Die folgenden Links führen aus den jeweiligen lokalen Bibliotheken zum Volltext:
Alternativ können Sie versuchen, selbst über Ihren lokalen Bibliothekskatalog auf das gewünschte Dokument zuzugreifen.
Bei Zugriffsproblemen kontaktieren Sie uns gern.
331 Ergebnisse
Sortierung:
In: Building on progress: expanding the research infrastructure for the social, economic, and behavioral sciences Vol. 1
Die zunehmende Digitalisierung unserer Lebenswelt in den letzten Jahrzehnten hat zu einer Reihe von neuen Datenquellen für die Sozial-, Verhaltens- und Wirtschaftswissenschaften geführt. Hierzu gehören vor allem auch unstrukturierte Daten, die sich dadurch auszeichnen, dass sie nicht in Form eines festen Datenformats vorliegen und daher nicht einfach datenanalytisch weiterverarbeitet werden können (z. B. Facebook-Texte, Instagram-Bilder, YouTube-Videos, Twitter-Nachrichten). Die Nutzung unstrukturierter Daten ist mit spezifischen Herausforderungen verknüpft, die gerade dadurch entstehen, dass die Daten typischerweise nicht in einer kontrollierten wissenschaftlichen Studie erhoben werden, sondern häufig im natürlichen Lebensumfeld anfallen. Aufbauend auf den Ergebnissen eines Expert:innen-Workshops werden die spezifischen Herausforderungen bei der Erhebung und Nutzung unstrukturierter Daten beschrieben und Empfehlungen formuliert. Diese orientieren sich am Total Error Framework und beziehen sich auf die Datengenerierung (Definition von Untersuchungseinheiten, Coverage und Sampling Error, Nonresponse und Missing Data Error), die Datenaufbereitung (Spezifikationsfehler, Validität, Messfehler und inhaltliche Fehler) sowie die Datenanalyse (Record Linkage und Verarbeitungsfehler, Modellierungsfehler, analytische Fehler). Abschließend werden offene Fragen und Herausforderungen bei der Forschung mit unstrukturierten Daten diskutiert. Der Output richtet sich einerseits an Studierende sowie Forschende der Sozial-, Verhaltens- und Wirtschaftswissenschaften, andererseits an alle, die mit unstrukturierten Daten arbeiten und Schlüsse aus diesen für praktische Anwendungsfragen ziehen.
Auch in seiner 6. Berufungsperiode setzte sich der RatSWD für die Erweiterung und Verbesserung der Forschungsdateninfrastruktur in Deutschland ein. Der vorliegende Abschlussbericht dokumentiert die Schwerpunkte der Berufungsperiode und gibt einen Überblick zu den peramenten Aufgaben, wie der Beratung von Politik und Gesetzgebung oder (internationalen) Vernetzung. Zu den Schwerpunkten gehörten der Datenzugang zu Big Data, Registerdaten und Gesundheitsdaten, die Weiterentwicklung der Kriminal- und Strafrechtspflegestatistik, Datenerhebung mit neuer Informationstechnologie, Remote Access zu Daten der amtlichen Statistik, Archivierung und Zugang zu qualitativen Daten sowie die aktuelle sozialwissenschaftliche Forschung zur COVID-19-Pandemie.
Die Datenerhebung mit neuer Informationstechnologie - also mit Smartphones, Wearables und anderen Sensoren - eröffnet der Wissenschaft ungeahnte Potenziale. Sensoren können Daten z.B. zu Aufenthaltsorten, Bewegungen, Geräuschen, Lichtverhältnissen, Medien-Nutzung, Video- und Sprachaufnahmen im Alltag und in Echtzeit erfassen. Wiederholte Datenerfassungen werden ebenso vereinfacht. Mit dieser Handreichung skizziert der Rat für Sozial- und Wirtschaftsdaten (RatSWD) eine qualitätssichernde Rahmung der Nutzung neuer Informationstechnologie in der Forschung.
Empfehlungen für die Etablierung eines Remote Access zu Daten der amtlichen Statistik und der Sozialversicherungsträger in Anlehnung an die Vorgehensweisen anderer europäischer amtlicher Datenproduzenten.
The dynamic network of 31 research data centres (RDCs) accredited by the German Data Forum (Rat für Sozial- und Wirtschaftsdaten, RatSWD) provides science and research with comprehensive access to quality-assured and sensitive data. The annual number of processing requests and publications indicate that the data and services provided by RDCs are in high demand. They also underscore the importance of the research data centres for the social, behavioural and economic sciences. As shown in two new publications by the German Data Forum, the research data infrastructure is highly effective and can serve as a best practice model on a national and international level.