Universität Wien FIND

233002 UK Technology and Society (2019W)

Technik im Alltag am Beispiel von Daten, Algorithmen und Prognosen

5.00 ECTS (2.00 SWS), SPL 23 - Soziologie
Continuous assessment of course work

Registration/Deregistration

Details

max. 40 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Tuesday 08.10. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien (Kickoff Class)
Tuesday 15.10. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 22.10. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 29.10. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 12.11. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 19.11. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 10.12. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 17.12. 14:00 - 16:00 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 07.01. 13:45 - 15:45 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien

Information

Aims, contents and method of the course

Suchmaschinen, soziale Netzwerke und eine Vielzahl von Apps am Handy sind aus unserem Alltag nicht mehr wegzudenken. Sie haben sich in unsere alltäglichen Praktiken eingenistet, gestalten aber gleichzeitig auch welche Informationen wir finden, wie wir über Distanz kommunizieren, und wie wir unseren Körper wahrnehmen, wenn wir zum Beispiel an Gesundheitsapps denken. Sie werfen aber auch eine Reihe gesellschaftspolitischer Fragen auf: Was bekommen wir in Suchmaschinen-Ergebnissen, Newsfeeds und Online-Recommendations zu sehen und was nicht? Welche neuen Formen von Bias und Diskriminierung entstehen dabei? Wie können auf Basis gesammelter Daten Zukunftsprognosen erstellt werden und welche Konsequenzen gehen damit einher? Was bedeutet die zunehmende Quantifizierung unterschiedlicher Lebensbereiche für Individuen und Gesellschaft? Wie können wir global agierende Technologie-Unternehmen und deren Geschäftsmodelle (Stichwort 'Datenhandel') regulieren und welche gesellschaftliche Teilhabe ist dabei möglich?

Diese Fragen möchten wir in unserem Kurs anhand von klassischen Einführungstexten aus der Wissenschafts- und Technikforschung (STS), sowie aktuellen Texten aus den kritischen New Media Studies behandeln. In jeder Einheit wird die Lehrveranstaltungsleiterin zunächst ein klassisches STS-Konzept - soziale Konstruktion von Technologie, Politik von Technologie, Actor-Network Theory, Technikentwicklung und Geschlecht, Partizipation etc - vorstellen und zur Diskussion aufbereiten (Pflichttext). Darauf aufbauend werden wir einen Text aus den Themenfeldern Daten, Algorithmen und Prognosen diskutieren, der das jeweilige Konzept zur Anwendung bringt (Referatstext). Dieser wird von Studierenden in der Gruppe aufbereitet und zur Diskussion gestellt/ moderiert. Zusätzlich dazu werden zwei schriftliche Arbeitsaufgaben gestellt, die wir im Seminar diskutieren werden. Voraussetzungen für den Zeugniserwerb sind Anwesenheit, Mitarbeit, mündliche Präsentation (Textdiskussion oder Position in der Bürgerkonferenz), schriftliche Arbeitsaufgaben, sowie die Absolvierung der schriftlichen Abschlussprüfung. Da der Kurs größtenteils auf englischsprachigen Texten basiert sind grundlegende Englischkenntnisse erforderlich. Die Unterrichtssprache ist deutsch.

Assessment and permitted materials

Mindestanforderung für die positive Beurteilung sind Anwesenheit in den Seminareinheiten, das Lesen der Pflichtlektüre, aktive Beteiligung an den Diskussionen, Präsentation eines Zusatztextes oder einer Position in der Bürgerkonferenz, pünktliche Abgabe der beiden schriftlichen Arbeitsaufgaben, sowie das Absolvieren der schriftlichen Prüfung in der letzten Einheit. Prüfungsstoff sind die Texte und Inhalte der Lehrveranstaltung (Power Point Folien etc. werden online gestellt).

