* Termin findet hybrid statt; Zugangslinks werden rechtzeitig versendet.
Vortragslänge: 20 min. + 10 min. anschließende Diskussion
Jeder Vortrag stellt einen Fachartikel vor und setzt ihn in Bezug zu dem übergeordneten Themengebiet. Dabei soll das Verstehen, Wiedergeben und Diskutieren von wissenschaftlicher Literatur geübt werden. Die Studierenden lernen sich in ein Thema einzuarbeiten, ausgehend von einem Artikel eigenständig Literaturrecherche zu betreiben, diese korrekt vorzustellen und zu zitieren (sowohl in der Praäsentation als auch in der Ausarbeitung). Fachbegriffe sollen definiert werden, ggf. müssen dabei auch mehrere Definitionen vorgestellt und diskutiert werden. Ziel des mündlichen Referats ist es die im Artikel behandelte Problemstellung, sowie den Lösungsansatz vorzustellen, und diese in den Kontext verwandter Arbeiten einzubetten.
Umfang: 15 – 20 Seiten, inkl. Literaturverzeichnis
Die schriftliche Ausarbeitung beschreibt den Inhalt des Vortrags und kann ggf. an einigen Stellen Aspekte des Themas detaillierter ausarbeiten.
Sowohl bei den Vortragsfolien als auch im schriftlichen Referat ist auf korrekte Rechtschreibung zu achten.
Der Begriff “Fake News” ist weit verbreitet, aber nicht einheitlich definiert. Popularisiert wurde er als abwertende Bezeichnung für etablierte journalistische Medien im US Wahlkampf 2016 durch Dondald Trump. Seither wird er vor allem im akademischen Kontext jedoch i.d.R. für Falschinformationen diverser Art verwendet. Da sich solche Falschinformationen auf Internetplatformen verbreiten, entwickelte sich eine Forschungssparte, die sich mit der Charakterisierung, Erkennung und Verbreitung von Fake News beschäftigt. Im Bereich der Informatik wurden Methoden erarbeitet um Fake News automatisiert zu erkennen.
Propaganda verwendet verschiedene inhaltliche und rhetorische Werkzeuge um eine bestimmte Agenda voranzutreiben. Die Erkennung von Propaganda gestaltet sich schwieriger als Fake-News-Erkennung, da sie anderen Mustern folgt und oft feingliedrig in faktisch korrekte Inhalte eingefügt wird, weshalb seltener ein gesamtes Dokument als Propaganda klassifiziert werden kann. Die automatische Erkennung von Propaganda ist ein relativ neues Forschungsgebiet in der Informatik.
Der Begriff “Filter Bubble” wurde von Eli Pariser eingeführt um auf den Effekt von personalisierten Suchergebnissen in Suchmaschinen aufmerksam zu machen. Zeigt eine Suchmaschine gefilterte Ergebnisse basierend auf den Interessen/Ansichten des Nutzers an, so kann der Nutzer in einer Filter Bubble landen, in der nur Ergebnisse und Informationen angezeigt werden, die in sein Weltbild passen und den bestehenden Interessen entsprechen. Ein verwandtes Konzept ist die Echo Chamber, in der Gleichgesinnte sich gegenseitig in ihren Ansichten bestärken ohne abweichende Einflüsse zu gestatten. Eine “Erweiterung des Horizonts” wird somit erschwert. Die Ausprägung dieses Effekts in unterschiedlichen Bereichen, sowie Möglichkeiten ihn einzudämmen werden untersucht.
Einführende Pflichtlektüre:
Fake News:
Textual Characteristics of News Title and Body to Detect Fake News: A Reproducibility Study
Fake News on Facebook and Twitter: Investigating How People (Don’t) Investigate
Filter Bubble:
Toward a Standard Approach for Echo Chamber Detection: Reddit Case Study
Exploring the Filter Bubble: The Effect of Using Recommender Systems on Content Diversity
Events and Controversies: Influences of a Shocking News Event on Information Seeking
The Interaction between Political Typology and Filter Bubbles in News Recommendation Algorithms
User Behavior and Awareness of Filter Bubbles in Social Media
Propaganda:
Characterizing networks of propaganda on twitter: a case study
Grundlegende Literatur:
18.10.2021: Theorie
Urheberrecht in Deutschland, und das UrhWissG
Online-Zugriff auf Literatur: UB, Shibboleth, arXiv
Literraturrecherche: GScholar, Semanticscholar, "Backlinks" und Suchtechniken
Gute und schlechte Quellen (erkennen)
Die großen Verleger in der Informatik: Wer sind ACM, IEEE, Springer, Wiley
und Elsevier?
"The Cost of Knowledge" und Projekt DEAL
Open Access: Preprints, arXiv, Ceur-WS, und wie funktionieren VLDB und
NeurIPS/ICML
Publikationsformate: Konferenzbeitrag, Journal, Poster, Demo, Buchkapitel,
Technical Report, Invited Talk, Buch, Datensatz, Softwareartifakt; Surveys/Reviews/Benchmarks
Peer Review - wie funktioniert das?
Die wissenschaftliche Methode, Naturwissenschaft, Geisteswissenschaft,
Strukturwissenschaft?
25.10.2021: Praxis
Gute Wissenschaftliche Praxis (für Studierende)
Richtig zitieren: Unterschiede zwischen Disziplinen & Gepflogenheiten
in der Informatik; wie oft zitieren?
Qualitätsmaße: Zitate, Impact Factor, H-Index, CORE-Ranking
Betrug in der Wissenschaft - Plagiate und Fälschungen, Retractions und
COPE-Regeln
Finanzierung
Forschungsdatenmanagement & Archivierung
Open Source & Github: Reproduzierbarkeit durch Veröffentlichung des
Codes
Wissenschaftlicher Schreibstil: "we" bei eigenen Beiträgen, Distanz zu
fremden Beiträgen, kein Verschleifen, kein "Werbeprospekt"; Problem beim
Mischen von Sprachen
LaTeX und Bibtex (empfohlen ist DBLP; öfter bibtex fehler bei ResearchGate
und GScholar)
LaTeX Beamer und Typografie