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.
- Vollständige Referenz
- BibTeX
Zweig, K. A., Deussen, O. & Krafft, T. D.,
(2017).
Algorithmen und Meinungsbildung.
Informatik Spektrum: Vol. 40, No. 4.
Berlin Heidelberg:
Springer-Verlag.
(S. 318-326).
DOI: 10.1007/s00287-017-1050-5
@article{mci/Zweig2017,
author = {Zweig, Katharina Anna AND Deussen, Oliver AND Krafft, Tobias D.},
title = {Algorithmen und Meinungsbildung},
journal = {Informatik Spektrum},
volume = {40},
number = {4},
year = {2017},
,
pages = { 318-326 } ,
doi = { 10.1007/s00287-017-1050-5 }
}
author = {Zweig, Katharina Anna AND Deussen, Oliver AND Krafft, Tobias D.},
title = {Algorithmen und Meinungsbildung},
journal = {Informatik Spektrum},
volume = {40},
number = {4},
year = {2017},
,
pages = { 318-326 } ,
doi = { 10.1007/s00287-017-1050-5 }
}
Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.1007/s00287-017-1050-5
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISSN: 1432-122X
Datum: 2017
Sprache:
(de)
(de)
Typ: Text/Journal Article

