GESIS Archive
Not a member yet
7693 research outputs found
Sort by
GLES Panel 2024, Wave 28
No full textThe questionnaire of Wave 28 covers questions on general political and societal attitudes, positions on political and social issues, evaluations of political candidates, parties, and institutions, as well as voting behavior, political knowledge, media usage and personal values of the respondents.The German Longitudinal Election Study (GLES) is the central infrastructure project in Germany for the continuous collection and provision of high-quality data for national and international election research. The methodologically diverse surveys of the GLES enable the research of political attitudes and behavior of voters and candidates. Since its foundation, the GLES has been conducted in close cooperation between the German Society for Electoral Research (DGfW) and GESIS – Leibniz Institute for the Social Sciences.
Sample A of the GLES Panel consists of quota-based selections of eligible German voters from several non-probability online panels, divided into five subsamples. Participants in the 2017 election campaign surveys were drawn from the main sample A1 (2016), the recontact sample A2 (2013), and the refreshment sample A3 (2017) of the GLES Short-term Campaign Panel 2017. Sample A was further supplemented by refreshment samples A4 for the 2021 election campaign (2020) and A5 for the 2025 election campaign (2024). For the early federal election in 2025, active participants were surveyed up to five times throughout the election campaign and after the federal election. The GLES Panel surveys continue to enable diverse and in-depth analyses of the impact of political events and election campaigns on changes in political attitudes and decision-making processes.Die Panelwelle 28 umfasst Fragen zu allgemeinen politischen und gesellschaftlichen Einstellungen, Positionen zu politischen und gesellschaftlichen Themen, Bewertungen politischer Kandidatinnen und Kandidaten, Parteien und Institutionen sowie zum Wahlverhalten, politischen Wissen, Mediennutzungsverhalten und persönlichen Werten der befragten Personen.Die German Longitudinal Election Study (GLES) ist das zentrale Infrastrukturprojekt in Deutschland für die kontinuierliche Erhebung und Bereitstellung von qualitativ hochwertigen Daten für die nationale und internationale Wahlforschung. Die methodisch vielfältigen Umfragen der GLES ermöglichen die Untersuchung der politischen Einstellungen und Verhaltensweisen der Wählerinnen und Wähler sowie der Kandidatinnen und Kandidaten. Die GLES wird seit Bestehen in enger Kooperation zwischen der Deutschen Gesellschaft für Wahlforschung (DGfW) und GESIS – Leibniz-Institut für Sozialwissenschaften durchgeführt.
Stichprobe A des GLES-Panels besteht aus quotenbasierten Auswahlverfahren wahlberechtigter deutscher Bürgerinnen und Bürger aus mehreren nicht-probabilistischen Online-Panels und ist in fünf Teilstichproben unterteilt. Die Stichproben A1-A3 „2017 Election Campaign“ setzt sich aus den Befragten des Wahlkampf-Panels 2017 zusammen. Stichprobe A wurde anschließend durch die Auffrischungsstichprobe A4 für den Bundestagswahlkampf 2021 (2020) sowie A5 für den Bundestagswahlkampf 2025 (2024) ergänzt. Für die vorgezogene Bundestagswahl 2025 wurden aktive Teilnehmende bis zu fünfmal während des Wahlkampfs und nach der Wahl befragt. Die Befragungen im Rahmen des GLES-Panels ermöglichen weiterhin vielfältige und vertiefte Analysen zu den Auswirkungen politischer Ereignisse und Wahlkämpfe auf Veränderungen politischer Einstellungen und Entscheidungsprozesse
ARD/ZDF Medienstudie
No full textMit der ARD/ZDF Medienstudie werden ab 2024 Referenzdaten zur Mediennutzung im Intermediavergleich erhoben. Die Studie ist eine Synergie der Studien ARD/ZDF-Massenkommunikation Langzeitstudie (seit 1964), ARD/ZDF-Massenkommunikation Trends (seit 2017) und der ARD/ZDF-Onlinestudie (seit 1997) und wird jährlich aktualisiert. Der vorliegender Datensatz umfasst zunächst die Daten für 2024.
