Big Data in der Psychologie

Ziele und Themenspektrum

Das Aufkommen von Big Data nimmt immer stärker zu. Es betrifft die Geschäftswelt, die Computerwissenschaften, Regierungen, Sozial- und Verhaltenswissenschaften und damit auch die psychologische Forschung.

Vier Merkmale charakterisieren Big Data, nämlich das Datenvolumen, die Datenproduktionsgeschwindigkeit, die Datenvielfalt und die Datenglaubwürdigkeit. Ein großes Volumen an Daten bezieht sich auf die Größe des Datensatzes. Ist dieser zu groß, kann das zu Problemen bei der Speicherung und Analyse führen. Eine hohe Datenproduktionsgeschwindigkeit bedeutet, dass die Daten sehr schnell erzeugt werden und/oder in kurzer Zeit bearbeitet werden müssen (z. B. in Echtzeit). Eine große Datenvielfalt bedeutet, dass verschiedene Arten von strukturierten und unstrukturierten Daten, eine Mischung aus Text, Bildern, Videos und Zahlen zusammenkommen. Ein weiteres Merkmal von Big Data ist die Datenglaubwürdigkeit, welche die Qualität (bzw. Validität) der Daten abbildet. Einige Beispiele von Big Data, die für die Psychologie relevant sein könnten, sind Verhaltensdaten aus sozialen Medien, Gesundheits-/Fitnesstrackern, Positionsdaten wie z. B. Reiserouten, sowie genetische Daten.

Das Gesamtziel dieses Forschungsbereichs ist es, sich mit Methoden und Anwendungen zu beschäftigen, die Big Data in der Psychologie nutzen. Vor dem Hintergrund der szientometrischen Forschungstradition am ZPID liegt der aktuelle Schwerpunkt auf Metascience mit Big-Data-Methoden. Unter anderem werden folgende Forschungsthemen behandelt:

• Identifikation von Forschungsthemen und –trends in großen Textkorpora
• Untersuchung der wissenschaftlichen Kommunikation von Psychologieforschenden auf Twitter und Mastodon
• Bibliometrische Studien mit Text Mining und Netzwerkanalysen
• Methodische und statistische Fragen bezüglich der Sammlung, Handhabung, Verarbeitung und Analyse von Big Data in der Psychologie
• Nutzung von Machine Learning zur Automatisierung von systematischen Übersichtsarbeiten
• Implikationen für wissenschaftsunterstützende Infrastrukturangebote in der Psychologie (siehe PsychTopics)

Zentrale Publikationen

• Bittermann, A., McNamara, D., Simonsmeier, B. A., & Schneider, M. (2023). The Landscape of Research on Prior Knowledge and Learning: A Bibliometric Analysis. Educational Psychology Review, 35, 58.  https://doi.org/10.1007/s10648-023-09775-9

• Bittermann, A. & Rieger, J. (2022). Finding Scientific Topics in Continuously Growing Text Corpora. In A. Cohan et al. (Eds.), Proceedings of the Third Workshop on Scholarly Document Processing (pp. 7–18), Gyeongju, Republic of Korea. Association for Computational Linguistics.  https://aclanthology.org/2022.sdp-1.2/

• Bittermann, A., Batzdorfer, V., Müller, S. M., & Steinmetz, H. (2021). Mining Twitter to detect hotspots in psychology. Zeitschrift für Psychologie, 229(1), 3–14.  https://doi.org/10.1027/2151-2604/a000437

• Batzdorfer, V., Steinmetz, H., Biella, M., & Alizadeh, M. (2021). Conspiracy theories on Twitter: Emerging motifs and temporal dynamics during the COVID-19 pandemic. Journal of Data Science and Analytics.  https://doi.org/10.1007/s41060-021-00298-6

• Bittermann, A. & Fischer, A. (2018). How to identify hot topics in psychology using topic modeling. Zeitschrift für Psychologie, 226, 3–13.  https://doi.org/10.1027/2151-2604/a000318

Veranstaltungen

4th Symposium on Big Data and Research Syntheses in Psychology (with a special focus on Machine Learning & Open Science), 8. bis 10. Mai 2023:
Videos und Präsentationen

Research Synthesis and Big Data in Psychology, 17. bis 21. Mai 2021, online:
Videos und Präsentationen

Research Synthesis incl. Pre-Conference Symposium: Big Data in Psychology, 27. bis 31. Mai 2019, Dubrovnik, Kroatien:
Videos und Präsentationen

Big Data in Psychology, 7. bis 9. Juni 2018, Trier:
Videos und Präsentationen