Digitale modeller i samfundsvidenskabelig forskning

Anders Kristian Munk, lektor, TANTlab, Aalborg Universitet

Anders Kristian Munk er cand.mag. i europæisk etnologi fra Københavns Universitet og ph.d. i geografi fra University of Oxford. Han forsker og underviser i brugen af maskinlæring og store mængder ustruktureret data til kulturvidenskabelige undersøgelser. Han er desuden medforfatter til en dansksproget bog om Digitale metoder.

Christian Borch, på konferencetidspunktet professor ved Institut for Ledelse, Politik og Filosofi, Copenhagen Business School

Christian Borchs forskning fokuserer på økonomisk sociologi og samfundsteori, særligt konsekvenserne af brugen af algoritmer inden for de finansielle markeder. Denne forskning gennemføres aktuelt under det ERC-finansierede forskningsprojekt Algorithmic Finance, som bl.a. studerer brugen af AI og maskinlæring.

Oana Vuculescu, lektor, Institut for Virksomhedsledelse, Aarhus Universitet

Oana Vuculescu har bl.a. arbejdet med agentbaseret modellering og bidraget til artiklen Searching far away from the lamp-post: An agent-based model. Artiklen præsenterer indsigt fra et laboratorieeksperiment om menneskelig problemløsning i en kombinatorisk opgave, herunder hvordan menneskelige problemløsere er i stand til at opdage og udnytte mønstre i deres søgen efter en optimal løsning. Oana har også arbejdet med Remote optimization of an ultracold atoms experiment by experts and citizen scientists (RedCRAB, Gamified interface).

Matt W. Loftis, lektor, Institut for Statskundskab, Aarhus Universitet

Matt W. Loftis har bl.a. bidraget til artiklen Collaborating with the Machines: A hybrid method for classifying policy documents. Udgangspunktet for artiklen har været, at stramninger af forskningsbudgetter og den store mængde af tilgængelige informationer kræver, at forskere skal gøre mere for mindre. Fokus har været på automatisering af datakodning ved computerklassificering for store datasæt, og der er samlet viden om understøttende værktøjer, der kan anvendes hertil.

Rolf Lyneborg Lund, adjunkt, Institut for Sociologi og Socialt Arbejde, Aalborg Universitet

Rolf Lyneborg Lund er i sit arbejde optaget af, hvordan sociologien kan møde computervidenskaben for at øge vores forståelse af sociale systemer og sociale sammenhænge og for at automatisere dataindsamling og analyser. Rolf arbejder bl.a. med at kombinere sociale data med AI og GIS til at forstå problemstillinger om blandt andet ulighed og social segregering. Se et af hans projekter, Neighborhood AI, som blandt andet involverer studerende aktivt i forskningen, samt hans ph.d.-afhandling Dissecting the local.

Morten Axel Pedersen, professor og direktør, og Helene Willadsen, postdoc, SODAS, Københavns Universitet

Morten Axel Pedersen og Helene Willadsen vil give inspiration til, hvordan samfundsforskere og antropologer bruger digitale metoder i deres arbejde med eksempler inden for politik, afgangsprøver m.fl.  De arbejder med, hvordan man får datarevolutionen i spil i domænevidenskaberne, og stiller spørgsmålet om samfundsvidenskab overhovedet har brug for ingeniører og dataloger? Med udgangspunkt i forskningsprojektet Social Fabric, som blev til i samarbejde mellem DTU og SODAS, kan de fortælle om erfaringer og faldgruber i store samarbejder mellem teknisk-naturvidenskabelig forskning og samfundsforskning og om opbygningen af et egentligt interdisciplinært forsknings- og uddannelsescenter: Copenhagen Center for Social Data Science (SODAS).