GESIS – Leibniz-Institut für Sozialwissenschaften ist eine von Bund und Ländern finanzierte, international tätige sozialwissenschaftliche Einrichtung der Leibniz-Gemeinschaft.
Wir suchen zum 01.04.2026 für den Standort Köln in der Abteilung Computational Social Science (CSS), Team Transparent Social Analytics eine*n
Wissenschaftliche*n Mitarbeiter*in (Doktorand*in) in Computational Social Science
(Entgeltgruppe 13 TV-L, 100% Arbeitszeit, befristet bis 31.3.2029)
Die Abteilung Computational Social Science (CSS) erhebt digitale Verhaltensdaten und stellt computerbasierte Methoden zur Erhebung und Analyse solcher Daten für die sozialwissenschaftliche Forschung bereit. Flankierend unterstützt sie Wissenschaftler*innen bei der Integration von digitalen Verhaltensdaten in ihre Forschungsdesigns. Forschungsschwerpunkte der Abteilung sind die Qualität digitaler Verhaltensdaten, die Entwicklung und Validierung von Computational Social Science-Methoden sowie der Wandel digitaler Gesellschaften.
Die Stelle ist Teil des vom BMFTR geförderten Projekts „WIEGE“, das darauf abzielt, politische Desinformation über verschiedene Plattformen hinweg zu erkennen. Sein Ziel ist es, junge Menschen und Jugendliche in sozialen Medien zu schützen und ihre Resilienz zu stärken. Das Projekt verfolgt einen interdisziplinären und integrierten Ansatz, der die Entwicklung einer nachhaltigen Dateninfrastruktur mit automatisierten Methoden zur Identifizierung politischer Desinformation über mehrere Plattformen hinweg kombiniert, sowie Wirkungspfade exploriert und mit effektiven Kommunikationsstrategien zur Sensibilisierung integriert. Das Projekt erfolgt in Kooperation mit den Universitäten Düsseldorf (Sozialwissenschaften & Informatik) und Mainz (Publizistik) und umfasst Promotionsstellen an allen Standorten.
Ihr Aufgabengebiet:
1. Analyse großer Online-Datenbestände (z. B. Social Media, Plattformdaten) zur Identifikation von Desinformations- und Kommunikationsmustern mittels moderner Verfahren der computergestützten Text- und Datenanalyse
2. Entwicklung, Anwendung und Validierung von Methoden des Machine Learning/Deep Learning zur Bearbeitung konkreter Forschungsfragen innerhalb des Projekts
3. Konzeption und Umsetzung von Datenverarbeitungs- und Analysepipelines (Pre-Processing, Exploration, Modelltraining) sowie Abstimmung von Datenanforderungen und Methoden mit Projektpartnern
4. Enge Zusammenarbeit mit Projektpartner*innen innerhalb des WIEGE-Projekts bei der Umsetzung von Arbeitspaketen sowie Beitrag zu den übergeordneten Zielen und Ergebnissen des Projekts
5. Präsentation und Publikation der Forschungsergebnisse in Zusammenarbeit mit Projektverantwortlichen sowie Anfertigung einer Dissertation im thematischen Kontext
Ihr Profil:
6. Masterabschluss in einer für Computational Social Science relevanten Fachrichtung, z.B. Informatik, Data Science, Informationswissenschaft, Soziologie, Kommunikationswissenschaft, Politikwissenschaft, Linguistik, Physik
7. Sehr gute Kenntnisse in R und/oder Python
8. Erfahrung im Einsatz von Machine Learning und Natural Language Processing in einem für die Sozialwissenschaften relevanten Themenfeld oder nachweisliches Interesse, sich diese Kompetenzen zügig und zielgerichtet anzueignen
9. Expertise im Bereich Desinformation in digitalen Medienumgebungen ist von Vorteil
10. Sehr gute Englischkenntnisse in Wort und Schrift, Deutschkenntnisse sind ein Plus
Wir bieten:
11. Ein internationales und interdisziplinäres Arbeitsumfeld, das Sie auch bei der Entwicklung Ihres eigenen Forschungsprofils unterstützt
12. Integration in ein zukunftsweisendes BMFTR-Projekt und Möglichkeit zur Promotion mit innovativen Forschungsdaten
13. Flexible Arbeitszeiten und Regelungen zum mobilen Arbeiten
14. Sehr gute Bedingungen für die Vereinbarkeit von Beruf und Familie u.a. durch Zuschüsse zur Betreuung von nicht schulpflichtigen Kindern
15. Ganzheitliches Betriebliches Gesundheitsmanagement und die vergünstigte Teilnahme am Sportprogramm der Uni
16. Großzügige Förderung Ihrer Altersvorsorge in Form einer Direktversicherung
17. Förderung Ihrer Kompetenzen durch Weiterbildungsmaßnahmen
Kontakt