Mit einem Marktanteil von über 90 Prozent ist Google die am häufigste genutzte Suchmaschine in Deutschland. Begründet durch die hohen Nutzungszahlen wird Google demzufolge eine tragende Rolle als „Informationsgatekeeper“ in der Informationsbeschaffung der Nutzer_Innen zuteil. Google hat demzufolge einen nicht zu unterschätzenden Einfluss auf das Wissen, die intellektuelle Weiterentwicklung und die (politische) Meinungsbildung seiner User_Innen. Diese füttern Google mit sensiblen Daten, stellen intime Fragen und vertrauen darauf, dass Google ein „neutraler Berater“ ist, der allen auf die gleiche Frage die gleiche Antwort beziehungsweise die gleichen Suchergebnisse gibt. Allerdings ist Google kein neutraler Berater.
Algorithmische Personalisierung ist, wenn auch ein junges, ein omnipräsentes Phänomen im Nutzer_Innen-Alltag. Trotzdem sind weder Funktionsmechanismen noch Wirkung algorithmischer Selektion und Personalisierung bislang geklärt. Konzerne wie Google halten ihren Algorithmus geheim. Um präzise Antworten auf die Fragen nach Einfluss, Funktionsweise oder auch Wirkung algorithmischer Personalisierung geben zu können, erfährt das Themenfeld aktuell verstärkt wissenschaftliche Zuwendung aus diversen Fachbereichen. Ein viel diskutiertes Konzept stammt von Eli Pariser: Die Filterblase. In ihr sind User_Innen nur Inhalten ausgesetzt, die ihren, algorithmisch berechneten, Interessen entsprechen. Teil der Filterblase sind personalisierte Google-Suchergebnisse. Der Grad der interessenzentrierten Personalisierung von Google-Suchergebnisse, wie deutlich sich diese also unterscheiden, soll in der vorliegenden Hausarbeit anhand einer Fallstudie erforscht werden.
Werden bei User_Innen, die sich für Fußball interessieren, bei der Google-Suche nach dem neutralen Begriff „Sankt Pauli“ andere Suchergebnisse generiert als Nutzer_Innen, die sich nicht für Fußball, sondern für Sightseeing und Reisen interessieren? Ermittelt wird dies, indem Proband_Innen, eingeteilt in eine Kontrollgruppe und eine Versuchsgruppe, den Begriff „Sankt Pauli“ googlen und ihre Suchergebnisse anschließend verglichen werden. Ausgehend von den ermittelten Unterschieden lassen sich Rückschlüsse auf die Intensität der interessenzentrierten Personalisierung ziehen.
Inhaltsverzeichnis
1. Einleitung
2. Theoretische Grundlagen
2.1 Filter Bubble nach Eli Pariser
2.2 Google
2.3 Forschungsstand
3. Empirische Untersuchung
3.1 Erkenntnisinteresse und Operationalisierung
3.2 Ablauf der Fallstudie
4. Analyse und Auswertung der Ergebnisse
4.1 Allgemeine Unterschiede Testphasen 1/3/4
4.2 Analyse Suchergebnisse Testphasen 1/3/4
4.3 Analyse Schlagzeilen Testphase 3 & 4
4.4 Analyse verwandte/ähnliche Suchanfragen 1/3/4
5. Interpretation und Ergebnisdarstellung Ergebnisse
6. Schlussbetrachtung
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den Grad der interessenzentrierten Personalisierung von Google-Suchergebnissen. Anhand einer Fallstudie zum Suchbegriff „Sankt Pauli“ wird erforscht, ob Nutzer_Innen mit unterschiedlichen Interessen – Fußballfans versus an Reise und Sightseeing interessierte Personen – bei identischer Suchanfrage differierende Suchergebnisse erhalten, um Rückschlüsse auf die Wirksamkeit algorithmischer Filterblasen zu ziehen.
- Analyse algorithmischer Personalisierung bei Google
- Untersuchung des Phänomens der „Filter Bubble“ nach Eli Pariser
- Durchführung einer experimentellen Fallstudie mit Kontroll- und Versuchsgruppen
- Vergleich von Suchergebnissen, Schlagzeilen und verwandten Suchanfragen
- Kritische Reflexion der Einflussfaktoren auf das Suchmaschinen-Ranking
Auszug aus dem Buch
1. Einleitung
Mit einem Marktanteil von über 90 Prozent ist Google die am häufigste genutzte Suchmaschine in Deutschland (vgl. Statista Report 2016). Eine Umfrage des Hans-Bredow-Institutes für Medienforschung ermittelte, dass 47% der Internetuser_Innen Onlinenachrichten hauptsächlich über Suchmaschinen, vor allem über Google aufrufen. Ein Großteil der gesamten Internetnutzung und Informationssuche beginnt mit Suchmaschinen (Stark 2014, 3). Begründet durch die hohen Nutzungszahlen wird Google demzufolge eine tragende Rolle als „Informationsgatekeeper“ in der Informationsbeschaffung der Nutzer_Innen zuteil (Stark 2014, 5). Laut der repräsentativen Befragung des Hans-Bredow-Institutes „Informationsrepertoire der Deutschen“ von 2012 rangiert Google sogar auf Platz zwei der meinungsbildenden Medien bei politischen Themen, direkt hinter der Tagesschau.
