Doktorand inom kausalitet, maskininlärning och beräkningssamhällsvetenskap

Vi söker en doktorand för forskning i gränslandet mellan kausalitet, maskininlärning och beräkningssamhällsvetenskap för att arbeta i följande projekt.

Dina arbetsuppgifter

Som doktorand ägnar du dig åt din forskarutbildning och forskningsprojekt där du ingår. I ditt arbete kan även ingå att undervisa eller att delta i andra institutionsuppdrag, upp till 20% av heltid. I arbetsuppgifterna ingår även att aktivt bidra till det samarbete inom vilket projektet kommer genomföras (läs mer under "Din arbetsplats" nedan).

En central utmaning för samhällsvetenskaperna är att samhället är ett komplext system på grund av dess invecklade beroenden. Till exempel formas individers liv av exponeringar och interaktioner inom och över sociala domäner som arbetsplatser och stadsdelar. Även om denna komplexitet erkänns i teorin, tenderar mycket av det empiriska arbetet inom beräkningssamhällsvetenskapen att förenkla bort sådana beroenden genom att införa linjäritet, lågdimensionalitet och oberoende. Dessa restriktioner riskerar att leda till en alltför förenklad och naiv beskrivning av den sociala världen. Den senaste utvecklingen av metoder för maskininlärning (ML) i kombination med rika befolkningsdata erbjuder dock en ny väg framåt för beräkningssamhällsvetenskapen. Syftet med detta projekt är att använda och vidareutveckla de senaste ML-metoderna för att analysera befolkningsregisterdata.

Mer specifikt syftar detta projekt till att uppskatta de kausala effekterna av exponeringar som stadsdelar på livsmöjligheter och utfall, a.k.a. kontextuella effekter. För detta ändamål strävar vi efter att använda transformers neurala nätverk, som är designade för att effektivt modellera komplexa och långväga beroenden. Medan dessa modeller har i grunden revolutionerat analysen av text- och bilddata, är dess tillämpning inom beräkningssamhällsvetenskapen är dock fortfarande i ett tidigt stadium.

Den viktigaste utmaningen i att uppskatta kontextuella effekter är att skilja dem från confounding effekter som härrör från att individer inte slumpmässigt väljer kontexterna. För att möta denna utmaning har de senaste ML-metoderna försökt att ersätta oobserverade confounders med proxies baserat på observerade urvalsbeteenden och sociala positioner. Transformers har således avsevärd potential att förbättra befintliga proxybaserade tillvägagångssätt. För detta ändamål är två överväganden av yttersta vikt. (1) Det finns flera tänkbara sätt som embeddings kan användas på, och därför är en första uppgift att utforska vilket som är lämpligast. (2) Som vi har visat i tidigare arbeten kommer användningen av proxys med sina egna utmaningar och måste härledas noggrant för att undvika att införa bias. Vi kommer att identifiera villkor och kriterier under vilka unbiased uppskattning är möjlig och utveckla sensitivity analysis anpassade till dessa kriterier.

Dina kvalifikationer

Du har avlagt examen på avancerad nivå inom maskininlärning, statistik, datavetenskap, beräkningssamhällsvetenskap eller ett relaterat område som bedöms vara relevant för projektets forskningsinriktning, eller slutfört kurser om minst 240 högskolepoäng varav minst 60 högskolepoäng på avancerad nivå inom ovan nämnda områden eller på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Utmärkta studieresultat och en stark bakgrund inom matematik är ett krav för anställningen. Den sökande ska vara skicklig på att implementera nya modeller och algoritmer i en lämplig mjukvarumiljö, med dokumenterad erfarenhet. Den sökande ska dessutom ha en stark drivkraft för att utföra grundforskning; förmåga och intresse för att samarbeta inom forskning; och stark kommunikationsförmåga. Den sökande ska kunna kommunicera obehindrat på engelska i tal och skrift.

Din arbetsplats

Linköpings universitet är en av de ledande AI-institutionerna i Sverige. Vi har starka kopplingar till framstående nationella forskningsinitiativ, som WASP, ELLIIT och SweCSS och du kommer att ha tillgång till toppmodern datorinfrastruktur för maskininlärning, t.ex. genom BerzeLiUs. Detta projekt kommer att drivas i nära samarbete med Institutet för Analytisk Sociologi och Swedish Excellence Centre for Computational Social Science, båda vid Linköpings universitet.

Anställningen är formellt placerad vid avdelningen för statistik och maskininlärning (STIMA). På STIMA bedriver vi forskning och utbildning inom både statistik och maskininlärning, på grund-, avancerad och forskarnivå.STIMA är en del av Institutionen för datavetenskap (IDA) – en dynamisk, internationell och samverkande miljö med starkt fokus på forskning, som spänner över allt från rent teoretiskt till tillämpat.

STIMA är en del av Institutionen för datavetenskap (IDA) läs mer om institutionen här:https://liu.se/en/organisation/liu/ida

Projektet kommer att genomföras i ett samarbete mellan STIMA (huvudhandledare: Jose M. Peña, biträdande professor i maskininlärning), och Institutet för Analytisk Sociologi (bihandledare: Adel Daoud, biträdande professor i samhällsvetenskap), och the Swedish Excellence Centre for Computational Social Science.

Om anställningen

I samband med tillträde till anställningen kommer du att antas till forskarutbildningen. Läs mer om respektive fakultets forskarutbildning här.

Anställningen är tidsbegränsad till fyra år heltid. Du anställs till en början på ett år, och därefter förnyas anställningen med högst två år i taget, utifrån uppnådd studieplan. Förlängning av anställning upp till fem år sker utifrån grad av undervisnings- och institutionsuppdrag. Vid särskilda skäl kan ytterligare förlängning ske. 

Tillträde enligt överenskommelse.

Lön och förmåner

Doktorandlönen regleras utifrån en lokalt avtalad lönestege. Läs mer om förmåner för anställda här.

Fackliga kontaktpersoner

Information om fackliga kontaktpersoner, se Hjälp för sökande.

Ansökan

Du söker denna anställning genom att klicka på knappen ”Ansök” nedan. Din ansökan ska vara Linköpings universitet tillhanda senast den 10 december 2024. Ansökan som inkommer efter sista ansökningsdag beaktas inte.

OBS! När du söker tjänsten vill vi att du skickar ett personligt brev (första fältet i ansökningsformuläret). Detta brev bör innehålla ett stycke där du kortfattat förklarar/listar de kvalifikationer som du anser är särskilt relevanta för det forskningsämne som beskrivs ovan. Detta stycke ska börja med orden "Suitability for research topic:".

Vi välkomnar sökande med olika bakgrund, erfarenheter och perspektiv, det berikar och utvecklar vår verksamhet. För oss är det självklart att värna om allas lika värde, rättigheter och möjligheter. Läs om vårt arbete med Lika villkor.

Välkommen med din ansökan!