Universität Wien FIND
Warning! The directory is not yet complete and will be amended until the beginning of the term.

233007 UK Knowledge and Science Cultures (2018W)

Die Bedeutung von 'Big Data' für Wissenschaft und Öffentlichkeit

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

Details

max. 40 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Tuesday 02.10. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien (Kickoff Class)
Tuesday 09.10. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 16.10. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 23.10. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 30.10. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 06.11. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 13.11. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 20.11. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 27.11. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 04.12. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien
Tuesday 11.12. 09:15 - 11:15 Seminarraum STS, NIG Universitätsstraße 7/Stg. II/6. Stock, 1010 Wien

Information

Aims, contents and method of the course

Im öffentlichen Diskurs werden derzeit Fragen zur Bedeutung und Konsequenzen der sogenannten ‚Big Data’ breit diskutiert. Sowohl Befürworter als auch Kritiker sind sich einig, dass mit der starken Zunahme von technischen Kapazitäten für die schnelle Verarbeitung von großen Mengen an Daten verschiedene dringliche Fragen auf uns zu kommen. Einerseits scheint ‚Big Data’ fast unbegrenzte Möglichkeiten alles über uns und unsere Umgebung zu wissen zu versprechen. So dürfte zum Beispiel die Analyse von Facebook- und Twitter-Postings eine vielmals raschere Identifizierung von Epidemien ermöglichen als traditionelle medizinische Verfahren je leisten können. Zusätzlich heißt es, dass detaillierte Daten zu Individuen ein Verständnis von sozialen Zusammenhängen ermöglichen können welches für etablierte sozialwissenschaftliche Methoden unzugänglich bleibt. Darüber hinaus sollen wir auch in unserem Alltag von Big Data profitieren können, zum Beispiel in Form von gezielteren Angeboten von Unternehmen, die unseren Präferenzen genauer entsprechen als bisherige Werbung. Andererseits weisen Kritiker jedoch darauf hin, dass Big Data weitreichende Überwachung ermöglicht, verwendet werden kann um Wahlkämpfe oder andere wichtige Entscheidungsprozesse zu manipulieren, und bestimmte Sicherheitsrisiken zum Beispiel bezüglich der Veröffentlichung von vertraulichen Daten birgt.
Gemeinsam ist diesen verschiedenen Perspektiven auf die Möglichkeiten, Bedrohungen und Konsequenzen die mit Big Data einhergehen, dass sie eine radikale Änderung des Wissens und der Wissensproduktion vorhersagen. Traditionelle wissenschaftliche Prinzipien wie die Formulierung von Hypothesen und Theorie dürften dementsprechend an Relevanz verlieren. Die wissenswerten Zusammenhänge, so heißt es, zeigen sich einfach in den Daten. Dabei stellt sich jedoch die Frage was ‚Wissen’ in diesem Zusammenhang bedeutet. Kann Wissen ohne genaue Methoden entwickelt werden? Was würde das für das Funktionieren der Wissenschaft bedeuten? Und wie können bzw. sollen diese neue Wissensformen zu öffentlichen Entscheidungen beitragen?

In diesem Kurs setzen wir uns mit Themen und Fragen dieser Art auseinander. Der Kurs besteht aus zwei Teilen: einerseits diskutieren wir grundlegende Perspektiven aus dem Bereich der Wissenschafts- und Technikforschung die uns helfen können, ‚Big Data’ im breiteren Kontext von unterschiedlichen Arten und Formen von Wissen(-schaft) und ihrer Bedeutung in der Gesellschaft zu verstehen. Andererseits betrachten wir den Diskurs zu Big Data aus einer kritischen Perspektive und stellen Fragen wie: Was sind ('big') Daten? Wo kommen Daten her? Ändert Big Data die Wissenschaft? Wenn ja, wie? Was können wir mit Big Data (nicht) Wissen? Und wie gehen wir (bzw. sollten wir) in der Gesellschaft mit ‚Big Data’ um(gehen)?

Ziel des Kurses ist ‚Big Data’ als sozial wichtiges Phänomen zu beobachten, kritisch in seinem breiteren sozio-kulturellen Kontext zu betrachten und als Beispiel für die Relevanz einer sozialwissenschaftlichen Auseinandersetzung mit Wissenschaft in der Gesellschaft zu verstehen. Der Kurs ist interaktiv gestaltet, und beinhaltet neben Diskussionen zur Pflichtliteratur und Vorlesungseinheiten eine praktische Auseinandersetzung mit der Bedeutung von Big Data im Alltag und im öffentlichen Diskurs. Unterrichtssprache ist Deutsch, gute passive Englischkenntnisse sind jedoch essentiell, da ein Großteil der Literatur Englischsprachig ist.

Assessment and permitted materials

Mindestanforderung für die positive Beurteilung sind:
1. Lesen der Pflichtliteratur und aktive Teilnahme in den LV-Einheiten.
2. Schreiben eines Beitrags für die ‘Datenbank’ des Kurses. Im Laufe des Semesters sammeln wir Medienberichte, die sich mit den Themen des Kurses beschäftigen. Wählen Sie (nach Verfügbarkeit) eine Einheit für die Sie einen Beitrag vorbereiten. Der Beitrag soll 1000-1500 Wörter lang sein, und eine kurze Zusammenfassung des gewählten Beispiels, die Hauptpunkte der Pflichtliteratur, und eine kurze Analyse des Beispiels mit Hilfe der Literatur beinhalten. Beiträge sollten spätestens am Sonntagabend um 23:55 Uhr vor der jeweiligen Kurseinheit auf Moodle hochgeladen werden (wenn möglich inkl. dem gewählten Beispiel).
3. Schreiben Sie ein 'Daten-Tagebuch', in welchem Sie im Laufe einer Woche die in der Beschreibung der Aufgabe gegebenen Fragen beantworten. Die Aufgabe soll 1500-2000 Wörter lang sein. Abgabefrist ist 2.11.2018.
4. Zum Abschluss des Kurses ist eine Seminararbeit zu einem selbst gewählten, für den Kurs relevanten Thema zu schreiben. In der Arbeit sollen Sie ein Beispiel im Zusammenhang mit den Kernfragen des Kurses bzw. mit der besprochenen Literatur bearbeiten. Beachtet wird nicht nur der Inhalt, sondern auch die Qualität der Argumentation. Länge der Arbeit ist 2500-3500 Wörter, mit Abgabe am 18.1.2019.

'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.

Vorbereitung und Teilnahme in den LV-Einheiten: 15 Prozent,
individuell bewertet, Feedback auf Nachfrage;
Beitrag für die ‘Datenbank’ des Kurses (Analyse eines Medienberichts): 25 Prozent, individuell bewertet, Feedback auf Nachfrage;
‘Daten-Tagebuch’: Reflektion zur Produktion und Verwendung von Daten im Alltag: 25 Prozent, individuell bewertet, Feedback auf Nachfrage;
Seminararbeit: 35 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 Studierende ohne Note vom Kurs abgemeldet. Die Entscheidung darüber trifft die Lehrveranstaltungsleitung.

Examination topics

Reading list


Association in the course directory

Last modified: Fr 22.02.2019 14:08