Die lineare Mediennutzung geht weiter zurück, non-lineare Nutzung stagniert. Knapp sechseinhalb Stunden nutzt die deutsche Bevölkerung ab 14 Jahren täglich Medien. Im Vergleich zum Vorjahr sinkt die Mediennutzung um 28 Minuten.Mit der ARD/ZDF Medienstudie werden ab 2024 Referenzdaten zur Mediennutzung im Intermediavergleich erhoben. Die Studie ist eine Synergie der Studien ARD/ZDF-Massenkommunikation Langzeitstudie (seit 1964), ARD/ZDF-Massenkommunikation Trends (seit 2017) und der ARD/ZDF-Onlinestudie (seit 1997) und wird jährlich aktualisiert. Der vorliegender Datensatz umfasst zunächst die Daten für 2024.
Die lineare Mediennutzung geht weiter zurück, non-lineare Nutzung stagniert. Knapp sechseinhalb Stunden nutzt die deutsche Bevölkerung ab 14 Jahren täglich Medien. Im Vergleich zum Vorjahr sinkt die Mediennutzung um 28 Minuten
News on TikTok: An Annotated Dataset of TikTok Videos from German-Speaking News Outlets in 2023
No full textTikTok is developing into a key platform for news, advertising, politics, online shopping, and entertainment in Germany, with over 20 million monthly users. Especially among young people, TikTok plays an increasing role in their information environment. We provide a human-coded dataset of over 4,000 TikTok videos from German-speaking news outlets from 2023. The coding includes descriptive variables of the videos (e.g., visual style, text overlays, and audio presence) and theory-derived concepts from the journalism sciences (e.g., news values).
This dataset consists of every second video published in 2023 by major news outlets active on TikTok from Germany, Austria, and Switzerland. The data collection was facilitated with the official TikTok API in January 2024. The manual coding took place between September 2024 and December 2024. For a detailed description of the data collection, validation, annotation and descriptive analysis, please refer to [Forthcoming dataset paper publication].TikTok is developing into a key platform for news, advertising, politics, online shopping, and entertainment in Germany, with over 20 million monthly users. Especially among young people, TikTok plays an increasing role in their information environment. We provide a human-coded dataset of over 4,000 TikTok videos from German-speaking news outlets from 2023. The coding includes descriptive variables of the videos (e.g., visual style, text overlays, and audio presence) and theory-derived concepts from the journalism sciences (e.g., news values).
This dataset consists of every second video published in 2023 by major news outlets active on TikTok from Germany, Austria, and Switzerland. The data collection was facilitated with the official TikTok API in January 2024. The manual coding took place between September 2024 and December 2024. For a detailed description of the data collection, validation, annotation and descriptive analysis, please refer to [Forthcoming dataset paper publication]
Monitor Digitalisierung 360\ub0 - WiSe 2023/24
No full textDie Frage nach dem Stand und der Praxis des digitalen Lernens an deutschen Hochschulen stellt sich immer wieder neu. Das Hochschulforum Digitalisierung hat daher ein regelmäßiges Monitoring ins Leben gerufen: Den Monitor Digitalisierung 360°, dessen erste Erhebung im Jahr 2022 durchgeführt wurde (Hochschulforum Digitalisierung 2022). Im Mittelpunkt dieser zweiten Erhebung des „Monitor Digitalisierung 360°“ steht die Frage nach dem Status quo des digitalen Lehrens und Lernens an Hochschulen sowie das Aufzeigen von Trends und Entwicklungen in der Digitalisierung der deutschen Hochschullandschaft. Mit Hilfe des Monitors Digitalisierung 360° wird eine empirische Datenbasis erarbeitet, die es als erste Längsschnittstudie in diesem Feld ermöglicht, laufende Entwicklungen und Trends sowie neue, sich verändernde Problemlagen aufzuzeigen.
Um Rückverfolgbarkeit zu vermeiden und die Anonymität der Befragten zu schützen, werden hier nur die numerischen Daten der Erhebung veröffentlicht und keine Antworten auf offene Fragen.Die Frage nach dem Stand und der Praxis des digitalen Lernens an deutschen Hochschulen stellt sich immer wieder neu. Das Hochschulforum Digitalisierung hat daher ein regelmäßiges Monitoring ins Leben gerufen: Den Monitor Digitalisierung 360°, dessen erste Erhebung im Jahr 2022 durchgeführt wurde (Hochschulforum Digitalisierung 2022). Im Mittelpunkt dieser zweiten Erhebung des „Monitor Digitalisierung 360°“ steht die Frage nach dem Status quo des digitalen Lehrens und Lernens an Hochschulen sowie das Aufzeigen von Trends und Entwicklungen in der Digitalisierung der deutschen Hochschullandschaft. Mit Hilfe des Monitors Digitalisierung 360° wird eine empirische Datenbasis erarbeitet, die es als erste Längsschnittstudie in diesem Feld ermöglicht, laufende Entwicklungen und Trends sowie neue, sich verändernde Problemlagen aufzuzeigen.
