Grin logo
en de es fr
Shop
GRIN Website
Publish your texts - enjoy our full service for authors
Go to shop › Communications - Media History

Algorithmische Personalisierungen vom Täter- zum Kundenprofil? Eine genealogische Untersuchung am Fallbeispiel Netflix

Title: Algorithmische Personalisierungen vom Täter- zum Kundenprofil? Eine genealogische Untersuchung am Fallbeispiel Netflix

Term Paper , 2016 , 26 Pages , Grade: 1,3

Autor:in: Bachelor of Arts Ann-Kristin Mehnert (Author)

Communications - Media History
Excerpt & Details   Look inside the ebook
Summary Excerpt Details

Bei einer Betrachtung der digitalen Gegenwart fällt ein Phänomen gehäuft auf: Algorithmische Personalisierungen. Sei es der anfangs chronologisch dargestellte und heute personalisierte Newsfeed von Facebook, die 2009 eingeführte personalisierte Google-Suche oder die Vorschläge von Netflix und Spotify – sie alle operieren mit Algorithmen, die der Personalisierung von ausgespielten Inhalten dienen.

Grundlage ist meist ein erfasstes Kundenprofil, welches von den jeweiligen Institutionen dazu verwendet wird, um auf Nutzerseite individuell abgestimmte Empfehlungen auszusprechen. Dies reicht von Kaufempfehlungen (Amazon) bis hin zum Vorschlag des potentiellen Partners (Parship). Genealogisch betrachtet stellt sich die Forschungsfrage, inwieweit Kundenprofile und algorithmische Personalisierungen nicht auch eine Vorstufe des Profilings und der Rasterfahndung darstellen.

Excerpt


Inhaltsverzeichnis

  • 1. Einleitung
  • 2. Ethnografischer Einstieg
  • 3. Zum Begriff des Algorithmus
    • 3.1. Assoziierungen, Analogien und Metaphern
    • 3.2. Informationstheoretische Definition
    • 3.3. Black Box
    • 3.4. Kräfteverhältnis
  • 4. Der Kunde vor dem Hintergrund der Kriminalistik
    • 4.1. Profiling: Täterprofil als Vorstufe des Kundenprofils
    • 4.2. Rasterfahndung als Vorstufe der algorithmischen Personalisierung
  • 5. Fallbeispiel Netflix
  • 6. Fazit

Zielsetzung und Themenschwerpunkte

Die Hausarbeit untersucht die genealogischen Wurzeln algorithmischer Personalisierungen im digitalen Kontext, indem sie den Begriff des Algorithmus und seine Entwicklung im Vergleich zur Kriminalistik beleuchtet.

  • Genealogische Analyse des Algorithmus und seiner Entwicklung
  • Vergleich von algorithmischen Personalisierungen mit Profiling und Rasterfahndung
  • Bedeutung von Kontingenz und Unsicherheit in der digitalen Gesellschaft
  • Analyse des Fallbeispiels Netflix und dessen Empfehlungssystem
  • Reflexion der ethischen und gesellschaftlichen Implikationen algorithmischer Personalisierungen

Zusammenfassung der Kapitel

  • Kapitel 1: Einleitung: Die Einleitung stellt das Thema der Hausarbeit – algorithmische Personalisierungen im digitalen Kontext – vor und skizziert die Forschungsfrage, die sich auf die genealogischen Zusammenhänge zwischen Kundenprofilen und Profiling sowie Rasterfahndung konzentriert.
  • Kapitel 2: Ethnografischer Einstieg: Dieses Kapitel widmet sich der Frage, wann und wie die algorithmische Personalisierung entstanden ist. Es werden verschiedene Perspektiven beleuchtet, darunter die gesellschaftssoziologische und die anwendertechnische Sichtweise.
  • Kapitel 3: Zum Begriff des Algorithmus: Dieses Kapitel analysiert den Begriff des Algorithmus und seine Bedeutung in der heutigen Gesellschaft. Es untersucht die Assoziationen, Analogien und Metaphern, die mit dem Begriff verbunden sind, sowie die Rolle des Algorithmus als „Black Box“.
  • Kapitel 4: Der Kunde vor dem Hintergrund der Kriminalistik: In diesem Kapitel wird der Zusammenhang zwischen Kundenprofilen und Kriminalistik beleuchtet. Es werden die Parallelen zwischen Profiling und algorithmischen Personalisierungen sowie zwischen Rasterfahndung und den heutigen Personalisierungsalgorithmen aufgezeigt.
  • Kapitel 5: Fallbeispiel Netflix: Dieses Kapitel analysiert das Empfehlungssystem von Netflix als Beispiel für algorithmische Personalisierung. Es beleuchtet die Funktionsweise des Systems und die damit verbundenen ethischen und gesellschaftlichen Implikationen.

Schlüsselwörter

Algorithmische Personalisierung, Genealogie, Kundenprofil, Profiling, Rasterfahndung, Kontingenz, Unsicherheit, Digitalisierung, Netflix, Empfehlungssystem, Black Box, Medienwissenschaft, Kulturwissenschaft.

Excerpt out of 26 pages  - scroll top

Details

Title
Algorithmische Personalisierungen vom Täter- zum Kundenprofil? Eine genealogische Untersuchung am Fallbeispiel Netflix
College
Leuphana Universität Lüneburg  (CDC)
Course
Mediengenealogie - Zum "historischen Sinn" der digitalen Gegenwart
Grade
1,3
Author
Bachelor of Arts Ann-Kristin Mehnert (Author)
Publication Year
2016
Pages
26
Catalog Number
V345268
ISBN (eBook)
9783668350731
ISBN (Book)
9783668350748
Language
German
Tags
Genealogie Mediengenealogie Mediengeschichte Algorithmus algorithmischenPersonalisierungen Personalisierung Netflix Täterprofil Kundenprofil Mustererkennung Rasterfahndung RAF Target Filter Bubble Echokammer Zufall
Product Safety
GRIN Publishing GmbH
Quote paper
Bachelor of Arts Ann-Kristin Mehnert (Author), 2016, Algorithmische Personalisierungen vom Täter- zum Kundenprofil? Eine genealogische Untersuchung am Fallbeispiel Netflix, Munich, GRIN Verlag, https://www.grin.com/document/345268
Look inside the ebook
  • Depending on your browser, you might see this message in place of the failed image.
  • https://cdn.openpublishing.com/images/brand/1/preview_popup_advertising.jpg
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
Excerpt from  26  pages
Grin logo
  • Grin.com
  • Payment & Shipping
  • Contact
  • Privacy
  • Terms
  • Imprint