LFU:online

Die Studierenden sind in der Lage, ein Forschungsdesign zur Beantwortung einer wissenschaftlichen Frage selbstständig zu entwickeln und durchzuführen. Das Forschungsdesign umfasst sowohl die Datenerhebung als auch die Datenanalyse. Studierende lernen valide und replizierbare Forschung anzuwenden. 

In dieser VU (Vorlesung mit Übung) vertiefen die Studierenden ihre Kenntnisse in der Entwicklung und Umsetzung empirischer Forschungsdesigns in der Politikwissenschaft – mit besonderem Fokus auf zeitgemäße Datenvisualisierung und verständliche Kommunikation von Forschungsergebnissen.

Zu Beginn erarbeiten die Studierenden ein eigenständiges Forschungsdesign zu einer politikwissenschaftlichen Fragestellung. Im Anschluss beschäftigen sie sich mit Strategien der Datenerhebung – etwa durch Webdaten, Umfragen oder Experimente. Dabei werden sowohl kleinere Fallzahlen als auch größere Datensätze berücksichtigt.

Ein zentrales Element der Lehrveranstaltung ist die Datenvisualisierung als Teil wissenschaftlicher Kommunikation. Studierende lernen, wie sie Analyseergebnisse visuell aufbereiten, um Forschung transparent, überzeugend und zielgruppengerecht zu vermitteln – sowohl im wissenschaftlichen als auch im öffentlichen/politischen Diskurs.

Die Lehrveranstaltung gibt Studierenden damit nicht nur das methodische Handwerkszeug zur Umsetzung eines eigenen Forschungsprojekts, sondern fördert auch kreatives und kritisches Denken im Umgang mit Daten im digitalen Zeitalter.

Abschlussarbeit inklusive Präsentation

Fearon, J. D. (1991). Counterfactuals and Hypothesis Testing in Political Science. World Politics,

43(22):169–195.

Gerring, J. (2005). Causation: A uniform framework for social sciences. Journal of Theoretical Politics,

17(2):163–198.

Gschwend, T. and Schimmelfennig, F. (2007). Introduction: Designing Research in Political Science -

A Dialogue between Theory and Data. In Research Design in Political Science, pages 1–18. Palgrave

Macmillan UK, London.

Hofman, J. M., Watts, D. J., Athey, S., Garip, F., Griffiths, T. L., Kleinberg, J., Margetts, H.,

Mullainathan, S., Salganik, M. J., Vazire, S., Vespignani, A., and Yarkoni, T. (2021). Integrating

explanation and prediction in computational social science. Nature, 595(July):181–188.

Salganik, M. J., editor, Bit by bit : social research in the digital age, Princeton University Press.

BA Politikwissenschaft: positive Absolvierung der Pflichtmodule 1 bis 3