TU Darmstadt / ULB / TUbiblio

SocialML: EUD im Maschine Learning zur Analyse sozialer Medien

Scholl, Simon ; Reuter, Christian ; Ludwig, Thomas ; Kaufhold, Marc-André (2018)
SocialML: EUD im Maschine Learning zur Analyse sozialer Medien.
Mensch und Computer 2018. Dresden, Germany (02.-05.09.2018)
doi: 10.18420/muc2018-mci-0347
Conference or Workshop Item, Bibliographie

This is the latest version of this item.

Abstract

Die Analyse sozialer Medien hat eine enorme Bedeutung für die verschiedensten Bereiche, wie bei-spielsweise 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 Lear-ning (ML) basierendes Tool zur Social Media Analyse (SMA) im Sinne des End-User Development (EUD) auf verschiedenen Komplexitäts- und Schrittebenen umgesetzt werden kann.

Item Type: Conference or Workshop Item
Erschienen: 2018
Creators: Scholl, Simon ; Reuter, Christian ; Ludwig, Thomas ; Kaufhold, Marc-André
Type of entry: Bibliographie
Title: SocialML: EUD im Maschine Learning zur Analyse sozialer Medien
Language: German
Date: 2018
Publisher: Gesellschaft für Informatik e.V.
Book Title: Mensch und Computer 2018 Tagungsband
Event Title: Mensch und Computer 2018
Event Location: Dresden, Germany
Event Dates: 02.-05.09.2018
DOI: 10.18420/muc2018-mci-0347
Corresponding Links:
Abstract:

Die Analyse sozialer Medien hat eine enorme Bedeutung für die verschiedensten Bereiche, wie bei-spielsweise 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 Lear-ning (ML) basierendes Tool zur Social Media Analyse (SMA) im Sinne des End-User Development (EUD) auf verschiedenen Komplexitäts- und Schrittebenen umgesetzt werden kann.

Uncontrolled Keywords: HCI, KontiKat, SMO
Additional Information:

Erstveröffentlichung

Divisions: 20 Department of Computer Science
20 Department of Computer Science > Science and Technology for Peace and Security (PEASEC)
Profile Areas
Profile Areas > Cybersecurity (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)
Date Deposited: 19 Oct 2018 09:15
Last Modified: 03 Jul 2024 02:31
PPN:
Export:
Suche nach Titel in: TUfind oder in Google

Available Versions of this Item

Send an inquiry Send an inquiry

Options (only for editors)
Show editorial Details Show editorial Details