Ralf Klamma*, Matthias Jarke*, Marc Spaniol + *Forschungskolleg „Medien und kulturelle Kommunikation“ *RWTH Aachen + Max P...
Überblick <ul><li>Störungsmuster in  Social Software </li></ul><ul><li>Sichtbarmachung von multidimensionalen Störungsmust...
Störungen in  Cross-medialen Sozialen Netzwerken <ul><li>Was ist eine Störung? </li></ul><ul><ul><li>Wahrnehmung einer Ink...
Projektziele <ul><li>Realisierung abstrahierender, abkürzender Verfahren zur Reduktion von Komplexitäten </li></ul><ul><li...
Social Software Second Life <ul><li>Data is the Next Intel Inside -> Einzigartige Daten  </li></ul><ul><li>Users Add Value...
Graphen (Netzwerke) <ul><li>Ein  gerichteter Graph  (Netzwerk) ist ein Paar G = (V, E) mit einer endlichen, nichtleeren Me...
Soziale Netzwerkanalyse <ul><li>Individuelle Analyse </li></ul><ul><ul><li>Degree Centrality (Prestige) </li></ul></ul><ul...
Was passiert im Long Tail? Anderson: The Long Tail: Why the Future of Business is Selling Less of More, 2006 > 1.000.000 K...
Lösungsidee: Cross-Mediale Soziale Netzwerkanalyse <ul><li>Interdisziplinäres  multidimensionales Modell digitaler Netzwer...
Die  Media Base <ul><li>Sammlung medialer Social Software Artefakte mit parametrisierbaren PERL Skripten </li></ul><ul><ul...
PALADIN:  Muster-Basierte Analyse von Agency in Social Software <ul><li>Abstraktion:  Muster  als generalisierte wiederhol...
Mustersprache für  PALADIN: Beispiel Troll Troll Muster : Ein Troll ist ein Mitglied, dass nur in Threads antwortet, die e...
Algorithmus zur automatischen Musteranalyse Muster Störung Mustervorlage Störung Digitales Soziales Netzwerk 1.  Muster-pa...
PALADIN  Fallstudie in kulturwissenschaftlichen Netzwerken <ul><li>10 Muster in 119 Netzwerken mit 17359 Mitgliedern und 2...
Erweiterung der  PALADIN  Musterbibliothek Einzelsprecher Antwort-Empfänger Kommunikator Antwort-Sender Initiator Konsiste...
Mitglieder 156 Netzwerke 188.878 Threads 26.470 Teilnehmer
Mustervorkommen 156 Netzwerke 188.878 Threads 26.470 Teilnehmer
Beobachtung kulturwissenschaftlicher Netzwerke <ul><li>Die meisten Netzwerke im kulturwissenschaftlichen Datensatz sind in...
Meso-Studien: Statische und Dynamische Muster <ul><li>Statische Muster </li></ul><ul><ul><li>Small-World Effekt </li></ul>...
Wachstum in Wikis
Verdichtung in Wikis
Zentralitätsgrad in Wikis
Betweeness Zentralität in Wikis
Makro-Studien:  Wikipedia und weiter <ul><li>Wikiversity:  40.000 Artikel mit 150.000 Revisionen  -> 4.700.000 Kanten </li...
Makro-Studien: Statische und Dynamische Muster <ul><li>Statische Muster </li></ul><ul><ul><li>Small-World Effekt </li></ul...
Visualisierungsstrategien: Statisch Wikiversity-Artikelgraph JUNG-Circle-Layout yFiles-Organic-Layout
Visualisierungsstrategien: Dynamisch Animation mittels Slicing Window Technologie
Visualisierungsstrategien: Dynamisch Animation mittels Slicing Window Technologie
Visualisierungsstrategien: Spatio-Temporal Zeitstempel Namens  Liste Zeitpunkt (vom Benutzer) Liste des Email Verkehrs
Zusammenfassung:  Muster-Basierte Analyse  Head Shoulder Tail Social Software <ul><li>Änderungsraten </li></ul><ul><li>Dic...
Zusammenfassung <ul><li>Mathematische Modelle und Methoden bilden die Grundlage interdisziplinärer Netzwerkforschung </li>...
