Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Cover of the book

2020 | OriginalPaper | Chapter

1. Zukunft der Aus- und Weiterbildung in der Markt- und Sozialforschung

Authors : Florian Keusch, Frauke Kreuter

Published in: Marktforschung für die Smart Data World

Publisher: Springer Fachmedien Wiesbaden

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Die Nachfrage nach gut ausgebildeten DatenwissenschaftlerInnen, die sowohl die Fähigkeiten besitzen, Daten auf „traditionellem Weg“ zu erheben und auszuwerten und ebenso mit großen semi- oder gar unstrukturierten Datensätzen zu arbeiten, steigt kontinuierlich an. In diesem Beitrag beschreiben wir, welche Kompetenzen Sozial- und MarktforscherInnen heutzutage benötigen, um am Arbeitsmarkt erfolgreich zu sein. Wir diskutieren Herausforderungen und Chancen im Bereich der Lehre dieser neuen Inhalte und deren Potenzial, den steigenden Bedarf an Fachkräften im Bereich Datenerhebung und Datenanalyse in den kommenden Jahren zu decken.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now
next chapter Warum Marktforschung Zukunft hat – Überlegungen zu einer differenzierenden Alleinstellung der Marktforschung
Literature
Antoun C, Katz J, Argueta J, Wang L (2018) Design heuristics for effective smartphone questionnaires. Soc Sci Comput Rev 36:557–574CrossRef
Beyer MA, Laney D (2012) The importance of “Big Data”: a definition. Gartner, Stamford
Calderwood L, Lessof C (2009) Enhancing longitudinal surveys by linking to administrative data. In: Lynn P (Hrsg) Methodology of longitudinal surveys. Wiley, Chichester, S 55–72CrossRef
Callegaro M, Yang Y (2018) The role of surveys in the era of “Big Data”. In: Vannette D, Krosnick J (Hrsg) The Palgrave handbook of survey research. Palgrave Macmillan, Cham, S 175–192CrossRef
Carpenter J, Kenward M (2012) Multiple imputation and its application. Wiley, New York
Connelly R, Playford CJ, Gayle V, Dibben C (2016) The role of administrative data in the big data revolution in social science research. Soc Sci Res 59:1–12CrossRef
Couper MP, Antoun C, Mavletova A (2017) Mobile web surveys: a total survey error perspective. In: Biemer PP et al (Hrsg) Total survey error in practice. Wiley, Hoboken, S 133–154CrossRef
Ehlers U-D, Kellermann SA (2019) Future skills – the future of learning and higher education. Results of the International Future Skills Delphi Survey, Karlsruhe
Elliott MR, Valliant R (2017) Inference for nonprobability samples. Stat Sci 32:249–264CrossRef
Fellegi IP, Holt D (1976) A systematic approach to automatic edit and imputation. J Am Stat Assoc 71:17–35CrossRef
Few S (2012). Show me the numbers. Designing tables and graphs to enlighten. Analytics Press.
Foster I, Heus P (2016) Databases. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 93–124CrossRef
Geisen E, Romano Bergstrom J (2017) Usability testing for survey research. Morgan Kaufmann, Cambridge
Ghani R, Schierholz M (2016) Machine learning. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 147–186
Groen JA (2012) Sources of error in survey and administrative data: the importance of reporting procedures. J Off Stat 28:173–198
Groves RM, Lyberg L (2010) Total survey error: past, present, and future. Public Opin Q 74:849–879CrossRef
Japec L, Kreuter F, Berg M, Biemer P, Decker P, Lampe C, Lane J, O‘Neil C, Usher A (2015). Big data in survey research. AAPOR task force report. Public Opin Q 79:839–880
Jünger J (2018) Mapping the field of automated data collection on the web: Collection approaches, data types, and research logic. In: Stutzer CM, Welker M, Egger M (Hrsg) Computational social science in the age of big data. Concepts, methodologies, tools, and application. Herbert van Halem, Köln, S 104–130
Jungherr A (2016) Twitter use in election campaigns: a systematic literature review. J Inf Technol Polit 13:72–91CrossRef
Klochikhin E, Boyd-Graber J (2016) Text analysis. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, FL, S 187–214
Kohler U (2016) Anforderungen an Hochschulabsolventen. In: König C, Stahl M, Wiegand E (Hrsg) Human resources. Springer, Wiesbaden, S 43–77CrossRef
Kreuter F, Müller G, Trappmann M (2010) Nonresponse and measurement error in employment research: making use of administrative data. Public Opin Q 74:880–906CrossRef
Kreuter F, Keusch F, Somailova E, Frößinger K (2018) International Program in Survey and Data Science. In: König C, Schröder J, Wiegand E (Hrsg) Big Data – Chancen, Risiken, Entwicklungstendenzen. Springer VS, Wiesbaden, S 27–41CrossRef
