Aktuelle Kurse (Direktstudium)

Das Seminar vergleicht qualitative und quantitative methodologische Paradigmen und ergründet vor diesem Hintergrund den methodischen Stellenwert von Big Data in den Sozialwissenschaften. Dazu erfolgt im ersten Teil eine Einführung in die methodischen Grundlagen qualitativer und quantitativer Forschungsansätze sowie in sozialwissenschaftliche Big-Data-Ansätze. Im zweiten Teil wenden wir uns ausgewählten beispielhaften Single- sowie Mixed-Methods Studien zu und rekonstruieren die zugrunde liegenden Forschungsdesigns. Der dritte Teil beschäftigt sich intensiver mit der methodologischen Selbstreflexion der einzelnen Ansätze.  Im Zuge dessen werden komparativ die Ziele und Erkenntnisinteressen der jeweiligen Methoden herausgearbeitet und erörtert inwiefern Komplementaritäten für Methodentriangulation in Mixed-Methods Designs fruchtbar gemacht werden können. Im Zentrum steht die Frage, inwiefern Big-Data-Ansätze vor dem Hintergrund der quantitativen und qualitativen Forschungsparadigmen verortet werden können oder ob sich mit Big Data ein weiteres methodologisches Paradigma herausbildet. Abschließend wird die vergleichende methodologische Reflexion gemeinsam vertieft und überblickshaft zusammengeführt.

Ziel der Übung ist es, dass Sie sicher im Umgang mit wissenschaftlichen Arbeiten am IBI werden.
Neben der Vermittlung formaler Anforderungen an wissenschaftliche Beiträge im Studium und im Forschungsfeld, werden auch die einzelnen Schritte des kreativen Prozesses der Forschungsthemenfindung beleuchtet, die verschiedenen Startegien der Themenannäherung besprochen und die Grundlagen gelegt, einen eigenen selbstständigen wissenschaftlichen Arbeitsstil zu entwickeln. Darüber hinaus werden Recherche- und Qualitätsbewertungsstrategien besprochen und die Präsentation eigener Ergebnisse vermittelt.

The module provides an overview of methods for knowledge discovery from structured data and texts. The focus is on machine learning methods, the application of which is demonstrated using concrete examples. In particular, the following topics are covered:

• Basic concepts and processes of knowledge discovery in databases
• Principles and methods of data preprocessing
• Clustering methods (partitioning and hierarchical as well as graph clustering)
• Mining of association rules (also with constraints and hierarchies)
• Classification methods
• Neural networks and deep learning

In the exercise accompanying the lecture, selected methods and procedures are are examined theoretically and tested in practice.

Das Schlagwort Künstliche Intelligenz ist medial sehr präsent. Doch wie steht es eigentlich um KI in der Humboldt Universität zu Berlin? Mit den Schwerpunkten Ethik und gesellschaftliche Implikationen von KI geben diverse Fachbereiche der HU Berlin Einblicke in Ihre KI-Anwendung, KI-Forschung, und beleuchten ethische Herausforderungen die mit KI verbunden sind.

Anhand von Fallstudien können Studierende in einem zweiten praktischen Teil, der sich ab Mitte bis Ende des Sommersemesters an den  reinen Vorlesungsteil anschließt, zusätzlich zum Besuch der Vorlesungen weitere Leistungspunkte erwerben. Die Fallstudien werfen komplexe Fragen zur Ethik im Zusammenhang mit KI, Datenverarbeitung und Digitalisierung auf, die die Studierenden in Gruppenarbeit aufbereiten und in Form einer selbst-geleiteten Diskussion vortragen.

Die Ringvorlesung ist für Studierende aller Fächer offen, für die Veranstaltung können 5 LP erworben werden (2 für Besuch der Vorlesung,  3 weitere für praktischen Anteil)