Google hat demzufolge einen nicht zu unterschätzenden Einfluss auf das Wissen, die intellektuelle Weiterentwicklung und die (politische) Meinungsbildung seiner User_Innen. Diese füttern Google mit sensiblen Daten, stellen intime Fragen und vertrauen darauf, dass Google ein „neutraler Berater“ ist, der allen auf die gleiche Frage die gleiche Antwort beziehungsweise die gleichen Suchergebnisse gibt (Pariser 2012, 10). Einem Großteil der Nutzer_Innen dürfte dabei nicht bewusst sein, dass Google alle Nutzungsdaten erhebt und speichert um maßgeschneiderte Inhalte, z.B.: Suchergebnisse oder Werbeanzeigen, anzubieten (vgl. Datenschutzerklärung Google 01. März 2017). Google ist kein neutraler Berater.
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel führt in die Bedeutung von Google als dominierende Suchmaschine und „Informationsgatekeeper“ ein und stellt das Forschungsproblem der algorithmischen Personalisierung dar.
2. Theoretische Grundlagen: Hier wird das Konzept der Filter Bubble nach Eli Pariser erläutert, die Funktionsweise von Google sowie der aktuelle Forschungsstand zum Thema algorithmische Selektion dargelegt.
3. Empirische Untersuchung: Dieses Kapitel definiert das Erkenntnisinteresse, operationalisiert die Forschungsfragen in Hypothesen und beschreibt das experimentelle Design der Fallstudie in vier Testphasen.
4. Analyse und Auswertung der Ergebnisse: Hier erfolgt die detaillierte Auswertung und der Vergleich der in den verschiedenen Testphasen gewonnenen Suchergebnisse, Schlagzeilen und Suchvorschläge der Proband_Innen.
5. Interpretation und Ergebnisdarstellung Ergebnisse: In diesem Kapitel werden die gewonnenen Daten interpretiert, die Hypothesen auf Basis der Ergebnisse geprüft und die Erkenntnisse zusammenfassend diskutiert.
6. Schlussbetrachtung: Das abschließende Kapitel reflektiert die methodischen Grenzen der Fallstudie, bewertet die Relevanz der Ergebnisse und gibt einen Ausblick auf künftigen Forschungsbedarf sowie mögliche Regulierungsdebatten.
Schlüsselwörter
Google, Personalisierung, Suchergebnisse, Filter Bubble, Eli Pariser, Algorithmus, Suchmaschinenoptimierung, Internet, Daten, Fallstudie, Ranking, Suchhistorie, Selektion, Internetnutzung, Medienwissenschaft
Häufig gestellte Fragen
Worum geht es in der vorliegenden Arbeit grundsätzlich?
Die Arbeit untersucht, inwieweit Google Suchergebnisse durch Algorithmen an die individuellen Interessen der Nutzer_Innen anpasst und ob dadurch Filterblasen entstehen.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind algorithmische Selektion, die sogenannte „Filter Bubble“ nach Eli Pariser, Suchmaschinen-Marketing sowie die Analyse von Personalisierungseffekten in Suchergebnissen.
Was ist das primäre Ziel der Forschungsarbeit?
Ziel ist es zu ermitteln, ob Nutzer_Innen mit unterschiedlichen Interessensprofilen – hier Fußballfans versus reiseinteressierte Personen – bei der Suche nach dem Begriff „Sankt Pauli“ signifikant abweichende Suchergebnisse erhalten.
Welche wissenschaftliche Methode wird verwendet?
Es wurde ein experimentelles Untersuchungsdesign in Form einer qualitativen Fallstudie gewählt, in der das Suchverhalten von vier Proband_Innen in verschiedenen Testphasen analysiert wurde.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil umfasst die theoretische Einbettung, die Beschreibung des Versuchsaufbaus, die detaillierte Analyse der erhobenen Suchdaten, Schlagzeilen und Suchvorschläge sowie deren Interpretation.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Zu den wichtigsten Begriffen zählen Google, Personalisierung, Filter Bubble, Algorithmus, Suchergebnisse, Daten und Fallstudie.
Welche Rolle spielt der Suchbegriff „Sankt Pauli“?
„Sankt Pauli“ wurde aufgrund seiner inhaltlichen Ambivalenz gewählt, da er sowohl für ein Hamburger Stadtviertel als auch für einen bekannten Fußballverein steht, was ihn ideal für die Untersuchung von interessenbasierter Personalisierung macht.
Welche Bedeutung haben die verschiedenen Testphasen?
Die Testphasen dienten dazu, das Suchverhalten der Teilnehmenden vor einer gezielten Manipulation der Interessenprofile (Testphase 1) und nach einer gezielten Beeinflussung durch häufige Suchanfragen (Testphasen 3 und 4) zu vergleichen.
Welche Schlussfolgerung zieht die Autorin bezüglich der Filter Bubble?
Die Autorin stellt fest, dass zwar eine interessenzentrierte Personalisierung stattfindet, diese sich jedoch primär in der Platzierung der Suchtreffer niederschlägt und weniger stark ausgeprägt ist, als von Pariser befürchtet.
- Arbeit zitieren
- Felicitas Schneider (Autor:in), 2017, Personalisierungsgrad der Google-Suchtreffer anhand des Suchbegriffes "Sankt Pauli", München, GRIN Verlag, https://www.grin.com/document/504370
