Sozialwissenschaftliche Datenerhebung im digitalen Zeitalter (eBook)

Inhalt 6
Vorwort 8
Grundlagen 10
1 Die Methoden der sozialwissenschaftlichen Datenerhebung im digitalen Zeitalter. Entwicklungen, Möglichkeiten, Herausforderungen 11
1 Einleitung 11
2 Digitalisierung der Befragungsformen und Web Surveys 13
3 Vom Desktop-PC zu Smartphones und Wearables 15
4 Soziale Medien und Netzwerke 18
5 Integration und Fusion unterschiedlicher Datenquellen 21
6 Messverfahren 22
7 Computational Social Science als interdisziplinärer Forschungsbereich 24
8 Fazit und Ausblick 26
Literatur 30
2Mobile Datenerhebung in einem PanelDie IAB-SMART Studie 48
1 Einleitung 48
2 Implementierung 49
3 Coverage 55
4 Nichtteilnahme 59
5 Zusammenfassung und Ausblick 66
Literatur 69
3Inklusion von Menschen ohne Internet in zufallsbasierte Onlinepanel-Umfragen 73
1 Einleitung 73
2 Menschen ohne Internet in der Bevölkerung 75
3 Inklusionsstrategien zufallsbasierter Onlinepanels 77
4 Erkenntnisse zur Inklusion von Menschen ohne Internet in Onlinepanels 81
4.1 Rekrutierungswahrscheinlichkeit 82
4.2 Stichprobenqualität 83
5 Fallbeispiele: Das GIP und GESIS Panel 85
6 Schlussfolgerungen und Ausblick 93
Literatur 96
Messung 101
4 Completing Web Surveys on Mobile Devices. Does Screen Size Affect Data Quality? 102
1 Introduction 102
2 Background and Hypotheses 104
3 Data and Methods 107
3.1 The German Internet Panel 107
3.2 Screen size 108
3.3 Outcome measures 109
3.4 Analytical strategy 110
4 Results 111
4.1 Survey breakoff 111
4.2 Survey interruption 113
4.3 Length of open-ended responses 114
4.4 Survey experience 115
4.5 Completion time 115
5 Discussion 116
References 117
5 Harmonizing Data in the Social Sciences with Equating 123
Introduction 123
Part 1: Harmonizing survey instruments with equating 124
The goal of instrument harmonization 125
Linking and Equating 126
Observed score equating 127
Observed score equating in social science practice 130
Part 2: Use Cases for equating in the context of new technologies and new data forms 132
Harmonizing mixed-mode and mixed-device surveys 132
Harmonizing measures derived from new technologies and data sources 134
Researcher degrees of freedom through equating 136
Conclusion 137
References 137
6 Measuring Migrants’ Homeland Education. A validation study of competing measures 141
1Introduction 141
2Data and methods 145
3Education measures and derived variables 147
3.1 The different measurement instruments in the SOEP migration surveys 147
3.2 Education measures and dependent variable used in the validation 148
4Results 152
4.1Convergent validity 152
4.2Construct validation 157
5Discussion and Outlook 162
References 165
Anwendungsbeispiele 170
7 Subjektiv geschätzter und tatsächlicher Ausländeranteil in der Nachbarschaft. Analysen mit dem georeferenzierten ALLBUS 2016 und dem Zensus 2011 171
1 Einführung 171
2 Hintergrund 173
2.1 Messung von Nachbarschaftsmerkmalen 173
2.2 Bedeutung des Ausländeranteils als erklärende Variable 175
2.3 Annahmen zur Exploration 176
3 Methode 176
3.1 Daten und Variablen 176
3.1.1 Subjektive Einschätzung des Ausländeranteils in der Wohnumgebung 177
3.1.2 Objektive Ausländeranteile in der Wohnumgebung 177
3.2.3 Weitere Variablen 178
3.2 Analytische Vorgehensweise 179
4 Ergebnisse 180
4.1 Differenz zwischen subjektiv geschätztem und tatsächlichem Ausländeranteil 181
4.2 Globale Korrespondenz zwischen subjektiv geschätztem und tatsächlichem Ausländeranteil 183
4.3 Test der Korrespondenz anhand der Drittvariablen persönlicher Kontakt in der Nachbarschaft 186
5 Diskussion 188
6 Fazit 190
Literatur 191
8Die Online-Repräsentation (sozial-) räumlicher Ungleichheit am Beispiel von Airbnb in zehn deutschen Städten 196
1 Einleitung 196
2 Theorie und Hypothesen 198
3 Daten und Methoden 202
4 Auswertungen 204
5 Diskussion und Fazit 211
Literatur 213
9 Schulwege und ihre Bedeutung für Schulleistungen. Potenziale georeferenzierter Daten für die empirische Bildungsforschung am Beispiel des Nationalen Bildungspanels 217
Abstract 217
1 Einführung 218
2 Forschungsstand 220
3 Theoretischer Rahmen 223
4 Daten und Methode 225
5 Erste Ergebnisse 231
6 Der Schulweg als Einflussfaktor auf Schulleistungen? 239
6 Schlussfolgerung – Das Potenzial georeferenzierter Daten für die empirische Bildungsforschung 240
Literatur 242
10Give a Little, Take a Little? A Factorial Survey Experiment on Students’ Willingness to Use an AI-based Advisory System and to Share Data 248
Abstract 248
1 Introduction 249
2 Students’ Willingness to Use and to Share Data 251
2.1 Perceived Benefits of an AI-based AS 252
2.2 Perceived Costs of Collecting Data 254
2.3 Trust and Privacy Concerns 256
3 Data and Methods 258
4 Results 263
4.1 Perceived Benefits of an AI-based AS 264
4.2 Perceived Costs of Data Collection 266
4.3 Privacy Concerns about Sharing Data 266
5 Conclusions 270
References 271
Acknowledgements 276
Autorenverzeichnis 277