Um Rückverfolgbarkeit zu vermeiden und die Anonymität der Befragten zu schützen, werden hier nur die numerischen Daten der Erhebung veröffentlicht und keine Antworten auf offene Fragen
JOLanDA Jugendbefragung 2022
No full textDie Daten wurden im Rahmen des durch das BMBF geförderten transdisziplinären Forschungsprojektes JOLanDA erhoben. Ziel der Studie war die Modellierung des Zusammenhanges der beiden Lebenslaufentscheidungen Berufswahl und Wohnortentscheidung im Rahmen einer Strukturgleichungsanalyse. Die standardisierte Schulklassenbefragung in den Jahrgangsstufen acht, neun und zehn umfasste die Themenkomplexe allgemeine Fragen zu Wohnort und Region, Einstellungen zur Region, Regionale Bindung und Raumpräferenz, Wohnortentscheidung, Berufswahlkompetenz, Berufswahlentscheidung, Soziale Unterstützung, Auswirkungen der Corona-Pandemie sowie einen soziodemographischen Block.
Ein besonderer Fokus der Studie lag auf dem Vergleich unterschiedlicher Raumtypen. Hierzu wurden Jugendliche kontrastierend in einer ländlich-peripheren Flächenregion in Niedersachsen sowie in der Landeshauptstadt befragt. Die Stichprobe umfasst insgesamt 803 Datensätze.Die Daten wurden im Rahmen des durch das BMBF geförderten transdisziplinären Forschungsprojektes JOLanDA erhoben. Ziel der Studie war die Modellierung des Zusammenhanges der beiden Lebenslaufentscheidungen Berufswahl und Wohnortentscheidung im Rahmen einer Strukturgleichungsanalyse. Die standardisierte Schulklassenbefragung in den Jahrgangsstufen acht, neun und zehn umfasste die Themenkomplexe allgemeine Fragen zu Wohnort und Region, Einstellungen zur Region, Regionale Bindung und Raumpräferenz, Wohnortentscheidung, Berufswahlkompetenz, Berufswahlentscheidung, Soziale Unterstützung, Auswirkungen der Corona-Pandemie sowie einen soziodemographischen Block.
Ein besonderer Fokus der Studie lag auf dem Vergleich unterschiedlicher Raumtypen. Hierzu wurden Jugendliche kontrastierend in einer ländlich-peripheren Flächenregion in Niedersachsen sowie in der Landeshauptstadt befragt. Die Stichprobe umfasst insgesamt 803 Datensätze
Alterssicherung in Deutschland 2019 (ASID 2019)
No full textDetaillierte Angaben zur Einkommenssituation und Altersvorsorge.
Themen: Finanzielle Sicherung im Alter; Sorgen älterer Menschen; Anzahl und Nennung der Einkommensbezieher im Haushalt; Haushaltsnettoeinkommen (klassiert); Wohnstatus; Wohnfläche in Quadratmetern; Baujahr des Wohngebäudes (klassiert); Wohnstatus der Ehefrau; Höhe der monatlichen Wohnkosten bei Mietern; Wohnkosten bei Eigentümern; Hypothekenzahlungen durch Eigentümer; Kosten für Heimunterbringung; Familienstand; Jahr der Eheschließung, Verwitwung oder Ehescheidung; Geburtsjahr; Bezug von eigener GRV-Rente bzw. Pension; Bezug seit Jahr; anerkannte Versicherungsjahre bzw. ruhegehaltfähige Dienstjahre.
Rente/Pension: GRV-Rente, auch für Kindererziehungszeiten; Witwerrente der GRV-Rente; betriebliche Altersversorgung; Zusatzversorgungsrente des Öffentlichen Dienstes; Brutto-Beamtenpension; Netto-Beamtenpension; landwirtschaftliche Alterssicherung; berufsständische Versorgung für ehemalige Freiberufler; Unfallrente der Berufsgenossenschaft; Riester-Rente; sonstige Rente bzw. Pension; Brutto-Erwerbseinkommen; Netto-Erwerbseinkommen; zusätzliche Einkünfte aus Nebentätigkeit; Arbeitslosengeld I; Krankengeld (oder Pflegegeld) von der Krankenkasse; Entgelt der Pflegeversicherung für die Pflege von Personen.