Ausblick:   Cross-Mediale Multi-Agentensimulation  <ul><li>Verschiedene Simulationsansätze möglich </li></ul><ul><li>Bishe...
Nächste SlideShare
Wird geladen in …5
×

Handlungsmacht 2008

1.037 Aufrufe

Veröffentlicht am

Handlungsfähigkeit in digitalen sozialen Netzwerken durch Sichtbarmachung von multidimensionalen Störungsmustern

Veröffentlicht in: Technologie, Kunst & Fotos
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.037
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
13
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie
  • Sehr verehrte Mitglieder der Fachgruppe Informatik, meine Damen und Herren. Ich möchte sie auf das herzlichste zu meinen Vortrag „Social Software und Community Informationssysteme“ begrüßen. Meine Name ist Ralf Klamma und ich bin akademischer Oberrat am Lehrstuhl für Informatik 5.
  • Handlungsmacht 2008

    1. 1. Ralf Klamma*, Matthias Jarke*, Marc Spaniol + *Forschungskolleg „Medien und kulturelle Kommunikation“ *RWTH Aachen + Max Planck-Institut für Informatik Hyperkult 17, Lüneburg, 4. Juli 2008 Handlungsfähigkeit in digitalen sozialen Netzwerken durch Sichtbarmachung von multidimensionalen Störungsmustern
    2. 2. Überblick <ul><li>Störungsmuster in Social Software </li></ul><ul><li>Sichtbarmachung von multidimensionalen Störungsmustern </li></ul><ul><ul><li>Mikro-Studien </li></ul></ul><ul><ul><li>Meso- und Makrostudien </li></ul></ul><ul><ul><li>Visualisierung </li></ul></ul><ul><li>Zusammenfassung und Ausblick </li></ul>
    3. 3. Störungen in Cross-medialen Sozialen Netzwerken <ul><li>Was ist eine Störung? </li></ul><ul><ul><li>Wahrnehmung einer Inkompatibilität zwischen den modellierten Zielen und Abhängigkeiten und dem aktuellen Verhalten einer Person, einer Organisation, eines Netzwerks … </li></ul></ul><ul><li>Störungen sind Ausgangspunkt von Lernprozessen </li></ul><ul><ul><li>Sie stören, verhindern … aber sie erzeugen auch Reflektion </li></ul></ul> Wie können Störungen beobachtbar, speicherbar, suchbar, und fruchtbar gemacht werden?  Wie können die komplexen Interaktionen von nicht-menschlichen und menschlichen Agenten nachvollziehbar gemacht werden?  Wie können sich Messungen, Analysen und Simulationen auf der Mikro-, Meso- und Makroebene sich gegenseitig befruchten?
    4. 4. Projektziele <ul><li>Realisierung abstrahierender, abkürzender Verfahren zur Reduktion von Komplexitäten </li></ul><ul><li>Visualisierungsstrategien für Messreihen sollen cross-mediale Transkriptionen neue explorierende und statistische Zugangsweisen zu großen Informationsmengen schaffen </li></ul><ul><li>Simulationen in skalierenden Multiagenten‑Systemen sollen Handlungsoptionen, die analytisch schwer fassbar sind, sichtbar und nachvollziehbar machen </li></ul>
    5. 5. Social Software Second Life <ul><li>Data is the Next Intel Inside -> Einzigartige Daten </li></ul><ul><li>Users Add Value -> Keine Beschränkungen, Inklusiv </li></ul><ul><li>Network Effects by Default -> Kollektive Intelligenz </li></ul><ul><li>Some Rights Reserved </li></ul><ul><li>-> Standards, Remix </li></ul><ul><li>The Perpetual Beta -> Kleinere modulare Komponenten </li></ul><ul><li>Cooperate, Don't Control -> Leichte Web Services, Loser Zusammenschluss von Daten und Systemen (RSS, Mash-ups) </li></ul><ul><li>Software Above the Level of a Single Device </li></ul><ul><li>-> Software mobil und ubiquitär </li></ul><ul><li>The Long Tail -> Kleine Communities </li></ul>O‘Reilly: What is Web 2.0?, 2005 7 WOW 70 MySpace 171 Skype 120 MSN Space 11 LiveJournal 4 Wikipedia 3 Second Life Akteure (in Millionen, Stand Ende 2006) Social Software
