Über
Trailer zu Computational Social Sciences
Allgemeines zum Kurs
Sie interessieren sich für methodische Verfahren und Innovationen in Forschung und Lehre der Sozialwissenschaften und der Data Science!? Dann sind Sie hier genau richtig!
Dieser MOOC richtet sich an Studierende sozialwissenschaftlicher Disziplinen sowie Studierende der Data Science; aber auch an alle die an interdisziplinärer Forschung und Lehre interessiert sind.
Die Computational Social Sciences sind eine interdisziplinäre wissenschaftliche Herangehensweise um gesellschaftliche - das sind soziale, politische oder kommunikative - Phänomene zu erfassen, zu analysieren, modellieren und simulieren zu können. Diese Analyse wird mit Methoden aus der Informatik, Mathematik und Statistik basierend auf sozialwissenschaftlichen Daten, wie beispielsweise Umfrage oder Textdaten aus traditionellen und sozialen Medien gemacht.
Die Idee zu dem Computational Social Science MOOC entstand aus dem kooperativen Digitalisierungsprojekt ‚Digitize!‘. Digitize ist ein Projekt, in dem die Politik- und Kommunikationswissenschaft sowie die Soziologie mit Data Scientists, den Rechtswissenschaften und der Forschungsethik zusammenarbeiten. Das Projekt beschäftigt sich mit den verschiedenen Formen und Dimensionen von Digitalisierung sowie den damit einhergehenden gesellschaftlichen Transformationen. Veränderungen wie die zunehmende Datafizierung individueller und gesellschaftlicher Lebensbereiche stellen sowohl die Sozialwissenschaften als auch die Data Sciences vor neue Aufgaben und Herausforderungen.
Inhalt
Kursinhalt
In diesem Kurs lernen Sie Digitale Datenerhebung, Datenmanagement und
digitale Datenanalyseverfahren der
Computational-Social-Science-Forschung kennen, relevante rechtliche,
ethische und gesellschaftliche Fragen
werden erklärt, Sie erhalten einen Einblick in Anwendungsbeispiele
interdisziplinärer Forschung der Computational Social Sciences - und; aktuelle Forschungsthemen sowie Herausforderungen für
die zukünftige Computational Social Sciences Forschung werden dargestellt.
Unter anderen werden folgende Fragen behandelt:
- Was sind die paradigmatischen Grundlagen und methodologischen Ansätze der Sozialwissenschaften und der Data Sciences? Wie unterscheiden sie sich und welche Gemeinsamkeiten gibt es?
- Welche
Fragestellungen lassen sich aus der interdisziplinären Perspektive der
Computational Social Science erforschen? Was sind konkrete
Anwendungsmöglichkeiten für Computational Social Sciences?
- Welche
rechtlichen, ethischen und gesellschaftlichen Fragen bzw. Regeln sind für die
Forschung in den Computational Social Sciences zu beachten?
- Wie funktioniert das Datenmanagement in der Computational-Social-Science-Forschung?
- Welche Fragestellungen lassen sich aus der interdisziplinären Perspektive der Computational Social Science erforschen?
Lernziele
Nach der erfolgreichen Bearbeitung aller Lektionen haben Sie folgende Kompetenzen erworben:- Sie können den Forschungsbereich der Computational Social Sciences definieren und Vorteile aus dieser Interdisziplinarität benennen.
- Sie kennen verschiedene Anwendungsmöglichkeiten für interdisziplinäre Forschungsprojekte zwischen den Data Sciences und den Sozialwissenschaften (Computational Social Sciences) und können solche Forschungsfragen identifizieren bzw. bewerten.
- Sie können die Möglichkeiten und Grenzen grundlegender Methoden der Data Sciences und der Sozialwissenschaften identifizieren und beurteilen.
- Sie können Beispiele möglicher Anwendungen in der CSS-Forschung verstehen bzw. hinsichtlich der Vor- und Nachteile der Kollaboration/Interdisziplinarität bewerten.
- Sie können rechtliche und ethische Herausforderungen der
Computational-Social-Science-Forschung identifizieren
und den Bedarf für vertiefende Informationen erkennen.
- Sie kennen die grundlegenden Schritte des CSS-Datenmanagements und können Beispiele von (potenziellen) Optimierungen durch Data-Science-Verfahren benennen.
- Sie kennen konkrete Beispiele der CSS-Forschung, die über den State of the Art in den Sozialwissenschaften und Data Sciences hinausgehen sollen.
Vorkenntnisse
Für die Teilnahme am MOOC werden Grundkenntnisse zu empirischer Forschung sowie Englischkenntnisse empfohlen.
Kursablauf
- Lektion 1: Einführung:
Was bedeutet Computational Social Sciences?
- 1.1: Wozu braucht es Computational Social Sciences?
- 1.2: Computational Social Sciences aus interdisziplinärer Perspektive
- Lektion 2:Grundlagen
und methodologische Perspektiven der Sozialwissenschaften und der Data Sciences
im Überblick
- 2.1: Sozialwissenschaften und Data Sciences: Ansätze, Unterschiede und Überlappungen
- 2.2: Grundlagen der Data Sciences
- 2.3: Methoden der Data Sciences
- 2.4: Paradigmen und Grundlagen der Sozialwissenschaften
- 2.5: Methodologische Ansätze der Sozialwissenschaften
- Lektion 3: Digitale
Datenerhebung und Datenmanagement der Computational-Social-Science-Forschung
- 3.1: Verfahren und Methoden der CSS-Datenerhebung und ausgewählte Beispiele
- 3.2: Tools for Computational Social Science Research: Application Programming Interface
- 3.2: Datenmanagement in den Computational Social Sciences
- Lektion 4: Digitale
Datenanalyseverfahren in der Computational-Social-Science-Forschung
- 4.1: Datenanalyseverfahren in den Computational Social Sciences: zwischen Data und Social Sciences
- 4.2: Techniques and Methods of Data Analysis in Computational Social Science Research
- 4.3: Datenvisualisierung in den Computational Social Sciences
- Lektion 5: Rechtliche
und ethische Aspekte der digitalen Computational-Social-Science-Forschung
- 5.1: Rechtliche Grundlagen und Forschungsethik im Bereich Computational Social Sciences: ein Überblick
- 5.2: Recht und Ethik im Kontext digitaler Forschung (am Beispiel Digitize!)
