Tumblelog by Soup.io
Newer posts are loading.
You are at the newest post.
Click here to check if anything new just came in.

re:publica 2017: Digitale Verhaltensmanipulation – verbreitet und erfolgreich?

Zwei Filterblasen, klassisch angeordnet (Symbolbild). Doch ist die Sache wirklich so eindeutig? CC-BY-ND 2.0 Stephen Schulz

Auf der re:publica 2017 sprachen Christian Stöcker (Professor für Digitale Kommunikation an der HAW Hamburg) und Konrad Lischka (Projektmanager in der Bertelsmann-Stiftung) über den aktuellen Stand der Forschung zu Öffentlichkeit und Diskurs in der digitalen Sphäre.

Die Kernfrage ihres Vortrages:

Fake News, Filterblasen, Hate Speech, Social Bots: Starke Schlagworte zum Wandel der Öffentlichkeit in der digitalen Sphäre gibt es im Überfluss. Die Empirie kommt dabei bislang meist etwas zu kurz. Das ändern wir und geben einen Überblick zum Stand der Forschung: […] Was wissen wir darüber, wie Algorithmen, Plattformen, Bots etc. die Öffentlichkeit verändern? Was wissen wir nicht? Was tun?

Um diese Fragen zu beantworten, untersuchen Stöcker und Lischka von Plattformbetreibern genutzte Möglichkeiten der digitalen Verhaltensmanipulation: Wie bringt man Menschen im Internet dazu, etwas zu tun, das sie sonst nicht tun würden?

Dazu erläutern sie in ihrem sechzigminütigen Vortrag „Etwas Empirie: Was wir wirklich über Filterblasen, Fake-News und die digitale Öffentlichkeit wissen“ grundlegende psychologische Erkenntnisse und wenden sie auf soziale Medien an: Menschen reagieren impulsiver auf emotionalisierte Inhalte; sie halten Dinge, die sie oft gehört haben, für wahrscheinlicher; und sie trennen sich ungern von einmal gebildeten Meinungen.

Den Vortrag gibt es auch als Audio-Datei:
https://cdn.podigee.com/media/podcast_1398_re_publica_17_politics_society_episode_107_etwas_empirie_was_wir_wirklich_uber_filterblasen_fake_news_und_die_digitale_offentlichkeit_wissen.mp3


Hilf mit! Mit Deiner finanziellen Hilfe unterstützt Du unabhängigen Journalismus.

Don't be the product, buy the product!

Schweinderl