Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Künstliche Intelligenz, Mensch und Gesellschaft: Fragestellungen und Perspektiven des Sammelbands Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Künstliche Intelligenz: Eine Methode für alles? Sozialwissenschaftliche Methodologie der KI-Forschung, ihre Herausforderungen und Möglichkeiten

verfasst von : Peter Kahlert, Maryam Tatari, Suzette Kahlert, Silvan Pollozek, Johan Buchholz, Benedict Lang, Jan-Hendrik Passoth

Erschienen in: Künstliche Intelligenz, Mensch und Gesellschaft

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Künstliche Intelligenz (KI) ist als Mittel oder Herausforderung der Forschung methodisch relevant. Unser Beitrag untersucht die Bandbreite methodischer KI Forschung über und mit KI aus sozialwissenschaftlicher Perspektive. Aus unseren digitalen und Grounded Theory Methoden und Kartierungen, ergibt sich Einsicht in die disziplinäre und wissenschaftspolitische Bandbreite der KI-Forschung, sowie ihr verbindendes Potenzial zwischen Disziplinen, Traditionen, und Themen. Ausgehend dieser diskursiv-reflexiven und kollektiv-bildenden Eigenschaft, argumentieren wir für eine Differenzierung von KI als Gegenstand und Mittel. Es ist genau zu unterscheiden, um welche Art, Form und Konzept von KI es sich handelt: Computational brute force, Expert system, Neural net, oder Dispositiv und Imaginäres – und inwiefern dabei auch konzeptionell idente Technologien vergleichbar sind. In Konsequenz gehen wir intensiv auf unsere eigene Methode, insbesondere die verwendeten Mapping-Algorithmen ein. Forschung und Lehre müssen sich für diese Unterschiede sensibilisieren, um KI-Technologien sinnvoll nutzen und untersuchen zu können.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Von Interaktion zur Transformaktion: Die Folgen von Künstlicher Intelligenz für Theorien sozialen Handelns
Literatur
Ananny, Mike. 2016. Toward an Ethics of Algorithms: Convening, Observation, Probability, and Timeliness. Science, Technology, & Human Values 41: 93–117.
Bandy, Jack, und Nicholas Diakopoulos. 2020. #TulsaFlop: A Case Study of Algorithmically-Influenced Collective Action on TikTok. arXiv:​2012.​07716 [cs].
Bhandari, Aparajita, und Sara Bimo. 2020. Tiktok and the „Algorithmized Self“: a New Model of Online Interaction. AoIR Selected Papers of Internet Research.
Boehm, Andreas. 1994. Grounded Theory – wie aus Texten Modelle und Theorien gemacht werden. In Texte verstehen: Konzepte, Methoden, Werkzeuge, hrsg. A. Mengel & T. Muhr, 121–140. München/Tübingen: UVK.
Boellstorff, Tom, und Bill Maurer. 2015. Data, Now Bigger and Better!. Chicago: Prickly Paradigm Press.
Bechmann, Anja, und Geoffrey C. Bowker. 2019. Unsupervised by any other name: Hidden layers of knowledge production in artificial intelligence on social media. Big Data & Society 6: 1-11.
Buolamwini, Joy, und Timnit Gebru. 2018. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of the 1st Conference on Fairness, Accountability and Transparency, ACM 77–91.
Callon, Michel et al. 1983. From Translations to Problematic Networks: An Introduction to Co-Word Analysis. Social Science Information 22: 191-235.
Centola, Damon. 2018. How Behavior Spreads: The Science of Complex Contagions. New Jersey: Princeton University Press.
Clarke, Adele E. 2003. Situational Analyses: Grounded Theory Mapping After the Postmodern Turn. Symbolic Interaction 26: 553–576.CrossRef
Corbin, Juliet M., und Anselm Strauss. 1990. Grounded Theory Research: Procedures, Canons and Evaluative Criteria. Zeitschrift für Soziologie 19: 418–427.CrossRef
Derrida, Jacques. 1983. Grammatologie. Berlin: Suhrkamp.
Derrida, Jacques. 1988. Ouisa und gramme. In Randgänge der Philosophie, hrsg. ebd., 57–92. Wien: Passagen.
Durkheim, Emile. 1976. Soziologie und Philosophie. Berlin: Suhrkamp.
Francisco, Mark Eugine Z., und Sonakshi Ruhela. 2021. Investigating TikTok as an AI User Platform. 2nd International Conference on Computation, Automation and Knowledge Management (ICCAKM), 293–298.
Garfinkel, Harold. 1967. Studies in Ethnomethodology. New Jersey: Prentice-Hall.
Gießmann, Sebastian. 2009. Ganz klein, ganz groß. Jacob Levy Moreno und die Geschicke des Netzwerkdiagramms. In Medienumbrüche; Medien in Raum und Zeit: 267–291. Bielefeld: transcript.
Gitelman, Lisa. 2013. “Raw Data” Is an Oxymoron. Cambridge: MIT Press.CrossRef
Golder, Scott A., und Michael W. Macy. 2014. Digital Footprints: Opportunities and Challenges for Online Research. Annual Review of Sociology 40:129–152.
