Benutzer: Gast  Login
Originaltitel:
Political Machines: Machine learning for understanding the politics of social machines 
Übersetzter Titel:
Politische Maschinen: Maschinelles Lernen für das Verständnis von sozialen Maschinen 
Jahr:
2020 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Hegelich, Simon (Prof. Dr.) 
Gutachter:
Hegelich, Simon (Prof. Dr.); Pfeffer, Jürgen (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik; POL Politologie 
Stichworte:
political data science, recommender systems, algorithmic bias, algorithmic fairness, political communication, microtargeting, social media 
Übersetzte Stichworte:
Emfehlungssysteme, Algorithmisches Bias, Algorithmische Gerechtigkeit, Microtargeting, Soziale Medien, Political Data Science 
TU-Systematik:
POL 070d 
Kurzfassung:
This thesis investigates human-algorithm interactions in sociotechnological ecosystems. Specifically, it applies machine learning and statistical methods to uncover political dimensions of algorithmic influence in social media platforms and automated decision making systems. Based on the results, the study discusses the legal, political and ethical consequences of algorithmic implementations. 
Übersetzte Kurzfassung:
Diese Arbeit untersucht Mensch-Algorithmen-Interaktionen in sozio-technologischen Ökosystemen. Sie wendet maschinelles Lernen und statistische Methoden an, um politische Dimensionen des algorithmischen Einflusses auf Socialen Medien und automatisierten Entscheidungssystemen aufzudecken. Aufgrund der Ergebnisse diskutiert die Studie die rechtlichen, politischen und ethischen Konsequenzen von algorithmischen Anwendungen. 
Mündliche Prüfung:
28.05.2020 
Dateigröße:
7129558 bytes 
Seiten:
158 
Letzte Änderung:
29.06.2020