Advertisement

Informatik-Spektrum

, Volume 40, Issue 4, pp 318–326 | Cite as

Algorithmen und Meinungsbildung

Eine grundlegende Einführung
  • Katharina A. Zweig
  • Oliver Deussen
  • Tobias D. Krafft
HAUPTBEITRAG ALGORITHMEN UND MEINUNGSBILDUNG

Zusammenfassung

In diesem Artikel geben wir eine grundlegende Einführung in die algorithmischen Empfehlungssysteme und wie sie – unter Umständen – Filterblasen und Echokammern in sozialen Medien erzeugen könnten. Der Term Filterblase beschreibt dabei das Phänomen, dass wir von Algorithmen hauptsächlich solche Themen wieder vorgeschlagen bekommen, die wir schon mögen. Als Echokammern bezeichnet man Freundesgruppen, die hauptsächlich aus Leuten mit ähnlicher Meinung bestehen, in denen also jede Aussage widerhallt. Auch wenn es noch keine Studien gibt, die wirklich nachweisen, dass Menschen heutzutage durch die Wirkung von Algorithmen tatsächlich in dichteren Filterblasen leben oder in der Bildung von Echokammern bestärkt werden, ist doch klar, dass mit Hilfe dieser Algorithmen unsere Meinungsbildung manipuliert werden könnte. Daher sprechen wir uns für eine sinnvolle Überwachung von solchen Algorithmen aus, um eine solche Manipulation überhaupt entdecken zu können.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Brin S, Page L (1998) The anatomy of a large-scale hypertextual web search engine computer networks and ISDN systems. 30:107–117Google Scholar
  2. 2.
    Epstein R, Robertson RE (2015) The search engine manipulation effect (SEME) and its possible impact on the outcomes of elections. P Natl Acad Sci :E4512–E4521Google Scholar
  3. 3.
    Google (2017a) Webspam content violations. https://support.google.com/webmasters/answer/35769?hl=en, letzter Zugriff: 1.5.2017Google Scholar
  4. 4.
    Google (2017b) Alles über die Suche – Algorithmen. https://www.google.com/insidesearch/howsearchworks/algorithms.html?hl=de, letzter Zugriff: 1.5.2017Google Scholar
  5. 5.
    Hagen L, In der Au A, Wieland M (2017) Polarisierung im Social Web und der intervenierende Effekt von Bildung. Eine Untersuchung zu den Folgen algorithmischer Medien am Beispiel der Zustimmung zu Merkels ,,Wir schaffen das!“. Sonderausgabe ,,Algorithmen, Kommunikation und Gesellschaft“Google Scholar
  6. 6.
    Hanfeld M (10.10.2015) Punkte für gefälliges Verhalten. FAZ, http://www.faz.net/video/medien/punktrichter-citizen-score-ueberwachung-in-china-13848403.html, letzter Zugriff: 29.5.2017Google Scholar
  7. 7.
    Manning CD, Schütze H et al. (1999) Foundations of statistical natural language processing. MIT PressGoogle Scholar
  8. 8.
    O’Neil C (2016) Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown Publishing Group, New YorkGoogle Scholar
  9. 9.
    Pariser E (2012) Filter Bubble: Wie wir im Internet entmündigt werden. Carl Hanser Verlag, MünchenCrossRefGoogle Scholar
  10. 10.
    Silverman C (2016) This analysis shows how viral fake election news stories outperformed real news on Facebook. Buzzfeed, 16.11.2016, https://www.buzzfeed.com/craigsilverman/viral-fake-election-news-outperformed-real-news-on-facebook, letzter Zugriff:Google Scholar
  11. 11.
    Silverman C, Strapagiel L, Shaban H, Hall E, Singer-Vine J (2016) Hyperpartisan Facebook pages are publishing false and misleading information at an alarming rate. Buzzfeed, 20.10.2016, https://www.buzzfeed.com/craigsilverman/partisan-fb-pages-analysis, letzter Zugriff:Google Scholar
  12. 12.
    Spreckelsen C, Spitzer K (2008) Wissensbasen und Expertensysteme in der Medizin. Vieweg + Teubner, GWV Fachverlage GmbH, WiesbadenGoogle Scholar
  13. 13.
    The Intercept (2015) SKYNET: courier detection via machine learning. https://theintercept.com/document/2015/05/08/skynet-courier/, letzter Zugriff: 3.5.2017Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland 2017

Authors and Affiliations

  • Katharina A. Zweig
    • 1
  • Oliver Deussen
    • 2
  • Tobias D. Krafft
    • 1
  1. 1.FB Informatik, Algorithm Accountability LabTU KaiserslauternKaiserslauternDeutschland
  2. 2.Visual ComputingUniversität KonstanzKonstanzDeutschland

Personalised recommendations