Veröffentlichungen

It continues to be a puzzle that women are disproportionally often dropping out of academic careers. Researchers and policymakers have suggested that same-gender supervisors are important for tightening this ‘leaky pipeline’. Especially in subjects with a strong overrepresentation of men, it seems likely that female supervisors work as positive role models and help preventing discrimination. Anticipating this effect, female doctoral students might also prefer supervisors of the same gender. Therefore, we ask how widespread a gender match is between doctoral student and supervisor in Germany and whether a gender match between supervisors and doctoral students is beneficial for the doctorate and for a possible scientific career thereafter.

Der Beitrag untersucht, wie sich das Alter eines*r Wissenschaftler*in auf die Erreichung einer unbefristeten Stelle im deutschen Wissenschaftssystem auswirkt. Dabei unterscheiden wir basierend auf Überlegungen zu Altersdiskriminierung und zur von Merton geprägten Idee der kumulativen Vorteile zwischen dem biologischen und akademischen Alter. Wir testen unsere Überlegungen anhand der Daten des DZHW-Promotionspanels 2014. Unter Anwendung von PCE-Schätzungen und von Entropy Balancing stellen wir fest, dass Wissenschaftler*innen, die bei ihrer Promotion 40 Jahre oder älter waren, einen signifikant positiven Effekt Effekt auf die Erlangung einer Professur an einer Fachhochschule und einer Anstellung als entfristeter Postdoc hatten.

Graph data models enable efficient storage, visualization, and analysis of highly interlinked data, by providing the benefits of horizontal scalability and high query performance. Clustering techniques, such as K-means, hierarchical clustering, are highly beneficial tools in data mining and machine learning to find meaningful similarities and differences between data points. Recent developments in graph data models, as well as clustering algorithms for graph data, have shown promising results in image segmentation, gene data analysis, etc. This has been primarily achieved through research and development of algorithms in the field of spectral theory, [...] Full abstract: https://doi.org/10.1007/s44163-024-00102-x

Das DZHW legt den Ausstattungs-, Kosten- und Leistungsvergleich (AKL) für Fachhochchulen bereits zum 12. Mal vor. An der Erhebung für das Auswertungsjahr 2021 nahmen die 18 Fachhochschulen der Länder Berlin, Bremen, Hamburg, Mecklenburg-Vorpommern, Sachsen-Anhalt und Schleswig-Holstein teil. Ziel der seit Mitte der 1990er Jahre vom DZHW durchgeführten AKL-Vergleiche ist es, eine valide und hochschul- sowie länderübergreifend vergleichbare Datenbasis zu den Leistungen und Kostenstrukturen der einbezogenen Hochschulen unter Abbildung individueller Hochschulstrukturen bereitzustellen. Das DZHW arbeitet hierzu eng mit den Wissenschaftsministerien der beteiligten Länder und den Hochschulen zusammen.

In diesem Beitrag wird anhand von aktuellen Beispielen die mangelnde Nachnutzung von Forschungsdaten diskutiert. Warum werden wissenschaftliche Daten selten nachgenutzt? Welche Möglichkeiten, aber auch welche Herausforderungen und Probleme des Umgangs mit Daten bestehen und wie können aktuelle Initiativen helfen, den Problemen und Herausforderungen zu begegnen? Ziel ist es, einen Einblick in gegenwärtige Anreizstrukturen, aber auch in mögliche Entwicklungswege zu geben und angesichts aktueller wissenschaftspolitischer Initiativen Diskussionsanstöße zu liefern.

Die vorliegende Studie entstand im Auftrag der Deutschen Forschungsgemeinschaft (DFG) und wurde durch das Deutsche Zentrum für Hochschul- und Wissenschaftsforschung (DZHW) und das Forschungszentrum Jülich (FZJ) gemeinschaftlich durchgeführt. Ausgehend von den DFG-Vorgaben wurde der Indikator Funding-Acknowledgement-Güte (FA-Güte) entwickelt. Anhand von drei Güteklassen (regelkonforme Nennung, nicht regelkonforme Nennung und keine Nennung) misst er für jede Publikation, inwiefern die Geförderten den DFG-Vorgaben nachgekommen sind.