Präsentation von Oul Han und Steffen Staab Workshop "Soziale Netzwerke und Medien" auf dem Treffen des Fakultätentags Informatik, 14. November 2019, Hamburg

1. Institute for Web Science and Technologies • University of Koblenz-Landau, Germany
Soziale Netzwerke und Medien: Multi-
disziplinäre Ansätze für ein multi-
dimensionales Problem
Steffen Staab, Oul Han
Fakultätentag Informatik, 2019.11.14

2. 2
I. Benötigt Informatik die Sozialwissenschaften?
II. Computational Social Science: Reicht das?
III.Was tun wir?
Agenda

3. 3
I. Benötigt Informatik die Sozialwissenschaften?

4. 4
Beispiel 1: SemEval Challenge auf der NAACL

5. 5
Beispiel 1: Best Practice für die Klassifikation

6. 6
• Empirische Vielfalt fehlt in den Daten
• z.B. besonders gefährdete soziale Gruppen
• Politische Verhaltensmuster bleiben unberücksichtigt
• z.B. Astroturfing, Propaganda, Polarisierung
• Soziale Multiplikatoren werden ignoriert
• z.B. feindliches Verhalten gegenüber (vermeintlichen!)
Anderswählern oder sozialen Gruppen
• Methodik ist eingeschränkt, keine Methodenvielfalt
• z.B. Partizipation von diversen Fokusgruppen und
Experten (Fact-checkers, Policy-makers)
Probleme mit diesem “Nur-Informatik”-Ansatz

7. 7
Empirische Vielfalt fehlt in den Daten
z.B. besonders gefährdete soziale Gruppen
Politische Verhaltensmuster bleiben unberücksichtigt
z.B. Astroturfing, Propaganda, Polarisierung
Soziale Multiplikatoren werden ignoriert
z.B. feindliches Verhalten gegenüber (vermeintlichen!)
Anderswählern oder sozialen Gruppen
Methodik ist eingeschränkt, keine Methodenvielfalt
z.B. Partizipation von diversen Fokusgruppen und
Experten (Fact-checkers, Policy-makers)
Probleme mit diesem “Nur-Informatik”-Ansatz
Implikation: Gemeinsame SOTA-Maßstäbe verbessern
Methoden und weniger die Auswirkungen von Missinformation.

8. Beispiel 2: Automatisches Filtern von
Tweets
8
Reaktion der Staatssekretärin
Gar nicht einfach, da ein multi-dimensionales Problem!
Sozial Wer postet was mit Kontext und Nuance
Sozial-Legal “Nur” verletzend ← unfair → illegal (Hetze)
Initialtweet der AfD

9. Beispiel 2: Automatisches Filtern von
Tweets
9
Reaktion der Staatssekretärin
Implikation: Filteralgorithmen sperren im schlechtesten Falle
soziale Merkmale, anstatt negative soziale Praktiken.
Initialtweet der AfD

10. Komplexes, weil multidisziplinäres Problem
• Was kann, darf, muss man im digitalen Zeitalter?
• Missinformation nur eines von vielen Beispielen
• “Warum” ist somit klar
10

11. Wie werden wir multidisziplinär?
• Ansätze getrennt durch Datenarten und Methoden
• Würden zusammen das nötige Ganze ergeben
• Das “wie” ist das echte Problem
11
Big data
● Finden
● Sortieren
● Ordnen
● Einbetten
● Verbinden
Small data
● Fühlen
● Denken
● Agieren
● Rechte
● Pflichten

12. 12
II. Computational Social Science:
Reicht das?

13. 13
Was ist CSS?
It focuses on investigating social and
behavioral relationships and interactions
through methods commonly pursued in
computer science.
Wikipedia, “Computational Social Science”
what does existing sociological network theory,
built mostly on a foundation of one-time
“snapshot” data, typically with only dozens of
people, tell us about massively longitudinal data
sets of millions of people, including location,
financial transactions, and communications?
Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A. L., Brewer, D., ... & Jebara, T. (2009).
Computational social science. Science, 323(5915), 721-723.

14. 14
Bild rechts:
Politische Positionen von
Missinformation-Quellen und
respektives Verhalten von
Internetnutzern
Gute Nachricht:
• Nur etwa 1% lesen,
• Nur etwa 0.1% teilen
Beispiel: Faktoren in Missinformationen
Grinberg, N., Joseph, K., Friedland, L., Swire-Thompson, B., & Lazer, D. (2019). Fake
news on Twitter during the 2016 US presidential election. Science, 363(6425), 374-378.
Aber: Demokratie ist auch
Schutz von/vor Minderheiten
Ungelöst bleibt:
• Welche Haßreden je nach
politischer Ausrichtung?
• Was davon ist Meinung,
und was ist Sozialisierung?
• Können das algorithmische
Filter unterscheiden?

