Fiona Draxler, Lehr­stuhl für Social Data Science und sozial­wissenschaft­liche Methodenlehre: Datenqualität in den Sozial­wissenschaften (Januar 2024)

Was ist Ihr aktuelles Forschungs­thema?                                             

Soziale Medien, Smartphones und Geräte wie Smartwatches eröffnen neue Datenquellen für sozial­wissenschaft­liche Fragestellungen. So können zum Beispiel Interaktionen auf Meinungs­plattformen interessante Einblicke in die politische Stimmungs­lage und (anonymisierte) Ortsdaten in die Aktivitätsmuster verschiedener soziodemografischer Gruppen bieten. Allerdings muss für valide Schlussfolgerungen aus diesen Daten einiges beachtet werden, etwa in Bezug auf die Representativität und Messfehler. Ich unter­suche aktuell, inwiefern Er­kenntnisse aus Umfragemethoden auf solche neueren Datentypen übertragen und Forschende damit unter­stützt werden können. Außerdem beschäftige ich mich damit, wie intelligente Systeme und KI die Datenqualität fördern können.

Für alle, die noch nicht so tief in das Thema Data Science eingestiegen sind: Wie würden Sie einem Kind erklären, woran Sie arbeiten?

Ich unter­stütze Forschende dabei, aus dem Verhalten von Menschen im Internet und im Alltag mehr über unsere Gesellschaft zu lernen.

Alle sprechen über Data Science – wie würden Sie die Bedeutung des Themas für sich selbst in drei Worten beschreiben?

Methodische Grundlage, Inspiration

Welche Berührungs­punkte mit Data Science hat Ihre Arbeit? Welche Methoden nutzen Sie bereits und welche wären zukünftig interessant für Sie?
Im KODAQS-Projekt verwenden wir eine Vielzahl von Methoden, unter anderem natürliche Sprach­verarbeitung für Sentimentanalyse oder das Erfassen politischer Meinungen, sowie Techniken zum Verknüpfen verschiedener Datenquellen. Weitere Methoden werden dazukommen, wenn wir die Vielfalt der Datentypen erhöhen.

Wie hoch ist der Wert von Data Science für Ihre Arbeit? Wäre Ihre Forschung ohne Data Science überhaupt möglich?

Data Science-Prinzipien sind ein wesentlicher Bestandteil für die Validität meiner Forschung.

Welche Entwicklungs­möglichkeiten sehen Sie für das Thema Data Science in Bezug auf Ihr Fach­gebiet?

Vor allem aktuelle Entwicklungen im maschinellen Lernen bieten neue Möglichkeiten in der Forschung. Wir sollten kreativ, aber reflektiert ausloten, wie wir intelligente Werkzeuge für sozial­wissenschaft­lichen Fragestellungen einsetzen können, sowohl bei der Datenanalyse als auch bereits im Planungs­prozess.