Lane J, Stodden V, Bender S, Nissenbaum H (2014) Privacy, big data, and the public good: frameworks for engagement. Cambridge University Press, New YorkCrossRef
Lazer D, Pentland A, Adamic L, Aral S, Barabási A-L, Brewer D, Christakis N et al (2009) Computational social science. Science 323(5915):721–723CrossRef
Leek JT, Peng RD (2015) What is the question? Science 347(6228):1314–1315CrossRef
Marchetti S, Giusti C, Pratesi M, Salvati N, Giannotti F, Pedreschi D, Salvatore R, Luca P, Gabrielli L (2015) Small area model-based estimators using big data sources. J Off Stat 31:263–281
Munzert S, Rubba C, Meißner P, Nyhuis D (2014) Automated data collection with R: a practical guide to web scraping and text mining. Wiley, Chichester
Neylon C (2016) Working with web data and APIs. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 23–70
Nussbaumer Knaflic C (2015) Storytelling with data. Wiley, Hoboken
Oppeln-Bronikowski Sv (2018) Begrüßung durch die Direktorin beim Statistischen Bundesamt. In König C, Schröder J, Wiegand E (Hrsg) Big Data – Chancen, Risiken, Entwicklungstendenzen. Springer VS, Wiesbaden, S 9–12
Pashler H, Wagenmakers EJ (2012) Editors’ introduction to the special section on replicability in psychological science: a crisis of confidence? Perspect Psychol Sci 7:528–530CrossRef
Peng R (2015) The reproducibility crisis in science: a statistical counterattack. Significance 12(3):30–32CrossRef
Peng RD, Matsui E (2015) The art of data science. A guide for anyone who works with data. Leanpub
Perkel JM (2018) A toolkit for data transparency takes shape. Nature 560:513–515CrossRef
Reich J, Ruipérez-Valiente JA (2019) The MOOC pivot. Science 363(6423):130–131CrossRef
Rieder Y, Kühne S (2018) Geo-spatial analysis of social media data – a practical framework and applications using Twitter. In: Stutzer CM, Welker M, Egger M (Hrsg) Computational social science in the age of big data. Concepts, methodologies, tools, and application. Herbert van Halem, Köln, S 418–441
Sakshaug J, Antoni M (2017) Errors in linking survey and administrative data. In: Biemer PP et al (Hrsg) Total survey error in practice. Wiley, Hoboken, S 557–573CrossRef
Samoilova E, Keusch F, Kreuter F (2018) Integrating survey and learning analytics data for a better understanding of engagement in MOOCs. In: Jiao H, Lissitz RW, Van Wie A (Hrsg) Data analytics and psychometrics: informing assessment practices. Information Age Publishing, Charlotte, S 247–261
Schnell R (2018) ,Big Data‘ aus wissenschaftssoziologischer Sicht: Warum es kaum sozialwissenschaftliche Studien ohne Befragungen gibt. German Record Linkage Center Working Paper Series, No. WP-GRLC-2018-01
Stützer CM, Welker M, Egger M (2018) Computational social science in the age of big data. Herbert von Harlem, Köln
Tokle J, Bender S (2016) Record linkage. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 71–92
Usher A (2015) Skills required to integrate big data into public opinion research. Paper präsentiert auf der 70th Annual Conference of the American Association for Public Opinion Research, Hollywood, Florida
Vo H, Silver C (2016) Scaling up through parallel and distributed computing. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 125–144
Wang W, Rothschild D, Goel S, Gelman A (2015) Forecasting elections with non-representative polls. Int J Forecast 31:980–991
Watts DJ (2013) Computational social science: exciting progress and future directions. Bridge Front Eng 43(4):5–10
Wiengarten L, Zwick M (2018) Integration neuer digitaler Datenquellen in der amtlichen Statistik. In: König C, Schröder J, Wiegand E (Hrsg) Big Data – Chancen, Risiken, Entwicklungstendenzen. Springer VS, Wiesbaden, S 43–60CrossRef
Wissenschaftsrat (2019) Empfehlungen zu hochschulischer Weiterbildung als Teil des lebenslangen Lernens. Vierter Teil der Empfehlungen zur Qualifizierung von Fachkräften vor dem Hintergrund des demographischen Wandels. Drs. 7515-19. Berlin
Yalcin MA, Plaisant C (2016) Information visualization. In: Foster I, Ghani R, Jarmin RS, Kreuter F, Lane J (Hrsg) Big data and social science research: theory and practical approaches. Chapman and Hall/CRC Press, Boca Raton, S 243–264
Metadata
Title
Zukunft der Aus- und Weiterbildung in der Markt- und Sozialforschung
Authors
Florian Keusch
Frauke Kreuter
Copyright Year
2020
Book
Marktforschung für die Smart Data World

Print ISBN: 978-3-658-28663-7

Electronic ISBN: 978-3-658-28664-4

Copyright Year: 2020

DOI
https://doi.org/10.1007/978-3-658-28664-4_1