    6. 6. Graphen (Netzwerke) <ul><li>Ein gerichteter Graph (Netzwerk) ist ein Paar G = (V, E) mit einer endlichen, nichtleeren Menge V, deren Elemente Knoten (Akteure) heißen, und einer Menge E  V  V, deren Elemente Kanten (Beziehungen) heißen. Ein ungerichteter Graph (Netzwerk) ist ein gerichteter Graph (Netzwerk), in dem die Relation E symmetrisch (reziprok) ist: </li></ul><ul><li>(v, w)  E  (w, v)  E </li></ul><ul><li>Ein Graph (Netzwerk) das aus einer Art von Knoten (Akteuren) besteht, heißt uni-modal. Besteht der Graph (Netzwerk) aus mehreren Knotentypen, heißt es multi-modal. </li></ul><ul><li>Bemerkungen: </li></ul><ul><li>|V| = Knotenanzahl (k) </li></ul><ul><li>|E|  |V| 2 = Kantenanzahl </li></ul><ul><li>Meist werden die Knoten durchnummeriert: i = 0, 1, 2, …, |V|-1 </li></ul>0 1 2 3 4
    7. 7. Soziale Netzwerkanalyse <ul><li>Individuelle Analyse </li></ul><ul><ul><li>Degree Centrality (Prestige) </li></ul></ul><ul><ul><li>Closeness Centrality (Nahe an allen) </li></ul></ul><ul><ul><li>Betweeness Centrality (Lokale Größe) </li></ul></ul><ul><li>Subnetzwerkanalyse </li></ul><ul><ul><li>Cliquen </li></ul></ul><ul><ul><li>zusammenhängende Untergruppen (Communities) </li></ul></ul><ul><ul><li>nicht zusammenhängende Untergruppen (Komponenten) </li></ul></ul><ul><li>Netzwerkanalyse </li></ul><ul><ul><li>Verbundenheit </li></ul></ul><ul><ul><li>Diameter: Pfadlänge zwischen den zwei am weitesten voneinander entfernt liegenden Knoten (Akteuren) im Graphen (Netzwerk), zwischen denen ein einfacher Pfad existiert </li></ul></ul><ul><ul><li>Exzentrizität (Effektiver Diameter): Anzahl der Schritte mit der eine Teilmenge der Knoten (ca. 90 %) erreicht werden kann. </li></ul></ul><ul><ul><li>Dichte: Anzahl der realisierten Kanten (Verbindungen) gegenüber den möglichen Kanten (Verbindungen) </li></ul></ul>
    8. 8. Was passiert im Long Tail? Anderson: The Long Tail: Why the Future of Business is Selling Less of More, 2006 > 1.000.000 Knoten 100.000 - 1.000.000 Knoten < 100.000 Knoten Head p(k) k Head Shoulder Tail
    9. 9. Lösungsidee: Cross-Mediale Soziale Netzwerkanalyse <ul><li>Interdisziplinäres multidimensionales Modell digitaler Netzwerke </li></ul><ul><ul><li>Soziale Netzwerkanalyse (SNA) definiert Maße für soziale Beziehungen </li></ul></ul><ul><ul><li>Akteur-Netzwerk Theorie (ANT) verknüpft menschliche und mediale Agenten </li></ul></ul><ul><ul><li>I* Rahmenwerk definiert strategische Ziele und Abhängigkeiten </li></ul></ul><ul><ul><li>Transkriptionstheorie bringt Cross-Medialität ein </li></ul></ul><ul><li>Social Software </li></ul><ul><ul><li>Wiki, Blog, Podcast, IM, Chat, Email, Newsgroup, Chat … </li></ul></ul>i*-Abhängigkeiten (Strukturell, Cross-medial) Mitglieder ( Soziale Netzwerk Analyse : Zentralität, Effizienz) Netzwerk der Artefakte Microcontent, Blog entry , Message, Burst, Thread, Comment, Conversation, Feedback (Rating) Netzwerk der Mitglieder Communities of practice Mediale Netzwerke