- Lektion 6: Digitize!
– Computational Social Sciences in der angewandten Praxis
- 6.1: Einsatz von Algorithmen für optimierte Datenerhebungen
- 6.2: Automatisierte Verfahren der Textanalyse und Verknüpfung von Datensätzen
- 6.3: Abschluss und Ausblick – zukünftige Möglichkeiten für die Computational Social Sciences
Zertifikat
Für die aktive Teilnahme am Kurs erfolgt bei Abschluss die Ausstellung eines automatisierten Zertifikats, welches Ihren Benutzernamen, den Kursnamen und die abgeschlossenen Lektionen beinhalten. Es wird darauf hingewiesen, dass es sich nur um eine Bestätigung handelt, die aussagt, dass die Benutzerin oder der Benutzer zumindest 75% der gestellten Selbstüberprüfungsfragen richtig beantwortet hat.
Kursleitung
Univ.-Prof. Mag. Dr. Sylvia Kritzinger
Professorin für Methoden in den Sozialwissenschaften am Institut für Staatswissenschaft
Sylvia Kritzinger hat ihr Doktorat in Politikwissenschaft an der
Universität Wien absolviert. Im Anschluss hatte sie Post-Doc Positionen
am Trinity College Dublin und am Institute for Advanced Studies (IHS).
Sie war Gastprofessorin an der Donau Universität Krems, an
der Universität Podgorica in Montenegro, an der Keele University und am
Trinity College Dublin. Ihre Forschungsschwerpunkte liegen in den
Bereichen politisches Verhalten, Wahlforschung, demokratische
Repräsentation, politische Teilnahme und quantitative Methoden. Sie ist eine der Projektleiterinnen der 'Austrian National Election
Study' (AUTNES), verantwortlich für 'the Demand Side - Wahlverhalten',
und hat das Projekt 'Representation in Europe' geleitet. Des Weiteren,
war sie beteiligt an den 7. Rahmenprogrammen der Europäischen
Kommisssion 'PIREDEU' und 'ELECDEM'.
Expert*innen, die in diesem MOOC mitwirken:
- Univ.-Prof. Dipl.-Inform. Dr. Claudia Plant (Professorin für Data Mining, Fakultät für Informatik, Universität Wien)
- Dipl.-Ing. Dr. Axel Böhm (Post Doc Wissenschafter an der Fakultät für Mathematik, Universität Wien)
- Univ.-Prof. Dr. Hajo Boomgaarden (Professor für Methoden in den Sozialwissenschaften mit Schwerpunkt Textanalyse am Institut für Publizistik- und Kommunikationswissenschaft und Dekan der Fakultät für Sozialwissenschaften, Universität Wien)
- Dr. Anja Eder (Post Doc Lecturer am Institut für Soziologie, Universität Graz)
- Seliem El-Sayed, M.A. (Prä Doc Wissenschafter am Institut für Politikwissenschaft, Universität Wien)
- Ass.-Prof. Mag. Mag. Dr. Laurenz Ennser-Jedenastik (Tenure Track für Sozialpolitik am Institut für Staatswissenschaft, Universität Wien)
- Univ.-Prof. Dr. Nikolaus Forgó (Professor für Technologie- und Immaterialgüterrecht an der Fakultät für Rechtswissenschaften, Universität Wien)
- Univ.-Prof. Dr. Markus Hadler (Professor am Institut für Soziologie, Universität Graz)
- Fabian Kalleitner, MA (Prä Doc Wissenschafter am Institut für Wirtschaftssoziologie, Universität Wien)
- Assoz.-Prof. Dipl-Ing. Dr. Elisabeth Lex (Tenure Track an der Technischen Universität Graz)
- Mag. Filip Paspalj (Prä Doc Wissenschafter am Institut für Innovation und Digitalisierung im Recht, Universität Wien)
- Univ.-Prof. Dr. Barbara Prainsack (Professorin für Vergleichende Politikfeldanalyse, Universität Wien)
- Dr. Dimitri Prandner (Post Doc Wissenschafter an der Abteilung für empirische Sozialforschung, Universität Linz)
- PhD Nicola Righetti, PhD (Post Doc Wissenschafter am Institut für Kommunikationswissenschaft, Universität Wien)
- Dr. Alexander Seymer (Senior Scientist an der Abteilung Soziologie und Kulturwissenschaft, Paris Lodron Universität Salzburg)
- Martin Teuffenbach, MSc. (Prä Doc Wissenschafter an der Fakultät für Computer Science)
- Ass.-Prof. Dipl.-Ing. Dr. Sebastian Tschiatschek (Tenure Track für Machine Learning, Universität Wien)
- Univ.-Prof. Dr. Annie Waldherr (Professorin für Computational Communication Science am Institut für Publizistik- und Kommunikationswissenschaft, Universität Wien)
- PhD Daniel Weitzel (Post Doc Wissenschafter im Projekt 'Digitize! am Institut für Staatswissenschaft, Universität Wien)
Anmelden & Einschreiben Aktuell: 393 Teilnehmer:innen
Kostenlos für alle € 0.00
Partner:innen
Universität Wien
Wien
