| Kommentar |
Data Science, Machine Learning und neue digitale Datenquellen verändern zunehmend die empirische Forschung. Neben klassischen Befragungsdaten stehen heute beispielsweise Web-, Sensor-, Smartphone-, Netzwerk- und administrative Daten zur Verfügung. Gleichzeitig ermöglichen Machine-Learning-Verfahren neue Formen der Analyse und Vorhersage. Diese Entwicklungen eröffnen neue Forschungsmöglichkeiten, bringen aber auch methodische Herausforderungen mit sich: Wie selektiv sind neue Datenquellen? Wie lassen sich unterschiedliche Daten kombinieren? Wann bietet Machine Learning einen Mehrwert gegenüber klassischen statistischen Verfahren? Und welche Rolle spielen Datenqualität, Selektivität und Messfehler?
Das Seminar „Data Science in Contemporary (Social) Research“ beschäftigt sich mit diesen Fragen anhand konkreter Anwendungen aus der aktuellen empirischen Forschung. Beispiele reichen von der Nutzung von GPS- und Smartphone-Daten zur Messung von Mobilitätsverhalten über die Kombination von Befragungs- und Sensordaten bis hin zum Einsatz von Machine Learning und Netzwerkanalysen. Weitere Themen sind Smart Surveys, Non-Probability-Daten sowie die Integration unterschiedlicher Datenquellen.
Ein Schwerpunkt liegt auf der Verbindung von inhaltlichen Fragestellungen, methodischen Grundlagen und praktischer Anwendung. Die Studierenden sollen nicht nur kennenlernen, wie ausgewählte Data-Science-Methoden funktionieren, sondern insbesondere verstehen, wann und warum sie eingesetzt werden können und wo ihre Grenzen liegen. Die Themen werden anhand realer Forschungsbeispiele erarbeitet.
Das Seminar verbindet die inhaltliche Auseinandersetzung mit kleineren praktischen Übungen. Das Seminar ist kein reiner Programmierkurs.
Umfangreiche Vorkenntnisse in Machine Learning oder Data Science werden nicht vorausgesetzt. Kenntnisse in Statistik und empirischer Forschung sind notwendig. Erwartet wird die Bereitschaft, sich mit quantitativen Methoden auseinanderzusetzen, wissenschaftliche Texte vorzubereiten, sich aktiv an Diskussionen zu beteiligen und kleinere praktische Aufgaben zu bearbeiten. |