15. 15
• Mögliche Antwort auf obige Forschungsprobleme
• Sozial generierte Daten und Informatik-Ansätze
Tut CSS, was es versprochen hat?
Informatik
Methode
Vorgehens
weise
Evaluation
Daten
Beispiele
Sozial generierte Daten

16. 16
• Informatik dominiert
• Was geht dadurch verloren?
Was CSS nicht erfüllt: Multidisziplinarität
Informatik-gelenkte CSS
Methode
Vorgehens
weise
Evaluation
Daten
Beispiele
Wie und warum sozial generierte Daten?

17. Von Theorie zu Umsetzung
17
Ontologie Epistemologie Methologie
Was gibt es zu
wissen? Was können wir
darüber (hoffentlich)
wissen? Wie können wir dieses
Wissen erwerben?
Haßrede wird je
nach Akteur anders
definiert.
Wir können erfahren,
wie diverse Akteure
Haßrede aufnehmen.
Wir bilden/befragen
Fokusgruppen mit
variierenden sozialen
Variablen.
Methode
Vorgehens
weise
Evaluation
Daten
Beispiele
Sozialwissenschaften
Informatikforschung
Software-Engineering
• Adaptiert von: Hay, C. (2006). Political ontology. The Oxford
handbook of contextual political analysis, 78-96.
Caveat: Vereinfachte Generalisierung!

18. 18
Ansatz muss multidisziplinär als auch theoretisch sein:
• Soziale Praktiken bestimmen wörtliche Nuancen
• Legale Normen bestimmen Grenzen des Sagbaren
• Algorithmen bestimmen das technisch Mögliche
Beispiel:
Online-Filtering-Algorithmen gegen Haßreden

19. 19
Was passiert, wenn Informatik dominiert?
Stärken der CSS Schwächen der CSS
Schnelle Methoden Vorwiegend Informatik-Methoden
Gemeinsam instand gehaltene SOTA Keine bis wenig Sozialwissenschaft
(Theorie)
Breite Sammlung und Erfassung von Daten
generiert durch soziale Interaktionen
Unbeachtete Einflüsse von sozialen
Variablen der Daten generierenden Akteure

20. 20
• Hat Schwächen
• Vernachlässigt wurden sozialtheoretische Variablen
• Weil sie verkomplizieren
CSS versus Probleme der digitalen Welt

21. 21
III. Was tun wir?

22. 22
Web Science:
Zum integrierten Verständnis des Webs

23. 23
• Für die Probleme des Webs
• Wird graduell erfolgen, durch
1. Lehre
2. Forschung
Multidisziplinarität in gradueller Planung

24. 24
• BsC of Computational Social Science (in Planung)
• Social Science
• CS
• Integration
• Master of Web and Data Science (2013- )
Durch Lehre:

25. 25
• Dagstuhl-Seminar über E-Democracy
• Teilnehmer der Informatik, Sozialwissenschaften,
Kommunikationsstudien, Recht, Politik
• Disziplinen und “practitioners” wie Politiker und NGOs
• Themen: Ethische Grauzonen, digitale Barrieren, digitale
Ungleichheiten von Regionen, Partizipation, Experimente
Durch Forschung mit gemeinsamen Nennern:

26. 26
• Dagstuhl-Seminar über E-Democracy
• Teilnehmer der Informatik, Sozialwissenschaften,
Kommunikationsstudien, Recht, Politik
• Disziplinen und “practitioners” wie Politiker und NGOs
• Themen: Ethische Grauzonen, digitale Barrieren, digitale
Ungleichheiten von Regionen, Partizipation, Experimente
What we want to retain is the diversity of approaches;
what we want to change is the degree of collaboration
across the disciplines.
Durch Forschung mit gemeinsamen Nennern:

27. 27
• Co-Inform
• Alle stakeholder mit einbeziehen gegen Missinformation
• Journalisten, Policymaker, Factchecker, Plattform-User
• Community-orientierter Ansatz
• Gegenseitiges Informieren auf sozialen Plattformen
• Adäquate policies für regional-spezifische Missinformationen
• Git/Wiki-Anwendung für demokratische und diverse policymaking
Durch Forschung für gemeinsame Tools:

28. 28
“die sozialwissenschaftliche Dimension unserer
Disziplin endlich vollumfänglich akzeptieren und als
einen der Grundbausteine in unsere
Ausbildungscurricula aufnehmen”
Fazit
Bernstein, Abraham (2013). Informatik ist auch eine
Sozialwissenschaft! Informatik-Spektrum,
36(5):461-462.