Eine der letzten beiden Sessions der DGI 2012 in D\u00fcsseldorf umfasste drei Vortr\u00e4ge zum Thema Web Science.<\/p>\n
Agnes Mainka von der Universit\u00e4t D\u00fcsseldorf pr\u00e4sentierte ihr Forschungsprojekt zur korpusbasierten Online- Dialoganalyse am Beispiel von Twitter. Ihre Ausgangsfrage, wie die Gemeinde von Twitter funktioniert, versuchte sie mit einer methodischen Analysemethode zu beantworten. Der Versuch einer automatischen Extraktion stand dabei im Vordergrund. K\u00f6nnen Dialoge bei Twitter automatisch extrahiert werden? Gibt es eine typische Zeitspanne f\u00fcr solche Dialoge? K\u00f6nnen thematische Dialoge mittels automatischem \u201ePart of Speech Tagging\u201c bei Twitter gefunden werden? All diese Fragestellung sollten in dem Forschungsprojekt analysiert werden.<\/p>\n
<\/p>\n
Gespr\u00e4che finden heutzutage zunehmend in sozialen Netzwerken statt. Doch wie ver\u00e4ndert sich ein solches Gespr\u00e4ch? Gibt es typische Dialoge? Wie sieht so ein Dialog aus? All diese Fragen lassen sich manuell beantworten. Eine automatische Dialoganalyse w\u00fcrde jedoch viel Zeit und Arbeit sparen. Das offensichtlichste Problem dabei stellen Dialogeigenschaften wie Umgangssprache, Emoticons, Mehrsprachigkeit oder Tippfehler dar. Des Weiteren war zu kl\u00e4ren, ob @-Nachrichten und Retweets gleich das Bestehen eines Dialoges bedeuten.
\nUm sich diesen Fragen zu stellen, hat Frau Mainka sich zun\u00e4chst via Twitter- API einen Korpus mit 20 Nutzern als Grundlage erschaffen\u00a0 diesen auf 241 Nutzer bzw. Timelines erweitert, indem sie die @-Mentions der Personen betrachtet hat und alle Kommunikationspartner mit aufgenommen hat. Ihr Augenmerk legte sie anschlie\u00dfend auf bezugnehmende Tweets und die Nutzer auf die sich der Text bezieht. Daraufhin hat sie die sich ergebenden Dialogketten automatisch auf ihre L\u00e4nge untersucht.<\/p>\n
Sie stellte fest, dass meistens nur zwei Nutzer beteiligt sind, selten auch drei. \u00dcber 74% der Beteiligten Dialogpartner antworten bereits innerhalb der ersten f\u00fcnf Minuten, 90 % nach sp\u00e4testens 30 Minuten. Eine Antwort auf eine typische Zeitspanne f\u00fcr Dialoge konnte jedoch nicht gefunden werden, da kein Mittelwert oder \u00c4hnliches ermittelt werden kann.<\/p>\n
Das POS- Tagging stellte einen wichtiges Gebiet in dem Forschungsprojekt dar. Ist es m\u00f6glich thematische Dialoge mit diesem Verfahren zu finden? Frau Mainka beantwortet diese Frage weitgehend mit ja, jedoch nur sehr eingeschr\u00e4nkt. Durch die Satzanalyse k\u00f6nnen gleich verwendete W\u00f6rter, Nominalk\u00f6pfe und Nominalphrasen identifiziert werden, welche auf einen Dialog hinweisen. Probleme bei der Phrasenanalyse sind jedoch vor allem die Verwendung von Pronomen, Geplauder ohne Themenbezug oder Ausrufe. Wie diese Probleme der automatischen Extraktion behoben werden k\u00f6nnen, bleibt offen.<\/p>\n
Alles in allem ein sehr interessante Thema. Dennoch war zu dem Fazit zu kommen, dass nur ein kleiner Teil der Dialoge automatisch erkannt werden k\u00f6nnen, wodurch dieses Verfahren sich als eher weniger geeignet herausstellte.<\/p>\n
Die Pr\u00e4sentationsfolien finden Sie hier: pdf<\/a>.<\/p>\n <\/p>\n Der zweite Vortrag – gehalten von Laura Dorfer von der Universit\u00e4t Siegen – befasste sich mit Daten als Wettbewerbsfaktor in Social Network Sites. Frau Dorfer betrachtete dabei die strategische Bedeutung von Daten im Web 2.0 und das Datenmanagement in Social Network Sites.<\/p>\n Sie stellte heraus, dass Daten eine elementare Bedeutung in Wertsch\u00f6pfungsprozessen haben. Es g\u00e4be jedoch einen Wandel der strategischen Funktion mit zunehmender Mediatisierung von marktlichen Transaktionen. Sie erhalten eine immer mehr wettbewerbstrategischere Bedeutung f\u00fcr Unternehmen und Web 2.0, sowie 1.0 Gesch\u00e4ftsstellen. User generieren den Inhalt der Plattform auf der sie sich befinden, wodurch die Daten als Basis f\u00fcr Monetarisierungsstrategie dienen. Werbekunden k\u00f6nnen auf den einzelnen Nutzer personalisierte Werbeanzeigen schalten und somit gezielte Kunden erreichen. Umso mehr Nutzer sich einer Plattform anschlie\u00dfen, desto gr\u00f6\u00dfer wird die Datenmenge und der Wert der Seite steigt. Frau Dorfer betont dabei, dass nicht allein eine Vielzahl an Datengenerierungen wichtig ist, sondern auch die Strukturierung. Zum Schluss erl\u00e4uterte Frau Dorfer, dass aktuelle Herausforderungen in den Datenschutzforderungen liegen, welche den Wert von Ressource Daten erodieren k\u00f6nnten.