Projektmanagement (AP 1)

Die Universität Wien leitet das Projekt und ist für das Gesamtprojektmanagement von Digitize! verantwortlich.

Projektleiterin: Sylvia Kritzinger, Institut für Staatwissenschaft

Projektkoordination: Julia Barta

Erhebung digitaler Individualdaten: Design und Entwicklung eines österreichweiten digitalen Panels (AP 2)

AP-Leitung: Sylvia Kritzinger, Universität Wien

AP-Mitarbeiter am Institut für Staatswissenschaft: Katharina Pfaff; Daniel Weitzel (bis 07/22)

Beteiligte Partner*innen und Organisationen: Universität Graz, Universität Linz, Universität Salzburg, Universität Wien; Julia Partheymüller, Wolfgang Müller, Bernhard Kittel, Franz Höllinger, Markus Hadler, Anja Eder, Dimitri Prandner, Johann Bacher, Katrin Hasengruber, Andreas Quatember, Wolfgang Aschauer, Martin Weichbold, Jessica Fortin-Rittberger, Markus Wagner, Matthias Forstner, Carolina Plescia u.a.

Im Rahmen von AP2 werden einerseits Umfrageprogramme in digitalem Erhebungsformat (Online-Befragung) durchgeführt, so etwa die Austrian National Election Study (AUTNES) und der Soziale Survey Österreich (SSÖ).

Darüber hinaus wird eine Pilotstudie zum Aufbau eines probabilistischen digitalen Bürger*innen-Panels für Österreich durchgeführt. Das Panel soll neben der Erhebung hochqualitativer Individualdaten im Längs- und Querschnitt auch die Verlinkung mit Textdaten aus Medien und Politik (AP 3) sowie mit Registerdaten ermöglichen.

In Zusammenarbeit mit den Data Sciences wird im Rahmen von AP 2 insbesondere auch die Anwendung von Algorithmen auf sozialwissenschaftliche Forschungsdaten entwickelt und getestet.

Datenerhebungsformat automatisierte Textanalyseverfahren (AP 3)

AP-Leitung: Hajo Boomgaarden, Universität Wien, Institut für Publizistik und Kommunikationswissenschaften

AP-Mitarbeiterin: Jana Bernhard

Während die Nutzung computergestützter Textanalyse in den Sozialwissenschaften starke Verbreitung gefunden hat, ist die Anwendung verschiedener Verfahren und Algorithmen oft unsystematisch und ad hoc. Bsp. werden Wörterbücher in verschiedenen sprachlichen Kontexten genutzt oder Topic Models nicht kritisch hinterfragt. Überwachte und nicht überwachte Verfahren werden selten konkret validiert.

AP3 trägt zu einem reflektierteren Umgang der Nutzung computergestützter Textanalyseverfahren bei. Es fokussiert auf Validität und Messäquivalenz verschiedener Anwendungen bei verschiedenen Arten von Texten und zu verschiedenen Zeitpunkten.

Es entwickelt Routinen und Protokolle, die zu einem kritischen Umgang mit und einer weiteren Standardisierung von Textanalyseverfahren führen sollen.

AP3 beschäftigt sich insbesondere mit politischer Kommunikation im österreichischen Kontext und inkludiert traditionelle Massenmedien (online und offline), soziale Netzwerke, Parteikommunikation und Parlamentsdebatten.

Entwicklung von Algorithmen an der Schnittstelle Sozialwissenschaften und Data Sciences (AP 4)

AP-Leitung: Sebastian Tschiatschek, Universität Wien, Forschungsgruppe Data Mining (Fakultät für Informatik)

AP-Mitarbeiter: Simon Rittel

AP 4 wird erforschen, ob und in welcher Form Data-Science-Methoden (wie die Entwicklung von Algorithmen) auf sozialwissenschaftliche Daten angewandt werden können und welche neuen Forschungsmöglichkeiten sich dadurch eröffnen.