Haushaltsbezogene Einkommen: Wohngeld; Arbeitslosengeld II; Grundsicherung im Alter und bei Erwerbsminderung; Hilfe zum Lebensunterhalt; Hilfe zur Pflege; Altenteil (Barbetrag) an frühere Landwirte und Selbstständige; regelmäßiger Bezug privater Unterstützung; Einkünfte aus Vermietung und Verpachtung; Kindergeld; Zinsen aus Sparguthaben und Wertpapieren; sonstige regelmäßige Einkünfte; Verwendung von Sparguthaben zur Bestreitung des Lebensunterhalts; bereits erhaltene einmalige Leistungen aus einer Altersversorgung; zukünftige Rente bzw. Pension; Schulabschluss; Berufsausbildung; Beginn der Erwerbstätigkeit.Detaillierte Angaben zur Einkommenssituation und Altersvorsorge.
Themen: Finanzielle Sicherung im Alter; Sorgen älterer Menschen; Anzahl und Nennung der Einkommensbezieher im Haushalt; Haushaltsnettoeinkommen (klassiert); Wohnstatus; Wohnfläche in Quadratmetern; Baujahr des Wohngebäudes (klassiert); Wohnstatus der Ehefrau; Höhe der monatlichen Wohnkosten bei Mietern; Wohnkosten bei Eigentümern; Hypothekenzahlungen durch Eigentümer; Kosten für Heimunterbringung; Familienstand; Jahr der Eheschließung, Verwitwung oder Ehescheidung; Geburtsjahr; Bezug von eigener GRV-Rente bzw. Pension; Bezug seit Jahr; anerkannte Versicherungsjahre bzw. ruhegehaltfähige Dienstjahre.
Rente/Pension: GRV-Rente, auch für Kindererziehungszeiten; Witwerrente der GRV-Rente; betriebliche Altersversorgung; Zusatzversorgungsrente des Öffentlichen Dienstes; Brutto-Beamtenpension; Netto-Beamtenpension; landwirtschaftliche Alterssicherung; berufsständische Versorgung für ehemalige Freiberufler; Unfallrente der Berufsgenossenschaft; Riester-Rente; sonstige Rente bzw. Pension; Brutto-Erwerbseinkommen; Netto-Erwerbseinkommen; zusätzliche Einkünfte aus Nebentätigkeit; Arbeitslosengeld I; Krankengeld (oder Pflegegeld) von der Krankenkasse; Entgelt der Pflegeversicherung für die Pflege von Personen.
Haushaltsbezogene Einkommen: Wohngeld; Arbeitslosengeld II; Grundsicherung im Alter und bei Erwerbsminderung; Hilfe zum Lebensunterhalt; Hilfe zur Pflege; Altenteil (Barbetrag) an frühere Landwirte und Selbstständige; regelmäßiger Bezug privater Unterstützung; Einkünfte aus Vermietung und Verpachtung; Kindergeld; Zinsen aus Sparguthaben und Wertpapieren; sonstige regelmäßige Einkünfte; Verwendung von Sparguthaben zur Bestreitung des Lebensunterhalts; bereits erhaltene einmalige Leistungen aus einer Altersversorgung; zukünftige Rente bzw. Pension; Schulabschluss; Berufsausbildung; Beginn der Erwerbstätigkeit
Replication material: Regional differences in digitalisation and their impact on young people\u2019s status attainment in vocational education and training
No full textWhile many of the recent changes in the labour market are related to digitalisation, there is little knowledge about digitalisation’s impact on young people’s transitions from school to vocational education and training (VET). The current study addresses this research gap by examining the relationship between the level of regional digitalisation and young people’s status attainment when entering VET. The study uses data from the German National Educational Panel Study (NEPS), merged with a unique regional digitalisation indicator at the district level (NUTS-3). OLS regression models show that, on average, young people entering VET in highly digitalised regions secure occupations with a higher status than their counterparts in less digitalised regions. Notably, regional digitalisation has a particularly strong positive impact on males, while no differences in association are observed by school leaving qualifications. The results underscore the existence of a discernible regional digital divide among VET entrants in Germany.While many of the recent changes in the labour market are related to digitalisation, there is little knowledge about digitalisation’s impact on young people’s transitions from school to vocational education and training (VET). The current study addresses this research gap by examining the relationship between the level of regional digitalisation and young people’s status attainment when entering VET. The study uses data from the German National Educational Panel Study (NEPS), merged with a unique regional digitalisation indicator at the district level (NUTS-3). OLS regression models show that, on average, young people entering VET in highly digitalised regions secure occupations with a higher status than their counterparts in less digitalised regions. Notably, regional digitalisation has a particularly strong positive impact on males, while no differences in association are observed by school leaving qualifications. The results underscore the existence of a discernible regional digital divide among VET entrants in Germany
