448 research outputs found
Sort by
Éghajlatváltozás és egészség - 2.hullám
Get PDFA kutatók projekt 2. hulláma keretében a már elkészült jelentések disszeminációját végezték az „Éghajlatváltozás 180°” című hírlevél elindításával. A projekt keretében 1000 fős országos reprezentatív mintán végeztek egy kérdőíves kutatást is, külső vállalkozó (Závecz Research Kft.) által lebonyolítva. A kutatásban kétlépcsős, arányosan rétegzett, véletlenszerűen kiválasztott 1000 személyt tartalmazó valószínűségi mintával dolgoztak. Az 1000 fős lakossági minta Magyarország településhálózatát arányosan reprezentálta, 103 mintavételi egységgel. A mintába kerülő személyek összetételi aránya a legfontosabb társadalmi-demográfiai mutatók szerint (nemek, életkori csoportok, iskolai végzettség, lakóhelytípus) megfelelt a teljes felnőtt népesség összetételének. Az adatfelvétel CAPI módszerrel készült, azaz a kérdőívet programozást követően, laptopok segítségével kérdezték a kutatócég munkatársai. A kérdések a klímaváltozás és az egészség kérdéskörét érintették a következő főbb témák mentén:
- A lakosság egészségi állapota
- Az egészségügyi ellátással kapcsolatos vélemények
- Otthon is alkalmazható gyógymódok ismerete
- COVID-19 járvány hatásai
- Klímaváltozás megítélése és hatása
Segítők vagy segítendők? Szakmai munkakörülmények, mentális egészség és mobilitás a szociális szektorban (Big data)
Get PDFA „Segítők vagy segítendők? Szakmai munkakörülmények, mentális egészség és mobilitás a szociális szektorban” kutatási projekt a szociális területen dolgozók szakmai mobilitását vizsgálja lelki egészségükkel, valamint a szűken és tágan értelmezett munkakörnyezetükkel összefüggésben. Jelen gyűjtemény a célcsoport Big Data-alapú vizsgálatának adatait tartalmazza.
A big data kutatás átfogó célja az volt, hogy feltárja a szociális szektor és szakma, a munkakörnyezet és a szakemberek mentális egészségének külső és belső narratíváit a nyílt webtérben, pre- és poszt-COVID metszetben.
Egyfelől vizsgálta a szakmáról kialakult külső, online (média)képet, illetve azokat a témákat és toposzokat, amelyek mentén a szektort érintő külső diskurzus szerveződik a szakmával foglalkozó szerkesztett online publikációk (pl. hírportálok cikkei, szakmai tematikus blogposztok), valamint a rájuk érkező reakciók, interakciók révén.
Másfelől megvizsgálta, milyen megjelenések, kommentfolyamok vannak a szakmáról, a kiégésről, a stresszről, a megküzdésről, a munkakörülményekről és a fluktuációról, illetve pályaelhagyásról a szociális szakemberek körében. Feltártuk a fő szektorális, szakmai és személyes motivációval, valamint a munkakörnyezettel kapcsolatos problémagócokat, összehasonlító jelleggel külön fókuszálva a világjárvány alatt megjelenő kihívásokra és az ezekre adott válaszokra.
A big data adatgyűjtés két fázisból állt. Az első szakaszában, 2022.01.01. és 2022.02.19. között a belső narratívák feltárása történt, amely során keletkezett adatbázis a 2018.12.06. és 2022.02.19. közötti időszakot öleli fel. A második szakaszában, 2022.05.01. és 2022.06.30. között a külső megítélés feltárása történt a 2020.05.01. és 2021.11.30. közötti lekérdezési intervallum beállításával.
A kutatás és az adatgyűjtés az Innovációs és Technológiai Minisztérium Nemzeti Kutatási Fejlesztési és Innovációs Alapból nyújtott támogatással valósult meg (NKFIH FK 138315)
A safety net against populism? An investigation of the interaction effect of political efficacy and democratic capacities on populist attitudes
Get PDF
A vakcinációs szándék megértése különféle társas és társadalmi közegekben
Get PDFA kutatás általános célja az volt, hogy bővítse ismereteinket a vakcinációs szándékot és más egészségügyi magatartást befolyásoló társas (és társadalmi) tényezőkről. Az elsődleges célunk az egyénnél nagyobb elemzési egység kifejlesztése, alkalmazása és hasznosságának értékelése volt gépi tanulási szemléletben.
A kutatásunk megfigyeléses, keresztmetszeti vizsgálat volt. A kérdőív-adatokat 2022. november 15. – 2022. november 26. között gyűjtöttük egy online platformon keresztül. CAWI interjúkészítést alkalmaztunk. A kérdőív összesen 169 kérdésből állt. A kérdőív nyelve magyar volt. A teljes kérdőív, valamint a kvótás mintavételi terv és az adatállomány a mellékletben található.
Az Egészségügyi Tudományos Tanács Tudományos és Kutatásetikai Bizottsága (ETT-TUKEB:BMEÜ/2422-1/2022/EKU, dátum: 2022. október 4.) és a Társadalomtudományi Kutatóközpont Etikai Bizottsága (FOIG-1/130-24/2022, dátum: 2022. október 28.) egyaránt jóváhagyta a kérdőíves kutatást. Ezen felül az adatgyűjtést az Open Science Frameworkben is előzetesen regisztráltuk (hyperlink: https://osf.io/zwktc ). Az adatgyűjtés során adatvédelmi incidens nem történt.
A kutatást és az adatgyűjtést a Magyar Tudományos Akadémia poszt-COVID-jelenségek nagy kockázatú kutatási támogatásában részesült (PC2022 II-5/2022)
Identification of social scientifically relevant topics in an interview repository. A natural language processing experiment
Get PDFPurpose: The present study is about generating metadata to enhance thematic transparency and to facilitate research of interview collections at the Research Documentation Centre, Centre for Social Sciences (TK KDK) in Budapest. It explores the use of artificial intelligence in producing, managing and processing social science data and its potential to generate useful metadata to describe the contents of such archives on a large scale.
Study design/methodology/approach: We combined manual and automated/semi-automated methods of metadata development and curation. We developed a suitable domain-oriented taxonomy to classify a large text corpus of semi-structured interviews. To this end, we adapted the European Language Social Science Thesaurus (ELSST) to produce a concise, hierarchical structure of topics relevant in social sciences. We identified and tested the most promising NLP tools supporting the Hungarian language. The results of manual and machine coding will be presented in a user interface.
Findings: The study describes how an international social scientific taxonomy can be adapted to a specific local setting and tailored to be used by automated NLP tools. We show the potentials and limitations of existing and new NLP methods for thematic assignment. Current possibilities of multi-label classification in social scientific metadata assignment are discussed, i.e. the problem of automated selection of relevant labels from a large pool.
Originality/value: Interview materials have not yet been used for building manually annotated training datasets for automated indexing of scientifically relevant topics in a data repository. Comparing various automated indexing methods this study shows a possible implementation of a researcher tool supporting custom visualizations and the faceted search of interview collections
