Zur Modulseite PDF generieren

#41074 / #1

WiSe 2022/23 - SoSe 2023

Deutsch

Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen

6

Berendt, Bettina

Benotet

Portfolioprüfung

Deutsch

Zugehörigkeit


Fakultät IV

Institut für Telekommunikationssysteme

34332900 FG Internet und Gesellschaft

Keine Angabe

Kontakt


HBS

Wang, Sonja Mei

s.wang.1@tu-berlin.de

Lernergebnisse

Studierende, die diesen Kurs erfolgreich absolviert haben, kennen wesentliche methodologische Herausforderungen, gesellschaftliche Folgen und ethische Grenzen der Analyse und Nutzung von (Online) Social Data und können sie beschreiben. Zudem können sie exemplarisch Techniken zum Umgang mit diesen Herausforderungen, Folgen und Grenzen sowie der Vermeidung von Fallstricken und Fehlern beschreiben, vergleichen und beurteilen. Sie nehmen eine kritische Haltung zu Entscheidungen und Urteilen ein, sowohl zu denen, die sie in der Literatur finden wie auch zu ihren eigenen. Sie kennen einschlägige Verhaltenskodizes für Informatiker:innen und können diese zueinander in Beziehung setzen und vergleichen. Zudem können sie beurteilen und begründen, inwieweit und warum sie an diese Regeln gebunden sind. Studierende können aktuelle Forschungsliteratur über diese Themen hinsichtlich ihrer methodologischen Herausforderungen, gesellschaftlichen Folgen und ethischen Grenzen lesen, verstehen, vorstellen und schriftlich ausarbeiten/diskutieren. Sie können diese Arbeiten kritisch lesen, d.h. erkennen, ob und wie sich die Autor:innen positionieren hinsichtlich der Herausforderungen, Folgen und Grenzen der verwendeten Methoden.

Lehrinhalte

Informatiker:innen arbeiten in zunehmendem Maße mit „Social Data“, oft „Online Social Data“, also Daten, die aus Online-Quellen stammen, online erhoben werden, etc.. Sie analysieren diese Daten, bauen auf Basis ihrer Erkenntnisse Tools und Plattformen, und gestalten das Leben vieler Menschen und anderer Lebensformen mit. Es ist daher wichtig, Fehler und Fallstricke einer naiven Datenanalyse und -verarbeitung zu vermeiden, die in den vergangenen Jahren immer deutlicher zu Tage getreten sind und in einer Vielzahl von Forschungsarbeiten, Presseberichten und Diskussionen in Sozialen Medien selbst thematisiert werden. Beispiele für solche Daten sind user-generated content, explizite oder implizite Beziehungen zwischen Menschen, und Verhaltensspuren wie z.B. Clickstreams. Forscher:innen und Praktiker:innen erhoffen sich von diesen Daten, zu verstehen, „was die Welt denkt“ - über ein soziales Thema, eine Marke, ein Produkt, eine:n Politiker:in, etc. Sie erhoffen auch eine Unterstützung von Entscheidungen in Bereichen wie Politik, Gesundheitswesen, Wirtschaft und Anwendungen des „Social Good“. Sie erhoffen sich durch die Auswertung dieser Daten auch eine Entscheidungshilfe in Bereichen wie Politik, Gesundheitswesen, Wirtschaft und Anwendungen des „Social Good“.zu erlangen. Beispiele für Fallstricke sind Biases, Lücken und Ungenauigkeiten/Fehler, die schon in den Daten sind oder durch deren Verarbeitung entstehen. Hinzu kommen methodische Grenzen und Fallstricke, z.B. in den ethischen Fragen der Datenanalyse, in der Auswertung von Resultaten, und in unbeabsichtigten Folgen. In diesem Modul betrachten wir • Typische Herausforderungen und Fallstricke, die in den unterschiedlichen Phasen der Verarbeitung sozialer Daten auftreten • Typische unbeabsichtigte Folgen der Nutzung (inkl. Analyse) sozialer Daten • Wesentliche Grenzen der Nutzung (inkl. Analyse) sozialer Daten • Methoden, um diese Herausforderungen, Folgen und Grenzen zu erkennen, zu verstehen und (soweit möglich) zu messen • Was wir als Forscher:innen und Praktiker:innen (individuell und gemeinsam) tun können und müssen, um unserer sich hieraus ergebenden sozialen und politischen Verantwortung gerecht zu werden. Nach einem Überblick im ersten Teil des Moduls (interaktive Vorlesung mit Hausaufgaben) erproben Studierende im Seminarteil ihre Fähigkeiten durch die Analyse einer wissenschaftlichen Veröffentlichung auf Herausforderungen, Folgen und Grenzen, die in Form eines Vortrags und einer schriftlichen Hausarbeit präsentiert wird. Die spezifischen Inhalte und Publikationen des Moduls werden aktuellen Entwicklungen und den Interessen der Teilnehmer:innen angepasst; sie sind auf der Webseite des Moduls zu finden.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und GrenzenSEMWiSe/SoSede2
Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und GrenzenVLWiSe/SoSede2

Arbeitsaufwand und Leistungspunkte

Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.04.0h60.0h
90.0h(~3 LP)

Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen (VL):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.04.0h60.0h
90.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Lesen von wissenschaftlichen Publikationen, Internet- und Literaturrecherche zu Fragestellungen aus dem Themengebiet, Vorstellung eines selbstgewählten Themas zielgruppengerecht im Plenum, schriftliche Ausarbeitung von zwei selbstgewählten Themen in Form von zwei 2-seitigen Essays, Schreiben eines Peer-Reviews, schriftliches Testat über Vorlesungsinhalte.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Studierende haben das Modul “Informatik und Gesellschaft” (oder äquivalent) erfolgreich abgeschlossen oder besuchen es parallel. Studierende haben das Modul “Stochastik für Informatik(er)” (oder äquivalent) erfolgreich abgeschlossen oder besuchen es parallel. Studierende haben ausreichende Englischkenntnisse, um wissenschaftliche Publikationen lesen und verstehen zu können (B2-Niveau).

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Voraussetzung
Modul 40002 » Informationssysteme und Datenanalyse« bestanden

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Deutsch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
Essay 120schriftlich2 Seiten
Essay 220schriftlich2 Seiten
Peer Review20schriftlich2 Seiten
schriftlicher Test20schriftlich60 Minuten
Vortrag20mündlich15 Minuten

Notenschlüssel

Dieses Prüfung verwendet einen eigenen Notenschlüssel (siehe Prüfungsformbeschreibung).

Prüfungsbeschreibung (Abschluss des Moduls)

Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0 Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 26.

Anmeldeformalitäten

Studierende melden sich bitte spätestens am Montag 1 Woche vor Beginn der Vorlesungszeit per Email bei den Modulverantwortlichen an. Danach erfolgt die Anmeldung gemäß der anwendbaren Verfahren (z.B. QISPOS); die Modalitäten werden auf der Webseite der Veranstaltung bekanntgegeben. Studierende ohne diese 2-stufige Anmeldung können NICHT an der Prüfung teilnehmen und KEINE Studienpunkte für dieses Modul erhalten.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe