Abteilung Computational Social Science

Computational Social Science (CSS) befindet sich an der Schnittstelle von Sozialwissenschaft und Informatik. Im Mittelpunkt unserer Forschung stehen dabei stets soziale Phänomene, wobei diese jedoch anhand einer Vielzahl von Datentypen analysiert werden. Diese unterscheiden sich teils von etablierten Datenquellen wie Panelbefragungen, häufig ergänzen sie diese aber auch. Unter anderem nutzen wir prozessgenerierte Daten wie wissenschaftliche Texte, Patente, Protokolle von Plenarsitzungen oder Nachrichten in Social-Media-Kanälen.

Die Vielfalt der Daten ermöglicht es uns eine Vielzahl von Methoden als analytische Strategien zu verwenden, z.B. setzen wir text-as-data (z. B. Erhard et al. 2025), statistische Modelle sozialer Netzwerke (z. B. Windzio & Heiberger 2024) oder agentenbasierte Modellierung (z. B.  Kaffai & Heiberger 2021) ein, um soziale Phänomene wie Populismus, Mobbing oder die Ausbreitung von Krankheiten zu erklären.
Ein besonderer Schwerpunkt der Arbeit unserer Gruppe liegt auf der Kombination computerlinguistischer Methoden mit Umfragedaten (z. B. Erhard et al. 2021 oder Heiberger et al. 2021).

Die jüngsten Fortschritte bei Large Language Models (LLM) bieten zudem ein weiteres Forschungsfeld für Sowi VII, da wir die „sozialwissenschaftliche Eignung“ von LLMs untersuchen, d. h. wir sind bestrebt, die Validität und Zuverlässigkeit der Daten sowie die theoretische Anwendbarkeit der Methoden sicherzustellen.

Sowi VII ist für die Lehre von Statistik auf Bachelor-Ebene und von computer-basierten Methoden auf Master-Ebene verantwortlich. Unser Ziel ist es dabei, einen modernen Ansatz für das Erlernen der statistischen Modellierung anzubieten, der von grundlegenden Datenkenntnissen bis hin zu ersten Erfahrungen mit modernsten Methoden reicht. In all unseren Kursen legen wir dabei Wert auf praktische Erfahrungen, die eine "sozialwissenschaftliche Brille" auf state-of-the-art Techniken ermöglicht.