<\/p>\n <\/p>\n Der letzte Vortrag zu dem Thema Web Science wurde von Anja Lorenz der Technischen Universit\u00e4t Chemnitz gehalten. Sie befasste sich zusammen mit Christian Schieder mit dem Forschungsprojekt \u201eTowards a pathology of social media\u201c.<\/p>\n Beide besch\u00e4ftigten sich zusammen mit der Frage, wo die Ursachen f\u00fcr das stetige Wachstum der Onlineaktivit\u00e4t liegen. Das Medium Internet wurde urspr\u00fcnglich von Fachleuten f\u00fcr die Masse entwickelt, heutzutage wird es von der Masse selbst gesteuert. Das Problem jedoch ist dabei nicht mehr die Informationsbeschaffung, sondern die Informationsfilterung. Frau Lorenz weist daraufhin, dass verschiedene Forschungspartner aus themenverwandten Bereichen gesucht werden. Die Pr\u00e4sentationsfolien finden Sie hier: pdf<\/a>.<\/p>\n <\/p>\n Alle drei Vortr\u00e4ge waren sehr interessant und haben ein gro\u00dfes Diskussionsbed\u00fcrfnis im Publikum hervorgerufen.<\/p>\n","protected":false},"excerpt":{"rendered":" Eine der letzten beiden Sessions der DGI 2012 in D\u00fcsseldorf umfasste drei Vortr\u00e4ge zum Thema Web Science. Agnes Mainka von der Universit\u00e4t D\u00fcsseldorf pr\u00e4sentierte ihr Forschungsprojekt zur korpusbasierten Online- Dialoganalyse am Beispiel von Twitter. Ihre Ausgangsfrage, wie die Gemeinde von … Weiterlesen
\nDaten und Datenmanagement dienen dabei als Quelle von nachhaltigen Wettbewerbsvorteilen, dessen Ressource im Web 2.0 liegt.\u00a0 Durch die Effizienz und Effektivit\u00e4t dieser beiden Quellen gewinnen tempor\u00e4re Wettbewerbsvorteile und kontinuierliche Weiterentwicklung des Ressourcenb\u00fcndels an Bedeutung. Web 2.0- Unternehmen m\u00fcssen daher neben Datenmanagement auch funktionale Funktionen besitzen.
\nEbenfalls wichtiger Punkt des Vortrags waren Daten als erfolgskritischer Faktor in Gesch\u00e4ftsmodellen von Social Networks. Frau Dorfer betonte die Relevanz von Daten aus Kundenperspektive, sowie als Werttreiber und als Grundlage f\u00fcr Social Networks.<\/p>\n
\nZum Management der Nutzerdaten erl\u00e4uterte Frau Dorfer verschiedene Strategien. Hierzu z\u00e4hlen die Datengewinnung, Datenverarbeitung und Datenmonetarisierung. Zur Gewinnung einer Datenpluralit\u00e4t k\u00f6nnen verschiedene Tools, die die Datenfreiz\u00fcgigkeit des Nutzers f\u00f6rdern. Dies verdeutlichte Frau Dorfer am Beispiel von Facebook. Dort gibt es das Tool der automatischen Synchronisation. Hierdurch erh\u00e4lt Facebook Informationen \u00fcber en Nutzer, aber auch \u00fcber Nicht-Nutzer.<\/p>\n
\nSinnvoll sei hier der Einsatz von semantischen Technologien zur maschinellen Strukturierung und Analyse, sowie die Umsetzung im Open Graph Protocol.
\nAls Strategien zur Monetarisierung von Daten Social Media Targeting und Provisionserl\u00f6se \u00fcber Facebook Credits genannt.<\/p>\n
\nEs gibt viele neue Ph\u00e4nomene, die sich mit dem Web 2.0 entwickelt haben. Zum einem gibt es Cybermobbing. Studien haben festgestellt, dass es sich bei den Opfern um die gleichen Personen handelt wie im \u201eechten\u201c Leben auf beispielsweise dem Schulhof. Jedoch kann im Internet jeder darauf zugreifen und alles wird abgespeichert und taucht immer wieder im Alltag auf. So kann zum Beispiel ein potenzieller Arbeitgeber sehen, dass jemand \u00f6ffentlich gemobbt wurde, was seine Entscheidung beeinflusst. Des Weiteren gibt es einen Informationsvandalismus, der erfundene Informationen wahr erscheinen l\u00e4sst, sowie Shitstorms und Filterbubbles.
\nDiese Ph\u00e4nomene haben bereits starke Auswirkungen. Es entwickelten sich neue Krankheitsbilder, die das Leben der Betroffenen stark beeinflusst. Hierzu z\u00e4hlen Information Overload, durch welchen Personen beispielsweise nicht mehr zur Arbeit erscheinen oder Facebook- Depressionen, die durch wenige Likes oder Facebook-Freunde entstehen.
\nForschungsziel ist es, herauszufinden, wie den Ursachen daf\u00fcr vorgebeugt werden kann. Frau Lorenz und Herr Schieder kamen zu dem Ergebnis, dass Partizipation und Exposition sehr \u00a0partizipationsabh\u00e4ngig sind und es neben den gewinnbringenden Eigenschaften von Social Media auch viele negative Seiten gibt, die es zu erforschen gilt.<\/p>\n
\nWeitere Informationen dazu sind in ihrem Blog<\/a> auffindbar.<\/p>\n