Doctoral position in social indicator development with text-based and spatial data

Rural depopulation is emerging as one of the defining global transformations of the 21st century, with profound consequences für sowohl Ökosysteme als auch das menschliche Wohlbefinden. Das DEPOPLAND-Projekt zielt darauf ab, die erste systematische, globale Analyse der ökologischen und sozialen Dynamik in depopulierenden ländlichen Landschaften bereitzustellen, um Veränderungstrends und deren zugrunde liegende Treiber zu identifizieren. Um dies zu erreichen, verfolgt das Projekt einen integrierten und datengestützten Ansatz zur Analyse sozial-ökologischer Systeme, indem es verschiedene Datenquellen und fortschrittliche computergestützte Methoden kombiniert, um langfristige Dynamiken von Ökosystemen und menschlichem Wohlbefinden aufzudecken.

DEPOPLAND ist hochgradig interdisziplinär und vereint Fachwissen aus der Landschaftsökologie, der physischen und menschlichen Geographie, der Landnutzungssystemwissenschaft und der computerlinguistischen Forschung. Das Projekt wird in Zusammenarbeit mit Partnern an der ETH Zürich, der Universität Zürich sowie den Universitäten Kassel und Göttingen durchgeführt.

Der Doktorand wird hauptsächlich an den Arbeitspaketen 1 und 3 arbeiten, wobei der Schwerpunkt auf der Modellierung und Analyse von Trajektorien des objektiven und subjektiven Wohlbefindens unter Verwendung räumlicher und computergestützter Textanalysen liegt.

• Identifizierung schrumpfender und wachsender ländlicher Landschaften weltweit unter Verwendung großangelegter Bevölkerungsdatensätze und räumlicher Analysen
• Zusammenstellung, Harmonisierung und Analyse regionsspezifischer Zeitreihen von objektiven und subjektiven Wohlbefindensindikatoren
• Entwicklung und Anwendung von Workflows zur computergestützten Textanalyse zur Ableitung räumlich und zeitlich expliziter Indikatoren des subjektiven Wohlbefindens aus großen textbasierten Datensätzen (z.B. globale Nachrichtenbanken wie GDELT oder andere Nachrichtenarchive)
• Entwurf und Implementierung von Modellen des maschinellen Lernens zur Analyse und Vorhersage von Wohlbefindensindikatoren
• Enge Zusammenarbeit mit anderen Projektmitgliedern (einschließlich eines zweiten Doktoranden, der an ökologischen Trajektorien arbeitet)
• Präsentation von Ergebnissen auf Konferenzen und Veröffentlichung in peer-reviewed Zeitschriften

Profil

Erforderliche Qualifikationen:

• Ein Master-Abschluss in Geographie, Sozialwissenschaften, Landschaftsplanung, Wirtschaft, Datenwissenschaft oder einem verwandten Bereich
• Starkes Interesse an der Forschung zum Wohlbefinden, sozialen Indikatoren oder Mensch-Umwelt-Interaktionen
• Erfahrung mit der computergestützten Analyse von Textdaten (z.B. natürliche Sprachverarbeitung, Text Mining oder computergestützte Sozialwissenschaften)
• Erfahrung mit räumlicher Datenanalyse und Programmierung (z.B. Python oder R)
• Exzellente Englischkenntnisse (schriftlich und mündlich) und starke Teamarbeitfähigkeiten

Zusätzliche Assets:

• Erfahrung mit großangelegten Datensätzen (z.B. Textkorpora, Ereignisdatenbanken oder geospatialen Daten)
• Erfahrung mit Umfragedaten oder Datensätzen zu sozialen Indikatoren
• Vertrautheit mit statistischen oder maschinellen Lernmethoden
• Kenntnisse über reproduzierbare Forschungspraktiken und Versionskontrolle

Wir bieten

• Ein anregendes, interdisziplinäres Forschungsumfeld in einem dynamischen und internationalen Team
• Enge Zusammenarbeit mit führenden Experten in sozial-ökologischen Systemen, computergestützter Textanalyse und Wohlbefindensforschung
• Exzellente Arbeitsbedingungen an der ETH Zürich, einer der weltweit führenden Universitäten
• Chancen zur akademischen Entwicklung, Veröffentlichung und internationalem Networking

Wir fördern Chancengleichheit, schätzen Vielfalt und pflegen ein Arbeits- und Lernumfeld, in dem die Rechte und die Würde aller Mitarbeiter und Studierenden respektiert werden. Die Stelle ist auf vier Jahre angelegt, mit einem geplanten Startdatum am 1. November 2026.