Grobe Beschreibung der zwei schriftlichen Arbeitsaufgaben (Details folgen im Zuge des detaillierten Arbeitsplans):

Selbstbeobachtung von Daten, Algorithmen und Prognosen im Alltag (ca. 800 Worte); Abgabetermin: 13.10.2019, per Moodle

Vorbereitung einer Position für eine Bürgerkonferenz zum Thema Künstliche Intelligenz o.ä., welches wir gemeinsam festlegen werden (ca. 800 Worte); Abgabetermin: 15.12.2019, per Moodle.

'Dieser Kurs verwendet die Plagiatsprüfungs-Software Turnitin für größere Abgaben.'

Minimum requirements and assessment criteria

Zusammensetzung der Gesamtnote
Die Benotung der Lehrveranstaltung erfolgt auf Grundlage der getrennten Bewertung der verschiedenen Aufgaben auf einer Skala von 1-5.

Lektüre der Pflichttexte & aktive Teilnahme an den Diskussionen im Seminar: 15 Prozent, individuell bewertet, kein Feedback;
Mündliche Präsentation eines Zusatztextes oder einer Position in der Bürgerkonferenz in der Gruppe: 20 Prozent, als Gruppenarbeit bewertet, Feedback auf Nachfrage;
Zwei schriftliche Arbeitsaufgaben: Selbstbeobachtung und Position in der Bürgerkonferenz: 20 Prozent, individuell bewertet, Feedback auf Nachfrage;
Schriftliche Abschlussprüfung: 45 Prozent, individuell bewertet,
Feedback auf Nachfrage;

Jede Teilleistung wird selbstständig bewertet. Anwesenheit, Pünktlichkeit in der Abgabe von Leistungen und die Einhaltung akademischer Standards werden vorausgesetzt, können sich aber im Fall der Nicht-Einhaltung negativ auf die Gesamtnote auswirken. Zum Erreichen einer positiven Note muss der gewichtete Durchschnitt der Teilnoten größer oder gleich 4,5 sein.

Wichtige Informationen zur Beurteilung
Wenn nicht explizit anders vermerkt, ist die Erbringung aller Teilleistungen Voraussetzung für eine positive Beurteilung. Werden einzelne verpflichtend vorgesehene Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund auf Seiten des*der Studierenden zu Grunde liegt, wird die LV negativ beurteilt. Bei Vorliegen eines solchen Grundes (etwa einer längeren Erkrankung) kann der*die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als ‘nicht beurteilt’ gewertet und mit dem Vermerk ‘geschummelt/erschlichen’ in das Notenerfassungssystem eingetragen.

Anwesenheit
Es herrscht Anwesenheitspflicht. Es dürfen höchstens zwei Seminareinheiten (4h) versäumt werden. Darüber hinausgehende Abwesenheiten können bis zu einer Gesamtsumme von maximal 8 Stunden durch mit der Lehrveranstaltungsleitung zu vereinbarende Zusatzleistungen und/oder Berücksichtigungen in der Note (Punktabzug) ausgeglichen werden. Die Entscheidung darüber trifft die Lehrveranstaltungsleitung.

Bei Abwesenheiten von mehr als acht Stunden oder falls die Lehrveranstaltungsleitung bei Abwesenheiten über vier Stunden einem Ausgleich nicht zustimmt, kann die Lehrveranstaltung nicht mehr positiv absolviert werden und ist negativ zu beurteilen. Eine Ausnahme von dieser Regelung ist zu gewähren, falls auf Seiten des*der Studierenden ein wesentlicher und unvorhersehbarer Grund für die Nicht-Teilnahme vorliegt. Dieser ist von der*dem Studierenden glaubhaft nachzuweisen. Bei Vorliegen eines solchen Grundes wird der*die Studierend ohne Note vom Kurs abgemeldet. Die Entscheidung darüber trifft die Lehrveranstaltungsleitung.

Examination topics

Reading list


Association in the course directory

Last modified: Tu 03.09.2019 13:28