News

Neuigkeiten rund um das Data Science Center

Hier berichten wir über Entwicklungen im Bereich Data Science und halten Sie über die Aktivitäten des DSC und seiner Mitglieder auf dem Laufenden. Sie finden Neuigkeiten zu Forschungsprojekten, Ausbildung, Transfer und vielem mehr.

Neue Veröffentlichung am DSC: Innovativer Ansatz zur Untersuchung von Promotionsverläufen

Die Forscherin Gesche Brandt und unsere Kollegin Susanne de Vogel veröffentlichten vor Kurzem ihr Paper mit dem Titel „Normalising sequence lengths using the relative duration of episodes: an application to doctoral trajectories in Germany“.

Die Promotionswege von Doktorand*innen in Deutschland sind sehr heterogen. Neben sehr gradlinigen Promotionsverläufen, die innerhalb eines Kontextes – beispielsweise eines Graduiertenkollegs – abgeschlossen werden, gibt es ebenso Promotionsphasen mit häufigen Kontextwechseln – zum Beispiel dann, wenn eine Promotion im Anschluss an ein Stipendienprogramm im Rahmen eines Anstellungsverhältnisses weitergeführt wird. Zudem können sie sich in der Dauer erheblich unterscheiden. Während einige ihre Promotion innerhalb weniger Jahre abschließen, benötigen andere deutlich länger. Dieser große Unterschied in den Sequenzlängen hat es bisher schwierig gemacht, anhand von Sequenzanalysen typische Muster in den Promotionsverläufen zu identifizieren.

Um diese Herausforderung zu lösen, schlagen die Forscherinnen eine Normalisierung der Sequenzen vor. Statt die absolute Dauer der Promotion in den Blick zu nehmen, wird die relative Dauer einzelner Phasen innerhalb der Promotionsverläufe betrachtet. Das bedeutet, dass für jede Episode einer Promotionssequenz deren prozentualer Anteil an der gesamten Sequenz ermittelt wird. Diese Normalisierung ermöglicht es, verschiedene Promotionsverläufe direkt miteinander zu vergleichen, ohne dass die Gesamtdauer der Promotion Einfluss auf das Ergebnis nimmt. So können Muster und typische Verläufe besser identifiziert werden.

Die Sequenznormalisierung bietet mehrere Vorteile. Neben einer direkten Vergleichbarkeit von Verläufen unterschiedlicher Länge und der besseren Identifizierbarkeit typischer Trajektorien lassen sich auch ideale Verlaufstypen leichter definieren. Zudem lässt die vorgestellte Methode eine bessere grafische Darstellung der Ergebnisse zu.

Die Forscherinnen demonstrieren ihre Methode mit Daten einer Panelstudie deutscher Promovierter getestet, das vom Deutschen Zentrum für Hochschul- und Wissenschaftsforschung (DZHW) durchgeführt wurde. Dabei wurden die Promotionsverläufe von Doktorand*innen auf monatlicher Basis erfasst. Dank der Sequenznormalisierung konnten sie verschiedene Promotionsverläufe systematisch miteinander vergleichen und typische Muster herausarbeiten.

Besonders in Bereichen, in denen sich die Dauer von Lebensverläufen stark unterscheidet, kann die Methode der Sequenzanalyse aussagekräftige Muster erkennen und so zu wissenschaftlich fundierten Entscheidungen verhelfen. Die Methode bietet somit viel Potenzial für die zukünftige Forschung und könnte auch auf andere Bildungs- oder Karriereverläufe angewendet werden.

 


 

Haben Sie Fragen zu dieser Veröffentlichung?

Dr. Susanne de Vogel
Data-Science-Support
Tel. +49 (421) 218 - 63938
E-Mail: devogelprotect me ?!uni-bremenprotect me ?!.de

 

Further Links:

Link zur Publikation

 

Book Icon und Schriftzug New Publication at DSC