    10. 10. Die Media Base <ul><li>Sammlung medialer Social Software Artefakte mit parametrisierbaren PERL Skripten </li></ul><ul><ul><li>Mailinglisten </li></ul></ul><ul><ul><li>Newsletter </li></ul></ul><ul><ul><li>Webseiten </li></ul></ul><ul><ul><li>Blogs </li></ul></ul><ul><ul><li>Wikis </li></ul></ul><ul><li>Datenbankunterstützung durch IBM DB2, eXist, Oracle, ... </li></ul><ul><li>Web Interface auf Plone/Zope Basis, LAS, ... </li></ul><ul><li>Visualisierungsstrategien </li></ul><ul><ul><li>Tree Maps </li></ul></ul><ul><ul><li>Cross-media Graphen </li></ul></ul>Klamma et al.: Pattern-Based Cross Media Social Network Analysis for Technology Enhanced Learning in Europe , EC-TEL 2006
    11. 11. PALADIN: Muster-Basierte Analyse von Agency in Social Software <ul><li>Abstraktion: Muster als generalisierte wiederholbare Lösung für immer wieder auftretende Störungen </li></ul><ul><li>Basis: Mustersprache behebt Probleme bei der Beschreibung und Entdeckung von Mustern für Laien </li></ul><ul><li>Berechnung: Maschinen-lesbare Beschreibung der XML-basierten Mustersprache für multidimensionale Störungen </li></ul><ul><li>Analyse: Automatische Entdeckung von digitalen sozialen Netzwerken mit Hilfe der Mustersprache </li></ul><ul><li>Analyse von “ Agency & Patienthood ” Phänomenen in Social Software </li></ul><ul><li>Was sind die Auswirkungen meiner Handlungen auf die Community? </li></ul><ul><li>Was sind die Auswirkungen der Handlungen der Community auf mich? </li></ul><ul><li>Welchen Einfluss haben Medien auf meine Handlungen? </li></ul><ul><li>Was hätte in der Community stattfinden sollen? </li></ul><ul><li>Wie werden sich Communities entwickeln? </li></ul>Agency: “Entwicklung der Kompetenz im Fall von Störungen im digitalen Netzwerk” Klamma, Spaniol, Denev: PALADIN: A Pattern Based Approach to Knowledge Discovery in Digital Social Networks, I-KNOW 2006
    12. 12. Mustersprache für PALADIN: Beispiel Troll Troll Muster : Ein Troll ist ein Mitglied, dass nur in Threads antwortet, die es selbst gestartet hat. Störung : (EXISTS [medium | medium.affordance = threadArtefact]) & (EXISTS [troll |(EXISTS [thread | (thread.author = troll) & (COUNT [message | (message.author = troll) & (message.posted = thread)]) > minPosts]) & (~EXISTS[ thread1, message1| (thread1.author1 != troll) & (message1.author = troll & message1.posted = thread1 ]))])]) Kraft : medium; troll; network; member; thread; message; url Kraftbeziehung : neighbour(troll, member); own thread(troll, thread) Lösung : Diskussionen, die von Trolls gestartet werden, brauchen nicht beachtet werden Erklärung : Der Troll braucht Aufmerksamkeit, um seine Aktivität durchzuführen. Ohne Aufmerksamkeit, wird er weitere Aktionen unterlassen. Verwandte Muster : Spammer
    13. 13. Algorithmus zur automatischen Musteranalyse Muster Störung Mustervorlage Störung Digitales Soziales Netzwerk 1. Muster-parameter 2. Instanziiere Störungen 3. Werte Störungen aus 4a. Ändere Musterparameter 4b. Wende Lösungs-muster an Variablen Musterparameter Mustervorlageninstanzen Musterinstanz Störung Variablen Musterparameter Kräfte Kraftbeziehungen Begründung Abhängigkeiten Beschreibung Lösung Beziehungsmuster Störungsinstanzen Variablen Musterparameter Variablen Beziehung zwischen Komponenten Laufzeitmusterkomponente Aktivität Instanziierte Musterkomponente Definierte Musterkomponente Muster Legende
