Literaturnachweis - Detailanzeige
| Sonst. Personen | Stützer, Cathleen M. (Hrsg.); Welker, Martin (Hrsg.); Egger, Marc (Hrsg.) |
|---|---|
| Titel | Computational social science in the age of big data. Concepts, methodologies, tools, and applications. Gefälligkeitsübersetzung: Computergestützte Sozialwissenschaft im Zeitalter von Big Data. Konzepte, Methoden, Werkzeuge und Anwendungen. |
| Quelle | Köln: von Halem (2018), 457 S. |
| Reihe | Neue Schriften zur Online-Forschung. 15 |
| Zusatzinformation | Inhaltsverzeichnis |
| Sprache | englisch |
| Dokumenttyp | gedruckt; Monographie |
| ISSN | 1865-2638 |
| ISBN | 978-3-86962-267-5 |
| Schlagwörter | Empirische Forschung; Forschungsmethode; Marktforschung; Lernforschung; Computerprogramm; Soziale Software; Regionalforschung; Datenanalyse; Datengewinnung; Netzwerkanalyse; Automatisierung; Ethik; Migrationsforschung; Protestbewegung; Soziales Netzwerk; Sozialwissenschaften; Internet; Online |
| Abstract | "Der Sammelband 'Computational Social Science in the Age of Big Data' beschäftigt sich mit Konzepten, Methoden, Tools und Anwendungen (automatisierter) datengetriebener Forschung mit sozialwissenschaftlichem Hintergrund. Der Fokus des Bandes liegt auf der Etablierung der Computational Social Science (CSS) als aufkommendes Forschungs- und Anwendungsfeld. Es werden Beiträge international namhafter Autoren präsentiert, die forschungs- und praxisrelevante Themen dieses Bereiches besprechen. Die Herausgeber forcieren dabei einen interdisziplinären Zugang zum Feld, der sowohl Online-Forschern aus der Wissenschaft wie auch aus der angewandten Marktforschung einen Einstieg bietet." (Verlagsangaben, IAB-Doku); Inhaltsverzeichnis: Cathleen M. Stuetzer, Martin Welker, Marc Egger: Big Data Analytics: Obstacles and Opportunities for Social Science (9-14); Brenda L. Berkelaar, Luis Francisco-Revilla: Motivation, Evidence, and Computation: A Research Framework for Expanding Computational Social Science Participation and Design (16-62); Biagio Aragona: Beyond Data Driven Social Science: Researching Big Data Assemblages (63-76); Jan R. Riebling: The Medium Data Problem in Social Science (77-101); Jakob Jünger: Mapping the Field of Automated Data Collection on the Web: Collection Approaches, Data Types, and Research Logic (104-130); Mareike Wieland, Anne-Marie In der Au, Christine Keller, Sören Brunk, Thomas Bettermann, Lutz M. Hagen, Thomas Schlegel: Online Behavior Tracking in Social Sciences: Quality Criteria and Technical Implementation (131-160); Elisabeth Günther, Damian Trilling, Bob van de Velde: But How Do We Store It? (Big) Data Architecture in the Social-Scientific Research Process (161-187); Fionn Murtagh: The Geometric Data Analysis and Correspondence Analysis Platform: New Potential and New Challenges, Including Ethics, of Big Data Analytics (188-212); Ulrik Brandes, Michael Hamann, Mark Ortmann, Dorothea Wagner: On the Persistence of Strongly Embedded Ties (213-234); Yannis Skarpelos: Big Visual Data in Social Sciences (235-265); Ji-Ping Lin: Human Relationships and Kinship Analytics from Big Data Based on Data Science: A Study on Ethnic Marriage and Identity Using Taiwan's Indigenous Peoples as an Example (268-302); Aless andro Cimbelli, Cinzia Conti, Fiorenza Deriu: The Use of Big Data in Studying Migration Routes: New Tools and Applications (303-325); Theoni Stathopoulou, Haris Papageorgiou, Konstantina Papanikolaou, Athanasia Kolovou: Exploring the Dynamics of Protest with Automated Computational Tools. A Greek Case Study (326-354); Jérémy Ducros, Elisa Grandi, Pierre-Cyrille Hautcoeur, Raphaël Hekimian, Emmanuel Prunaux, Angelo Riva, Stefano Ungaro: Collecting and Storing Historical Financial Data: DFIH Project (355-377); Daniel Richter, Michael Bartl: Affective Computing Applied to a Recipe Recommendation System (378-394); Rianne Conijn, Wouter Nij Bijvank, Chris Snijders, Ad Kleingeld, Uwe Matzat: From Raw to Ready-made Data. A Hands-on Manual for Pre-processing Learning Management System Log Data for Learning Analytics (396-422); Yannick Rieder, Simon Kühne: Geospatial Analysis of Social Media Data - A Practical Framework and Applications Using Twitter (423-446). Die Untersuchung enthält quantitative Daten. Forschungsmethode: Methodenentwicklung; Grundlagenforschung; empirisch; Sekundäranalyse. |
| Erfasst von | Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg |
| Update | 2018/4 |
Literaturbeschaffung und Bestandsnachweise in Bibliotheken prüfen
Permalink als QR-Code
Inhalt auf sozialen Plattformen teilen (nur vorhanden, wenn Javascript eingeschaltet ist)
Teile diese Seite:
