Neue Datentypen - Alternative und Ergänzung zu klassischen Forschungsdaten

Sozialwissenschaftler*innen nutzen vermehrt neue Datentypen als Alternative oder Ergänzung zu klassischen Umfrage- oder Interviewdaten. Beispiele für diese neuen Datentypen sind administrative Daten, finanzielle bzw. geschäftliche Transaktionsdaten, Internet- und Social-Media-Daten, Geodaten oder Bild- und Audiodaten. Diese neuen Datentypen bringen spezifische Herausforderungen für technische Infrastrukturen, rechtliche Regelungen, ethisch verantwortungsvolle Forschung und Erhaltung der Daten mit sich.

Unsere Forschungsschwerpunkte im Bereich Neue Datentypen

Verlinkung digitaler Verhaltensdaten (z.B. aus sozialen Medien) mit Umfragedaten
Digitale Erhaltung von Social-Media-Daten, um Zugang zu ermöglichen und zugleich den Datenschutz zu berücksichtigen
Georeferenzierung von Umfragedaten, um diese mit hochauflösenden Geodaten (z.B. zu Eigenschaften von Stadtvierteln) zu verbinden

Striewski, Sören, Olga Zagovora, and Isabella Peters. 2022. "Scientific Discourse on YouTube: Motivations for Citing Research in Comments." In Proceedings of the Association for Information Science and Technology, edited by Dirk Lewandowski, and Garrett Doherty, 59 1, 299-309. Hoboken, NJ: Wiley. doi: https://doi.org/10.1002/pra2.754.
Batzdorfer, Veronika, Holger Steinmetz, Marco Biella, and Meysam Alizadeh. 2022. "Conspiracy theories on Twitter: Emerging motifs and temporal dynamics during the COVID-19 pandemic." International Journal of Data Science and Analytics 13 315–333. doi: https://doi.org/10.1007/s41060-021-00298-6.
Zagovora, Olga, Roberto Ulloa, Katrin Weller, and Fabian Flöck. 2022. ""I updated the <ref>": The evolution of references in the English wikipedia and the implications for altmetrics." Quantitative Science Studies 3 (1): 147-173. doi: https://doi.org/10.1162/qss_a_00171.
Bittermann, André, Veronika Batzdorfer, Sarah Marie Müller, and Holger Steinmetz. 2021. "Mining Twitter to detect hotspots in psychology." Zeitschrift für Psychologie 229 (1): 3-14. doi: https://doi.org/10.1027/2151-2604/a000437.
Sen, Indira, Fabian Flöck, Katrin Weller, Bernd Weiß, and Claudia Wagner. 2022. "Applying a total error framework for digital traces to social media research." In Handbook of Computational Social Science. Volume 2: Data science, statistical modelling, and machine learning methods, edited by Uwe Engel, Anabel Quan-Haase, Sunny Xun Liu, and Lars Lyberg, 127-139. Routledge.

Titel	Start	Ende	Förderer
Keine Projekte gefunden.