Advertisement

Big Data als Boundary Objects. Zur medialen Epistemologie von Daten

Chapter
  • 4k Downloads
Part of the Medien • Kultur • Kommunikation book series (MKK)

Zusammenfassung

Dieser Aufsatz untersucht Aspekte der Performativität, Reliabilität und Interpretativität von Daten auf unterschiedlichen Abstraktions- und Konkretisierungsebenen. Im ersten Schritt werden die methodenkritischen Debatten, die um den Datenbegriff und den heuristischen Stellenwert von Daten in vereinzelten Beiträgen der Science & Technology Studies geführt werden, sondiert und mit der rezenten Theoriebildung der Großdatenforschung in den Informationswissenschaften und den Digital Humanities verknüpft. Die Problematik der Zuverlässigkeit von Datensätzen wird in den Debatten der Online-Forschung häufig in Bezug auf eine in Aussicht gestellte Lösung technische Probleme erörtert. Wenn in Betracht gezogen wird, dass die Samples der Großdatenforschung aus unterschiedlichen Kommunikationsdaten bestehen, die in der einschlägigen Literatur als überwiegend behavioristisch interpretiert werden, die das Innere der Subjekts als opak und nicht kalkulierbar setzen, aber sein äußeres Verhalten in Datenmodellierungen – kommunikationstheoretisch gewendet – als soziologisch erschließbar setzen, dann empfiehlt es sich, die Gemachtheit von Daten und Repräsentationsformen epistemologisch zu reflektieren. Daher beschäftigt sich der Beitrag auf einer zweiten Ebene mit dem technisch-infrastrukturell bedingten Blackboxing der Großdatenanalyse, um in weiterer Folge die Transformation von Daten und Metadaten in wissenschaftliche Grenzobjekte (boundary objects) genauer zu beleuchten.

Schlüsselwörter

Big Data Kritische Großdatenanalyse Epistemologie der Datenerhebung Digitaler Neorealismus Aporien digitaler Methoden Empirische Sozialwissenschaft 

