IFS im FAIR Graduierten Programm für statistische Methoden beteiligt
- News
- Veranstaltungen
![FAIR Graduierten Programm Logos der TU Dortmund und FAIR vor einer Seminarsituation mit Dozierenden und einem Teilnehmenden, der auf eine Präsentation deutet](/storages/ifs-ep/_processed_/c/d/csm_2024.08.08_FAIR_2fdee626b7.png)
Das FAIR Graduierten Programm bietet Doktorand*innen der Sozialwissenschaften Workshops für statistische Methoden.
Das FAIR Graduierten Programm für statistische Methoden ist am 1. August gestartet und richtet sich insbesondere an Doktorand*innen der Sozialwissenschaften, ist aber auch für Post-Doktorand*innen oder Promovierende anderer Fachbereiche und Hochschulen geöffnet.
Die beteiligten Wissenschaftler*innen des Projekts FAIR, darunter auch Elisabeth Graf und Jakob Schwerter vom IFS, bieten wöchentlich donnerstagsnachmittags Workshops zu verschiedenen Themen aus der statistischen Methodenlehre mit hohem Praxisbezug und Anwendungsbeispielen an. Das Programm läuft bis Ende September und umfasst acht Veranstaltungstermine.
Am 8. August leitet Postdoktorandin Elisabeth Graf ihren Workshop zum Thema „Causal inference with observational data“ und eine Woche später, am 15. August, folgt Postdoktorand Jakob Schwerter mit seinem Workshop „Introduction to Causal Machine Learning“. Das vollständige Programm und die Möglichkeit zur Anmeldung finden sich auf der FAIR Projektwebseite.
Im Projekt FAIR geht es um einen interdisziplinären Wissenstransfer zwischen den beteiligten Arbeitsbereichen aus der Statistik, den Datenwissenschaften und der Empirischen Bildungs-, Rehabilitations- und Sozialforschung. Das interdisziplinäre Team im Profil FAIR fokussiert die Entwicklung, Erprobung und Anwendung innovativer Ansätze zum Umgang mit großen Datenmengen und kleinen Fallzahlen zur Optimierung von Prognose und Intervention. Die Wissenschaftler*innen des IFS beschäftigen sich dabei vor allem mit Interventionsforschung und der Analyse von Large Scale Assessments im Bildungsbereich sowie mit Simulationsstudien zum Umgang mit fehlenden Werten und dem Einsatz von baumbasierten Verfahren bei Daten mit fehlenden Werten.