Klara Müller, Lehrstuhl für Politikwissenschaft, Politische Psychologie: GLES Lang- und Kurzfrist-Panelstudien (März 2024)
Was ist Ihr aktuelles Forschungsthema?
In meiner Forschung befasse ich mich damit, inwiefern politische Ereignisse und Veränderungen in der politischen Landschaft dazu führen, dass manche Personen weniger (oder mehr) bereit werden, an politischen Umfragen (bspw. Wahlumfragen) teilzunehmen. Dabei untersuche ich, welche Personengruppen nach welchen Arten von politischen Ereignissen in Umfrageergebnissen unterrepräsentiert sind. Ausgehend davon analysiere ich, ob diese Verzerrungen in Stichproben auch dazu führen, dass die Messungen politischer Phänomene verfälscht werden.
Für alle, die noch nicht so tief in das Thema Data Science eingestiegen sind: Wie würden Sie einem Kind erklären, woran Sie arbeiten?
Ich untersuche, wann und warum manche Personen nicht (mehr) an Umfragen über Politik teilnehmen möchten.
Alle sprechen über Data Science – wie würden Sie die Bedeutung des Themas für sich selbst in drei Worten beschreiben?
Interdisziplinäres, vielseitiges Forschungsinstrument
Welche Berührungspunkte mit Data Science hat Ihre Arbeit? Welche Methoden nutzen Sie bereits und welche wären zukünftig interessant für Sie?
Sowohl für meine Dissertation als auch im Projekt, in dem ich angestellt bin, arbeite ich nahezu ausschließlich mit Paneldaten (d.h. Daten, bei denen dieselben Personen zu mehreren Zeitpunkten über einen längeren Zeitraum befragt wurden). Diese Daten analysiere ich mithilfe quantitativer Methoden und Modellierungen. Zusätzlich wende ich im Rahmen meiner Doktorarbeit Simulationsverfahren an, sogenannte agentenbasierte Modelle. In den Sozialwissenschaften etablieren sich zudem auch immer stärker Methoden bspw. zur quantitativen Textanalyse, die auch in meiner Forschung zunehmend eine Rolle spielen. Alle diese Methoden fallen unter den Term „Data Science“.
Wie hoch ist der Wert von Data Science für Ihre Arbeit? Wäre Ihre Forschung ohne Data Science überhaupt möglich?
Der Wert ist für meine Arbeit sehr hoch. Alle Bereiche meiner Arbeit, die sich auf rein theoretischer und konzeptioneller Ebene bewegen, kommen natürlich auch ohne Data Science aus. Doch sobald es darum geht, meine Fragestellungen und Annahmen empirisch zu prüfen, wäre meine Forschung ohne Data Science nicht möglich.
Welche Entwicklungsmöglichkeiten sehen Sie für das Thema Data Science in Bezug auf Ihr Fachgebiet?
Besonders im Bereich des maschinellen Lernens und der Analyse großer, auch unstrukturierterer Datenmengen, wie bspw. Texten, Bildern oder Videos sehe ich große Entwicklungsmöglichkeiten. In den vergangenen Jahren werden diese Ansätze immer häufiger angewandt und eröffnen viele Möglichkeiten, um neue Fragestellungen zu untersuchen oder etablierte Forschungsfragen mit neuen Methoden zu beleuchten.