Der Glaube an Big Data : : Eine Analyse Gesellschaftlicher Überzeugungen Von Erkenntnis- und Nutzengewinnen Aus Digitalen Daten.
Saved in:
| : | |
|---|---|
| Place / Publishing House: | Wiesbaden : : Springer Fachmedien Wiesbaden GmbH,, 2022. {copy}2022. |
| Year of Publication: | 2022 |
| Edition: | 1st ed. |
| Language: | German |
| Online Access: | |
| Physical Description: | 1 online resource (331 pages) |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
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.