Tweetplomacy 23 \u2013 An Annotated Collection of Tweets Outlining Strategies of Political Risk Communication during Global Crises (2018-2023)
No full textTweetplomacy 23 is a semantically annotated corpus of tweets capturing digital communicative interaction between international political leaders, peer groups and citizens in the wake of three major global crises: (1) the increasing emphasis on the security of energy supplies following Russia’s invasion of Ukraine; (2) the political and geo-economic consequences of the COVID-19 pandemic; (3) the intensified debate on the progression of climate change. These events occurred between 2018 and 2023, each of them marking a significant shake-up of the international system.
The dataset focuses on the strategic use of networked information on X (formerly Twitter) by executive political actors facing exogenous shocks in the context of a global crisis situation. It is extracted from an X archive covering more than 14 billion tweets collected from the 1% random sample API. To extract the dataset, we resort to a list of top executives of the political administration – heads of state, heads of government, ministers of foreign affairs – or their respective public-relations offices. Their tweets are filtered using a list of thematically relevant keywords in four languages (English, German, French, Spanish), reflecting the discourse with respect to the three crises mentioned above.
Our sample covers instances from the beginning of 2018 up to May 2023, representing statements made by leading politicians from 83 countries on all continents. As a subset, tweets published by the political leaders of the 38 member states of the OECD and the five BRICS countries (Brazil, Russia, India, China, South Africa) have been extracted. Additionally, the sample comprises a selection of 10 international organizations.
The entire data collection consists of the following files:
(1) users: excel file with a list of 654 Twitter user handles(usernames) of top executives of the political administration (and/or their institutional accounts), their nationalities, functions/roles and tenure;
(2) keywords: excel file with a list of 60 crisis-related keywords (five keywords for each of the three individual crises in four languages);
(3) a gzipped JSONL file per language: each line in the JSONL files represents a JSON object containing metadata about a tweet matching either one or more of the user handles and one or more of the keywords in the respective language. Additionally, semantic enrichments (i.e., entities and sentiments) calculated on the basis of the tweet text are provided. The JSON object includes the following fields:
tweetId: integer
timeStamp: format ("EEE MMM dd HH:mm:ss Z yyyy")
userName: JSON object, for private persons containing the MD5 hashed of the username; for the public persons in the user list containing the username and the MD5 hashed of the username
userBio: string (available only for public users in the user list)
followers: integer
friends: integer
retweets: integer
favorites: integer
replies: integer
matchingKeywords: list of strings representing the matching keywords
matchingUserMentions: list of strings representing the matching user mentions
matchingUserName: string representing the matching user names
sentiments: JSON object containing the output of the VADER sentiment analysis tool (available only for German, English and French).
entities: JSON object containing the output of Entity Fishing named entity linking tool
hashtags: list of strings containing the hashtags extracted from the tweet text
mentions: list of strings containing the mentions extracted from the tweet text
urls: JSON object containing short URLs extracted from the tweet text and their resolved URLs
The dataset may serve to track and examine the repercussions/resonance produced by the ‘digital audience’ of the most influential political leaders in the course of the three crises, thus hinting at the political and societal impact their communicative actions had in the digital realm. Additionally, changes in sentiments, argumentation and/or tonality as well as more general breakpoints of discussion might be identified by conducting in-depth analyses of the online discourse relating to each of the three debates.