Für die Anwendung auf Daten der Arbeitspakete 2 und 3 werden skalierbare Algorithmen entwickelt

• zur Zusammenführung heterogener Datentypen mit Fokus auf Survey- und Open-Source-Daten sowie Daten mit fehlenden Werten
• zum nicht überwachten Lernen von komplexen Abhängigkeiten in Form von Graphen, temporalen Graphen, Mengen und Zeitfolgen aus Survey-Daten von Längsschnitt- und Querschnittbefragungen und Open-Source-Daten
• zum überwachten Lernen auf Eingabedaten in Form von Mengen und Graphen über heterogene Daten

Digitalisierung der sozialwissenschaftlichen Methodenausbildung (AP 5)

AP-Leitung: Dimitri Prandner, Johannes Kepler Universität Linz, Institut für Soziologie

Beteiligte: Katrin Hasengruber, Matthias Forstner, Johann Bacher, Andreas Quatember (Institut für Angewandte Statistik)

Wie verändert sich die sozialwissenschaftliche Methodenlehre durch die fortschreitende Digitalisierung der Gesellschaft? Welche Themen und Inhalte sind für die zukunftsgerichtete Lehre sozialwissenschaftlicher Forschungsmethoden von Relevanz? Wie kann man sie umsetzen?

Diese Fragen stehen im Zentrum des Arbeitspakets 5, das sich mit der Digitalisierung der sozialwissenschaftlichen Methodenlehre und deren Weiterentwicklung in Österreich beschäftigt. 

Ausgehend von regelmäßigen Umfragen unter Methodenlehrenden und Leitfadeninterviews mit Expertinnen und Experten für sozialwissenschaftlichen Forschungsmethoden wird im Rahmen des Arbeitspakets ein Prototyp für eine Open-Access-Plattform aufgebaut.  

Diese Plattform wird einen umfassenden Überblick über die sozialwissenschaftliche Methodenlehre in Österreich geben, bereits vorhandenen Initiativen sichtbar machen und mit eigenständigen Open Educational Resources (OER) ergänzt werden, um grundlegende methodische Inhalte einfach und verständlich darzulegen. Kontinuierliche Evaluation und Diskussion werden helfen, hochqualitative Inhalte bereitzustellen.

Dadurch soll der Dialog und Austausch zwischen Methodenlehrenden anregt und unterstützt werden, was dazu beitragen wird, dass auch neueste methodische Entwicklungen und Techniken breite Anwendung finden und an den österreichischen Kontext angepasst in die lokale Lehr- und Forschungslandschaft integriert werden können.

Experimental Data Science Lab (AP 6)

AP-Leitung: Claudia Plant, Universität Wien, Forschungsgruppe Data Mining (Fakultät für Informatik)

AP-Mitarbeiter: Martin Teuffenbach

Zur Ausschöpfung des Potenzials von Methoden der Data Sciences in den Sozialwissenschaften werden angehenden SozialwissenschafterInnen die Grundlagen der Data Sciences vermittelt. Dadurch wird eine fruchtbare Kooperation mit Informatik, Mathematik und Statistik in Forschung und Lehre möglich. Dies wird durch die Schaffung des Experimental Data Science Labs und durch neue LVs und Projektformate erreicht. Folgende Lehrkomponenten werden umgesetzt:

• Interdisziplinäre Projekte auf PhD-/MA-Ebene: Synergieeffekte und neue Kooperationen durch interdisziplinäre Zusammenarbeit an aktuellen Forschungsfragen
• Entwicklung der MA-Lehrveranstaltung Computational Social Science: Die LV mit integrierter Übung (UE) dient der Vermittlung grundlegender Data-Science-Kompetenzen und deren Anwendung auf sozialwissenschaftliche Fragestellungen. In den UE machen sich die Studierenden mit einem Data-Science-Toolkit vertraut und bearbeiten damit Probleme aus den Sozialwissenschaften. Eine Aufnahme in die Curricula der sozialwissenschaftlichen sowie Data-Science-Studienrichtungen wird angestrebt und beworben.

