ZiF-Forschungsgruppe
Genetische und soziale Ursachen von Lebenschancen
Zur kulturellen Produktivität der Schuld
2015/2016
Leitung: Martin Diewald (Bielefeld, GER), Rainer Riemann (Bielefeld, GER)
- Gestaltung: Stefan Adamick
- Gestaltung: Stefan Adamick
- Gestaltung: Stefan Adamick
- Gestaltung: Stefan Adamick
Aktuelle Termine
Kooperationsgruppentagung
Anreizstrukturen in der akademischen Forschung und deren Auswirkungen auf das System des Wissens
Max Albert (Gießen, GER), Guido Bünstorf (Kassel, GER), Rolf König (Bielefeld, GER), Cornelis Menke (Mainz, GER), Niels Taubert (Bielefeld, GER)
Mehr
ZiF // Art Cinema
Obłoki plyną nad nami / Under a Placid Sky / Unter einem stillen Himmel
Zentrum für interdisziplinäre Forschung (ZiF) der Universität Bielefeld in Kooperation mit dem Polnischen Institut Düsseldorf
Mehr
ZiF-Arbeitsgemeinschaft
Veränderung aus sich selbst heraus – Eigendynamik in vormodernen Gesellschaften
Franz-Josef Arlinghaus (Bielefeld, GER), Andreas Rüther (Bielefeld, GER)
More
The ZiF's Blog Fotos vom Jubiläum 50 Jahre / 50 Objekte Meilensteine
Was ist das ZiF?
Das ZiF fördert als Institute for Advanced Study der Universität Bielefeld herausragende interdisziplinäre und innovative Forschungsprojekte. Das ZiF ist eine unabhängige, thematisch ungebundene Forschungseinrichtung und steht Wissenschaftlerinnen und Wissenschaftlern aller Länder und aller Disziplinen offen.
Aus den Forschungs- und Kooperationsgruppen
Situationsmodelle: Neue Perspektiven auf das kognitive Verhalten von Menschen, Tieren und Maschinen
2019/2020Aktuelle Fortschritte der Kognitiven Neurowissenschaften (KN, der Kombination von Psychologie und Hirnforschung) zeichnen uns zunehmend deutliche Umrisse wichtiger Kernkomponenten von kognitivem Verhalten und deren Rolle beim Zustandekommen der beim Menschen und vielen Spezies des Tierreichs (z.B. Nagetiere, Affen) beeindruckenden Flexibilität und Kontextsensitivität. Gleichzeitig sehen wir wichtige Durchbrüche im Bereich Künstlicher Intelligenz (KI) und Robotik: dort eröffnen Verbindungen von deep learning mit weiteren maschinellen Lernverfahren – zusammen mit der Verfügbarkeit hochentwickelter Roboterplattformen, neuen Interaktionsszenarien und sehr großen Datensätzen – neue Wege, um intelligentes Verhalten durch Lernen vorwiegend aus Daten und Interaktion zu synthetisieren.
Statistical Models for Psychological and Linguistic Data
2019/2021The goal of the cooperation group is to investigate and further develop a series of statistical methods that are now available for (a) the analysis of experimental and psychometric data from psychology and psycholinguistics, (b) the modeling of linguistic distributional data, and, possibly going beyond these domains, (c) the analyses of genome-wide associations. The methods in focus are (generalized) linear mixed models [(G)LMMs], generalized additive (mixed) models [GA(M)Ms], and multivariate (generalized) mixed models [MV(G)MMs]. These statistical methods deal with inferential statistical problems that arise from dependencies between, for example, measures on the same subjects or the same items in psycholinguistic experiments or, again as an example beyond the core domains, the same nucleotides in the genome (i.e., within-unit correlations).
Anreizstrukturen, Steuerungssysteme und Erkenntnisqualität
2019/2021Die Kooperationsgruppe untersucht die Wechselwirkung zwischen ökonomischen Anreizen, institutionellen Merkmalen und den Erkenntniszielen der Wissenschaft. Sie bringt Wissenschaftsökonomie, -soziologie und -philosophie zusammen und arbeitet im Besonderen die Beziehungen zwischen den gesellschaftlichen Bedingungen, unter denen Wissenschaft operiert, und der Beschaffenheit oder dem Inhalt des produzierten Wissens heraus. Größere Themenbereiche betreffen die Anreizstruktur der wissenschaftlichen Gemeinschaft und ihre Auswirkungen auf den Forschungsprozess, die Steuerbarkeit von Forschung und insbesondere akademischer Forschung durch materielle Anreize, den Einfluss von gesellschaftlichen und wirtschaftlichen Forderungen, die an die Forschung herangetragen werden, auf die Forschungsergebnisse sowie Strategien für die Erzeugung praktisch fruchtbarer, innovativer Ergebnisse.
Barrieren durchbrechen: Interdisziplinäre Modellbildung für eine komplexe Welt
2018/2020Modellbildung ist ein methodisches Kernstück der Befassung mit den Herausforderungen einer komplexen Welt. Der Kooperationsgruppe "Barrieren durchbrechen" (BreaCon) strebt die Analyse von Modellierungspraktiken durch interdisziplinären Austausch und Reflexion an. Die Teilnehmer entstammen der Physik, Chemie, Biologie, Computerwissenschaft, Sozialwissenschaft, Geschichte und Philosophie. Gemeinsam verbinden sie Modellbildung als zentrale erkenntnisorientierte Aktivität mit der Untersuchung dieser Aktivität. Die gemeinsamen Forschungen sind wesentlich interdisziplinär in dem Sinne, dass die Wanderung von Modellen über disziplinäre Grenzen hinweg verfolgt wird.
