Studentische Hilfskraft, Team Designed Digital Data (SHK-CSS-34)
Working Student, Part-time · Köln
Read job description in: German DE
English
GESIS - Leibniz-Institut für Sozialwissenschaften ist eine von Bund und Ländern finanzierte, international tätige sozialwissenschaftliche Einrichtung der Leibniz-Gemeinschaft.
Wir suchen zum 15.10.2025 für den Standort Köln in der Abteilung Computational Social Science (CSS), Team Designed Digital Data eine
Studentische Hilfskraft
(13,98 € / 14,87 € Stundenlohn, 10 Wochenstunden, befristet)
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.
Das Team Designed Digital Data entwickelt Services für die Erhebung qualitativ hochwertiger digitaler Verhaltensdaten im Längsschnitt. Unsere Serviceinfrastrukturen - darunter GESIS Web Tracking - sind speziell darauf ausgelegt, digitale Verhaltensdaten und Surveydaten zu verbinden und so innovative sozialwissenschaftliche Forschung zu ermöglichen. In dieser Position wirken sie aktiv an der Erhebung, Aufbereitung und Analyse von Web Tracking-Daten mit und sammeln praxisnahe Erfahrungen in einem dynamischen und zukunftsweisenden Forschungsfeld der Computational Social Science.
Ihr Aufgabengebiet
- Mitarbeit bei der Organisation, Dokumentation und Qualitätssicherung innovativer Datenprodukte
- Analyse von Web Tracking-Daten, einschließlich URL- und Textklassifikation
- Literaturrecherche und Aufbereitung von Ergebnissen für wissenschaftliche Veröffentlichungen
- Mitwirkung an der Konzeption und Durchführung von Studien im Bereich Web Tracking und Data Linking
- Enge Zusammenarbeit mit Mitarbeitenden bei Publikationen und Konferenzbeiträgen
Ihr Profil
- Fortgeschrittenes oder abgeschlossenes Bachelorstudium oder eingeschriebenes Masterstudium mit einschlägigen Methodenkenntnissen in Computational Social Science, Politikwissenschaft, Kommunikationswissenschaft, Soziologie oder verwandten Bereichen
- Erfahrung mit R oder Python sowie ausgepägtes Interesse an empirischer Datenanalyse
- Interesse an digitalen Medien, Trackingmethoden und Fragen der Datenqualität
- Sorgfältige, strukturierte und eigenverantwortliche Arbeitsweise
- Gute Englischkenntnisse in Wort und Schrift
Wir bieten
- Spannende Einblicke und aktive Mitgestaltung bei der Erhebung und Analyse innovativer digitaler Verhaltensdaten im Bereich Computational Social Science
- Ein interdisziplinäres Arbeitsumfeld in einem motivierten und engagierten Team sowie vielfältige Möglichkeiten zur fachlichen und methodischen Weiterentwicklung
- Sehr gute Bedingungen bei der Gestaltung von Arbeitszeiten, um Studium und SHK-Tätigkeit optimal zu vereinen
- Flexible Arbeitszeiten und Regelungen zum mobilen Arbeiten
- Ganzheitliches Betriebliches Gesundheitsmanagement und die vergünstigte Teilnahme am Sportprogramm der Uni
- Förderung Ihrer Kompetenzen durch Weiterbildungsmaßnahmen
Kontakt
Für weitere Informationen zu den Aufgabengebieten wenden Sie sich bitte per E-Mail an Dr. Frank Mangold. Bei Fragen zum Bewerbungsprozess steht Ihnen Franca Tosetti per E-Mail zur Verfügung.
Wir haben Ihr Interesse geweckt?
Dann bewerben Sie sich bitte bis einschließlich 22.09.2025 über unser Online-Bewerbungsportal.
Die Kennziffer lautet: SHK-CSS-34
Apply for this job
Über uns
GESIS ist eine der weltweit führenden Infrastruktureinrichtungen für die Sozialwissenschaften und steht Forscher*innen mit Expertise und Infrastrukturangeboten auf allen Ebenen ihrer Forschungsprojekte zur Seite. Wir tragen dazu bei, dass gesellschaftlich relevante Fragen auf der Basis belastbarer Daten, neuester wissenschaftlicher Methoden und Forschungsinformationen beantwortet werden können. Wir helfen bei der Studienplanung und der Datenerhebung, bieten qualitativ hochwertige Forschungsdaten, unterstützen bei der Datenaufbereitung und -analyse sowie schließlich bei der Archivierung der Daten.
