Ultralativ | Warum wir nicht alles über YouTubes Algorithmus wissen sollten @Ultralativ | Uploaded July 2021 | Updated October 2024, 13 hours ago.
Inwiefern sind die Suchergebnisse für politische Themen individualisiert? Wie sehr unterscheiden sich Videoempfehlungen voneinander? Und warum werden wir das nie wirklich herausfinden?
DataSkop: dataskop.net
00:00 - Algorithmische Einzelperspektiven
00:53 - Algorithmische Transparenz
02:22 - Die Probleme der Transparenz
03:31 - Die goldene Mitte
04:23 - DataSkop als Datenspendeplattform
05:43 - Der Vorteil für YouTube selbst
#Algorithmus #Ultralativ
_________________________________
PLAYLISTS 🎬
┕Wochenschau ▸ bit.ly/2VrEC8l
┕Specials ▸ goo.gl/C7huRs
┕Videoessays ▸ goo.gl/8gxBTc
┕YouTube Deutschland ▸ goo.gl/yxj7bD
┕Thumbnail der Woche ▸ goo.gl/jkdNT6
_________________________________
SOCIAL MEDIA 📱
┕Twitter ▸ goo.gl/Ixl5Ns
┕Twitch ▸ goo.gl/PSjvNq
_________________________________
QUELLEN 🔎
┕ Why The YouTube Algorithm Will Always Be A Mystery
youtube.com/watch?v=BSpAWkQLlgM
┕ Deep Neural Networks for YouTube Recommendations
static.googleusercontent.com/media/research.google.com/de//pubs/archive/45530.pdf
┕ How Much Information? Effects of Transparency on Trust in an Algorithmic Interface
rene.kizilcec.com/wp-content/uploads/2016/01/kizilcec2016information.pdf
┕ Digital News Report 2020
leibniz-gemeinschaft.de/ueber-uns/neues/forschungsnachrichten/forschungsnachrichten-single/newsdetails/digital-news-report-2020.html
┕ Der Third-Person-Effekt — Über den vermuteten Einfluss der Massenmedien
link.springer.com/article/10.1007/s11616-007-0171-2
Inwiefern sind die Suchergebnisse für politische Themen individualisiert? Wie sehr unterscheiden sich Videoempfehlungen voneinander? Und warum werden wir das nie wirklich herausfinden?
DataSkop: dataskop.net
00:00 - Algorithmische Einzelperspektiven
00:53 - Algorithmische Transparenz
02:22 - Die Probleme der Transparenz
03:31 - Die goldene Mitte
04:23 - DataSkop als Datenspendeplattform
05:43 - Der Vorteil für YouTube selbst
#Algorithmus #Ultralativ
_________________________________
PLAYLISTS 🎬
┕Wochenschau ▸ bit.ly/2VrEC8l
┕Specials ▸ goo.gl/C7huRs
┕Videoessays ▸ goo.gl/8gxBTc
┕YouTube Deutschland ▸ goo.gl/yxj7bD
┕Thumbnail der Woche ▸ goo.gl/jkdNT6
_________________________________
SOCIAL MEDIA 📱
┕Twitter ▸ goo.gl/Ixl5Ns
┕Twitch ▸ goo.gl/PSjvNq
_________________________________
QUELLEN 🔎
┕ Why The YouTube Algorithm Will Always Be A Mystery
youtube.com/watch?v=BSpAWkQLlgM
┕ Deep Neural Networks for YouTube Recommendations
static.googleusercontent.com/media/research.google.com/de//pubs/archive/45530.pdf
┕ How Much Information? Effects of Transparency on Trust in an Algorithmic Interface
rene.kizilcec.com/wp-content/uploads/2016/01/kizilcec2016information.pdf
┕ Digital News Report 2020
leibniz-gemeinschaft.de/ueber-uns/neues/forschungsnachrichten/forschungsnachrichten-single/newsdetails/digital-news-report-2020.html
┕ Der Third-Person-Effekt — Über den vermuteten Einfluss der Massenmedien
link.springer.com/article/10.1007/s11616-007-0171-2