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
Autor:
Papakyriakopoulos, Orestis
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
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.
WWW:
https://mediatum.ub.tum.de/?id=1537582
Eingereicht am:
03.03.2020
Mündliche Prüfung:
28.05.2020
Dateigröße:
7129558 bytes
Seiten:
158
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200528-1537582-1-4
Letzte Änderung:
29.06.2020
 BibTeX