TU Berlin

Quality and Usability LabMedienprojekt (Modul: Interdisziplinäres Medienprojekt)

Inhalt des Dokuments

zur Navigation

Medienprojekt

(Modul: Interdisziplinäres Medienprojekt)

Projekt
(Möller; 10 LP; im WS und SS)
LV-Nummer: 0434 L 923
Sprache: Deutsch/Englisch (in Absprache mit Teilnehmern)

Zeit: nach Absprache, erstmals am Freitag, 21.04., 10:00-12:00
Raum: TEL 208, Geb. TEL 2. Etage

Im Modul entwickeln die Studierenden unter Rückgriff auf die Studieninhalte Lösungen für technische und/oder sozialwissenschaftliche Probleme im Zusammenhang mit digitalen Medien. Dabei werden sowohl die Informatik-Kompetenzen wie auch die analytischen sozialwissenschaftlichen Kompetenzen eingesetzt. Das Projekt beinhaltet hierzu eine Aufgabe aus dem Bereich der Konzeption, Entwicklung und/oder Nutzung eines Systems zur Gestaltung, Aufnahme, Übertragung und/oder Darstellung von Medien, welche jedes Semester neu definiert wird. Diese Aufgabe soll in einem Team mit interdisziplinären Kompetenzen gelöst werden. Das Team organisiert sich selbstständig; eine regelmäßige Betreuung wird durch die Dozenten garantiert. Abschließend erfolgt eine Präsentation des Projektergebnisses und eine schriftliche Ausarbeitung.

Beim ersten Treffen werden alle Projekte des Quality & Usability Lehrstuhls vorgestellt. Das erste Treffen ist verpflichtend für jeden der ein Studienprojekt belegen möchte.

Achtung: Die Einschreibung für die Studienprojekte muss bis zum 28. April erfolgt sein!

     

Themen

Fake News Network Detection

  • Betreuung: Dr. Christoph Raetzsch, Institut für Publizistik und Kommunikationswissenschaft, Freie Universität Berlin (christoph.raetzsch@fu-berlin.de)
  • Teilnehmer_innen: noch 2 bis 3 weitere
  • Sprache: Deutsch, Englisch

 

Voraussetzungen:

- Sicherer Umgang mit JavaScript, ideal auch Erfahrung in Node JS

- Grundkenntnisse in Python (Scipy, Numpy, Erfahrungen mit Klassen)

- Grundverständnis von Cloud Computing Diensten, z.B. AWS Lambda

- erste Erfahrungen mit Datenvisualisierungen (insbesondere gephi und neo4j)

- Teambereitschaft und gutes Verständnis von Version Control Systemen (GitHub, git flow)

 

Beschreibung:

Bislang gibt es neben vielen Initiativen im Netz nur wenige Tools, die die Netzwerke von Fake News zeigen können. Im Jahr der Bundestagswahl wird uns dieses Thema aber sehr beschäftigen. Die spezifische Dynamik und Architektur sozialer Netzwerke trägt dabei maßgeblich zur Verbreitung von Fake News bei (z.B. Likes, algorithmische Bewertungs- und Empfehlungssysteme). Durch die Entwicklung eines Tools zur Identifizierung und Visualisierung von Fake News Netzwerken soll es jedem Nutzer und jeder Nutzerin sozialer Netzwerke möglich werden, den Verbreitungsweg einer spezifischen Nachricht unmittelbar nachvollziehen zu können. Das Tool sollte einfach zu handhaben und anschaulich gestaltet sein, dass auch Laien es verstehen können.

 

Ziel:

In Anlehnung an bestehende Open Source Anwendungen wie hoaxy und newsgraph (MIT), soll ein Prototyp zur Analyse von Netzwerken in Twitter entwickelt werden. Diese API ist sehr gut dokumentiert und es gibt etliche open source Skripte zur Datensammlung und Aggregierung. Inspiriert von OpenSource Analytics Lösungen wie Mautic oder Piwik, soll eine Plattform mit einfacher WebUI schaffen, die dem/der Nutzer_in unmittelbar zeigt, wie das momentane Netzwerk der Fake News Nachricht aussieht. Es sollen zunächst nur Interaktionen zwischen Nutzern/Accounts (RT, Replies, Links) in Bezug auf einen spezifischen Fake News Link erfasst und mittels eine Scoring-Algorithmus bewertet werden. Über eine Clusteranalyse sollen spezifische Netzwerke von Nutzer_innen identifiziert werden, die einen Link im Zeitverlauf geteilt haben. Ziel des Projekts ist die Entwicklung des Backends zur Sammlung von Daten wie auch das Scoring der Netzwerkzentralität einzelner Akteure. Eine Visualisierung der Netzwerkanalyse soll möglich sein. Die WebUI soll zunächst nur in Beta angelegt sein, eine Erweiterung der Anwendung und des Interface kann ggf. im Anschluss mit weiteren Partnern bearbeitet werden.

 

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe