Autumn-School 2022
Autumn School 2022 „Digitale Medien als Instrument und Gegenstand sozialwissenschaftlicher Forschung“
Die Autumn School richtet sich an Nachwuchswissenschaftler*innen aller Fachdisziplinen sowie all jene, die in Forschungsprojekten mit komplexeren qualitativen und quantitativen Forschungsdaten arbeiten.
Die Autumn School legt den Fokus auf die Auseinandersetzung mit qualitativen und quantitativen Forschungsmethoden, die insbesondere digital basiert sind. Auch als Forschungsgegenstand stehen digitale Medien im Zentrum der Veranstaltung. Für die Keynote konnte Frau Prof. Dr. Isa Jahnke, renommierte Expertin für Digitalisierung in Lehre und Forschung an der neu gegründeten TU Nürnberg, gewonnen werden. Daneben bilden verschiedene Workshops zentrale qualitative und quantitative Forschungsmethoden und deren Kombination ab, z.T. handelt es sich um spezifisch medienbasierte Forschungsmethoden. Die Teilnehmer*innen haben die Möglichkeit jeweils zwischen einem Workshopformat zu Grundlagen und einem Workshopformat zu vertieften Verfahren zu wählen und auch eigene Daten zur Diskussion zu stellen. Ein Vortrag zu Datenmanagement von Dr. Jürgen Rohrwild rundet das Programm der Autumn School ab.
Die Autumn School findet in St. Paul, Dutzendteichstraße 24, D-90478 Nürnberg statt.
Die Abstracts und die Präsentationsfolien zu den Workshops finden Sie im Programm weiter unten.
Keynote: Digital Learning Experience Design & Research
Übersicht über die Workshops:
„Computerlinguistische Verfahren“ (Prof. Dr. Stephanie Evert mit Team, FAU Erlangen-Nürnberg: stephanie.evert@fau.de)
Dieser Workshop gibt einen Einblick in die computerlinguistische Verarbeitung und Auswertung von Textdaten mit Hilfe der Programmiersprache Python. Da der Workshop stark praktisch orientiert ist, sollten Teilnehmer:innen einen Laptop mitbringen, auf dem bereits eine Arbeitsumgebung mit Python und Jupyter Lab installiert ist. Im Grundlagenteil des Workshops bietet einen ersten Einstieg in die Computerlinguistik und die Arbeit mit Python. Er gibt einen Überblick über computerlinguistische Standardwerkzeuge zur Aufbereitung von Korpora. Im praktischen Teil lernen Teilnehmer:innen, wie Textdateien mit Hilfe von Python- Bibliotheken computerlinguistisch verarbeitet und quantitativ analysiert werden können (insb. Häufigkeiten und Kollokationen, wie sie oft im Computational Social Science zum Einsatz kommen). Im Vertiefungsteil des Workshops schließt daran an und richtet sich zusätzlich an Teilnehmer:innen, die bereits erste Programmiererfahrungen und Grundkenntnisse der Computerlinguistik haben. Hier werden die einzelnen Aufbereitungsschritte vertieft behandelt, insbesondere die „Bereinigung“ von Textdaten, komplexere linguistische Annotationen, sowie fortgeschrittene Auswertungsmethoden (z.B. Netzwerkanalysen). Im praktischen Teil können Teilnehmer:innen zusätzliche Spezialisierungsmodule, die in Form von Jupyter-Notebooks bereitgestellt werden, individuelle behandeln, z.B. zum Web Scraping, zu Corpus Queries, oder zu neuronalen Embeddings.
„Multilevel-Analysen in R“ (Dr. Sebastian Röhl, Eberhard Karls Universität Tübingen: sebastian.roehl@uni-tuebingen.de)
Datensätze in der empirischen Lehr-Lernforschung haben oft eine hierarchische Struktur, wie z.B. Schülerinnen und Schüler, die in Schulklassen gruppiert sind. Da z.B. durch den gemeinsamen Unterricht gleiche Kontexteffekte vorliegen, muss diese Struktur in statistischen Analysen zumeist durch die Verwendung von so genannten „Mehrebenenmodellen“ bzw. „hierarchischen linearen Modellen“ berücksichtigt werden. Ein weiteres Beispiel sind Datensätze mit zeitlichen Wiederholungsmessungen, die viele Messwerte von denselben Personen beinhalten. Im Workshop wird die Spezifizierung, Berechnung und Interpretation von Mehrebenenmodellen mit dem Paket lme4 in der kostenlosen Statistiksoftware R behandelt. Der Grundlagenteil richtet sich an Personen, die noch keine Erfahrungen mit Mehrebenenmodellen haben. Die nötigsten Grundlagen für die Arbeit mit R werden zu Beginn wiederholt
– Daten einlesen und vorbereiten
– Einfache statistische Analysen
– Regressionsmodelle in R
– Grundlagen Mehrebenenmodelle am Beispiel hierarchisch genesteter Daten (Schüler:innen
in Klassen oder Schulen)
– Varianzverteilung
– Random Intercept und Random Slope Modelle
– Zentrierung von Daten
Der Vertiefungsteil baut auf den Grundlagenteil auf. Ein Einstieg ist für Teilnehmende möglich, die bereits in der Arbeit mit R geübt sind und die Grundlagen von linearen Regressionsmodellen kennen. Es besteht darüber hinaus die Möglichkeit, mit eigenen Datensätzen zu arbeiten (bitte im Vorfeld mit der Kursleitung Kontakt aufnehmen).
– Vertiefung hierarchisch genestete Daten
– Kompositionseffekte und Berechnung von L2-Variablen
– Interaktionseffekte
– Längsschnittliche hierarchische Modelle, Interventionseffekte
– Dreiebenenmodelle
– Komplexe, nicht hierarchisch genestete Datenstrukturen
– Fehlende Werte und Multiple Imputation
Bitte bringen Sie ein eigenes Notebook mit, auf dem die aktuellsten Versionen der Programme R und R Studio installiert sind. Videoanleitung zur Installation:
https://univideo.uni-passau.de/2018/04/r-und-rstudio-installieren/
„Medienethnographie“ (Dr. Jane Müller, FAU Erlangen-Nürnberg: jane.mueller@fau.de)
In dieser Veranstaltung werden die Teilnehmerinnen und Teilnehmer im Grundlagenteil überblicksartig in die Methode der Ethnographie und ihre Weiterentwicklungen durch Soziologie, Erziehungs- und Kommunikationswissenschaft eingeführt. Im Zentrum steht dann die ethnographische Erforschung von Situationen mit Medienbezug. Dabei liegt ein besonderer Fokus auf Digital Ethnography (Pink et al. 2016).
Im Vertiefungsteil der Veranstaltung stehen zunächst die Herausforderungen ethnographischer Forschung im Zentrum. Anschließend werden Erhebung und Auswertung ethnographischer Daten anhand eigener/bereitgestellter Fragestellungen und eigenen/bereitgestellten Datenmaterials besprochen und eingeübt. Dabei stehen die offene Beobachtung und das ethnographische Interview einerseits und die dichte Beschreibung im Vergleich zu anderen Auswertungsverfahren auf der anderen Seite im Zentrum. Die Teilnehmerinnen und Teilnehmer sollten einen eigenen Laptop mitbringen und erhalten Zugang zu MaxQda. Bitte senden Sie mir vorab Ihre Fragen/Wünsche in Bezug auf eigene Arbeiten zu. Wir werden diese im Vertiefungsteil besprechen können.
Literatur
Bender, Cora; Zillinger, Martin (2020): Handbuch der Medienethnographie. Unter Mitarbeit von Martin Zillinger. 1st ed. Berlin: Dietrich Reimer Verlag (Ethnologische Paperbacks). Online verfügbar unter https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=6678601. Bergmann, Jörg (2008): Medienethnographie. In: Kai-Uwe Hugger, Uwe Sander und Friederike von Gross (Hg.): Handbuch Medienpädagogik. Online-Ausg. Wiesbaden: VS Verlag für Sozialwissenschaften (EBL-Schweitzer), S. 328–334.
