Politik, Verwaltung und Data Science - Einzelansicht

Das Seminar befasst sich mit der zunehmenden Anwendung von Methoden und Erklärungsperspektiven der Data Science in der politik- und verwaltungswissenschaftlichen Forschung und Praxis.

Der erste Teil des Seminars widmet sich den Instrumenten, Algorithmen und Systemen zur Extraktion von Mustern und Schlussfolgerungen aus strukturierten und unstrukturierten Daten in Politik und Verwaltung. Hierfür werden einführende Kenntnisse in die Datenanalyse mit R vermittelt, um die Grundlagen von Data Science und dessen Anwendung in Politik und Verwaltung besser verstehen und nachvollziehen zu können. Diese Vermittlung zentraler Kenntnisse der Data Science geschieht immer in enger empirischer Anwendung von Fallbeispielen aus der Politik- und Verwaltungswissenschaft (etwa: Vorhersagemodelle für Wahlverhalten, automatisierte Textanalyse von Regierungsberichten, Netzwerkanalyse von Twitter-Accounts parlamentarischer Akteure etc.). Sämtliche Aufgaben der eigenständigen Datenanalyse sind zum einen anfängerorientiert und können zum anderen in Kleingruppen ausgeführt werden (siehe unten).

Jede Doppelsitzung folgt dabei derselben Struktur: (1) Vermittlung der zentralen Grundlagen von Data Science (in Anwendung auf politik- und verwaltungswissenschaftliche Inhalte) und (2) Lab-Zeit zur eigenständigen Anwendung dieser Grundlagen (unter Hilfestellung der Dozentin und studentischer TutorInnen).

Der zweite Teil des Seminars beschäftigt sich mit weiteren aktuellen Themen zur datengestützten Politikformulierung und -implementation, insbesondere der Erstellung und Güte von Algorithmen (algorithmic bias etc.), zur Transparenz und Offenheit politischer und bürokratischer Daten (open data), und zur Relevanz automatisierter Beiträge in politischen Diskursen auf Social Media Plattformen (bots).

Bitte beachten: Im Rahmen des Seminars werden eigene Datenanalysen durchgeführt, um die Instrumente, Möglichkeiten und Grenzen von Data Science für politische und administrative Entscheidungsprozesse besser nachvollziehen zu können. Hierzu sind Kenntnisse der Programmiersprache R vorteilhaft, aber nicht zwingend. Studierende sollten aber ein Grundverständnis und Interesse an statistischer Software mitbringen.

Wichtig: Die ersten beiden Seminarsitzungen (29.04.2019) werden vollumfänglich durchgeführt, es wird erwartet, dass die Studierenden die Referenzen zu diesen Sitzungen gelesen und verarbeitet haben (siehe Moodle-Kurs). Ebenso sollten die Hinweise zur Kleingruppenarbeit wahrgenommen werden und ggfs. die notwendige Software auf die eigenen Laptops heruntergeladen werden (ebenfalls im Moodle-Kurs).

Bitte bringen Sie zu jeder Seminarsitzung einen Laptop mit (oder stellen sicher, dass mindestens ein Mitglied ihrer Kleingruppe einen Laptop mitbringt).

Das Seminar operiert mit Kleingruppen von 3-4 Studierenden, die Einteilung wird in der ersten Seminarsitzung vorgenommen.

Anforderungen für den Erhalt einer Prüfungsleistung (für einen Teilnahmeschein sind die mit * gekennzeichneten Elemente zu erbringen)

• aktive und regelmäßige Teilnahme (inkl. mind. 5 Forumsbeiträge) *
• Lösung eines zuvor gestellten Problemsets (insg. 3 Problemsets) *
• Kommentars (Op-Ed) zur eigenen datengestützten Analyse (1.500 Wörter ohne Literaturverzeichnis)
• Entwurf des Berichts zur eigenen datengestützten Analyse (~1.500 Wörter ohne Literaturverzeichnis)
• Kurzkommentar zu einem Berichtsentwurf (randomisierte Zuordnung, 500 Wörter) *
• Finaler Bericht zur eigenen datengestützten Analyse (2.500 Wörter ohne Literaturverzeichnis)

Hinweis: Der Kommentar (Op-Ed) darf sehr gern der Nukleus für den finalen Bericht sein (= es darf dieselbe datengestützte Analyse zugrunde gelegt werden). Der Entwurf zum Bericht darf in der Kleingruppe gemeinsam erstellt werden. Der finale Bericht sollte individuell erstellt sein und ggfs. eigene Akzente setzen.