Der Glaube an Big Data : : Eine Analyse Gesellschaftlicher Überzeugungen Von Erkenntnis- und Nutzengewinnen Aus Digitalen Daten.

• Author: Lünich, Marco.
• Place / Publishing House: Wiesbaden : : Springer Fachmedien Wiesbaden GmbH,, 2022.; {copy}2022.
• Year of Publication: 2022
• Edition: 1st ed.
• Language: German
• Physical Description: 1 online resource (331 pages)

Table of Contents

Intro -- Danksagung -- Inhaltsverzeichnis -- Abkürzungsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- 1 Einleitung -- 2 Der vermeintliche Siegeszug der Digitalisierung -- 2.1 Erkenntnisinteressen und Forschungsobjekte der Digitalisierungsforschung -- 2.2 Die öffentliche Wahrnehmung der (Un-)Wahrscheinlichkeit des Siegeszuges der Digitalisierung vor dem Hintergrund der Konzeption der Wissensgesellschaft -- 3 Digitale Daten und Big Data -- 3.1 Der Datenbegriff -- 3.2 Daten und Daten-Speichermedien -- 3.3 Von digitalen Daten zu Big Data -- 3.4 Technische Charakteristika und Beschreibungsdimensionen von Big Data -- 3.4.1 Das Volumen digitaler Datenentstehung und -verwertung -- 3.4.2 Die Geschwindigkeit digitaler Datenentstehung und -verwertung -- 3.4.3 Die Vielfalt digitaler Datenentstehung und -verwertung -- 3.5 Die sozio-technischen Dimensionen von Big Data -- 3.5.1 Die Richtigkeit digitaler Daten -- 3.5.2 Der Nutzen digitaler Daten -- 3.6 Die Bedeutung von Big Data im Zusammenhang mit Algorithmen, Künstlicher Intelligenz und maschinellem Lernen -- 4 Big Data und Wissen -- 4.1 Der Wissensbegriff -- 4.1.1 Die Bedingung der Wahrheit -- 4.1.2 Die Bedingung der Überzeugung -- 4.1.3 Die Bedingung der Rechtfertigung -- 4.1.4 Die Unterscheidung von deklarativem Wissen und prozeduralem Wissen -- 4.2 Die Wissensgesellschaft -- 5 Big Data und Wissen über Gesellschaft - die Quantifizierung des Sozialen -- 5.1 Zur Bedeutung von Zahlen im sozialen Kontext -- 5.2 Zahlen als Grundlage von Bewertungen und Vergleichen -- 5.3 IuK als Motor globaler Vergleichshorizonte -- 5.4 Die Wahrnehmung großer digitaler Datenbestände vor dem Hintergrund der Quantifizierung des Sozialen -- 6 Das Big-Data-Glaubenssystem (BDGS) -- 6.1 Glaube im Verhältnis und Abgrenzung von anderweitigen Konzepten menschlicher Wahrnehmung.

6.2 Der Unterschied zwischen Glaubens- und Wissenssystemen -- 6.2.1 Dissens, Bewertungsunterschiede und Ungewissheit als Merkmale der Annahmen eines BDGS -- 6.2.2 Weiterführende diskursive Merkmale eines Big-Data-Glaubenssystems -- 7 Fragen nach der Ausprägung eines Glaubens an Big Data und dessen Einfluss auf Einstellungen zum Einsatz von KI-Anwendungen -- 8 Methodik der Skalenkonstruktion für das Big-Data-Glaubenssystem und erste empirische Evidenzen -- 8.1 Die Operationalisierung und Messung von Glauben und Glaubenssätzen mit Hilfe der standardisierten Befragung -- 8.2 Die Operationalisierung von Messung von Glauben als reflektives latentes Konstrukt -- 8.3 Befragungsitems als manifest beobachtbare Indikatoren der Messung der latenten Konstrukte des BDGS -- 8.4 Zur Operationalisierung der latenten Konstrukte des Big-Data-Glaubenssystems - Voraussetzungen der Konzeption von geeigneten Indikatoren -- 8.4.1 Festlegung der Zielgruppe des Tests -- 8.4.2 Berücksichtigung möglicher Herausforderungen bei der Testkonzeption durch sozio-demografische Merkmale der Befragten -- 8.4.3 Berücksichtigung möglicher Herausforderungen bei der Testkonzeption durch das Erlebens- und Verhaltensspektrum der Befragten -- 8.4.4 Der Einfluss der Sprachbeherrschung der Zielgruppe auf die Testkonstruktion -- 8.4.5 Item- und Testfairness -- 8.4.6 Die Wahl der Antwortdimensionen der BDGS-Skala -- 8.4.7 Einleitungstext -- 8.5 Vorgehen bei der Itemgenerierung -- 8.5.1 Die notwendige Anzahl der Frageitems -- 8.5.2 Diskussion der Items mit Fachkollegen -- 8.5.3 Befragung von typischen Nutzer*innen digitaler Medien mittels der Methode des lauten Denkens -- 8.5.4 Zusammensetzung der Frageitems für die erste Erhebung -- 9 Studie 1 - Durchführung der Skalenkonstruktion -- 9.1 Erhebung 1.1 der Skalenkonstruktion - Identifikation geeigneter Frageitems und Prüfung der Modellstruktur.

