Überblick

Überblick

1

3

2

4

Bildungsformate

Projektübersicht

Festival of FOO

Ressourcen

Hintergrund

• Datenspenden zur Erforschung von algorithmischer Systeme
  • e.g. Citizen Browser, Mozilla Rally, Open Schufa
• seit Juli 2021 Datenspendeplattform und Scraper (Dataskop)
• 1. Datenspende-Projekt „Was zeigt dir der YouTube-Algorithmus zur Bundestagswahl 2021?“
• aktuell schulische und außerschulische Lernszenarien
• ab 2022 für Forschungseinrichtungen, NGOs und Redaktionen offen

Verfahren

• Dataskop nutzt Screen-Scraping
  • Browser ließt html-Text der YouTube-Seiten aus
  • A) Demoversion oder B) Login und Scraping
    • nach YouTube-Login Auslesen von pers. Verlauf
    • Autoplayexperimente: News, Seedvideos, Suchbegriffe
  • C) Speichern als json (lokal) und Visualisierungen
  • D) kurze demografische Umfrage
  • E) Datenspendeerklärung und Upload

Dataskop auf GitHub:

https://github.com/algorithmwatch

• dataskop-electron
• dataskop-platform

Erste Ergebnisse: YouTube zur Bundestagswahl 2021

• 6 Wochen über 5000 Datenspenden
• Auswertung durch Viadrina und der Spiegel
• In "News" kaum Unterschied zwischen Login/Logout
• Springers WELT-Kanal prominent in "Top-Stories"
• Suchanfragen bevorzugen aktuelle Videos
• Autoplay favorisiert Abos, Likes und Watchtime
• 10% Spender*innen bekommen sog. Borderline-Content

Erste Ergebnisse: YouTube zur Bundestagswahl 2021

Schulische Bildungsformate durch Universität Paderborn mit Fokus auf:

• Prinzipien des kollaborativen Filterns

• User-Item-Matrix und Matritzenrechnung

• Profile und personalisierte Empfehlungen

Außerschulisches Bildungsformat durch mediale pfade

• für 14- bis 21-Jährige

• gamebased Learning als Türöffner für komplexe Inhalte

• kollaboratives storybasiertes Gruppenspiel ca. 3 Stunden

• durchführbar als Remote-Version oder in Präsenz

• mit Desktoprechnern und Browser

• „Festival of FOO" (AT)

Außerschulische Bildungsformat mit Themen-Fokus auf:

• Daten als Ressource, Daten als Kapital

• Algorithmen in kapitalistischen Verwertungsökonomien

• Auswirkungen auf Inhaltsproduktion

• Recommender - Black Box und Betriebsgeheimnis

• Grundlagen gemeinwohl-orientierter Algorithmen

• Open Data, Transparenz und Civic Science

Musikplattform, Gig-Media, Trendmaschine

beyond the hype

discover your true music

let your star shine

 life is live 

 live is life 

Prolog: Das Foo-Festival

Teilnehmende/Player Characters (PC):

• erfahren vom Festival of FOO
• übernehmen Rolle eines Web-Studios
• entwickeln ihren Musikstar (Starpass)
• launchen ihr Profil (erstes ⭐-Rating)
• Wildcard Foo-Festival bei mind. x⭐

Kapitel 1 - Der erste Gig-On

Teilnehmende/Player Characters (PC):

• spielen ersten Online-Gig (ganz okay... +2 ⭐)
• beobachten Trendsetter (Band "E.G.O.")
• folgen Gerüchten (Doc Coda, CEOs etc.)
• rätseln über Algorithmus (Rating, Blackbox, Trendmaschine)

Kapitel 2 - DataSkop/DarkSkop

Teilnehmende/Player Characters (PC):

• bekommen DataSkop von Doc Coda (Gründer*in: Analyse-Account für FOO)
• bekommen DarkSkop von T4sty (dubiose Quelle: Einbruch in FOO-Account von "E.G.O.")
• kennen Dashboard, Experimente, Visualisierungen

Kapitel 3 - Tour de Foo

Teilnehmende/Player Characters (PC):

• suchen Fragestellungen zu Visualisierungen
• passen eigene Inhalte an Algorithmus an
• spielen Online Gigs, testen Anpassungen
• Star-Rating steigt um +x⭐
• FOO-Account von "E.G.O." steigt um +x²⭐

Kapitel 4 - The Nominees are...

Teilnehmende/Player Characters (PC):

• entdecken Betrug durch E.G.O./CEOs
• verschiedene Enden, ein Ziel:
  • werden gesperrt (DataSkop/DarkSkop)
  • verbünden sich zum FOO-Festival (Mainstream)
  • veröffentlichen Schwindel (Whistleblowing)
• Ziel: Wie sieht ein "fairer" Algorithmus aus?

Kapitel 4 - Common Ground, Common Good

Teilnehmende/Player Characters (PC):

• sehen wie FOO abschmiert (Platform Escape)
• treffen Doc Coda, um neue Plattform zu entwickeln
• diskutieren Bedingungen für "faire" Plattform
• entwickeln Ideen zu gemeinwohl-orientiertem Algorithmus

Epilog - Auswertungen und Feedback

Teilnehmende/Player Characters (PC):

• werten die persönliche Spielerfahrung aus
• erfahren, dass DataSkop ein echtes Tool ist
• finden Gemeinsamkeiten/Unterschiede FOO vs. YouTube
• können ihren eigenen YT-Account untersuchen (Ü18)
• identifizieren Akteure, Datenerhebung, Recommender
• diskutieren das Projekt (Data Donation, Open Science)

Hintergrund Game-based Learning

• EDA-Tool als Spielelement immersiver Methode
  • Name z.B. DarkSkop, DataMirror
  • keine Verweise auf Gesamtprojekt
  • 2 Designs (grün/violett)
• Visualisierungen synthetischer Daten
  • Viz sind Lösungen zu Spielaufgaben
  • Spielaufgaben sind durch Geschichte motiviert

Ultralativ zu algorithmischer Transparenz und dem Projekt DataSkop

Links:

• DataSkop-Auswertung: https://dataskop.net/erste-ergebnisse/
• Spiegel-Auswertung https://www.spiegel.de/netzwelt/youtube-vor-der-wahl-wie-es-der-algorithmus-allen-recht-machen-soll-a-e364dccf-5f72-4736-ae1c-bdf0d213dcf1
• Data Trusts https://digitalautonomy.net/policy-brief-data-trusts

Zeit für Diskussion und Fragen...

Außerschulische Lernziele 1

Die Teilnehmenden:

• kennen gesellschaftliche und wirtschaftliche Akteure, ihre Zwecke und Ambivalenzen, beim Einsatz algorithmischer Empfehlungssysteme
• kennen die Bedeutung von Daten als Kapital für private und gemeinwohlorientierte Zwecke,
• wissen, welche gesellschaftlich-kulturellen Auswirkungen Empfehlungsalgorithmen auf Inhaltsproduktion haben,

Außerschulische Lernziele 2

Die Teilnehmenden:

• haben Handlungsoptionen kennengelernt, die ihnen erlauben, mit Algorithmen kreativ und emanzipatorisch umzugehen
• können einschätzen, ob ein algorithmisches Empfehlungssystem im Einsatz ist,
• haben ein Verständnis der Begriffe Algorithmus, Recommender, (Meta)-Daten, Profil, Open Data, Big Data, Civic Science entwickelt.