Prof. Dr. Simon Hegelich
Raum: B.354
Telefon: 089/ 907793 - 130
E-Mail: simon.hegelich@hfp.tum.de
Resume
Prof. Hegelich (*1976) verbindet in seiner Forschung Politikwissenschaft und Computerwissenschaft zu Political Data Science. Dabei geht es sowohl um Themen der Digitalisierung, deren politische Relevanz untersucht wird, als auch um klassische politikwissenschaftliche Fragen, die mit Methoden wie maschinellem Lernen, Data Mining, Computer Vision oder Simulationen bearbeitet werden. Simon Hegelich hat an der Universität Münster Politikwissenschaft studiert und dort seine Promotion und Habilitation abgeschlossen. Von 2011 bis 2016 leitete er als Geschäftsführer das interdisziplinäre Forschungskolleg FoKoS der Universität Siegen. Seit 2016 ist Simon Hegelich Professor für Political Data Science an der Hochschule für Politik.
Forschungsfeld: Political Data Science
Political Data Science verbindet Politikwissenschaft mit Data Science. Wir erleben gerade eine digitale Revolution, die immer mehr Bereiche des gesellschaftlichen Lebens erfasst. Um diese Veränderungen kompetent analysieren zu können, brauchen wir Methoden aus dem Bereich Data Science. Algorithmen, Data Mining und Big Data sind aber auch selbst höchst politische Phänomene, die mit politikwissenschaftlichem Sachverstand untersucht werden müssen.
Forschungsmethode: Machine Learning + X
An der Professur für Political Data Science wird auf maschinelles Lernen (ML) gesetzt, um dieses Feld zu bearbeiten. Beim ML finden Algorithmen selbständig Muster in großen Datenmengen und machen diese so interpretierbar. ML wird auch als „Statistik für das 21. Jahrhundert“ bezeichnet und bildet den Grundstein für viele aktuelle technische Entwicklungen von autonomen Autos bis hin zur künstlichen Intelligenz. Für Political Data Science ist der Einsatz dieser Methode, z. B. bei der Analyse von politischen Reformen, ebenso interessant wie das kritische Hinterfragen von ML: Denn die ML erzeugt eine scheinbare Objektivität, die aber wirkliche Zusammenhänge häufig auch verschleiert.
Schlüsselpublikationen
Dhawan, S., & Hegelich, S. (2022). From Outside In: Profiling, Persuasion and Political Opinion in the Age of Big Data. In C. Montag & H. Baumeister (Eds.), Digital phenotyping and mobile sensing: New developments in psychoinformatics. Springer Nature Switzerland AG.
Montag, C., Hegelich, S., Sindermann, C., Rozgonjuk, D., Marengo, D., & Elhai, J. D. (2021). On corporate responsibility when studying social media use and well-being. Trends in Cognitive Sciences, 25(4), 268–270.
Hegelich, S. (2020). Facebook needs to share more with researchers. Nature, 579(7800), 473–473.
Papakyriakopoulos, O., Hegelich, S., Serrano, J. C. M., & Marco, F. (2020). Bias in word embeddings. Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, 446–457.
Papakyriakopoulos, O., Medina Serrano, J. C., & Hegelich, S. (2020). The spread of COVID-19 conspiracy theories on social media and the effect of content moderation. Harvard Kennedy School Misinformation Review.
Papakyriakopoulos, O., Serrano, J. C. M., & Hegelich, S. (2020). Political communication on social media: A tale of hyperactive users and bias in recommender systems. Online Social Networks and Media, 15, 100058.
Serrano, J. C. M., Shahrezaye, M., Papakyriakopoulos, O., & Hegelich, S. (2019). The Rise of Germany’s AfD: A Social Media Analysis. Proceedings of the 10th International Conference on Social Media and Society, 214–223.
Shahrezaye, M., Papakyriakopoulos, O., Serrano, J. M., & Hegelich, S. (2019). Estimating the Political Orientation of Twitter Users in Homophilic Networks. AAAI Spring Symposium: Interpretable AI for Well-Being.
Papakyriakopoulos, O., Hegelich, S., Shahrezaye, M., & Serrano, J. C. M. (2018). Social media and microtargeting: Political data processing and the consequences for Germany. Big Data & Society, 5(2), 2053951718811844.
Hegelich, S. (2017). Deep learning and punctuated equilibrium theory. Cognitive Systems Research, 45, 59–69.
Hegelich, S., & Janetzko, D. (2016). Are social bots on Twitter political actors? Empirical evidence from a Ukrainian social botnet. Tenth International AAAI Conference on Web and Social Media.