Die Beschäftigung mit komplexen Systemen hat nicht nur Komplexität zum Gegenstand, sondern lässt sich angesichts der digitalen Datenflut, die das Internet in Hinblick auf (fast) jede relevante Fragestellung bietet, selbst als komplexes System verstehen. Wie kann man mit solchen Datenmengen nicht nur als Konsument, sondern auch als Forscher auf sinnvolle Weise umgehen? Wie kann diese Reduktion auf sinnvolle Weise reduziert werden? Wie kann die Datenmenge, aber auch die Milliarden von inhaltsbezogenen Online-Interaktionen, die täglich stattfinden, auf eine Weise untersucht werden, die selbst wieder Aufschluss über die dem zugrundeliegenden inhaltlichen Prozesse geben können? Welche empirischen Gesetzmäßigkeiten und welche grundlegenden Theoriekonzepte lassen sich in diesem Zusammenhang entwickeln? Mit diesen Fragestellungen beschäftigt sich ein neues Online-Journal, das als SpringerOpen Journal unter Open Access Bedingungen ab sofort verfügbar ist. Versprochen wird:„All articles published by EPJ Data Science are made freely and permanently accessible online immediately upon publication, without subscription charges or registration barriers“ Allerdings sollen die Autoren bzw. die hinter ihnen stehenden Forschungsinstitute dann eine ordentliche Gebühr für einen veröffentlichten Artikel berappen. Im Editorial der Schriftleiter Frank Schweitzer (ETH Zürich) und Alessandro Vespignani (Northeastern University, USA) heißt es:„The idea to launch a new journal, EPJ Data Science, was formed exactly around the challenge of tackling massive amounts of data in a scientific manner, by exploring its engineering but even more so its conceptual challenges. Accordingly, the journals scope goes well beyond technical issues of gathering data from sensors or programming issues of data crawlers. It also goes beyond the classical statistical analysis. Our focus here is on identifying new empirical laws emerging from massive data sets and the How? question, i.e. on conceptually new scientific methods for analyzing and synthesizing these laws. We want to recognize the picture that is hidden in these mas- sive data streams, to predict its occurrence in a statistical sense, and to control it. But we also want to go further, to the Why? question, by linking these findings to theoretical concepts in a broader sense, to understand their origin and their impact. Going for the latter implies more than plotting data the right way, fitting curves, or mapping regularities to known dynamics. New concepts need to be established – notably about social systems – that support and contain these findings, models of basic social interactions need to be developed to predict a certain outcome on the system level, and we have to pay attention to those empirical findings that do not nicely fit with established theories“
Die erste Ausgabe des Journal ist hier zu finden