Literatur

  1. Ballsun-Stanton, B. (2010). Asking about data: Experimental philosophy of information technology. 5th International conference on computer sciences and convergence information technology 1(5), S. 119–124.Google Scholar
  2. Barabási, A. L. (2012). Thinking in network terms. Edge. http://edge.org/conversation/thinking-in-network-terms. Zugegriffen: 15. Sept. 2016.
  3. Boellstorf, T. (2014). Die Konstruktion von Big Data in der Theorie. In R. Reichert (Hrsg.), Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie (S. 105–132). Bielefeld: transcript.Google Scholar
  4. Bogen, J., & Woodward, J. (1988). Saving the phenomena. The Philosophical Review, 97(3), 303–352.CrossRefGoogle Scholar
  5. Bergmann, J. R. (1985). Flüchtigkeit und methodische Fixierung sozialer Wirklichkeit: Aufzeichnungen als Daten der interpretativen Soziologie. In W. Bonß & H. Hartmann (Hrsg.), Entzauberte Wissenschaft. Zur Relativität und Geltung soziologischer Forschung (Soziale Welt, Sonderband 3) (S. 299–320). Göttingen: Schwartz.Google Scholar
  6. Bowker, G. C., & Star, S. L. (1999). Sorting things out. Classification and its consequences. Cambridge: MIT Press.Google Scholar
  7. Bruns, A., & Sauter, T. (2013). Anatomie eines Trending Topics: Retweet-Ketten als Verbreitungsmechanismus für aktuelle Ereignisse. http://www.univie.ac.at/digitalmethods/programm/anatomie-eines-trending-topics/. Zugegriffen: 22. Juli 2015.
  8. Burgess, J., & Puschmann, C. (2013). The politics of Twitter data. http://www.hiig.de/wp-content/uploads/2014/02/SSRN-id2206225.pdf. Zugegriffen: 22. Juli 2015.
  9. Cassirer, E. (1985). Form und Technik. In E. W. Orth & J. M. Krois (Hrsg.), Symbol, Technik, Sprache. Aufsätze aus den Jahren 1927–1933 (S. 39–90). Hamburg: Felix Meiner Verlag.Google Scholar
  10. Christakis, N. (2012). A new kind of social science for the 21st century. Edge. http://edge.org/conversation/a-21st-century-change-to-social-science. Zugegriffen: 15. Sept. 2016.
  11. Cukier, K., & Mayer-Schönberger, V. (2013). Big Data. Die Revolution, die unser Leben verändern wird. München: Redline.Google Scholar
  12. Ernst, W. (2002). Datum und Information: Begriffsverwirrungen. Wolfenbütteler Notizen zur Buchgeschichte, 27, 159–181.Google Scholar
  13. Floridi, L. (2012). Big data and their epistemological challenge. Philosophy of Information, 25(4), 435–437.Google Scholar
  14. Floridi, L. (2014). The fourth revolution: How the infosphere is reshaping human reality. Oxford: Oxford University Press.Google Scholar
  15. Galison, P. (1997). Image and logic: A material culture of microphysics. Chicago: University of Chicago Press.Google Scholar
  16. Galison, P. (2004). Heterogene Wissenschaft: Subkulturen und Trading Zones in der modernen Physik. In J. Strübing et al. (Hrsg.), Kooperation im Niemandsland. Neue Perspektiven auf Zusammenarbeit in Wissenschaft und Technik (S. 27–57). Opladen: Springer.CrossRefGoogle Scholar
  17. Garfinkel, H. (1967). Studies in ethnomethodology (Social and political theory). Cambridge: Polity.Google Scholar
  18. Geography of Hate. (2016). Geotagged hateful tweets in the United States. http://users.humboldt.edu/mstephens/hate/hate_map.html. Zugegriffen: 22. Juli 2015.
  19. Gillard, J. (2013). Dissemination of links to the ABC’s video of Julia Gillard’s ‘Misogyny’ Speech on Twitter. https://www.youtube.com/watch?v=4V81s5sAiqM&list=PLaUZk_25lML-Va3u8O8dU4_g9_-wdSMbO. Zugegriffen: 22. Juli 2015.
  20. Gitelman, L., & Jackson, V. (2013). “Raw data” is an oxymoron. Cambridge: MIT Press.Google Scholar
  21. Hagner, M., & Hirschi, C. (2013). Editorial digital humanities. Nach Feierabend. Zürcher Jahrbuch für Wissensgeschichte, 9, 7–11.Google Scholar
  22. Hillman, D. (2005). What is metadata? http://dublincore.org/documents/usageguide/#whatismetadata. Zugegriffen: 12. Juli 2015.
  23. Katz, E. (1957). The two-step flow of communication: An up-to-date report on an hypothesis. Public Opinion Quarterly, 21(1), 61–78.CrossRefGoogle Scholar
  24. Katz, E., & Lazarsfeld, P. (1957). Personal influence: The part played by people in the flow of mass communications. New York: Transaction.Google Scholar
  25. Knorr-Cetina, K. (1984). Die Fabrikation von Erkenntnis. Zur Anthropologie der Wissenschaft. Frankfurt a. M.: Suhrkamp.Google Scholar
  26. Knorr-Cetina, K. (1988). Das naturwissenschaftliche Labor als Ort der ,Verdichtung‘ von Gesellschaft. Zeitschrift für Soziologie, 17(2), 85–101.Google Scholar
  27. Lazer, D., et al. (2009). Computational social science. Science, 323(5915), 721–723.CrossRefGoogle Scholar
  28. Lévi-Strauss, C. (1964). Mythologica I. Das Rohe und das Gekochte. Frankfurt a. M.: Suhrkamp.Google Scholar
  29. Manovich, L. (2009). How to follow global digital cultures: Cultural analytics for beginners. In K. Becker & F. Stadler (Hrsg.), Deep search: The politics of search beyond google (S. 198–212). Edison: Studienverlag & Transaction.Google Scholar
  30. Pentland, A. (2014). Social physics: How good ideas spread – The lessons from a new science. New York: Penguin.Google Scholar
  31. Ramsey, S., & Rockwell, G. (2012). Developing things: Notes toward an Epistemology of building in the digital humanities. In M. K. Gold (Hrsg.), Debates in the digital humanities (S. 75–84). Minneapolis: University of Minnesota Press.CrossRefGoogle Scholar
  32. Rieder, B., & Röhle, T. (2012). Digital methods: Five challenges. In D. M. Berry (Hrsg.), Understanding digital humanities (S. 67–84). London: Palgrave MacMillan.Google Scholar
  33. Rogers, R. (2013). Digital methods. Cambridge: MIT Press.Google Scholar
  34. Star, S. L. (2004). Kooperation ohne Konsens in der Forschung: Die Dynamik der Schließung in offenen Systemen. In J. Strübing et al. (Hrsg.), Kooperation im Niemandsland. Neue Perspektiven auf Zusammenarbeit in Wissenschaft und Technik (S. 58–76). Opladen: Springer.CrossRefGoogle Scholar
  35. Star, S. L., & Griesemer, J. R. (1989). ‚Translations‘ and boundary objects: Amateurs and professionals in Berkeley’s Museum of Vertebrate Zoology, 1907–1939. Social Studies of Science, 19(3), 387–420.CrossRefGoogle Scholar
  36. Steinle, F. (2002). Experiments in history and philosophy of science. Perspectives on Science, 10(4), 408–432.CrossRefGoogle Scholar
  37. Voß, J. (2013a). Describing data patterns. A general deconstruction of metadata standards. Berlin: Create Space.Google Scholar
  38. Voß, J. (2013b). Was sind eigentlich Daten? LIBREAS. Library Ideas 23 http://libreas.eu/ausgabe23/02voss/. Zugegriffen: 15. Sept. 2016.

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2018

Authors and Affiliations

  1. 1.WienÖsterreich

Personalised recommendations