Zur Neuorientierung der soziologischen Methodenausbildung

Weiterführende Überlegungen

Autor/innen

  • Heinz Leitgöb
  • Knut Petzold
  • Tobias Wolbring
  • Annelies G. Blom

Schlagworte:

Reform der Methodenausbildung, Methodenausbildung, Methoden, Lehrinhalte

Abstract

In Heft 1/2023 der Soziologie spricht sich Andreas Diekmann für eine grund­le­gende Reform der soziologischen Methodenausbildung aus. Wir greifen die an­ge­sto­ßene Debatte auf und ergänzen die von Andreas Diekmann adressierten The­men­bereiche zur Erweiterung der Lehrinhalte insbesondere um Kompetenzen der Ge­winnung und Anwendung »neuer Daten« sowie der algorithmischen Daten­ana­lyse. Neben den Lehrinhalten stellen wir Überlegungen zur Adaption der all­ge­mei­nen Lehrprinzipien an und formulieren erste Denkanstöße zur praktischen Um­set­zung einer solchen Neuorientierung der Methodenlehre.

 

In Soziologie 1/2023 Andreas Diekmann argues in favour of a reform of the socio­lo­gical methods curricula at universities. Our article constitutes an extension of the deba­te initiated by him. We advocate for teaching new competencies in the collec­tion of and information retrieval from »new data« as well as in algorithmic data ana­lysis. In addition, we propose an adaptation of general teaching principles and for­mu­late initial ideas for the practical implementation of such a reform.

Literaturhinweise

Amaya, Ashley / Biemer, Paul P. / Kinyon, David 2020: Total error in a big data world: Adapting the TSE framework to big data. Journal of Survey Statistics & Methodology, vol. 8, no. 1, 89–119. doi: 10.1093/jssam/smz056.

Breiman, Leo 2001: Statistical modeling: The two cultures. Statistical Science, vol. 16, no. 3, 199–231. doi: 10.1214/ss/1009213726.

Cornesse, Corinna et al. 2020: A review of conceptual approaches and empirical evidence on probability and nonprobability sample survey research. Journal of Survey Statistics & Methodology, vol. 8, no. 1, 4–36. doi: 10.1093/jssam/smz041.

Diekmann, Andreas 2023: Neuorientierung der Methoden-Ausbildung. SOZIO-LOGIE, 52. Jg., Heft 1, 68–71.

Edelmann, Achim / Wolff, Tom / Montagne, Danielle / Bail, Christopher C. 2020: Computational social science and sociology. Annual Review of Sociology, vol. 46, 61–81. doi: 10.1146/annurev-soc-121919-054621.

Foster, Ian / Ghani, Rayid / Jarmin, Ron S. / Kreuter, Frauke / Lane, Julia (eds.) 2021: Big data and social science. Data science methods and tools for research and practice. Boca Raton: CRC Press.

Friedrich, Sarah et al. 2022: Is there a role for statistics in artificial intelligence? Advances in Data Analysis & Classification, vol. 16, no. 4, 823–846. doi: 10.1007/s11634-021-00455-6.

Golder, Scott A. / Macy, Michael W. 2014: Digital footprints: Opportunities and challenges for online social research. Annual Review of Sociology, vol. 40, 129–152. doi: 10.1146/annurev-soc-071913-043145.

Johnson, Timothy P. / Smith, Tom W. 2017: Big data and survey research: Supplement or substitute? In Piyushimita Thakuriah / Nebiyou Tilahun / Moira Zellner (eds.), Seeing cities through big data. Cham: Springer, 113–125.

Kressin, Lisa 2022: Disziplinierung durch Methode: Zur Bedeutung der Methodenlehre für das Fach Soziologie. Bielefeld: transcript.

Lazer, David M. J. et al. 2020: Computational social science: Obstacles and op-portunities. Science, vol. 369, no. 6507, 1060–1062. doi: 10.1126/science.aaz8170.

Leitgöb, Heinz / Prandner, Dimitri / Wolbring, Tobias 2023: Big data and machine learning in sociology. Frontiers in Sociology, vol. 8. doi: 10.3389/fsoc.2023. 1173155.

Leitgöb, Heinz / Wolbring, Tobias 2021: Die Methoden der empirischen Sozial-forschung im digitalen Zeitalter. Entwicklungen, Möglichkeiten und Heraus-forderungen. In Tobias Wolbring / Heinz Leitgöb / Frank Faulbaum (Hg.), Sozialwissenschaftliche Datenerhebung im digitalen Zeitalter. Wiesbaden: Springer VS, 7–43

Otte, Gunnar / Sawert, Tim / Brüderl, Josef / Kley, Stefanie / Kroneberg, Cle-mens / Rohlfing, Ingo 2023: Gütekriterien in der Soziologie. Eine analytisch-empirische Perspektive. Zeitschrift für Soziologie, 52. Jg., Heft 1, 26–49. doi: 10.1515/zfsoz -2023-2006.

Salganik, Matthew J. 2018: Bit by bit: Social research in the digital age. Princeton: Princeton University Press.

Schnell, Rainer 2019: »Big Data« aus sozialwissenschaftlicher Sicht: Warum es kaum sozialwissenschaftliche Studien ohne Erhebungen gibt. In Daniel Baron / Oliver Arránz Becker / Daniel Lois (Hg.), Erklärende Soziologie und soziale Praxis. Wiesbaden: Springer VS, 101–125.

Sen, Indira / Flöck, Fabian / Weller, Karin / Weiß, Bernd / Wagner, Claudia 2021: A total error framework for digital traces of human behavior on online platforms. Public Opinion Quarterly, vol. 85, no. S1, 399–422. doi: 10.1093/poq/ nfab018.

Watts, Duncan J. 2014: Common sense and sociological explanations. American Journal of Sociology, vol. 120, no. 2, 313–351. doi: 10.1086/678271.

Wolbring, Tobias 2020: The digital revolution in the social sciences: Five theses about big data and other recent methodological innovations from an analytical sociologist. In Sabine Maasen / Jan-Hendrik Passoth (eds.), Sociology of the digital – Digital sociology, Soziale Welt Sonderband 23. Baden-Baden: Nomos, 60–72.

Downloads

Veröffentlicht

2024-07-01

Ausgabe

Rubrik

Forschen, Lehren, Lernen