GESIS unterstützt Sie dabei, sich weiter zu qualifizieren. Wir bieten unseren Mitarbeiter*innen ein breites Spektrum von Karrieremöglichkeiten in einer ansprechenden Arbeitsatmosphäre mit einem hohen Maß an Eigenverantwortung und Gestaltungsspielraum. Bei uns arbeiten Sie in einem internationalen Umfeld im Herzen von Mannheim und Köln und profitieren von einer flexiblen Arbeitsumgebung sowie internen und externen Netzwerken.
GESIS gewährleistet die Beachtung der Schwerbehindertenrichtlinien und fördert die berufliche Gleichstellung von Frauen und Männern. In Vollzeit ausgeschriebene Stellen können auch in Teilzeit besetzt werden.
Als familienfreundlicher Arbeitgeber tragen wir seit 2010 das Zertifikat audit „berufundfamilie“.
Weitere Informationen zur Arbeit bei GESIS finden Sie hier.
GESIS - Leibniz-Institute for the Social Sciences is an internationally active research institute, funded by federal and state governments and member of the Leibniz Association.
Starting on 15.10.2025 our Department Computational Social Science (CSS), Team Designed Digital Data located in Cologne, is looking for a
Student Research Assistant
(13,98 € / 14,87 € hourly rate, 10 hrs./ week, temporary)
The department Computational Social Science (CSS) collects digital behavioral data and provides computer-based methods for collecting and analyzing such data for social science research. It also supports scientists with the integration of digital behavioral data into their research designs. The department's research focuses on the quality of digital behavioral data, the development and validation of computational social science methods and the transformation of digital societies.
The team Designed Digital Data develops services for the longitudinal collection of high-quality digital behavioral data. Our infrastructures - including GESIS Web Tracking - are specifically built to connect digital behavioral data with survey data, opening up new opportunities for innovative social science research. In this position, you will actively contribute to the collection, processing, and analysis of web tracking data and gain valuable hands-on experience at the forefront of computational social science.
Your tasks will be:
- Contribute to the organization, documentation, and quality assurance of innovative data products
- Engage in the analysis of web tracking data, including URL and text classification
- Conduct literature searches and help synthesize findings for scientific publications
- Take part in the design and implementation of studies on web tracking and data linking
- Collaborate with team members on publications and conference presentations
Your profile
- Advanced or completed Bachelor’s degree, or enrollment in a Master’s program with relevant methodological training in Computational Social Science, Political Science, Communication Science, Sociology, or related fields
- Experience with R or Python and a strong interest in empirical data analysis
- Interest in digital media, tracking methods, and questions of data quality
- Careful, structured, and independent working style
- Good English language skills in speaking and writing
Our Benefits:
- Exciting insights and the opportunity to actively contribute to the collection and analysis of innovative digital behavioral data in computational social science
- An interdisciplinary work environment within a motivated and commited team, and opportunities for professional and methodological development
- Excellent conditions for combining studies with student assistant work
- Flexible working hours and regulations for mobile working
- Very good conditions for reconciling work and family life, e.g. subsidies for childcare for children who have not yet attained the age of compulsory schooling
- Holistic company health management and discounted participation in the university's sports programme
- Generous support for your pension provision as a direct insurance policy
- Promotion of your skills through further training measures
Contact
For further information concerning the tasks please contact Dr. Frank Mangold via E-Mail. If you have questions about the application process, please contact Franca Tosetti via E-Mail.
Interested?
Please apply via our Online-application portal until 22st September 2025.
Our reference number is: CSS-SHK-34
Apply for this job
About us
GESIS is one of the world's leading social science infrastructure facilities, supporting researchers at all levels of their research projects with expertise and infrastructure services. We help ensure that socially relevant questions can be answered based on reliable data, the latest scientific methods and research information. We help with study planning and data collection, provide high-quality research data, support with data preparation and analysis, and finally with data archiving.
GESIS helps you gain further qualifications. We offer our employees a wide range of career opportunities in an appealing work environment with a high degree of personal responsibility and creative freedom. With us, you will work in an international environment in the heart of Mannheim and Cologne and benefit from a flexible work environment as well as internal and external networks.
GESIS ensures compliance with the guidelines for the severely disabled and promotes professional equality between women and men. Full-time positions can also be filled on a part-time basis.
As a family-friendly employer, we have been certified by the “berufundfamilie” audit since 2010.
Further information on working at GESIS can be found here.
Apply for this job
Your application!
We appreciate your interest in GESIS. Please fill in the following short form. Should you have any difficulties in uploading your files, please contact us by mail at jobs@gesis.org.
Data privacy statement
Uploading document. Please wait.
Send application Please add all mandatory information with a * to send your application.
Cancel