9.1.1 Aufbau des Fragebogens -- 9.1.2 Feldphase, Datenbereinigung und finale Stichprobe -- 9.1.3 Vorgehen bei der Datenanalyse mittels konfirmatorischer Faktorenanalyse durch Strukturgleichungsmodellierung -- 9.1.4 Die Richtigkeit digitaler Daten - die Dimensionen Genauigkeit, Wahrhaftigkeit und Objektivität digitaler Daten sowie der hieraus resultierende Wissensgewinn -- 9.1.5 Die Nutzendimensionen des BDGS -- 9.1.6 Datenauswertung für das finale Messmodell der BDGS-Skala -- 9.1.7 Der Zusammenhang der BDGS-Skala mit der Bewertungsdimension Volumen -- 9.1.8 Diskussion der Ergebnisse der Skalenkonstruktion -- 9.1.9 Skalenanpassungen auf Basis von Erkenntnissen der ersten Erhebung der Skalenkonstruktion -- 9.2 Validierung der Skalenkonstruktion in Erhebung 1.2 und Erhebung 1.3 -- 9.2.1 Feldphasen und Sample -- 9.2.2 Datenauswertung und Ergebnisse -- 9.2.3 Diskussion der Ergebnisse -- 9.3 Reflexion über die Skalenerstellung im Anschluss an Skalenkonstruktion und Validierung -- 9.3.1 Problematik der Formulierungen der Fragebogenitems -- 9.3.2 Problematik der Präsentation der Fragebogenitems -- 10 Studie 2 - Die Auswirkungen der Überzeugungen des Glaubens an Big Data - Erkenntnisse aus vier empirischen Erhebungen -- 10.1 Erkenntnisinteresse BDGS -- 10.2 Anmerkungen zur Durchführung der empirischen Arbeit und der Reichweite der Befunde -- 10.3 Erhebungskontexte -- 10.3.1 Erhebung 2.1 - Big Data, KI und europäische Politikentscheidungen -- 10.3.2 Erhebung 2.2 - Die Bedrohungswahrnehmung von Künstlicher Intelligenz -- 10.3.3 Erhebung 2.3 - Big Data im Krankenversicherungssystem -- 10.3.4 Erhebung 2.4 - Big Data und KI im Hochschulbereich -- 10.4 Präregistrierung -- 10.5 Feldphasen, Sample und Fragebogenaufbau -- 10.5.1 Erhebung 2.1 EU und KI -- 10.5.2 Erhebung 2.2 KI-Bedrohung -- 10.5.3 Erhebung 2.3 Krankenversicherung.

10.5.4 Erhebung 2.4 KI und Hochschule -- 10.6 Operationalisierung der untersuchten Konstrukte -- 10.6.1 Erhebung 2.1 EU und KI -- 10.6.2 Erhebung 2.2 KI-Bedrohung -- 10.6.3 Erhebung 2.3 Krankenversicherung -- 10.6.4 Erhebung 2.4 KI und Hochschule -- 10.7 Datenauswertung für das ‚Big-Data-Glaubenssystem' in den Erhebungen 2.1 bis 2.4 -- 10.8 Diskussion der Ergebnisse des BDGS in den Erhebungen 2.1 bis 2.4 -- 10.9 Ergebnisse der Erhebung 2.1 EU und KI -- 10.9.1 Datenauswertung und Ergebnisse -- 10.9.2 Diskussion der Ergebnisse von Erhebung 2.1 EU und KI -- 10.10 Ergebnisse der Erhebung 2.2 KI-Bedrohung -- 10.10.1 Datenauswertung und Ergebnisse -- 10.10.2 Diskussion der Ergebnisse von Erhebung 2.2 KI-Bedrohung -- 10.11 Ergebnisse der Erhebung 2.3 Krankenversicherung -- 10.11.1 Datenauswertung und Ergebnisse -- 10.11.2 Diskussion der Ergebnisse von Erhebung 2.3 Krankenversicherung -- 10.12 Ergebnisse der Erhebung 2.4 KI und Hochschule -- 10.12.1 Datenauswertung und Ergebnisse -- 10.12.2 Diskussion der Ergebnisse von Erhebung 2.4 KI und Hochschule -- 11 Fazit -- 11.1 Zusammenfassung der Studienergebnisse -- 11.2 Erkenntnisse und Anschlussfragen -- 11.3 Ausblick -- Literaturverzeichnis.