Scholl, Simon ; Reuter, Christian ; Ludwig, Thomas ; Kaufhold, Marc-André (2023)
SocialML: EUD im Maschine Learning zur Analyse sozialer Medien.
Mensch und Computer 2018. Dresden, Germany (02.-05.09.2018)
doi: 10.26083/tuprints-00022219
Konferenzveröffentlichung, Zweitveröffentlichung, Verlagsversion
Kurzbeschreibung (Abstract)
Die Analyse sozialer Medien hat eine enorme Bedeutung für die verschiedensten Bereiche, wie beispielsweise die Lagebeurteilung, journalistische Recherchen oder unternehmerische Analysen. Dabei sind die entsprechenden Analysten unterschiedlichen Kontextfaktoren unterworfen. Sei es durch ihren organisationalen Hintergrund, durch tätigkeitsbezogene Rollen oder den geografischen und zeitlichen Rahmen. Um den ständig im Wandel begriffenen Kontexten gerecht zu werden, ergeben sich permanent neue Herausforderungen für die Anpassbarkeit der Analyse. Dieser Beitrag untersucht, wie ein auf Machine Learning (ML) basierendes Tool zur Social Media Analyse (SMA) im Sinne des End-User Development (EUD) auf verschiedenen Komplexitäts- und Schrittebenen umgesetzt werden kann.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2023 |
| Autor(en): | Scholl, Simon ; Reuter, Christian ; Ludwig, Thomas ; Kaufhold, Marc-André |
| Art des Eintrags: | Zweitveröffentlichung |
| Titel: | SocialML: EUD im Maschine Learning zur Analyse sozialer Medien |
| Sprache: | Deutsch |
| Publikationsjahr: | 2023 |
| Ort: | Darmstadt |
| Publikationsdatum der Erstveröffentlichung: | 2018 |
| Verlag: | Gesellschaft für Informatik e.V. |
| Buchtitel: | Mensch und Computer 2018 Tagungsband |
| Kollation: | 4 Seiten |
| Veranstaltungstitel: | Mensch und Computer 2018 |
| Veranstaltungsort: | Dresden, Germany |
| Veranstaltungsdatum: | 02.-05.09.2018 |
| DOI: | 10.26083/tuprints-00022219 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/22219 |
| Zugehörige Links: | |
| Herkunft: | Zweitveröffentlichungsservice |
| Kurzbeschreibung (Abstract): | Die Analyse sozialer Medien hat eine enorme Bedeutung für die verschiedensten Bereiche, wie beispielsweise die Lagebeurteilung, journalistische Recherchen oder unternehmerische Analysen. Dabei sind die entsprechenden Analysten unterschiedlichen Kontextfaktoren unterworfen. Sei es durch ihren organisationalen Hintergrund, durch tätigkeitsbezogene Rollen oder den geografischen und zeitlichen Rahmen. Um den ständig im Wandel begriffenen Kontexten gerecht zu werden, ergeben sich permanent neue Herausforderungen für die Anpassbarkeit der Analyse. Dieser Beitrag untersucht, wie ein auf Machine Learning (ML) basierendes Tool zur Social Media Analyse (SMA) im Sinne des End-User Development (EUD) auf verschiedenen Komplexitäts- und Schrittebenen umgesetzt werden kann. |
| Freie Schlagworte: | HCI, KontiKat, SMO |
| Status: | Verlagsversion |
| URN: | urn:nbn:de:tuda-tuprints-222191 |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik 300 Sozialwissenschaften > 380 Handel, Kommunikation, Verkehr |
| Fachbereich(e)/-gebiet(e): | 20 Fachbereich Informatik 20 Fachbereich Informatik > Wissenschaft und Technik für Frieden und Sicherheit (PEASEC) Profilbereiche Profilbereiche > Cybersicherheit (CYSEC) LOEWE LOEWE > LOEWE-Zentren LOEWE > LOEWE-Zentren > CRISP - Center for Research in Security and Privacy Zentrale Einrichtungen Zentrale Einrichtungen > Interdisziplinäre Arbeitsgruppe Naturwissenschaft, Technik und Sicherheit (IANUS) |
| Hinterlegungsdatum: | 19 Okt 2018 09:15 |
| Letzte Änderung: | 01 Mär 2023 09:13 |
| PPN: | |
| Zugehörige Links: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum