Aggregation Lab

Fünf unserer Projekte haben einen innovativen Fokus auf die Herausforderung der Aggregation von Forschungsergebnissen. Insbesondere liegt die Herausforderung darin, Ergebnisse aus verschiedenen Studien zu verbinden und somit kumulativen Wissensgewinn zu fördern. Wir nehmen dieses Thema als eine der größten Herausforderungen wahr, der sich Sozialwissenschaftler*innen aktuell stellen müssen. Diese zu meistern ist wesentlich, um die Relevanz und Verlässlichkeit von Forschungserkenntnissen weiter stärken zu können.

  • Koordinierte Studie 1. Unsere Forschungsgruppe konnte maßgeblich zu der EGAP Initiative “metaketa” beitragen. Metaketas sind abgestimmte, randomisierte Studien, die an verschiedenen Forschungsstandorten durchgeführt werden. Dabei werden insbesondere Analysestrategien und Messungen vereinheitlicht. Science Advances bietet eine Zusammenfassung unserer Ergebnisse von Metaketa 1 und unsere "shiny app", die wir entwickelt haben um unsere Analyse und die Robustheit unserer Ergebnisse transparent zu gestalten, lässt die Leser*innen mit unseren Daten experimentieren und beispielsweise Ergebnisse verschiedener Studien hinzufügen oder ausschließen.
  • Koordinierte Studie 2. Basierend auf Arbeiten von unter anderem Alexandra Scacco und Shana Warren, arbeiten wir an der Struktur einer “kontinuierlichen” Metaketa-Studie zu Kontakthypothesen. Dieses Rahmenwerk verbindet bereits durchgeführte Kontaktexperimente durch gängige kausale Logik und etabliert gleichzeitig eine Struktur, die es zukünftigen Studien erlaubt, Teil der Meta-Analyse zu werden.
  • Koordinierte Analyse von Strategien, die darauf abzielen verborgene Bevölkerungsgruppen zu erfassen. Wir leiten die Meta-Analyse für eine Kollektion an Studien aus mehreren Ländern, die von APRIES koordiniert werden, um die Verbreitung von Menschenhandel zu erfassen.
  • Integrierte Inferenzen. Wir entwickeln das CausalQueries R Programmpaket, das Nutzer*innen erlaubt kausale Modelle zu definieren und zu kombinieren. Unser guide bietet eine Übersicht mit Beispielen und Anwendungen, beispielsweise zu den folgenden Kombinationen: Inferenzen aus qualitativen und quantitativen Analysen, Inferenzen aus beobachtungsorientierten und experimentellen Studien sowie Inferenzen aus zahlreichen Studien, die verschiedene Elemente eines gängigen kausalen Modells untersuchen.
     
  • Meta-Modelle. In unserer Correlates of Corona Studie untersuchen wir sozioökonomische Prädikatoren von COVID-19 Sterblichkeit. In einer experimentellen Phase zielen wir darauf ab, disziplinäre Ansichten hinsichtlich treibender Faktoren hinter der Pandemie sowie Strategien um Beobachtungsstrukturen mit kausaler Logik zu verbinden. Hier finden sie unsere Challenge.

Verwandte Werke: