Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und GrenzenModulbeschreibung #41074 / Version 2
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #41074 / #2 |
|---|---|
| Gültigkeit | WiSe 2023/24 – WiSe 2023/24 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Berendt, Bettina |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Telekommunikationssysteme |
| Fachgebiet | 34332900 FG Internet und Gesellschaft |
Kontakt
| Sekretariat | HBS |
|---|---|
| Ansprechpartner*in | Wang, Sonja Mei |
| E-Mail-Adresse | s.wang.1@tu-berlin.de |
| Webseite | http://www.berendt.de/teaching.html |
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.
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.
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen | Seminar | Winter- und Sommersemester | [de] | 2 | ISIS | |
| Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen | Vorlesung | Winter- und Sommersemester | [de] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Analyse von (Online) Social Data: methodologische Herausforderungen, soziale Folgen und Grenzen (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 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, schriftliches Testat über Vorlesungsinhalte.
Der Essay 1 beinhaltet die Beschreibung und Diskussion eines existierenden, wissenschaftlichen Artikels.
Der Essay 2 beinhaltet eine eigene Datenanalyse anhand der in dem Modul gelernten Methoden, mit einer Beschreibung und Diskussion der Vorgehensweise und Ergebnisse.
Der Essay 1 beinhaltet die Beschreibung und Diskussion eines existierenden, wissenschaftlichen Artikels.
Der Essay 2 beinhaltet eine eigene Datenanalyse anhand der in dem Modul gelernten Methoden, mit einer Beschreibung und Diskussion der Vorgehensweise und Ergebnisse.
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.
Studierende haben das Modul “Informationssysteme und Datenanalyse” (oder äquivalent) erfolgreich abgeschlossen. Studierende haben ausreichende Englischkenntnisse, um wissenschaftliche Publikationen lesen und verstehen zu können (B2-Niveau).
Studierende haben das Modul “Informationssysteme und Datenanalyse” (oder äquivalent) erfolgreich abgeschlossen. Studierende haben ausreichende Englischkenntnisse, um wissenschaftliche Publikationen lesen und verstehen zu können (B2-Niveau).
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Essay 1 | 15 | schriftlich | 2 Seiten |
| Essay 2 | 40 | schriftlich | 2 Seiten |
| schriftlicher Test 1 | 5 | flexibel | 30 Minuten |
| schriftlicher Test 2 | 20 | schriftlich | 60 Minuten |
| Vortrag | 20 | mündlich | 15 Minuten |
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
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
Die Modalitäten werden auf der Webseite der Veranstaltung bekanntgegeben.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe