Skip to main content
main-content

Über dieses Buch

Neue Möglichkeiten der Datenerhebung mittels digitaler Technologien, aber auch die Verfügbarkeit prozessproduzierter Daten, die bei der Nutzung sozialer Medien, Smartphones oder sogenannter Wearables anfallen, bergen ein enormes Potenzial für die empirische Sozialforschung. Es erscheint vor diesem Hintergrund nicht übertrieben von einer digitalen Revolution in den Sozialwissenschaften zu sprechen, welche die empirische Sozialforschung mit neuen Herausforderungen und Fragestellungen konfrontiert. Der vorliegende Sammelband widmet sich diesem Themenkomplex mit überblicksartigen Beiträgen, Untersuchungen zur Datenqualität und praxisnahen Anwendungsbeispielen.

Inhaltsverzeichnis

Frontmatter

Grundlagen

Frontmatter

Die Methoden der sozialwissenschaftlichen Datenerhebung im digitalen Zeitalter

Entwicklungen, Möglichkeiten, Herausforderungen
Zusammenfassung
Das angebrochene digitale Zeitalter, treffend charakterisiert durch computers everywhere (Salganik 2018, S. 3), eröffnet den Sozialwissenschaften einzigartige Möglichkeiten des Erkenntnisgewinns und neuartige Forschungsfelder (z.B. Fussey und Roth 2020). Watts (2011, S. 266) sieht darin nicht weniger als „the potential to revolutionize our understanding of ourselfes and how we interact (…)“. Gleichsam sind damit aber auch große Herausforderungen verbunden.
Heinz Leitgöb, Tobias Wolbring

Mobile Datenerhebung in einem Panel Die IAB-SMART Studie

Zusammenfassung
Smartphones sind für viele Menschen zu einem selbstverständlichen Bestandteil des Alltags geworden. Sie werden neben der Nutzung zur Kommunikation, Unterhaltung und Information auch bei der Jobsuche und im Arbeitsalltag genutzt (Perrin 2017). Dies bietet Möglichkeiten Smartphones als Datenerhebungsinstrument für die wissenschaftliche Forschung einzusetzen.
Sonja Malich, Florian Keusch, Sebastian Bähr, Georg-Christoph Haas, Frauke Kreuter, Mark Trappmann

Inklusion von Menschen ohne Internet in zufallsbasierte Onlinepanel-Umfragen

Zusammenfassung
Zur Beantwortung vieler Forschungsfragen in den Sozialwissenschaften ist es unerlässlich Umfragen durchzuführen, mittels derer die Forschenden Einblicke in die Einstellungen und das Verhalten der Gesamtbevölkerung erlangen. Um zu gewährleisten, dass die aus den Umfragedaten generierten Erkenntnisse auf die Gesamtbevölkerung übertragbar sind, werden klassischerweise zufallsbasierte Stichproben gezogen, beispielsweise aus Bevölkerungsregistern. Die zufällig ausgewählten Personen oder Haushalte werden daraufhin anhand der aus dem Stichprobenrahmen verfügbaren Informationen kontaktiert und befragt.
Carina Cornesse, Ines Schaurer

Messung

Frontmatter

Completing Web Surveys on Mobile Devices Does Screen Size Affect Data Quality?

Zusammenfassung
Over the last decade, mobile technologies such as smartphones and tablets have become an integral part of people’s daily life. While only 18% of Internet users in Germany used a smartphone in 2011, this rate increased to 78% in 2019, among people aged 16-24 even to 95% (Destatis 2011, 2020), with similar trends observed in other countries (Silver 2019). Smartphones have become an everyday companion that people not only use for calling and texting but also for interaction on social media, news consumption, entertainment, and navigation, among many other things (Perrin 2017).
Alexander Wenz

Harmonizing Data in the Social Sciences with Equating

Zusammenfassung
Social scientists today can access an abundance of data be it survey data, official statistics, or increasingly also data collected with new technologies. This trend is further amplified by the popularity of open science and FAIR (findable, accessible, interoperable, and reusable) data principles (Link et al. 2017). Furthermore, advances in archival practices and technologies make accessing data easier than ever. It is no wonder then that more and more research in the social sciences makes the most of this wealth of data by combining data from different sources (Dubrow and Tomescu-Dubrow 2016; Hussong et al. 2013).
Ranjit K. Singh

Measuring Migrants’ Homeland Education

A validation study of competing measures
Zusammenfassung
General population survey samples increasingly include migrants, following the growth of the migrant population in Germany over recent years (Statistisches Bundesamt 2019). The growing interest in migrants’ experiences of their migration and integration also lead to an increasing number of surveys specifically targeting migrants: For example, the SCIP survey on socio-cultural integration processes among new immigrants in Europe (Diehl et al. 2015; Gresser and Schacht 2015), the special samples of the German Socio-Economic Panel Study (SOEP, Kroh et al. 2015; Kühne and Kroh 2017), or special samples/surveys on recent migrants following the so-called “refugee crisis” in 2015 like the SOEP refugee sample (Brücker et al. 2017; Kroh et al. 2016), or the panel of young refugees in the German education system, ReGES (Will et al. 2018). Among the many challenges of survey design that must be tackled when designing surveys of migrants, measuring their socio-demographic characteristics is one area in which just using questionnaire items designed for the German population may not produce data that is true to migrants’ specific background.
Silke L. Schneider, Verena Ortmanns

Anwendungsbeispiele

Frontmatter

Subjektiv geschätzter und tatsächlicher Ausländeranteil in der Nachbarschaft

Analysen mit dem georeferenzierten ALLBUS 2016 und dem Zensus 2011
Zusammenfassung
Die Nutzung von Daten mit Raumbezug hat in der Sozialforschung eine lange Tradition. Bereits in der Chicago School zu Beginn des 20. Jahrhunderts integrierten Robert E. Park, Ernest W. Burgess und Roderick D. McKenzie Informationen und Überlegungen auf einem sehr feingliedrigen Nachbarschaftslevel in ihre Fragestellungen (Park et al. 1925). Raum war schon damals integraler Bestandteil in der Untersuchung sozialer Organisation menschlicher Gesellschaftssysteme.
Stefan Jünger

Die Online-Repräsentation (sozial-) räumlicher Ungleichheit am Beispiel von Airbnb in zehn deutschen Städten

Zusammenfassung
Sharing Economy Plattformen werben in ihren Selbstbeschreibungen damit, zwischenmenschliche Interaktionen zu fördern und das gegenseitige Kennenlernen zu einem unvergesslichen Erlebnis zu machen. Dieser soziale Aspekt stellt den zentralen Unterschied zu klassischen Märkten dar und soll zur Überwindung sozialer Ungleichheit und damit verbundener Diskriminierung beitragen (Neuhofer 2017; Schor und Attwood-Charles 2017). Daher verwundert es auch nicht, wenn ein Teil der wirtschaftswissenschaftlichen Literatur positiv hervorhebt, dass ansonsten un- oder wenig genutztes Eigentum, Fertigkeiten (z.B. Reparaturfertigkeiten) oder Zeit (Taxifahren auf Uber oder Lyft) zum Nutzen aller Beteiligten mobilisiert und kommodifiziert werden (Cheng und Foley 2018; Franssen et al. 2018; Jamal 2018).
Oliver Wieczorek, Alexander Brand, Niklas Dörner

Schulwege und ihre Bedeutung für Schulleistungen

Potenziale georeferenzierter Daten für die empirische Bildungsforschung am Beispiel des Nationalen Bildungspanels
Zusammenfassung
Der Beitrag befasst sich mit dem Potenzial georeferenzierter Daten im Nationalen Bildungspanel (NEPS). Es wird beispielhaft die Frage nach der Bedeutung von Schulwegen für die Schulleistungen von Schülerinnen und Schülern der Sekundarstufe I unter Verwendung direkter Distanzen vom Wohnort zur besuchten Schule bearbeitet. Theoretisch wird angenommen, dass der Schulweg als Kostenfaktor gesehen werden kann, welcher von Familien mit höherer sozialer Herkunft eher kompensiert wird.
Corinna Drummer

Give a Little, Take a Little?

A Factorial Survey Experiment on Students’ Willingness to Use an AI-based Advisory System and to Share Data
Abstract
Given its ability to handle a large amount of data, artificial intelligence (AI) has the potential to improve data-driven decisions under various situations. The present research identifies the necessary conditions for the implementation of an AI-based advisory system (AS) in higher education. Using a factorial survey design, we examine experimentally varied features of an AI-based AS to explore students’ willingness to use it and students’ willingness to share their data as a core challenge for successful implementation. Theoretically, we focus on the perceived costs and benefits to explain students’ intention, but we also highlight the role of trust and privacy concerns in regard to collecting data for the AS. In terms of benefits, information about the predictive power of the AS significantly increases students’ intention to use the tool and to share data and thus offers an incentive for students to share data. Moreover, a disproportionately long survey duration and survey topics that seem unrelated to the AS reduce students’ willingness to share data. With respect to trust and privacy concerns, our results indicate that providing transparent information about the AS has no effect on students’ willingness to share data, while aspects regarding who has access to the AS results and a long period of data storage reduce students’ intentions to share data. Based on these findings, we advise universities to communicate students’ expected benefits from a system to implement the AS, but we also recommend seriously considering students’ privacy concerns. Who has access to the data and the results of the AS should be transparent, as well as for what reason and how long. Otherwise, a substantial and probably selective part of the student body may not use the tool or share data due to privacy concerns.
Edgar Treischl, Sven Laumer, Daniel Schömer, Jonas Weigert, Karl Wilbers, Tobias Wolbring

Backmatter

Weitere Informationen