GESIS - für eine forschungsbasierte Infrastruktur
Forschungsoutput von GESIS
Titel | Start | Ende | Förderer |
---|---|---|---|
Overcoming Multilevel INformation Overload
(OMINO)
|
2023-01-01 | 2026-12-31 | Horizon Europe |
Hybrid Intelligence to monitor, promote and analyse transformations in good democracy practices
(HYBRIDS)
|
2023-01-01 | 2026-12-31 | Horizon Europe |
ENTRUST
“European Open Science Cloud – European Network of TRUSTed Research Environments”. |
2024-03-01 | 2027-02-28 | Horizon Europe |
Challenges and Potentials of Capturing Short-term Dynamics of Attitude Development through Smartphone-based Intensive Longitudinal Methods in Public Opinion Research
(SmartDyn)
|
2024-09-01 | 2027-08-31 | DFG |
Explaining nonresponse and countering nonresponse bias in self-administered panel surveys
(ENCONOBS)
|
2024-10-01 | 2027-09-30 | DFG |
- Ell, Theresia, Lydia Repke, and Henning Silber. 2024. "Personal and Technology-Based Communication and Its Impact on Mental Health From a Network Perspective." Sunbelt Conference 2024, Heriot-Watt University, Edinburgh, 2024-06-24.
- Repke, Lydia, Theresia Ell, and Henning Silber. 2024. "Beyond Distancing - An Examination of Social Networks and Mental Health in the Covid-19 Era." Sunbelt Conference 2024, Heriot-Watt University, Edinburgh, 2024-06-24.
- Abdedaiem, Amin, Abdelhalim Hafedh Dahou, Mohamed Amine Cheragui, and Brigitte Mathiak. 2024 (Forthcoming). "FASSILA: A Corpus for Algerian Dialect Fake News Detection and Sentiment Analysis." In ACLing 2024: 6th International Conference on AI in Computational Linguistics, Procedia Computer Science.
- Dahou, Abdelhalim Hafedh, Mohamed Amine Cheragui, Amin Abdedaiem, and Brigitte Mathiak. 2024 (Forthcoming). "Enhancing Model Performance through Translation-based Data Augmentation in the context of Fake News Detection." In ACLing 2024: 6th International Conference on AI in Computational Linguistics., Procedia Computer Science.
- Volle, Jonas, Andreas Schmitz, Haiko Lietz, and Richard Münch. 2024. "Group formation in science between homogenization and differentiation: Modeling the development of U.S. and German sociology." International Journal of Sociology online first. doi: https://doi.org/10.1080/00207659.2024.2357908.
Ein wesentliches Merkmal von GESIS ist, dass das Institut insbesondere bei den Daten, für die es auch die Erhebung verantwortet, sehr hohe Ansprüche und Standards an die Qualität der bereitge- stellten Daten anlegt. Daher ist es für GESIS zentral, eigene Beiträge zur Untersuchung und Verbes- serung von Aspekten der Datenqualität zu leisten. Die Forschung in den GESIS-Forschungsbereichen trägt deshalb direkt zum Schwerpunkt Datenqualität bei. Dies betrifft sowohl Umfragedaten als auch digitale Verhaltensdaten und relevante Metadaten.
Datenqualität umfasst Aspekte der (a) Kor- rektheit und Repräsentativität von Daten und (b) Nutzbarkeit und FAIRness von Daten. Beispiele für (a) sind die Vollständigkeit, Korrektheit, Provenienz der Repräsentativität von Daten, während (b) Aspekte wie Findbarkeit, Qualität der Dokumentation, Aufbereitung oder die Interoperabilität von Daten und Metadaten berücksichtigt. Damit wird eine wichtige Voraussetzung dafür erfüllt, dass die Bearbeitung inhaltlicher Fragestellungen (Substantive Research) auf Basis dieser Daten zu validen Ergebnissen führt.