Daten by Design
Interaktionen, Daten, Empfehlungen
Spielanleitung
Interaktion
1) Interaktionen identifizieren (Pink)
- Nutzt die pinken Marker und markiert alle Interaktionen mit der TikTok-For-You-Page, die ihr kennt!
- Tauscht euch in der Gruppe aus, falls Interaktionen unbekannt sein sollten!
- In der Legende auf dem Spielfeld werden die Symbole der Interaktionen kurz erklärt.
Spielanleitung
Interaktion
algorithmische Bewertung
2) Interaktionen bewerten (Grün)
- Nutzt die grünen Marker und bewertet die Interaktionen! Welchen Einfluss haben welche Interaktionen auf die Empfehlung dieses oder ähnlicher Videos?
- 👍 bezeichnet einen positiven Einfluss auf die Empfehlung dieses oder ähnlicher Videos,
- 👎 bezeichnet einen negativen Einfluss auf auf die Empfehlung dieses oder ähnlicher Videos.
- Nutze das Fragezeichen ?, wenn du dir nicht sich bist, was die Interaktion bewirkt.
- Nutze das 🚫 wenn du glaubst, dass die Interaktion das Video die algorithmische Bewertung sperrt.
Spielanleitung
Interaktion
algorithmische Gewichtung
algorithmische Bewertung
3) Interaktionen gewichten (Algorithmus/Blau)
- Nutzt die blauen Marker (1–3) und gewichtet damit nur diejenigen Interaktionen, denen ihr einen Einfluss (👍/👎) auf die Empfehlungen zugewiesen habt.
- Was glaubt ihr, findet der TikTok-Empfehlungsalgorithmus besonders wichtig? Vergebt mehr Punkte für eine höhere Gewichtung!
- Tauscht euch in der Gruppe aus!
Spielanleitung
Interaktion
algorithmische Gewichtung
algorithmische Bewertung
Nutzungsweise
3) Nutzung gewichten (Nutzungsweise/Gelb)
- Besprecht in der Gruppe, welche Nutzungsart ihr bevorzugt: Swipen, Liken, Kommentieren, Melden, Abonniereren, Merken, Produzieren, Teilen, Reposten etc.
- Nutzt die gelben Marker (1–3) und gewichtet damit diejenigen Nutzungsgewohnheiten (Interaktionen), die durch die Plattformbetreiber besonders befördert werden sollen.
- Was findet ihr, sollte bei der Nutzung besonders wichtig sein? Vergebt mehr Punkte für eine höhere Gewichtung!
Spielanleitung
Interaktion
Nutzungstyp
algorithmische Gewichtung
algorithmische Bewertung
4. Personas
Swiper*in
Liker*in
Commenter*in
Melder*in
Abonnierer*in
Merker*in
Beispiele
Gruppe 3
Gruppe 1
Gruppe 2
Gruppe 4
Auswertung 1
Interaktion
algorithmische Gewichtung
+
algorithmische Bewertung
=
?
=
2
+
+
=
2
=
=
Wert
Wert
Nutzungsweise
Auswertung 2
Interaktion
algorithmische Gewichtung
algorithmische Bewertung
=
?
=
2
x
=
2
=
=
Wert
Wert
x
x
Nutzungsweise
x
Auswertung 3
Interaktion
Nutzungsweise
algorithmische Gewichtung
+
algorithmische Bewertung
(
)
x
(
)
=
?
2
=
2
=
2
=
=
Wert
Wert
Auswertung 4
(
)
(
)
=
?
=
=
2
=
=
Wert
Wert
ϑ
∑
ϒ
*
*
*
konsumpsycho-logisches Modell?
Machine- Learning-Sytem?
Matrix-Faktorisierung?
- viele Datenpunkte Interface-Design der For-You-Page
-
Gewichtung der Interaktionen für Empfehlungen entscheidend
- Plattformentscheidung oder Machine-Learning-Prozess
-
oft mehere algoritimische Systeme im Einsatz, z.B.:
- Inhaltserkennung und -kategorisierung,
- Spracherkennung, Speech-to-Text
- kollaboratives Filtern (Nutzer die X mochten, mögen auch Y)
- genaue algorithmische Empfehlungsmechanismen nicht bekannt
- wichtigste Faktoren wahrscheinlich Watchtime und Interaktion
Fazit
Kontakt: mediale pfade.org - Verein für Medienbildung e.V. Oranienstr. 19a | 10999 Berlin | Twitter, Instagram, Facebook, YouTube, LinkedIn @medialepfade| kontakt@medialepfade.org | Tel.: 030/55273140
Impressum
Die Methode "TikTok Labor" wurde Rahmen des BMBF-geförderten Verbundprojektes “Dataskop” entwickelt. Mehr unter: dataskop.net/
Lizenz: CC BY mediale pfade, Leon Behn, Robert Behrendt
Daten by Design Auswertung
By mediale pfade
