Neuer Online Kurs Persönliches Lern- und Wissensmanagement mit Social Media

Massive Open Online Courses (MOOC) beherrschen derzeit wie kaum ein anderes Thema die bildungspolitischen und bildungswissenschaftlichen Debatten (für eine kritische Auseinandersetzung siehe z.B. hier). In diesem Zusammenhang steht auch das folgende Angebot:

Die TU Dresden, die TU Chemnitz und die Uni Siegen veranstalten im Rahmen des LiT-Projekts „SOOC – Saxon Open Online Course“ im kommenden Semester (Kurszeitraum: Mai – Juli) einen E-Learning-Kurs zum Thema “Lernen 2.0 – Persönliches Lern- und Wissensmanagement mit Social Media”. Dieser wird in Form eines (c)MOOC durchgeführt und ist in vier jeweils zweiwöchige Themenblöcke gegliedert. Dabei wird es vor allem um die Frage gehen, wie Lernprozesse durch den Einsatz sozialer Medien bereichert oder vielleicht sogar revolutioniert werden können. Der Kurs wird kostenfrei sein und die Anzahl der Teilnehmer ist nicht begrenzt. Wer Interesse an der Teilnahme hat, findet weitere Informationen zum SOOC13 auf der Kurshomepage. Eine Anmeldung ist auch schon möglich.

 

Umsatzsteigerung durch Social Media?

Ein, wenn nicht, der wichtigste Faktor, warum Social Media in Unternehmen und Hochschulen eingesetzt wird, ist Marketing, d.h. man verspricht sich bessere Sichtbarkeit und das Erschließen neuer Zielgruppen. Nun will eine aktuelle Studie (kostenfrei zugänglich ist leider nur der Abstract) nachweisen, dass mit Social Media 5% Umsatzsteigerungen möglich sind.

Wie diese Seite beschreibt, scheint das Geld für den vollständigen Artikel nicht gut investiert zu sein:

Leider gibt es keine Informationen über den Datensatz der Studie, also die Anzahl der befragten Teilnehmer. Es ist überhaupt nicht klar, wie die Daten überhaupt gemessen wurden.  Das wäre aber notwendig, um die Aussagekraft dieser Zahlen richtig einordnen zu können und zwar BEVOR man die Studie kauft.

Generell erscheint es schwierig, über die Nutzung von Social Media Diensten direkt auf solch exakte Angaben wie der Steigerung des Umsatzes zu schließen. Zwar ist durch Profilbildung eine bessere Ansprache der Zielgruppe (sog. Online-Targeting) möglich, die Entscheidung zum Kauf eines Produkts ist jedoch komplexer und nicht allein durch die Interaktion mit einem Social Media Dienst eines Unternehmens bestimmbar.

Wie aus dem Verhalten auf Facebook Rückschlüsse auf individuelle Eigenschaften und Einstellungen möglich sind

In unserem letzten Beitrag stellten wir eine Taxonomie von Facebook Nuzern vor. In diesem Zusammenhang berichtet nun Netzpolitik.org über eine aktuelle Studie, die demonstrieren soll, wie durch das Facebook-spezifische Nutzungsverhalten, also dem Klicken auf den „Like-Button“ Rückschlüsse auf individuelle Eigenschaften und Einstellungen gezogen werden können.

Dies ist insofern erstaunlich, da mit den Like-Buttons ja nur dichotome Äußerungen (gefällt mir oder gefällt mir nicht) möglich sind, die damit weit weg von den Differenzierungen der klassischen Persönlichkeitstests sind. Hier verwendet man z.B. oftmals eine fünfstufige Lickert-Skala, die Zustimmung bzw. Ablehnung feinkörnig erfassen.

In der Studie von Michal Kosinskia, David Stillwella und Thore Graepelb wird argumentiert, dass es durchaus möglich ist, vor dem Hintergrund umfangreicher Daten ein erstaunlich genaues Bild der Person zu zeichnen. Hier das Abstract im Original:

„We show that easily accessible digital records of behavior, Facebook Likes, can be used to automatically and accurately predict a range of highly sensitive personal attributes including: sexual orientation, ethnicity, religious and political views, personality traits, intelligence, happiness, use of addictive substances, parental separation, age, and gender. The analysis presented is based on a dataset of over 58,000 volunteers who provided their Facebook Likes, detailed demographic profiles, and the results of several psychometric tests. The proposed model uses dimensionality reduction for preprocessing the Likes data, which are then entered into logistic/linear regression to predict individual psychodemographic profiles from Likes. The model correctly discriminates between homosexual and heterosexual men in 88% of cases, African Americans and Caucasian Americans in 95% of cases, and between Democrat and Republican in 85% of cases. For the personality trait “Openness,” prediction accuracy is close to the test–retest accuracy of a standard personality test. We give examples of associations between attributes and Likes and discuss implications for online personalization and privacy.“

Ob damit ein neuer Schritt auf dem Weg zum „gläsernen Nutzer“ gemacht ist, kann sicherlich bezweifelt werden, denn die Vorhersage war ja nur vor dem Hintergrund umfangreicher demographischer Daten möglich. Allerdings sind es ja gerade diese Daten, die gerne und unbewusst in sozialen Netzwerken hinterlassen werden und mit denen sich dann „leicht“ detaillierte Profile erstellen lassen.

Auf die noch kaum überschaubaren Möglichkeiten Nutzerdaten zu verarbeiten, hat dieser Werbespot einer belgischen Bank bereits letztes Jahr hingewiesen. Ein angeblicher Hellseher schockte Kunden mit exakten Kenntnissen über deren Privatleben. Dahinter verbargen sich jedoch keine übersinnlichen Fähigkeiten, sondern die Fingerfertigkeiten von Hackern, die eigens für das Zusammenstellen von Nutzerprofilen in Echtzeit engagiert wurden.