Bren­tel, I. (25.09.2019). Data­fi­zie­rung in der Wis­sen­schaft – How to mana­ge Big-Data. Tagung “Data­fi­zier­te Gesell­schaft: Prak­ti­ken, Pro­zes­se und Fol­gen”, Rhei­ni­sche Fried­rich-Wil­helms-Uni­ver­si­tät Bonn. Bonn, Germany.

Die Data­fi­zie­rung der Gesell­schaft schafft eine neue Daten­viel­falt für sozi­al­wis­sen­schaft­li­che For­schung, doch Big-Data ist auch Her­aus­for­de­rung für das Wis­sen­schafts­sys­tem. Die gro­ße Hete­ro­ge­ni­tät, häu­fig feh­len­de Struk­tur sowie die Men­ge an Daten for­dert Güte­kri­te­ri­en empi­ri­schen Arbei­tens her­aus. Nach­hal­ti­ger Zugang zu qua­li­ta­tiv hoch­wer­ti­gen For­schungs­da­ten bedarf eines Daten­ma­nage­ments, bei dem tech­ni­sche Schnitt­stel­len sowie mit­ein­an­der ver­bun­de­ne Pro­zess­ket­ten von tra­gen­der Rol­le sind.

Im Vor­trag wird eine Lösung für tech­ni­sche Schnitt­stel­len als Ver­bin­dung sol­cher Pro­zess­ket­ten am Bei­spiel der MA Inter­me­diaP­lus, der umfas­sends­ten Reich­wei­ten­er­he­bung von 12.000 Online­an­ge­bo­ten unter jähr­lich ca. 300.000 Befrag­ten prä­sen­tiert. Bei der Erhe­bung han­delt es sich um rela­tio­na­le Längs­schnitt­da­ten durch tech­ni­sche Messung.

Im Kern der Pro­zess­ket­te steht das Pro­gramm Charm­Stats­Pro, wel­ches die Har­mo­ni­sie­rung von Daten sowie deren Doku­men­ta­ti­on nach höchs­ten wis­sen­schaft­li­chen Qua­li­täts­kri­te­ri­en ermög­licht. So wer­den Trans­pa­renz, Inter­sub­jek­ti­vi­tät, Repli­zier­bar­keit und Nach­hal­tig­keit von For­schungs­da­ten sicher­ge­stellt. Zudem gibt es zwei Schnitt­stel­len: Zum einen ein Hub der GESIS, wel­cher Schnitt­stel­le ins Wis­sen­schafts­sys­tem ist und die Auf­find­bar­keit von Daten sowie den Aus­tausch von Daten-Modul ermög­licht. Zum ande­ren eine Schnitt­stel­le zwi­schen Pro­gramm und leis­tungs­fä­hi­ger Daten­bank, um die Vor­aus­set­zun­gen zur Ana­ly­se von Big-Data zu schaffen.