GESIS - for a research-based infrastructure
Research output at GESIS
- Watteler, Oliver, Constantin Hammer, and Heidi Schuster. 2024. "'Berechtigtes Interesse' als Rechtsgrundlage für die Erhebung und Archivierung von Social Media Daten." Nachhaltige Archivierung sozialer Medien - Twitter und danach, Deutsche Nationalbibliothek, Frankfurt a.M., 2024-03-20. doi: https://doi.org/10.5281/zenodo.11030035.
- Quandt, Markus, and Peter Schmidt. 2024. "Introduction to the special issue of the International Journal of Comparative Sociology on “National identity, nationalism, patriotism, and globalization”." International Journal of Comparative Sociology 2024 (65, 2): 101-111. doi: https://doi.org/10.1177/00207152241232577.
- Daikeler, Jessica, Leon Fröhling, Indira Sen, Lukas Birkenmaier, Tobias Gummer, Jan Schwalbach, Henning Silber, Bernd Weiß, Katrin Weller, and Clemens Lechner. 2024. "Assessing Data Quality in the Age of Digital Social Research: A Systematic Review." Social Science Computer Review. doi: https://doi.org/10.1177/08944393241245395.
- Behr, Dorothée, Michael Braun, and Luisa Aiglstorfer. 2024. "Showcasing the usefulness of web probing: Do Subtle Variations in Questionnaire Translation Lead to Different Survey Responding?" Quality & Quantity online first. doi: https://doi.org/10.1007/s11135-024-01843-8.
- Singh, Ranjit K., Cornelia Neuert, and Tenko Raykov. 2023. "Assessing conceptual comparability of single-item survey instruments with a mixed-methods approach." Quality & Quantity online first. doi: https://doi.org/10.1007/s11135-023-01801-w.
- Sun, Jun, Jérôme Kunegis, and Steffen Staab. 2016. "Predicting User Roles in Social Networks using Transfer Learning with Feature Transformation." In 2016 IEEE International Conference on Data Mining Workshop (ICDMW), doi: https://doi.org/10.1109/ICDMW.2016.0026.
- Sun, Jun, and Jérôme Kunegis. 2016. Wiki-talk Datasets. doi: https://doi.org/10.5281/zenodo.49561.
- Sun, Jun, Steffen Staab, and Jérôme Kunegis. 2018. "Understanding Social Networks Using Transfer Learning." doi: https://doi.org/10.1109/MC.2018.2701640.
- Sun, Jun, Matúš Medo, and Steffen Staab. 2020. "Time-invariant degree growth in preferential attachment network models." doi: https://doi.org/10.1103/PhysRevE.101.022309.
- Schoch, David, and Termeh Shafie. 2024. "The interplay of structural features and observed dissimilarities among centrality indices." Social Networks 78 (July 2024): 54-64. doi: https://doi.org/10.1016/j.socnet.2023.11.006.
Ein wesentliches Merkmal von GESIS ist, dass das Institut insbesondere bei den Daten, für die es auch die Erhebung verantwortet, sehr hohe Ansprüche und Standards an die Qualität der bereitge- stellten Daten anlegt. Daher ist es für GESIS zentral, eigene Beiträge zur Untersuchung und Verbes- serung von Aspekten der Datenqualität zu leisten. Die Forschung in den GESIS-Forschungsbereichen trägt deshalb direkt zum Schwerpunkt Datenqualität bei. Dies betrifft sowohl Umfragedaten als auch digitale Verhaltensdaten und relevante Metadaten. Datenqualität umfasst Aspekte der (a) Kor- rektheit und Repräsentativität von Daten und (b) Nutzbarkeit und FAIRness von Daten. Beispiele für (a) sind die Vollständigkeit, Korrektheit, Provenienz der Repräsentativität von Daten, während (b) Aspekte wie Findbarkeit, Qualität der Dokumentation, Aufbereitung oder die Interoperabilität von Daten und Metadaten berücksichtigt. Damit wird eine wichtige Voraussetzung dafür erfüllt, dass die Bearbeitung inhaltlicher Fragestel- lungen (Substantive Research) auf Basis dieser Daten zu validen Ergebnissen führt.