Juristische Aspekte im Bereich Digitization und Computational-Datenverarbeitung (AP 7)

AP-Leitung: Nikolaus Forgó, Universität Wien, Institut für Innovation und Digitalisierung im Recht

AP-Mitarbeiter: Paul Eberstaller, Filip Paspalj, Universität Wien, Institut für Innovation und Digitalisierung im Recht

Arbeitspaket 7 widmet sich den rechtlichen Aspekten des Projekts. Für Computational Social Science werden große Mengen an Daten benötigt, die einerseits personenbezogen sein können und daher dem Datenschutzrecht unterliegen und andererseits als geistiges Eigentum urheberrechtlich geschützt sein können. Aufgabe von AP7 ist es daher festzustellen, ob die im Projekt verwendeten Daten vom Datenschutz- bzw Urheberrecht erfasst sind und sicherzustellen, dass die jeweiligen Rechtsnormen eingehalten werden. Insbesondere muss überprüft werden, ob eine Rechtsgrundlage für die Datenverarbeitung besteht, dass Informations- und Betroffenenrechte gewahrt werden und die Verarbeitung nicht in fremde Schutzrechte eingreift.

Über diese anwendungsspezifischen und projektbezogenen Fragen hinaus, führt AP 7 auch juristische Grundlagenforschung durch. Dies betrifft vor allem das Zusammenspiel von europäischen und nationalen Rechtsnormen wie etwa der Datenschutzgrundverordnung und dem Forschungsorganisationsgesetz. Hier steht insbesondere die Frage im Mittelpunkt ob und wie personenbezogene Daten für Forschungszwecke weiterverwendet werden können. Auf urheberrechtlicher Ebene ist insbesondere die Umsetzung der Richtlinie über das Urheberrecht im digitalen Binnenmarkt relevant. Diese sieht ein Recht auf Text- und Data Mining zu Forschungszwecken vor, das während der Laufzeit des Projekts in nationales Recht umgesetzt werden muss.

Ethische und gesellschaftliche Aspekte der Digitalisierung (AP 8)

AP-Leitung: Barbara Prainsack, Universität Wien, Institut für Politikwissenschaft

Beteiligte: Connor Hogan (ab 1.03.23); Seliem El-Sayed, Universität Wien, Institut für Politikwissenschaft

Dieses Arbeitspaket verfolgt ein zweifaches Ziel: Es versucht einen empirischen und theoretischen Beitrag zum Verständnis der ethischen und sozialen Aspekte der computationalen Sozialwissenschaften zu leisten, und zugleich die im Projektverlauf und der Projektarbeit auftauchenden ethischen und sozialen Fragen zu bearbeiten.

Dass es wichtig ist, computerunterstützte und datenintensive Forschung „ethisch“ zu gestalten, macht intuitiv Sinn. Fast jeder Mensch hat in den Medien schon von diskriminierenden Algorithmen und den ethischen Herausforderungen selbstfahrender Autos gehört. Aber was bedeutet es konkret, computationale Sozialwissenschaften nach ethischen Prinzipien zu gestalten? Dies ist die Frage, der sich dieses Arbeitspakt widmet. Wir verfolgen dabei einen empirischen und zugleich lösungsorientierten Zugang: In einem ersten Schritt sehen wir uns an, welche ethischen und gesellschaftlichen Aspekte in der wissenschaftlichen und in der „grauen“ Literatur diskutiert werden. In einem zweiten Schritt führen wir Interviews mit Expert*innen und Praktiker*innen durch um folgende Fragen zu beantworten: Wie verhält sich die Situation in Österreich zu den internationalen “best practices”? Gibt es soziale und ethische Fragen, die in Österreich noch nicht ausreichend bearbeitet werden? In einem dritten Schritt entwickeln wir konkrete Handlungsempfehlungen für Politik und Praxis.