    14. 14. PALADIN Fallstudie in kulturwissenschaftlichen Netzwerken <ul><li>10 Muster in 119 Netzwerken mit 17359 Mitgliedern und 215 345 e-mails </li></ul>Taucht in großen Netzwerken mit Mitgliedern in verschiedenen Clustern vor. 40 Kein Anführer Taucht für Mitglieder mit nur einem Kontakt auf. 67 Strukturelles Loch Taucht in großen Netzwerken auf, wo viele nicht verbundene Teilnetzwerke existieren. 13 Unabhängige Diskussion Dieses Muster kommt in Netzwerken mit klaren Zentraliäten vor. 37 Anführer Oft auftauchendes Muster in Diskussionsgruppen. Achtung: Wahre Negative kommen vor. 86 Spammer Das Troll Muster taucht selten in kulturwissenschaftlichen Communities aus. Achtung: Wahre Negative kommen vor. 2 Troll Das Muster taucht in kleinen Netzwerken auf. Niemand antwortet auf eine Anfrage. 61 Keiner antwortet Das Muster findet Themen, die eine gewisse Zeit ein erhöhtes Interesse beanspruchen 22 Ausbruch Bemerkungen Auftauchen Muster
    15. 15. Erweiterung der PALADIN Musterbibliothek Einzelsprecher Antwort-Empfänger Kommunikator Antwort-Sender Initiator Konsistente Teilnahme Diversifizierte Teilnahme Zentrale Teilgruppe Intermediäre Teilgruppe Periphere Teilgruppe Monologische Community Dialogische Community Monolog Balancierte Kommunikation Nachfolgende Kommunikation Multipler Dialog Dyade Debatte Teilnehmer Thread-Medium Thread Akteur Mono- Modal Multi- Modal
    16. 16. Mitglieder 156 Netzwerke 188.878 Threads 26.470 Teilnehmer
    17. 17. Mustervorkommen 156 Netzwerke 188.878 Threads 26.470 Teilnehmer
    18. 18. Beobachtung kulturwissenschaftlicher Netzwerke <ul><li>Die meisten Netzwerke im kulturwissenschaftlichen Datensatz sind in der Hauptsache monologisch </li></ul><ul><li>Eine kleine Reihe von Aktivisten führt die tägliche Diskussion in den Netzwerken an </li></ul><ul><li>Kulturwissenschaftliche Netzwerke werden von peripherer Teilnahme beherrscht </li></ul><ul><li>Teilnehmer in kulturwissenschaftlichen Netzwerken zeigen ein konsistentes Verhalten über mehrere Netzwerke hinweg </li></ul>
    19. 19. Meso-Studien: Statische und Dynamische Muster <ul><li>Statische Muster </li></ul><ul><ul><li>Small-World Effekt </li></ul></ul><ul><ul><ul><li>Diameter IMDB: 3.48 (Kevin-Bacon Orakel) </li></ul></ul></ul><ul><ul><ul><li>Diameter nd.edu: 11.27 </li></ul></ul></ul><ul><ul><ul><li>Diameter Internet: 3.31 </li></ul></ul></ul><ul><ul><li>Community (Cluster) </li></ul></ul><ul><ul><ul><li>Protein-Interaktions Netzwerke </li></ul></ul></ul><ul><ul><ul><li>Thematische Gruppen in WWW </li></ul></ul></ul><ul><ul><ul><li>Industrielle Cluster </li></ul></ul></ul><ul><ul><li>Leitmotive und Widerstandsfähigkeit </li></ul></ul><ul><li>Dynamische Muster </li></ul><ul><ul><li>Verdichtung von wachsenden Graphen (Densification Power Law) </li></ul></ul><ul><ul><li>Wachsende Graphen haben einen schrumpfenden Diameter (Shrinking Diameter) </li></ul></ul>
    20. 20. Wachstum in Wikis
    21. 21. Verdichtung in Wikis
    22. 22. Zentralitätsgrad in Wikis
    23. 23. Betweeness Zentralität in Wikis
