Projekte

Laufende Drittmittelprojekt

What Defines and Affects Replicability in Computational Communication Science?

Computational communication science (CCS) is a young but quickly growing field characterized by the use of digital traces and other media data (e.g., online news, social media) and methods suitable for collecting/generating (e.g., scraping, simulating) and analyzing (e.g., machine learning, natural language processing) those. As, for example, publication practices in the journal Computational Communication Research show, many CCS researchers have been advocating for and implementing open-science principles such as sharing data and materials. However, several challenges complicate making CCS research reproducible and replicable. These challenges presumably are a consequence of (a) the methods commonly used in the field, (b) the volatility of its topics of study and the data it makes use of, and (c) the increasing dependency on third-party data providers, such as search engines or social networking sites. The aim of this project is to investigate the determinants and conditions for replicability in CCS. To achieve this, the project will (1) assess the potential replicability of research in CCS by means of a large-scale content analysis of publications in the field, and (2) test and evaluate the actual replicability of studies from this field via reproduction and replication of purposively selected studies.

Das Projekt ist Teil des DFG-Schwerpunktprogramms META-REP und für drei Jahre gefördert.

Leitung: Dr. Johannes Breuer (GESIS) & Prof. Dr. Mario Haim
Mitarbeit: Philipp Knöpfle

Algorithmische Biases in Suchmaschinen im Bundestagswahlkampf 2021

Suchmaschinen stellen einen zentralen Zugangsweg zu aktuellen Informationen dar. Gerade im Vorfeld von Wahlen tragen sie integral zur Meinungsbildung in modernen Demokratien bei. Dabei ist nach wie vor wenig über ihre algorithmische Kuratierung bekannt. Insbesondere Fragen nach der expliziten Nutzung durch User:innen, nach der Vielfalt von Akteur:innen, Themen und Quellen in Suchergebnissen sowie nach dem Einfluss von technologischen Parametern, etwa der Geolokalisierung oder der Nutzung mobiler Endgeräte, sind nach wie vor ungeklärt. Das vorgeschlagene Projekt soll sich diesen Fragen im Rahmen der anstehenden Bundestagswahl 2021 und der Google-Suchmaschine annehmen. Das als systematisches ‘Algorithmic Auditing’ geplante Projekt verbindet dabei nutzungs- und inhaltsorientierte Ansätze. Konkret soll eine bundesweite Repräsentativbefragung mit innovativen Verfahren des agentenbasierten Testens in allen Bundesländern sowie einer anschließenden Inhaltsanalyse der Suchergebnisse kombiniert werden. Das auf neun Monate angelegte Projekt soll so belastbare Aussagen auf Bundesebene, aber auch im Vergleich über Bundesländer und Endgeräte ermöglichen.

Leitung: Dr. Julian Unkel & Prof. Dr. Mario Haim
Mitarbeit: Patrick Schwabl

Integrating data donation in survey infrastructure: Quantifying, explaining, and addressing errors in representation and measurement

The project investigates how data donation as a new method for collecting digital trace data can be integrated into survey infrastructure. Since data donation allows for detailed and longitudinal measurements of individual behavior, it can amplify data from surveys. In addition to implementing data donation in survey infrastructures from a technical perspective, the project focuses on quantifying and explaining errors in representation and measurement that arise from this integration. Furthermore, the project develops and adapts survey design strategies and statistical methods to systematically address low participation rates in surveys with integrated data donation and resulting biases. In doing so, the project draws on different types of data (survey data, digital trace data, administrative data, synthetic data) as well as samples (nonprobability samples from online access panels, probability sample from the Panel Study Labour Market and Social Security at the Institute for Employment Research).

Das Projekt ist Teil des DFG-Schwerpunktprogramms „SPP2431 – New Data Spaces for the Social Sciences“ und wird für drei Jahre gefördert.

Leitung: Dr. Valerie Hase (LMU), Prof. Dr. Florian Keusch (Universität Mannheim), Prof. Dr. Frauke Kreuter (LMU), Prof Dr. Mark Trappmann (Institut für Arbeitsmarkt- und Berufsforschung & Universität Bamberg)
Mitarbeit: Frieder Rodewald