GESIS - für eine forschungsbasierte Infrastruktur
Forschungsoutput von GESIS
Titel | Start | Ende | Förderer |
---|---|---|---|
Kompetenzzentrum Datenqualität in den Sozialwissenschaften
(KODAQS)
|
2023-11-15 | 2026-11-14 | Bund |
PIAAC-C2 - The Programme for the International Assessment of Adult Competencies (Cycle 2)
(PIAAC-C2)
|
2018-04-06 | 2024-12-31 | Sonstige Drittmittel |
Nationales Projektmanagement für die Durchführung des zweiten Zyklus der internationales Vergleichsstudie PIAAC
(NPM PIAAC2)
|
2018-01-01 | 2024-12-31 | Bund |
- Lietz, Haiko, Mathieu Génois, Johann Schaible, Maria Zens, and Marcos Oliveira. 2023. "Community formation at IC2S2 2017." International Conference on Computational Social Science (IC²S² 2023), Copenhagen, 2023-07-18.
- Hopt, Oliver, and Lydia Repke. 2023. "Speeding up questionnaire development by software development principles." European Survey Research Association (ESRA) 2023 Conference, Università degli Studi di Milano-Bicocca, Milano, 2023-07-17.
- Kohne, Julian. 2023. "ChatDashboard - A Framework to collect, link, and process donated WhatsApp Chat Log Data." European Survey Research Association Conference (ESRA), University of Milano - Bicocca, Mailand, 2023-07-18.
- Saldanha Bach, Janete, Fidan Limani, and Brigitte Mathiak. 2023. KonsortSWD Measure 5.2: Enhancing data findability : Milestones 4 and 5 report. 0.9. doi: https://doi.org/10.5281/zenodo.7520524.
- Dahou, Abdelhalim Hafedh, and Mohamed Amine Cheragui. 2023. "DzNER: A large Algerian named entity recognition dataset." Natural Language Processing Journal 3 (June 2023): 100005. doi: https://doi.org/10.1016/j.nlp.2023.100005.
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 Fragestellungen (Substantive Research) auf Basis dieser Daten zu validen Ergebnissen führt.