Momente der Datafizierung Zur Produktionsweise von Personendaten in der Datenökonomie

In der digitalen Ökonomie gelten Daten als »das neue Öl«. Gerade »personal data« ist aber nicht einfach da, sondern muss produziert werden. Markus Unternährer analysiert, wie aus datengenerierenden Beziehungen beziehungsgenerierende Daten werden. Anhand einer Unternehmensethnografie und einer Unters...

Descripción completa

Detalles Bibliográficos
Autor principal: Unternährer, Markus, author (author)
Autor Corporativo: Swiss National Science Foundation (SNSF) funder (funder)
Formato: Libro electrónico
Idioma:Alemán
Publicado: Bielefeld : transcript Verlag [2024]
Edición:1st ed
Colección:Digitale Soziologie Series
Materias:
Ver en Biblioteca Universitat Ramon Llull:https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009799915306719
Tabla de Contenidos:
  • Cover
  • Inhaltsverzeichnis
  • 1 Einleitung
  • 2 »Was mit Daten möglich ist«
  • 3 Methode
  • 3.1 Die Untersuchung von Datafizierung und Algorithmen
  • 3.2 Feldzugänge
  • 4 Momente der Datafizierung
  • 4.1 Was uns Pilze über Datafizierung lehren können
  • 4.2 Von Gabe zu Ware - und zurück
  • 4.3 Von der Handlung zum Datum - und zurück
  • 5 »Das Datenexperiment«
  • 5.1 Fehlende Daten
  • 5.2 Von Sinnüberschüssen zu verrechenbaren Daten
  • 5.3 Neue Relationen generieren
  • 6 Erstes Moment: Digitale Geschenke
  • 6.1 Kaltstart, oder: Das Henne-Ei-Problem
  • 6.2 »Inducement«
  • 6.3 Digitale Geschenke - und ihre Erwiderung
  • 7 Zweites Moment: Singularität und Vergleichbarkeit
  • 7.1 Singuläre Verhaltensweisen
  • 7.2 Encoding
  • 7.3 Vektorisierung
  • 8 Drittes Moment: Good Matches
  • 8.1 Relationen ableiten
  • 8.2 Faltungen
  • 8.3 Die Operationen des algorithmischen Vergleichs
  • 8.4 Matching Devices
  • 9 Empfehlungssysteme als Datafizierungsmaschinen
  • 9.1 Die Qual der Wahl
  • 9.2 Die Differenzierung des Publikums
  • 9.3 Personalisierung
  • 10 Die Vielfalt der Empfehlung
  • 10.1 Unpersonalisierte Popularitätsmetriken
  • 10.2 Stereotypisierung: »I'm not a 15-year-old girl«
  • 10.3 Inhaltsbasierte Empfehlungen: User = Item?
  • 10.4 Collaborative Filtering
  • 11 Fazit
  • Dank
  • Literatur.