    24. 24. Makro-Studien: Wikipedia und weiter <ul><li>Wikiversity: 40.000 Artikel mit 150.000 Revisionen -> 4.700.000 Kanten </li></ul><ul><li>Wikipedia (Simple / English): 52.000 Artikel mit 510.000 Revisionen -> 30.600.000 Kanten </li></ul>
    25. 25. Makro-Studien: Statische und Dynamische Muster <ul><li>Statische Muster </li></ul><ul><ul><li>Small-World Effekt </li></ul></ul><ul><ul><li>Community (Cluster) </li></ul></ul><ul><ul><ul><li>Wikis (Wikipedia, Wikiversity) </li></ul></ul></ul><ul><ul><ul><li>Social Networking Sites (Facebook) </li></ul></ul></ul><ul><ul><li>Visualisierung </li></ul></ul><ul><li>Dynamische Muster </li></ul><ul><ul><li>Änderungsgeschwindigkeiten </li></ul></ul><ul><ul><ul><li>Artikelgröße - # Autoren </li></ul></ul></ul><ul><ul><ul><li># Artikel - # Autoren </li></ul></ul></ul><ul><ul><ul><li>Lösch-Lese-Raten </li></ul></ul></ul>
    26. 26. Visualisierungsstrategien: Statisch Wikiversity-Artikelgraph JUNG-Circle-Layout yFiles-Organic-Layout
    27. 27. Visualisierungsstrategien: Dynamisch Animation mittels Slicing Window Technologie
    28. 28. Visualisierungsstrategien: Dynamisch Animation mittels Slicing Window Technologie
    29. 29. Visualisierungsstrategien: Spatio-Temporal Zeitstempel Namens Liste Zeitpunkt (vom Benutzer) Liste des Email Verkehrs
    30. 30. Zusammenfassung: Muster-Basierte Analyse Head Shoulder Tail Social Software <ul><li>Änderungsraten </li></ul><ul><li>Dichte </li></ul><ul><li>Densification Power Law </li></ul><ul><li>Shrinking Diameter </li></ul><ul><li>Diskurs Analyse </li></ul><ul><li>Kommunikations-muster </li></ul>Dynamisch <ul><li>Clustering </li></ul><ul><li>Cluster Visualisierung </li></ul><ul><li>Community Erkennung </li></ul><ul><li>Small World </li></ul><ul><li>Widerstands-fähgigkeit </li></ul><ul><li>Graph Visualisierung </li></ul><ul><li>Strukturelle Muster </li></ul>Statisch Ana-lyse-stra-tegie > 1.000.000 100.000 – 1.000.000 < 100.000 Netzwerkgröße (# Knoten) Makro-Level Meso-Level Mikro-Level
    31. 31. Zusammenfassung <ul><li>Mathematische Modelle und Methoden bilden die Grundlage interdisziplinärer Netzwerkforschung </li></ul><ul><li>Soziale Software erobert immer mehr Arbeits-, Lern- und Forschungskontexte </li></ul><ul><li>Notwendigkeit Folgen digitaler Interaktion immer größeren Communities zu vermitteln </li></ul><ul><li>Abkürzende statistische und dynamische Verfahren zur Erzeugung von Evidenzen </li></ul><ul><li>Visualisierung als Schlüssel zum Verständnis komplexer Netzwerkspuren </li></ul>
    32. 32. Ausblick: Cross-Mediale Multi-Agentensimulation <ul><li>Verschiedene Simulationsansätze möglich </li></ul><ul><li>Bisher: </li></ul><ul><ul><li>Lokalisierte Simulation der CoP-Aktivitäten </li></ul></ul><ul><ul><li>„ Abwandlung“ genetischer Algorithmen </li></ul></ul><ul><ul><li>Gewichtete Metadaten speisen Gedächtnisse von CoPs </li></ul></ul><ul><ul><li>Mutationen und selektives Cross-over erzeugen neue Gedächtnisse </li></ul></ul><ul><ul><li>Fitness-Funktionen bestimmen Verlauf der Simulation </li></ul></ul><ul><li>Jetzt: </li></ul><ul><ul><li>Multi-Agentensimulation </li></ul></ul><ul><ul><li>Akteur-Netzwerk Theorie als Ausgangspunkt </li></ul></ul><ul><ul><li>Dynamische Visualisierung cross-medialer sozialer Netzwerksimulationen </li></ul></ul>

    ×