{"id":82754,"title":"Studentische Hilfskraft, Team Transparent Social Analytics (SHK-CSS-39)","company":"GESIS – Leibniz-Institut für Sozialwissenschaften e.V.","city":"Köln","region":"Nordrhein-Westfalen","location":"Köln","work_model":"unknown","employment_type":"werkstudent","employment":["fixed_term","student_assistant"],"roles":["analytics"],"visa":"not_mentioned","relocation":"not_mentioned","posted_at":"2026-10-20T15:16:57+00:00","tools":["Python","R","NLP","CSS","LLM"],"seniority":"unknown","years_experience_min":null,"german_requirement":"required","german_level":"unspecified","english_requirement":"required","english_level":"unspecified","team_language":"unknown","confidence":0.9,"method":"rules","language_badge":"German required","language_evidence":"Sehr gute Deutsch- und Englischkenntnisse","requirements_snippet":"Eingeschriebenes Bachelor- (fortgeschritten) oder Masterstudium in Soziologie, Politikwissenschaft, Kommunikationswissenschaft, Linguistik, Informatik, Data Science oder einer verwandten Disziplin Gute Kenntnisse in Python, oder …","url":"https://gesis.jobs.personio.de/job/2851058","source":"personio","agency":null,"description_text":"GESIS – Leibniz-Institut für Sozialwissenschaften ist eine von Bund und Ländern finanzierte, international tätige sozialwissenschaftliche Einrichtung der Leibniz-Gemeinschaft.\n\nWir suchen zum nächstmöglichen Zeitpunkt für den Standort Köln in der Abteilung Computational Social Science (CSS), Team Transparent Social Analytics eine\n\nStudentische Hilfskraft\n(15,20 € / 16,09 € Stundenlohn, bis zu 10 Wochenstunden, befristet)\n\nDie Abteilung Computational Social Science (CSS) erhebt digitale Verhaltensdaten und stellt computerbasierte Methoden zur Erhebung und Analyse solcher Daten für die sozial-wissenschaftliche 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.\n\nDas BMFTR‑geförderte Verbundprojekt WIEGE („Wiederholt getäuscht“) untersucht, wie wiederholte, plattformübergreifende politische Desinformation (PPD) den Medienalltag Jugendlicher prägt und welche Folgen sie für Einstellungen, Vertrauen und Verhalten hat. Im Team Transparent Social Analytics beschäftigen wir uns im Rahmen des Projekts mit der automatisierten Detektion von Desinformation in Social-Media Daten. Dafür vergleichen wir verschiedene Machine Learning-basierte Methoden. Außerdem nutzen wir computergestützte Verfahren zur inhaltlichen Analyse von PPD.\n\nIhr Aufgabengebiet:\n• Systematische Aufbereitung von Forschungsliteratur aus den Bereichen Sozialwissenschaften, Computational Social Science und Data Science\n• Unterstützung in der Entwicklung von Pipelines für die automatisierte Detektion von Desinformation in großen Textcorpora unter Anwendung von „klassischen“ Machine Learning-Modellen und LLMs\n• Ggf. Unterstützung in der händischen Annotation kleinerer Datensätze\n\nIhr Profil:\n• Eingeschriebenes Bachelor- (fortgeschritten) oder Masterstudium in Soziologie, Politikwissenschaft, Kommunikationswissenschaft, Linguistik, Informatik, Data Science oder einer verwandten Disziplin\n• Gute Kenntnisse in Python, oder gute Kenntnisse in R mit der Bereitschaft sich in Python einzuarbeiten\n• Sehr gute Deutsch- und Englischkenntnisse\n• Erfahrung in der systematischen Erschließung von umfangreicher Forschungsliteratur oder hohe Bereitschaft, sich einzuarbeiten\n• Erfahrung in der Anwendung von Natural Language Processing-Methoden auf große Datensätze oder hohe Bereitschaft, sich einzuarbeiten\n• Interesse an der Verfolgung sozialwissenschaftlicher Fragestellungen mit computergestützten Methoden (Computational Social Science)\n\nWir bieten:\n• Spannende und praxisnahe Einblicke in ein interdisziplinäres Forschungsvorhaben an der Schnittstelle von Sozialwissenschaften und Informatik\n• Ein interdisziplinäres Arbeitsumfeld mit einer freundlichen und kollegialen Atmosphäre sowie vielfältigen Möglichkeiten zur fachlichen und methodischen Profilbildung, inklusive der Möglichkeit eine Abschlussarbeit mit Bezug zum Projekt anzufertigen\n• Flexible Arbeitszeiten und Regelungen zum mobilen Arbeiten\n• Sehr gute Bedingungen für die Vereinbarkeit von Beruf und Familie\n• Ganzheitliches Betriebliches Gesundheitsmanagement und die vergünstigte Teilnahme am Sportprogramm der Uni\n• Förderung Ihrer Kompetenzen durch Weiterbildungsmaßnahmen\n\nKontakt\nFür weitere Informationen zu den Aufgabengebieten wenden Sie sich bitte per E-Mail an Pia Schrot. Bei Fragen zum Bewerbungsprozess steht Ihnen Christine Laßmann per E-Mail zur Verfügung.\n\nWir haben Ihr Interesse geweckt?\nDann bewerben Sie sich bitte bis einschließlich 15.11.2026 über unser Online-Bewerbungsportal.\nDie Kennziffer lautet: SHK-CSS-39","responsibilities_text":"• Systematische Aufbereitung von Forschungsliteratur aus den Bereichen Sozialwissenschaften, Computational Social Science und Data Science\n• Unterstützung in der Entwicklung von Pipelines für die automatisierte Detektion von Desinformation in großen Textcorpora unter Anwendung von „klassischen“ Machine Learning-Modellen und LLMs\n• Ggf. Unterstützung in der händischen Annotation kleinerer Datensätze","requirements_text":"• Eingeschriebenes Bachelor- (fortgeschritten) oder Masterstudium in Soziologie, Politikwissenschaft, Kommunikationswissenschaft, Linguistik, Informatik, Data Science oder einer verwandten Disziplin\n• Gute Kenntnisse in Python, oder gute Kenntnisse in R mit der Bereitschaft sich in Python einzuarbeiten\n• Sehr gute Deutsch- und Englischkenntnisse\n• Erfahrung in der systematischen Erschließung von umfangreicher Forschungsliteratur oder hohe Bereitschaft, sich einzuarbeiten\n• Erfahrung in der Anwendung von Natural Language Processing-Methoden auf große Datensätze oder hohe Bereitschaft, sich einzuarbeiten\n• Interesse an der Verfolgung sozialwissenschaftlicher Fragestellungen mit computergestützten Methoden (Computational Social Science)","status":"open","duplicate_of":null,"first_seen":"2026-11-04T00:22:32.843414+00:00","responsibilities_summary":null,"requirements_summary":null,"all_tools":["Python","R","NLP","CSS","LLM"],"posting_language":"de","evidence":[{"language":"german","requirement":"required","quote":"Sehr gute Deutsch- und Englischkenntnisse","source":"rules"},{"language":"english","requirement":"required","quote":"Sehr gute Deutsch- und Englischkenntnisse","source":"rules"}],"years_experience_max":null,"mobility_evidence":[],"model_version":"rules-8","english_badge":"English required","company_id":2615}