Wenn wir eine Umfrage fertig konzeptionalisiert haben (wen frage ich?, Welche Items, welche Skalen nutze ich?), brauchen wir noch ein tool, um die Umfrage ins Feld zu bringen. Dazu kann man z. B. google forms nutzen oder ein professionelles (meist auch kostenpflichtiges) tool, wie z. B. limesurvey oder unipark. Wir nutzen qualtrics als Umfragesoftware. Im Kurs werden wir direkt in qualtrics arbeiten. Hier können Sie sich beispielhaft schon einmal das frontend der Umfrage anschauen, die wir regelmäßig unter den Studierenden durchführen.
Die oben verlinkte Umfrage können wir nutzen, um ein wenig Aufschluss über unsere Studienkolleginnen und -kollegen zu bekommen. Wir ahnten bereits, dass wir ein verzerrtes sample sein dürften, was wir u.a. an den Parteipräferenzen im Vergleich zu repräsentativen Wahlumfragen ablesen können. Diese und weitere Aspekte vertiefen wir im interkativen R-Notebook und machen uns dabei mit grundlegenden Instrumenten vertraut, mit denen man einen Umfrage auswertet.
Politik wird häufig auf Basis von Umfragen erzählt. So werden Kopf-an-Kopf-Rennen berichtet oder festgestellt, dass die Ampel-Koalition unbeliebt wie nie sei. Dabei werden die Schätzungen oft mit einem bemerkenswerten Selbstbewusstsein berichtet, selbst Nachkommastellen wurden schon dargestellt. Freilich sind alle Schätzungen aus Umfragen mit Unsicherheiten beschäftigt. In diesen colab können Sie dies am Beispiel von Wahlumfragen nachvollziehen.
Zur Eröffnung des Darmstädter Wissenschaftsschlosses im Sommer 2023 veröffentlichten wir die erste politikwissenschaftliche Handlese-App. In der App beantworten Sie einige Fragen, mit denen die Forschung versucht, das Wahlverhalten zu erklären (soziodemographische Merkmale wie Geschlecht, Alter oder Bildung sowie Positionen zu bestimmten Themen wie Klimawandel oder Einwanderung). Halten Sie dabei bitte das Tablet bzw. die Maus ruhig in der Hand, damit die Chiromantie (so der Fachbegriff) nicht verfälscht wird.
Natural Language Processing (NLP) ermöglicht es Computern, menschliche Sprache zu verstehen. Einige beliebte NLP-Methoden sind zum Beispiel das Vorhersagen des nächsten Satzes, Übersetzungen, Textklassifizierungen oder die Analyse von Sentiment in Texten. Stellen Sie sich vor, es gäbe keine Dienste wie Google Translate, DeepL oder ChatGPT!
Früher verwendete man oft die sogenannte "Bag-of-Words"-Methode in NLP, aber mit Googles Einführung von BERT im Jahr 2018 wurden die Möglichkeiten in diesem Bereich revolutioniert. In diesem Tutorial erklären wir, wie Large Language Models (LLM) funktionieren. Wir zeigen ein praktisches Beispiel aus den Sozialwissenschaften, führen in Explainable AI ein und erläutern, wie wir diese nutzen können, um die Vorhersagen unserer Modelle besser zu verstehen.
(Veröffentlicht zusammen mit Cosima Meyer im Methods Bites Blog des MZES Social Science Data Lab: Link zum Blogpost)