Geertz, Clifford (2008): Thick Description: Toward an Interpretive Theory of Culture. In: Timothy S. Oakes und Patricia Lynn Price (Hg.): The cultural geography reader. 1. publ. London: Routledge.
Honer, Anne (1993): Lebensweltliche Ethnographie. Ein explorativ-interpretativer Forschungsansatz am Beispiel von Heimwerker-Wissen. Wiesbaden, s.l.: Deutscher Universitätsverlag (Springer eBook Collection Business and Economics).
Knoblauch, Hubert (2001): Fokussierte Ethnographie. In: Sozialer Sinn 2 (1), S. 123–142. DOI: 10.1515/sosi-2001-0105.
Pink, Sarah; Horst, Heather A.; Postill, John; Hjorth, Larissa; Lewis, Tania; Tacchi, Jo (2016): Digital ethnography. Principles and practice. Los Angeles, London, New Delhi, Singapore, Washington DC: SAGE.
Spradley, James P. (2011): The ethnographic interview. Nachdr. Belmont, Calif.: Wadsworth.
„Qualitative Inhaltsanalyse und Mixed Methods“ (Prof. Dr. Michaela Gläser-Zikuda und Dr. Melanie Stephan, FAU Erlangen-Nürnberg: michaela.glaeser-zikuda@fau.de; melanie.stephan@fau.de)
In dieser Veranstaltung werden die Teilnehmerinnen und Teilnehmer im Grundlagenteil überblicksartig in die Qualitative Inhaltsanalyse sowie Mixed Methods eingeführt. Des Weiteren werden qualitative und inhaltsanalytische Gütekriterien vorgestellt und erläutert. Im Vertiefungsteil der Veranstaltung wird ausgewähltes Datenmaterial aus Forschungsprojekten genutzt, um die verschiedenen Analysestrategien und Kodierverfahren der Qualitativen Inhaltsanalyse kennenzulernen und selbst anzuwenden. In Gruppenarbeit werden verschiedene Kodierverfahren – auch softwaregestützt (z.B. QCAmap) – genutzt, um eigenes Datenmaterial sowie solches, das vorab zur Verfügung gestellt wird, zu analysieren. Die Herausforderungen der Anwendung dieser Kodierverfahren werden gesammelt und diskutiert. Des Weiteren prüfen die Teilnehmerinnen und Teilnehmer inhaltsanalytische Gütekriterien. Schließlich sichten und beurteilen die Teilnehmerinnen und Teilnehmer anhand eines Kriterienkatalogs ausgewählte Mixed Methods Studien, die vorab zur Verfügung gestellt werden, hinsichtlich der Schlüssigkeit des Designs und der verwendeten inhaltsanalytischen Verfahren. Die Teilnehmerinnen und Teilnehmer sollten einen eigenen Laptop mitbringen und erhalten Zugang zu QCAmap. Falls sie eigene qualitative Daten haben, können diese im Workshop analysiert werden.
Literatur
Gläser-Zikuda, M., Hagenauer, G., & Stephan, M. (2020). The Potential of Qualitative Content Analysis for Empirical Educational Research. Forum qualitative Sozialforschung, 21(1).
Gläser-Zikuda, M. (2010). Qualitative Auswertungsverfahren. In H. Reinders, H. Ditton, C. Gräsel & B. Gniewosz (Hrsg.), Empirische Bildungsforschung. Strukturen und Methoden (S.109-119). Wiesbaden: VS-Verlag für Sozialwissenschaft.
Hagenauer, G. & Gläser-Zikuda, M. (2019). Mixed Methods. In M. Harring, C. Rohlfs, & M.Gläser-Zikuda (Hrsg.), Handbuch Schulpädagogik (pp. 801-812).
Münster: Waxmann. Mayring, P., & Gläser-Zikuda, M. (Hrsg.) (2008). Die Praxis der Qualitativen Inhaltsanalyse. Weinheim: Beltz.
Stephan M. (2021). Online- und Präsenzlehre aus Sicht von Lehramtsstudierenden. Eine Mixed Methods Studie zu emotionalen und motivationalen Effekten (Dissertation, 2021) URL: https://opus4.kobv.de/opus4-fau/frontdoor/index/index/docId/16551