Daten by Design

 

Interaktionen, Daten, Empfehlungen

Dane według designz
Interakcje, dane, rekomendacje

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.

Instrukcje dotyczące gry


1) Zidentyfikuj interakcje (różowe znaczniki)

  • Użyj różowych znaczników i zaznacz wszystkie interakcje ze stroną TikTok For You, które znasz!
  • Wymień się pomysłami w grupie, jeśli interakcje nie są znane!
  • Symbole interakcji są krótko wyjaśnione w legendzie na planszy.

Interakcja

Interaktion

algorithmische Bewertung | ocena algorytmiczna

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.

2) Oceń interakcje (zielone znaczniki)

  • Użyj zielonych znaczników i oceń interakcje! Jaki wpływ mają interakcje na rekomendację tego lub podobnych filmów?
  • 👍 oznacza pozytywny wpływ na rekomendację tego lub podobnych filmów,
  • 👎 wskazuje negatywny wpływ na rekomendację tego lub podobnych filmów.
  • Użyj znaku zapytania „?“ jeśli nie masz pewności, co robi interakcja.
  • Użyj 🚫, jeśli uważasz, że interakcja zablokuje film przed oceną algorytmiczną.

Interakcja

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!

3) Waż interakcje (algorytm/niebieskie znaczniki)

  • Użyj niebieskich znaczników (1-3), aby nadać wagę tylko tym interakcjom, którym przypisałeś wpływ (👍/👎) na rekomendacje.
  • Jak myślisz, co algorytm rekomendacji TikToka uważa za szczególnie ważne? Przyznaj więcej punktów za wyższą wagę!
  • Wymieniaj się pomysłami w grupie!

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

Interaktion

Nutzungstyp

algorithmische Gewichtung

algorithmische Bewertung

4. Personas

  • Swiper*in

  • Liker*in

  • Commenter*in

  • Melder*in

  • Abonnierer*in

  • Merker*in


4. Personas

  • Swiper (przesuwacz)
  • Liker (polubiacz)
  • Komentujący
  • Zgłaszający
  • Subskrybent
  • Flagger (oznaczający)

Sposób użytkowania

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

Interaktion

algorithmische Gewichtung

algorithmische Bewertung

Nutzungsweise

4) 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!

4) Ważenie sposobu użytkowania (typ użytkowania/żółte znaczniki)

  • Przedyskutuj w grupie, jaki rodzaj użytkowania preferujesz: przesuwanie, polubienie, komentowanie, zgłaszanie, subskrybowanie, zapamiętywanie, tworzenie, udostępnianie, ponowne publikowanie itp.
  • Użyj żółtych znaczników (1-3), aby nadać priorytet nawykom użytkowania (interakcjom), które powinny być szczególnie promowane przez operatorów platform.
  • Co Twoim zdaniem powinno być szczególnie ważne pod względem użytkowania? Przyznaj więcej punktów za wyższą wagę!

Sposób użytkowania

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

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

Sposób użytkowania

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

Auswertung 2

Interaktion

algorithmische Gewichtung

algorithmische Bewertung

= 

?

=

2

x

=

2

=

=

Wert

Wert

x

x

Nutzungsweise

Sposób użytkowania

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

x

Auswertung 3

Interaktion

Nutzungsweise

algorithmische Gewichtung

+

algorithmische Bewertung

(

)

x

(

)

= 

?

2

=

2

=

2

=

=

Wert

Wert

Sposób użytkowania

algorithmiczne ważenie

ocena algorytmiczna

Interakcja

Auswertung 4

(

)

(

)

= 

?

=

=

2

=

=

Wert

Wert

ϑ

∑

ϒ

*

*

*

model psychologiczny?

Machine- Learning-Sytem?

Matrix-Faktorisierung?

System uczenia maszynowego?

Faktoryzacja-macierzy?

konsumpsycho-logiisches Model?

  • 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 | Wnioski

  • wiele punktów danych projekt interfejsu For-You-Page
  • Waga interakcji decydująca o rekomendacjach
    • decyzja platformy lub wynik procesu uczenia maszynowego
  • Często stososwanych jest wiele systemów algorytmicznych, np.:
    • rozpoznawanie treści i kategoryzacja,
    • rozpoznawanie mowy, zamiana mowy na tekst,
    • filtrowanie oparte na współpracy (użytkownicy, którzy polubili X, polubili również Y)
  • Dokładne algorytmy rekomendacji nie są znane
  • Najważniejsze czynniki to prawdopodobnie czas oglądania i interakcja

Feed Experiment

 

Aus der Perspektive des TikTok-Algorithmus

Eksperyment z feedem

 

Z perspektywy algorytmu TikTok

Schaut diesem Account A bei der TikTok-Nutzung zu!

Was fällt euch als Empfehlungs-Algorithmus auf?

Obejrzyjcie ten konto A podczas korzystania z TikToka!

Co zauważacie jako algorytm rekomendacji?

Schaut diesem Account B bei der TikTok-Nutzung zu!

Was fällt euch als Empfehlungs-Algorithmus auf?

Obejrzyjcie ten konto B podczas korzystania z TikToka!

Co zauważacie jako algorytm rekomendacji?

Wem könnten diese Accounts gehören?

Wem mogą należeć te konta?

Inhaltliche Nutzungsanalyse 1: Benennt pro Kurzvideo zwei Videothemen und tragt sie in die Tabelle ein!

Analiza wykorzystania treści 1: Wskaź dwa tematy wideo dla każdego krótkiego wideo i wprowadź je do tabeli!

Feed Experiment

Videothemen

A) Interpretieren

B) Assoziieren

C) Benennen

A) Interpretować

B) Asocjować

C) Nazywać

Inhaltliche Nutzungsanalyse 2: Entscheidet euch pro Kurzvideo für zwei TikTok-Kategorien aus der Tabellenauswahl!

Analiza wykorzystania treści 2: Wybierzcie po dwie kategorie TikTok dla każdego krótkiego wideo z wyboru w tabeli!

Feed Experiment

TikTok-Kategorien

A) Sichten

B) Identifizieren

C) Sortieren

A) Skanowanie

B) Identyfikacja

C) Sortowanie

Auswertung | Ocena

  1. Warum kategorisiert TikTok die Videos?
  2. Welchen Vorteil hat der sortierende Algorithmus gegenüber assoziierenden Menschen?
  3. Wie kategorisiert der Algorithmus vielleicht sogar selsbständig Videos (Items)?
  4. Kann er eigene Kategorien erstellen?
  5. Was könnte die Kategorisierung beeinflussen?
  6. Welche Informationen liefern die Kategorien über die Nutzenden?
  1. Dlaczego TikTok kategoryzuje filmy?
  2. Jaką przewagę ma algorytm sortujący nad asocjującymi ludźmi?
  3. Jak algorytm może nawet samodzielnie kategoryzować filmy (elementy)?
  4. Czy może tworzyć własne kategorie?
  5. Co mogłoby wpływać na kategoryzację?
  6. Jakie informacje kategorie dostarczają o użytkownikach?

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