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 Wissenschaftsforschung und Meta-Psychologie mit Big-Data-Methoden. Unter anderem werden folgende Forschungsthemen behandelt:
Dr. André Bittermann
Kommissarischer Leiter Big Data
+49 (0)651 201-4682abi(at)leibniz-psychology.org
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
Richter, J., Bittermann, A., Christiansen, H., Krämer, L. V., Kuhberg-Lasson, V., & Schneider, S. (2021). Der Forschungsbeitrag der deutschsprachigen Klinischen Psychologie zu Themen der psychischen Störungen und Psychotherapie. Zeitschrift für Klinische Psychologie und Psychotherapie, 49(2), 113–127. https://doi.org/10.1026/1616-3443/a000582
Bittermann, A. (2019). Development of a user-friendly app for exploring and analyzing research topics in psychology. In G. Catalano, C. Daraio, M. Gregori, H. F. Moed & G. Ruocco (Hrsg.),Proceedings of the 17th Conference of the International Society for Scientometrics and Informetrics (2634–2635). Rom: Edizioni Efesto. https://dx.doi.org/10.23668/psycharchives.2521
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
Aktuell:
Abgeschlossen:
https://doi.org/10.1027/2151-2604/a000491