Publikationen

Der vorliegende Daten- und Methodenbericht beinhaltet Informationen zum Datenpaket des Teilprojektes „Digital Visibilities (DigiVisib)“ des Projektes „Digitalization of Scholarly Communication: Discourse and Practices, Measurements and Identity Formations (DigiScholComm)“. Das Teilprojekt erörtert, welchen Einfluss Daten über (digitale) wissenschaftliche Kommunikationsaktivitäten auf die Bewertungs- und Entscheidungsprozesse professoraler Berufungsverfahren an deutschen Universitäten haben. Das Projekt DigiScholComm wurde von Januar 2022 bis Dezember 2025 von der VolkswagenStiftung gefördert.

Die Studie zeigt langfristige Entwicklungen im deutschen Bildungs- und Qualifikationssystem im internationalen Vergleich. Bestätigt wird ein starker mittlerer Qualifikationsbereich mit Trend zur Höherqualifizierung, wachsender Bedeutung tertiärer Abschlüsse und einem größeren geringqualifizierten Segment. Die Hochschulbildung stabilisiert sich, reagiert jedoch sensibel auf demografische und strukturelle Veränderungen; internationale Studierende – besonders in MINT – prägen das System zunehmend. Die Weiterbildungsbeteiligung steigt wieder, bleibt aber ungleich verteilt. Betriebliche Weiterbildung erholt sich nur teilweise. Insgesamt bleibt das System dynamisch, geprägt von Höherqualifizierung, Bildungsmigration und lebenslangem Lernen.

Online abuse in the form of online hostility and hate speech has become an increasing concern in digital publics, particularly affecting individuals engaging in political discourse. While research has extensively examined abuse on text-based platforms, little is known about how this phenomenon manifests on TikTok, a platform characterized by short-form videos, algorithm-driven virality, and participatory affordances. This study investigates the conditions and effects of online abuse on TikTok, focusing on German #PolitTikTok creators, who produce political content. Through, 21 semi-structured interviews, we explore (RQ1) how TikTok shapes online abuse, (RQ2) which factors make creators targets of online abuse, and ...

This report presents an overview of the benefits of implementing variable-level PIDs with regard to the FAIRness of data and offers a practical checklist outlining the requirements for service providers and the challenges faced by infrastructures aiming to adopt variable-level PIDs. In addition, it provides insights into the technical implementation of the PID test environment.

Nacaps steht für „National Academics Panel Study“ („Nationales Akademikerpanel“) und ist eine vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Längsschnittstudie zu Promovierenden und Promovierten in Deutschland. Ziel des Projekts ist es, sowohl deutschlandweit repräsentative Querschnittsdaten zu den Qualifizierungsbedingungen als auch Längsschnittdaten zu den individuellen Erwerbs- und Karriereverläufen Promovierender und Promovierter innerhalb und außerhalb der Wissenschaft zu erheben. Die Nacaps-Studienreihe ist dabei als Multi-Kohorten-Panel-Design konzipiert. Nacaps 2018 bildet als erste Kohorte den Auftakt dieser Studienreihe. [...] Vollständiger Abstract: https://doi.org/10.21249/DZHW:nac2018:3.0.0

Nacaps, the National Academics Panel Study, is a new longitudinal study of doctoral candidates and doctorate holders in Germany funded by the Federal Ministry of Education and Research (BMBF). The project aims at providing nationwide cross-sectional and longitudinal data on doctoral candidates and doctorate holders in Germany regarding their study conditions as well as their career trajectories within and outside of academia. The Nacaps study series apply a panel design to multiple cohorts. Nacaps 2018 is the first cohort in this series of studies. In 2019, all doctoral candidates registered at 53 higher education institutions entitled to award PhDs/doctorates in Germany [...] Full Abstract: https://doi.org/10.21249/DZHW:nac2018:3.0.0

While Automated Machine Learning (AutoML) systems have shown strong performance on structured data, their application to natural language processing (NLP) tasks remains limited by static, task-agnostic search spaces. In this work, we propose a context-aware extension of AutoPyTorch that dynamically adapts both the hyperparameter search space and neural architecture configuration based on corpus-level meta-features. Our approach extracts interpretable textual statistics—such as average sequence length, vocabulary richness, and class imbalance—to guide the configuration of key hyperparameters. We also introduce two adaptive neural backbones, whose structures are shaped by these meta-features to improve model expressiveness and generalization.

Das DZHW-Studienberechtigtenpanel 2018 ist Teil der DZHW-Studienberechtigtenbefragungsreihe, in der anhand von standardisierten Mehrfachbefragungen Informationen zu den nachschulischen Werdegängen von Schulabgänger*innen mit (schulischer) Hochschulzugangsberechtigung erfasst werden. In der Regel werden für jeden Studienberechtigtenjahrgang mehrere Befragungswellen zu unterschiedlichen Zeitpunkten vor und nach Erwerb der Hochschulzugangsberechtigung durchgeführt. Demnach handelt es sich um ein kombiniertes Kohorten-Panel-Design. Beim Studienberechtigtenpanel 2018 handelt es sich um die 21. Kohorte der Befragungsreihe, [...] Vollständiger Abstract: https://doi.org/10.21249/DZHW:gsl2018:2.0.0