen der sozialwissenschaftlichen Analyse von Big Data

idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Thema Corona

idw-Abo
Science Video Project



Teilen: 
07.07.2020 12:58

Herausforderungen der sozialwissenschaftlichen Analyse von Big Data

Sophie Zervos Kommunikation
GESIS - Leibniz-Institut für Sozialwissenschaften

    Herausforderungen der sozialwissenschaftlichen Analyse von Big Data
    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“.

    Ansprechpartner*innen bei GESIS – Leibniz-Institut für Sozialwissenschaften:

    Dr. Philip Janßen
    philip.janssen@gesis.org

    Dr. Sophie Zervos
    Wissenstransfer
    Leitung Team Transfer (p.t)
    Unter Sachsenhausen 6-8
    50667 Köln
    Tel.: +49 (0)221 – 47694 136
    E-Mail: sophie.zervos@gesis.org

    www.gesis.org
    www.facebook.com/gesis.org
    www.twitter.com./gesis.org


    Als eine der weltweit führenden Infrastruktureinrichtungen für die Sozialwissenschaften steht das GESIS - Leibniz-Institut für Sozialwissenschaften Forscherinnen und Forschern auf allen Ebene ihrer Forschungsvorhaben mit seiner Expertise und seinen Dienstleistungen beratend zur Seite, so dass gesellschaftlich relevante Fragen auf der Basis neuester wissenschaftlicher Methoden, qualitativ hochwertiger Daten und Forschungsinformationen beantwortet werden können. GESIS ist Mitglied der Leibniz-Gemeinschaft und unterhält institutionelle und projektbezogene Kooperationen mit vielen Universitäten und Forschungseinrichtungen im In- und Ausland. GESIS ist an wichtigen europäischen Projekten wie u.a. dem European Social Survey (ESS), der European Value Study (EVS), dem europäischen Archivverbund CESSDA, oder dem OECD-Projekt Programme for the International Assessment of Adult Competencies (PIAAC) beteiligt.


    Wissenschaftliche Ansprechpartner:

    Dr. Philip Janßen
    philip.janssen@gesis.org


    Originalpublikation:

    Historical Social Research HSR (45.3) https://www.gesis.org/hsr/aktuelle-hefte.


    Weitere Informationen:

    https://www.gesis.org/hsr/profil


    Merkmale dieser Pressemitteilung:
    Journalisten
    Geschichte / Archäologie, Gesellschaft, Informationstechnik, Politik, Wirtschaft
    überregional
    Forschungsergebnisse, Wissenschaftliche Publikationen
    Deutsch


    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).

    Cookies optimieren die Bereitstellung unserer Dienste. Durch das Weitersurfen auf idw-online.de erklären Sie sich mit der Verwendung von Cookies einverstanden. Datenschutzerklärung
    Okay