Tussen 20 juni en 1 juli heeft de eerste SICSS-ODISSEI summer school succesvol plaatsgevonden. In de eerste week bestond het programma uit colleges en interactieve werkgroepen om de ongeveer twintig deelnemers wegwijs te maken met de belangrijkste problemen en uitdagingen in computationele sociale wetenschappen. In de tweede week voerden ze een unieke sociaal-wetenschappelijke benchmark challenge uit, waarmee ze hands-on ervaring kregen en hun vers opgedane theoretische kennis in de praktijk konden brengen.
De summer school was onderdeel van de Summer Institutes in Computational Social Science (SICSS), een wereldwijd initiatief dat masterstudenten, postdocs en beginnende docenten met een interesse voor computationele sociale wetenschappen samenbrengt. De ODISSEI summer school was ook bedoeld om deelnemers bekend te maken met ODISSEI’s overkoepelende onderzoeksinfrastructuur. Zo leerden deelnemers meer over de rijke datasets die beschikbaar zijn in Nederland en in de tweede week konden ze hun eigen onderzoeksproject uitvoeren met behulp van de ODISSEI infrastructuur.
Gedurende de summer school hebben externe sprekers die onderzoek doen in de computationele sociale wetenschappen gesproken over hun uiteenlopende onderzoeken. Onderwerpen als de verspreiding van informatie in social media, Population Scale Network Analysis, machine learning en voorspellingen en causaliteit in sociale wetenschappen kwamen aan bod. Dit bereidde de deelnemers voor op de benchmarking challenge die ze in de tweede week uitvoerden.
Hoewel benchmarking challenges populair zijn in data science, machine learning en andere onderzoeksvelden, zijn ze erg schaars in de sociale wetenschappen. Daarom organiseerde ODISSEI’s benchmarking team met het Social Data Science Team (SoDa) een unieke sociaal-wetenschappelijke benchmark challenge voor de summer school. Het doel van de challenge was om precair werk (gedefinieerd door het combineren van inkomensniveau en type aanstelling) in 2020 te voorspellen aan de hand van voorspellende factoren vanuit 2010 of eerder. Elk van de zes teams kreeg een eenvoudige baseline training dataset met onder meer de uitkomstvariabele en verschillende fundamentele demografische indicatoren. De deelnemers hebben ook gezocht naar aanvullende datasets en bronnen en konden deze gebruiken om ze op individueel niveau te linken aan de trainingsdata.
Omdat dit de eerste poging was om een benchmarking challenge op te zetten voor de sociale wetenschappen met de rijke Nederlandse administratieve datasets, bieden de ervaringen en resultaten van deze challenge cruciale inzichten in de manieren waarop benchmarking voor sociale wetenschappen kan worden verbeterd. Het ODISSEI benchmarking team verwacht hierop voort te bouwen met een follow-up benchmarking challenge.
Relevante links
- ODISSEI Benchmarking in de sociale wetenschappen
- ODISSEI Social Data Science Team
- SICSS-ODISSEI summer school
Foto’s door Michel Groen – MG Fotografie