Vorträge und Tagungen
275 Übereinstimmungen gefunden / 1-15 16-30 31-45 46-60 61-75 76-90 91-105 106-120 121-135 136-150 151-165 166-180 181-195 196-210 211-225 226-240 241-255 256-270 271-275
Online survey data contamination through Large Language Models: Predicting LLM-generated answers to open narrative questions.Höhne, J. K., Claaßen, J., Bach, R., & Haensch, A.-C. (2026, Juni).Online survey data contamination through Large Language Models: Predicting LLM-generated answers to open narrative questions. Vortrag im Rahmen der 16th Scientific Conference on Data Collections Methods hosted by the ADM, the ASI and the Federal Statistical Office. |
How does smartphone participation in online surveys differ across 12 European countries?Claaßen, J., Gummer, T., Rettig, T., & Höhne, J. K. (2026, Juni).How does smartphone participation in online surveys differ across 12 European countries? Vortrag im Rahmen der 16th Scientific Conference on Data Collections Methods hosted by the ADM, the ASI and the Federal Statistical Office. |
Evaluating the effectiveness of CAPTCHAs and attention checks for LLM-driven survey bots.Shahania, S., Niemann-Lenz, J., & Broneske, D. (2026, Juni).Evaluating the effectiveness of CAPTCHAs and attention checks for LLM-driven survey bots. Vortrag auf der Konferenz 16th Scientific Conference on Data Collections Methods hosted by the ADM, the ASI and the Federal Statistical Office, Wiesbaden, Germany. |
Lexikalisch verloren, semantisch gefunden: LLM-gestützte Suche auf der Grundlage von DDI-Metadaten.Broneske, D., Daniel, A., Buck, D., & Weber, A. (2026, Juni).Lexikalisch verloren, semantisch gefunden: LLM-gestützte Suche auf der Grundlage von DDI-Metadaten. Vortrag im Rahmen der 10. Konferenz für Sozial- und Wirtschaftsdaten (10|KSWD), Berlin. Abstract
Damit Forschungsdaten für Forschende praktisch auffindbar sind, braucht es Suchsysteme, die Daten entlang konkreter Forschungsfragen zugänglich machen. Forschungsdatenzentren machen ihre Metadaten derzeit häufig mithilfe lexikalischer Suchmaschinen (z. B. Elasticsearch) durchsuchbar und liefern Ergebnisse auf Basis lexikalischer Übereinstimmungen. Das ermöglicht eine Volltextsuche und ein elaboriertes Relevanzranking der Suchergebnisse, hat jedoch den Nachteil, dass es keine semantisch relevanten Metadaten findet, wenn fachspezifische Konzepte oder Forschungsfragen nicht ausdrücklich in den Metadaten benannt sind. [...] Vollständiger Abstract: https://zenodo.org/records/20844070 |
Die Studierendenbefragung in Deutschland.Ordemann, J., & Daniel, A. (2026, Juni).Die Studierendenbefragung in Deutschland. Vortrag in der Veranstaltungsreihe Meet-the-data, KonsortSWD und VerbundFDB, Berlin, Deutschland. Abstract
Die Studierendenbefragung in Deutschland erhebt alle vier Jahre eine Fülle an Informationen über die Lebens- und Studiensituation der Studierenden in Deutschland. Seit 2021 integriert sie die ursprünglich separat durchgeführten Langzeitstudien Sozialerhebung, Konstanzer Studierendensurvey und „best: Studieren mit einer gesundheitlichen Beeinträchtigung“. Die Grundgesamtheit der Studie bilden alle Studierenden, die an einer teilnehmenden staatlichen, kirchlichen oder privaten Hochschule in Deutschland immatrikuliert sind. Die aktuell verfügbaren Daten von über 180.000 Studierenden aus dem Jahr 2021 stehen über das Forschungsdatenzentrum als Scientific Use File und Campus File zur Verfügung. |
Challenges for the FDZ-DZHW: Transparency and trustworthiness of research data in an AI-influenced world.Buck, D., & Daniel, A. (2026, Juni).Challenges for the FDZ-DZHW: Transparency and trustworthiness of research data in an AI-influenced world. Vortrag im Rahmen der International Conference Wissenschaftsreflexion. What is it? What is the need for it?, Leibniz Universität Hannover, Hannover. |
The imitation game: Evaluating persona-driven LLM response behavior in web surveys.Shahania, S. (2026, Juni).The imitation game: Evaluating persona-driven LLM response behavior in web surveys. Vortrag auf der Konferenz The 30th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), Hongkong, SAR, China. https://doi.org/10.1007/978-981-92-1468-6_33 |
Love, Loathing, and Loyalty: Affective Counterpublics on German Political TikTok in the Run-up to the 2025 Federal Election.Niemann-Lenz, J., Revers, M., Rodeck, L., & Meyer, H. (2026, Juni).Love, Loathing, and Loyalty: Affective Counterpublics on German Political TikTok in the Run-up to the 2025 Federal Election. Vortrag auf der Konferenz 76th Annual ICA Conference, Capetown, South Africa. |
Online data contamination through LLMs: Identifying LLM-based answers in surveys, experiments, and crowdsourcing tasks.Claaßen, J., Höhne, J. K., Bach, R., & Haensch, A.-C. (2026, Mai).Online data contamination through LLMs: Identifying LLM-based answers in surveys, experiments, and crowdsourcing tasks. Poster im Rahmen der Konferenz Computational Social Science: Democracy at Risk? Societal Challenges, Data, and Research Infrastructures in the Age of CSS, Wien, Österreich. |
Transcribing and coding voice answers obtained in web surveys: Comparing three leading automatic speech recognition tools.Revilla, M., Ochoa, C., Höhne, J. K., & Couper, M. P. (2026, Mai).Transcribing and coding voice answers obtained in web surveys: Comparing three leading automatic speech recognition tools. Vortrag im Rahmen der 81th Conference of the American Association for Public Opinion Research (AAPOR), Los Angeles, USA. |
Kontakt
