Computational Social Sciences

Sylvia Kritzinger

You are here: University of Vienna PHAIDRA Detail o:2024130

Open in new window

Title (eng)

Computational Social Sciences

Author

Sylvia Kritzinger

Description (eng)

Link zum MOOC: imoox.at/course/COSS 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. Lizenz Dieses Werk ist lizenziert unter CC BY 4.0

Keywords (eng)

Machine LearningComputational Social Siences

Subject (eng)

ÖFOS 2012 -- 102019 -- Machine learning

Type (eng)

learning object

Language

[deu]

Persistent identifier

https://phaidra.univie.ac.at/o:2024130

Association (eng)

Center for Teaching and Learning