Ultimately, the data may yield new insights into networks of communication among ‘online champions’ in the diplomatic community with regard to global political crises. To this end, researchers will be able to employ both quantitative/statistical and qualitative/hermeneutic methodologies to further explore and compare specific communicative motivations of national political leaders and the global ‘digital public’ in such cases. The data might therefore be used as a valuable empirical input not merely for political or media scientists, but also for scholars focusing on sociological, economic or socio-psychological aspects of crisis communication.Tweetplomacy 23 is a semantically annotated corpus of tweets capturing digital communicative interaction between international political leaders, peer groups and citizens in the wake of three major global crises: (1) the increasing emphasis on the security of energy supplies following Russia’s invasion of Ukraine; (2) the political and geo-economic consequences of the COVID-19 pandemic; (3) the intensified debate on the progression of climate change. These events occurred between 2018 and 2023, each of them marking a significant shake-up of the international system.
The dataset focuses on the strategic use of networked information on X (formerly Twitter) by executive political actors facing exogenous shocks in the context of a global crisis situation. It is extracted from an X archive covering more than 14 billion tweets collected from the 1% random sample API. To extract the dataset, we resort to a list of top executives of the political administration – heads of state, heads of government, ministers of foreign affairs – or their respective public-relations offices. Their tweets are filtered using a list of thematically relevant keywords in four languages (English, German, French, Spanish), reflecting the discourse with respect to the three crises mentioned above.
Our sample covers instances from the beginning of 2018 up to May 2023, representing statements made by leading politicians from 83 countries on all continents. As a subset, tweets published by the political leaders of the 38 member states of the OECD and the five BRICS countries (Brazil, Russia, India, China, South Africa) have been extracted. Additionally, the sample comprises a selection of 10 international organizations.
The entire data collection consists of the following files:
(1) users: excel file with a list of 654 Twitter user handles(usernames) of top executives of the political administration (and/or their institutional accounts), their nationalities, functions/roles and tenure;
(2) keywords: excel file with a list of 60 crisis-related keywords (five keywords for each of the three individual crises in four languages);
(3) a gzipped JSONL file per language: each line in the JSONL files represents a JSON object containing metadata about a tweet matching either one or more of the user handles and one or more of the keywords in the respective language. Additionally, semantic enrichments (i.e., entities and sentiments) calculated on the basis of the tweet text are provided. The JSON object includes the following fields:
tweetId: integer
timeStamp: format ("EEE MMM dd HH:mm:ss Z yyyy")
userName: JSON object, for private persons containing the MD5 hashed of the username; for the public persons in the user list containing the username and the MD5 hashed of the username
userBio: string (available only for public users in the user list)
followers: integer
friends: integer
retweets: integer
favorites: integer
replies: integer
matchingKeywords: list of strings representing the matching keywords
matchingUserMentions: list of strings representing the matching user mentions
matchingUserName: string representing the matching user names
sentiments: JSON object containing the output of the VADER sentiment analysis tool (available only for German, English and French).
entities: JSON object containing the output of Entity Fishing named entity linking tool
hashtags: list of strings containing the hashtags extracted from the tweet text
mentions: list of strings containing the mentions extracted from the tweet text
urls: JSON object containing short URLs extracted from the tweet text and their resolved URLs
The dataset may serve to track and examine the repercussions/resonance produced by the ‘digital audience’ of the most influential political leaders in the course of the three crises, thus hinting at the political and societal impact their communicative actions had in the digital realm. Additionally, changes in sentiments, argumentation and/or tonality as well as more general breakpoints of discussion might be identified by conducting in-depth analyses of the online discourse relating to each of the three debates.
Ultimately, the data may yield new insights into networks of communication among ‘online champions’ in the diplomatic community with regard to global political crises. To this end, researchers will be able to employ both quantitative/statistical and qualitative/hermeneutic methodologies to further explore and compare specific communicative motivations of national political leaders and the global ‘digital public’ in such cases. The data might therefore be used as a valuable empirical input not merely for political or media scientists, but also for scholars focusing on sociological, economic or socio-psychological aspects of crisis communication
Daten und Code/Syntax: Fridays for Future und die Letzte Generation. Eine Mixed-Methods-Analyse zur Wahrnehmung von friedlichen und disruptiven Formen des Klimaprotests
No full textDie Studie besteht aus einem Stata-Dofile und einem Datensatz, die zur Replikation der Publikation Walzenbach and Meyer (2025) zur Verfügung gestellt werden.
