From Prediction to Agile Interventions in the Social Sciences
FAIR Learning Analytics Workshop am IFS
IFS im FAIR Graduierten Programm für statistische Methoden beteiligt
UA Ruhr gefördertes Civic Education Research Lab startet im Oktober
DoDaS Guest: Arne Bathke
FAIR Workshop, September 25-27, 2024
DoDaS & FAIR Guest: Chris Schwiegelshohn
Erfolgreicher Workshop zu "Digital Trace Data in Social Science Research"
FAIR Graduate Program
Sondervortrag zu Nichtparametrischen Verfahren, 24. April 2024
FAIR Workshop, June 26-28, 2024
DoDaS & FAIR Guest: Jeff M. Phillips
Mentoringpreis für Prof. Dr. Sarah Weigelt
Selbstreguliertes Lernen zur Verbesserung der Lehre in der Informatik
Kooperationsprojekt Klett „Meister Cody Kids“
FAIR Workshop zum Thema "Using Resampling and Simulation to Tackle Heterogeneity in Social Science Research"
FAIR Workshop, October 11-12, 2023
FAIR Workshop, September 22 and 25, 2023
Juniorprofessur für Luise von Keyserlingk
FAIR Graduate Program
FAIR Workshop, November 22-23, 2022
Agiles Arbeiten
Willkommen!
Der interdisziplinäre Forschungsbereich From Prediction to Agile Interventions in the Social Sciences (FAIR) bringt Forscher*innen aus den Datenwissenschaften, der Statistik, den Erziehungswissenschaften, der Psychologie, den Rehabilitationswissenschaften und der Soziologie zusammen. FAIR-Forscher*innen aus diesen verschiedenen Disziplinen konzentrieren sich auf die Entwicklung und Anwendung innovativer Forschungsmethoden aus den Datenwissenschaften und verwenden sie zur Adressierung gesellschaftlicher Herausforderungen in hochrelevanten Bereichen wie Bildung, Gesundheit sowie gesellschaftlicher Inklusion und Teilhabe. In den Sozialwissenschaften stehen zunehmend größere und komplexere Daten zur Verfügung, die zu präziseren Vorhersagemodellen (z. B. für Ergebnisse wie akademischer Erfolg, Gesundheit und Wohlbefinden) beitragen und unser Verständnis von Ursache-Wirkungs-Beziehungen verbessern können. Ein wichtiges Ziel von FAIR ist die Entwicklung eines Rahmens für "flexible Interventionsforschung", der individuelle, datengestützte und bedarfsgerechte Anpassungen von Interventionen in authentischen Kontexten ermöglicht. Die FAIR-Forscher*innen werden "big" (große Datensätze) und "small" (kleine Fallzahlen) Data nutzen, um Prognosemodelle in den Sozialwissenschaften zu optimieren und die Wirkung verfügbarer Interventionen in diesen Bereichen zu maximieren, indem sie individualisierte Anpassungen ermöglichen.
Bitte bestätigen Sie die Aktivierung dieses Videos.
Nach der Aktivierung werden Cookies gesetzt und Daten an YouTube (Google) übermittelt.
Zur Datenschutzerklärung von Google
Gefördert durch das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen.