Prof. Dr. Melanie Walter-Rogg ist seit 2011 Professorin an der Universität Regensburg. Dort unterrichtet sie zu den Themen der Politik- und Sozialwissenschaft. In besonderem Fokus stehen hierbei die Methoden der beiden Fächer, die auch die Bereiche Big Data und Machine Learning miteinschließen.
Frau Prof. Walter-Roggs Universitätslaufbahn begann mit einem Magisterstudium der Politikwissenschaft, Sportwissenschaft und Germanistik an der Universität Stuttgart. Bevor sie 2001 zum Thema “Politische Macht und Responsivität in der Großstadt – Eine Studie zur Einstellungskongruenz kommunalpolitischer Akteure am Beispiel der Stadt Stuttgart“ promovierte, war sie längere Zeit als Wissenschaftliche Mitarbeiterin tätig. Nach mehreren Jahren, in denen sie als Wissenschaftliche Assistentin am Institut für Sozialwissenschaften der Universität Stuttgart und als Lehrkraft für besondere Aufgaben am Institut für Politikwissenschaft der LMU München beschäftigt war, kam sie 2011 nach Regensburg.
Professur für Politikwissenschaft mit dem Schwerpunkt Methoden
Professur für Politikwissenschaft mit dem Schwerpunkt Methoden
Politikwissenschaft/Sozialwissenschaft
Bereiche Big Data und Machine Learning sind Bestandteile der Methodenausbildung am Institut für Politikwissenschaft; Seminare zum Thema „Computational Social Science”, Big Data Analysis wie z.B. im
Lehrforschungsprojekt zur Landtagswahl 2018 in Bayern mit einer 6monatigen simultanen Aufzeichung aller Social-Media-Aktivitäten der bayerischen Abgeordneten während des Wahlkampfes (Big Data-Analysis).
- SS 2018: Das Lehrforschungsprojekt zur Landtagswahl 2018 in Bayern (Twitteranalyse der politischen Kommunikation bayerischer Abgeordneter)
- SS 2019: Einführung in die Computational Social Science (mit Werkstattsitzungen zu den Themen Big Data-Analysis und Agend based social simulation)
- WS 2019/20: Introduction in Social Network Analysis with R (stark anwendungsorientiert mit Einzel- und Gruppenprojekten)
- WS 2019/20: Introduction in Big Data Analysis with R (stark anwendungsorientiert mit Einzel- und Gruppenprojekten)
- SS 2020: Introduction in Social Network Analysis with R (stark anwendungsorientiert mit Einzel- und Gruppenprojekten
- SS 2020: Introduction in Big Data Analysis with R (stark anwendungsorientiert mit Einzel- und Gruppenprojekten)
- WS 2020/21: Introduction in Big Data Analysis with R (stark anwendungsorientiert mit Einzel- und Gruppenprojekten)
In den Seminaren bzw. den Methodenvorlesungen erhalten die Studierenden eine Einführung in das Thema Big Data Analysis sowie Machine Learning und werden motiviert, selbst kleine Forschungsprojekte für ihre Seminar- und Qualifikationsarbeiten durchzuführen wie z.B. im Bereich Agent Based Social Simulation oder Big Data Analysis. Hierzu wurden z.B. folgende Arbeiten betreut:
- Einfluss der Bundespolitik auf den Landtagswahlkampf in Bayern 2018 – Eine Untersuchung politischer Kommunikation auf Twitter
- Facing ‚Jamaika‘ – Analyzing the Twitter Behavior of German Politicians during the Exploratory Talks
- Voting-with-the-feet: Eine Analyse des Tiebout-Modells mittels Agentenbasierter Modellierung
- Strukturen radikaler Narrative in sozialen Online-Netzwerken am Beispiel der „Kontrakultur Halle“
- Übereinstimmung der Themenagenden von politischen Parteien und Bürgern als Erfolgsfaktor bei der Landtagswahl 2018 in Bayern – Ein Vergleich politischer Wahlprogramme und der Social-Media Aktivitäten von Parteien und Bürgern
- Deprivation, Protest und Flüchtlinge: Eine Mixed Method-Analyse zu den Motiven der AfD-Wähler und der Themensetzung der AfD bei der Bayernwahl 2018
- Theoretische Kenntnisse über den Bereich Computational Social Science
- Software-Know How und Anwendung im Bereich Agent Based Modeling, Netzwerkanalyse, Big Data Analysis
Unabdingbar für die anwendungsorientierte und vor allem interdisziplinäre Forschung in den modernen Sozialwissenschaften, so forscht z.B. mein Kollege Prof. Hegelich an der Hochschule für Politik in München zum Thema „Die Rolle von Social Bots im politischen Wahlkampf“. Dieses Thema interessiert unsere politikwissenschaftlichen Studierenden sehr.
- Environmental Performance in Democracies and Autocracies
- Democracy Qualities in Comparative Climate Policy Research
- The Decline of Trust in German Politicians and its Consequences for Democratic Institutions
- Europawahlkampf 2019: Die Wirkung von Haustürbesuchen und regionaler Kandidaten
- Universitätsstudie Bayernwahl USBW18
Lehrforschungsprojekt zur Landtagswahl in Bayern 2018, Erstellen von Publikationen gemeinsam mit Studierenden, in der u.a. Big Data-Analysen gemacht werden:
- Walter-Rogg, Melanie/Heinrich, Tassilo (Hrsg.) 2021: Die Landtagswahl 2018 in Bayern – Analysen zum Wahlverhalten und zur politischen Kultur im Freistaat. Wiesbaden: Springer VS.
- Individually Salient Switching Motives and Macro-Voter Transitions: The Case of the Immigration Issue Public in a Regional Earthquake Election in Germany 2018. Eingereicht beim Journal Political Behavior am 6.10.2020.
Ausbildung an der Technischen Universität Stuttgart, Selbststudium
Kommt auf die Komplexität der KI-Modelle an, zum Glück gibt es Informationswissenschaftler, die uns das erklären können 🙂
Ich finde den sozialwissenschaftlichen Beitrag in der KI/ML-Forschung sehr hilfreich, umgekehrt hilft KI sozialwissenschaftliche Prozesse besser abzubilden oder bestimmte Forschungsfragen (z.B. im Bereich politische Kommunikation im Social Media Bereich) überhaupt erst untersuchen zu können
USBW18-Studie zur Entwicklung eines neuen Wählerwanderungsmodells, interdisziplinäre Zusammenarbeit mit Forschern der LMU München und der Universität Passau, beteiligt sind Statistiker, Politik- und Kommunikationswissenschaftler. Die Statistiker des Beratungslabors der LMU München sind sehr wichtig, um das neue Wählerwanderungsmodell berechnen zu können.
Verstärkte Zusammenarbeit verschiedenster Disziplinen im Bereich KI kann Studierende motivieren, das Studium nach einer grundlegenden Fachausbildung z.B. im Masterstudium interdisziplinär und anwendungsorientiert zu gestalten.
Ich finde die Idee gut, leiste aber keinen Beitrag.
Nein
Frau Walter-Rogg, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!
Frau Walter-Rogg, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!