Die Publikation beruht auf einer 2023 im Rahmen des Projektseminars "Ökologisches Bewusstsein und Umwelthandeln" bei Dr. Sandra Walzenbach erhobenen Sonderwelle der Konstanzer Bürgerbefragung, die aus einer Kombination von quantitativer Web-Befragung und Leitfadeninterviews bestand.
Der hier geteilte Datensatz enthält nur Variablen, die für die Analyse des ZfS-Artikels verwendet wurden. Im Sinne der Anonymisierung der Daten werden soziodemographische Variablen in gruppierter Form zur Verfügung gestellt.
Die Konstanzer Bürgerbefragung wird jährlich von Prof. Dr. Thomas Hinz (PI) in Kooperation mit der Stadt Konstanz durchgeführt und befindet sich derzeit unter der organisatorischen Leitung von Carolin Lang.
weitere Schlagworte: Klimaprotest, Fridays For Future, Letzte Generation, Backfiring, Mixed Methods, ReplikationDie Studie besteht aus einem Stata-Dofile und einem Datensatz, die zur Replikation der Publikation Walzenbach and Meyer (2025) zur Verfügung gestellt werden.
Die Publikation beruht auf einer 2023 im Rahmen des Projektseminars "Ökologisches Bewusstsein und Umwelthandeln" bei Dr. Sandra Walzenbach erhobenen Sonderwelle der Konstanzer Bürgerbefragung, die aus einer Kombination von quantitativer Web-Befragung und Leitfadeninterviews bestand.
Der hier geteilte Datensatz enthält nur Variablen, die für die Analyse des ZfS-Artikels verwendet wurden. Im Sinne der Anonymisierung der Daten werden soziodemographische Variablen in gruppierter Form zur Verfügung gestellt.
Die Konstanzer Bürgerbefragung wird jährlich von Prof. Dr. Thomas Hinz (PI) in Kooperation mit der Stadt Konstanz durchgeführt und befindet sich derzeit unter der organisatorischen Leitung von Carolin Lang.
weitere Schlagworte: Klimaprotest, Fridays For Future, Letzte Generation, Backfiring, Mixed Methods, Replikatio
GESIS Knowledge Graph (GESIS KG)
No full textThe GESIS Knowledge Graph (GESIS KG) represents metadata of all scientific resources available in the GESIS Search (https://search.gesis.org/) and its semantic relationships in an integrated and consistent form and makes them accessible for integration and reuse. Understanding relations and dependencies between scientific resources is crucial to capture provenance, ensure reproducibility of research and facilitate informed search across resources. Hence, the GESIS KG captures links between different scientific resources, e.g., links between data, publications, survey instruments, survey variables, and links between entities like authors and social science concepts. The GESIS KG is geared towards interoperability and uses established W3C standards and widely accepted vocabularies, such as schema.org, DDI, the NFDIcore Ontology among others to increase interoperability and reusability of data on the Web for both humans and machines, e.g., through APIs. On instance-level, we address interoperability by reusing PIDs from commonly used PID systems, interlinking the GESIS KG with other KG provided by GESIS as well within the NFDI.
Find more information at https://data.gesis.org/gesiskg/
Detailed description of the files can be found in GESISKG_readme.txt
Keywords: knowledge graph, semantic web, scholarly resource metadata, social sciencesThe GESIS Knowledge Graph (GESIS KG) represents metadata of all scientific resources available in the GESIS Search (https://search.gesis.org/) and its semantic relationships in an integrated and consistent form and makes them accessible for integration and reuse. Understanding relations and dependencies between scientific resources is crucial to capture provenance, ensure reproducibility of research and facilitate informed search across resources. Hence, the GESIS KG captures links between different scientific resources, e.g., links between data, publications, survey instruments, survey variables, and links between entities like authors and social science concepts. The GESIS KG is geared towards interoperability and uses established W3C standards and widely accepted vocabularies, such as schema.org, DDI, the NFDIcore Ontology among others to increase interoperability and reusability of data on the Web for both humans and machines, e.g., through APIs. On instance-level, we address interoperability by reusing PIDs from commonly used PID systems, interlinking the GESIS KG with other KG provided by GESIS as well within the NFDI.
Find more information at https://data.gesis.org/gesiskg/
Detailed description of the files can be found in GESISKG_readme.txt
Keywords: knowledge graph, semantic web, scholarly resource metadata, social science