Hine, Christine. 2005. Virtual Methods: Issues in Social Research on the Internet. Oxford: Berg Publishers.
Jacomy, Mathieu et al. 2014. ForceAtlas2, a Continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLoS ONE.
Kahlert [né Müller], Peter, und Nikolaus Pöchhacker. 2019. Algorithmic Risk Assessment als Medium des Rechts. Medientechnische Entwicklungen und institutionelle Verschiebungen aus Sicht einer Techniksoziologie des Rechts. Österreichische Zeitschrift für Soziologie 44: 157–179.
Kinder-Kurlanda, Katharina. 2020. Big Social Media Data als epistemologische Herausforderung für die Soziologie. Soziale Welt Sonderband Soziologie des Digitalen – Digitale Soziologie?: 109–133.
Kitchin, Robo. 2014. The Data Revolution. New York: Sage.
Kornak, Jacek. 2015. Judith Butler's Queer Conceptual Politics. Redescriptions 18: 52–73.
Laclau, Ernesto. 2005. Introduction to Marcel Mauss. Oxfordshire: Routledge.
Latour, Bruno. 1985. Visualization and Cognition: Drawing things together. In Knowledge and Society Studies in the Sociology of Culture Past and Present 6: 1–40.
Latour, Bruno. 1993. We have Never Been Modern. Cambridge: Harvard University Press.
Lewis, Kevin. 2015. Three Fallacies of Digital Footprints. Big Data and Society 2: 1–4.
Lewis, Kevin et al. 2008. Tastes, Ties, and Time: A New Social Network Dataset Using Facebook.Com. Social Networks 30: 330–342.
Linardatos, Pantelis, Vasilis Papastefanopoulos, und Sotiris Kotsiantis. 2021. Explainable AI: A Review of Machine Learning Interpretability Methods. Entropy 23: 18.
Little, Roderick J. A., und Donald B. Rubin. 2013. Statistical Analysis with Missing Data. 2nd. New Jersey: Wiley.
Lynch, Michael. 2013. Ontography: Investigating the production of things deflating ontology. Social Studies of Science 43:444–462.
Marcus, George E. 1995. Ethnography in/of the World System: The Emergence of Multi-Sited Ethnography. Annual Review of Anthropology 24: 95–117.
Marres, Noortje. 2015. Why Map Issues? On Controversy Analysis as a Digital Method. Science, Technology, & Human Values 40: 655–686.
Marres, Noortje, und Esther Weltevrede. 2013. Scraping the Social? Issues in live social research. Journal of Cultural Economy 6: 313–335.
Marres, Noortje. 2012. On Some Uses and Abuses of Topology in the Social Analysis of Technology (Or the Problem with Smart Meters). Theory, Culture & Society 29: 288–310.
Merton, Robert K. 1995. The Thomas Theorem and the Matthew Effect. Social Forces 74: 379–424.
Möller, Judith et al. 2018. Do Not Blame It on the Algorithm: An Empirical Assessment of Multiple Recommender Systems and Their Impact on Content Diversity. Information, Communication & Society 21: 959–977.
Mol, Annemarie. 2010. Actor-Network Theory: Sensitive Terms and Enduring Tensions. Kölner Zeitschrift für Soziologie und Sozialpsychologie 50: 253–269.
Morley, Jessica et al. 2020. The Ethics of AI in Health Care: A Mapping Review. Social Science & Medicine 260: 1-14.
Murthy, Dhiraj et al. 2013. Evaluation and Development of Data Mining Tools for Social Network Analysis. In Mining Social Networks and Security Informatics, hrsg. Tansel Özyer, Zeki Erdem, Jon Rokne und Suheil Khoury, 183–202. Berlin/Heidelberg: Springer.
Mützel, Sophie. 2015. Facing Big Data: Making sociology relevant. Big Data & Society 1: 1-4.
Niederer, Sabine M. C. 2016. Networked Content Analysis: The Case of Climate Change. PhD Thesis, Amsterdam, The Netherlands: Amsterdam School for Cultural Analysis.
Özyer, Tansel et al. 2013. Mining Social Networks and Security Informatics. Dordrecht: Springer Netherlands.CrossRef
Passoth, Jan-Hendrik, und Peter Kahlert. 2018. Engineering Collaborative Social Science Toolkits. STS Methods and Concepts as Devices for Interdisciplinary Diplomacy. In Developing Support Systems, hrsg. A. Karafillidis und R. Weidner, 137-145. Berlin/Heidelberg: Springer.
Passoth, Jan-Hendrik, und Peter Kahlert. 2018. Social Science Contributions to Engineering Projects: Looking Beyond Explicit Knowledge Through the Lenses of Social Theory. In IMPROVE – Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency. Intelligent Methods for the Factory of the Future, hrsg. O Niggemann und P Schüller, 19-36. Berlin/Heidelberg: Springer.
Peirce, Charles S. 1931. Pragmatism and Abduction. In Charles Sanders Peirce. The Collected Papers Volume 5.
Peirce, Charles S. 1975 [1877]. Die Festlegung einer Überzeugung [The Fication of Belief]. In Philosophie des Pragmatismus, 61–98. Leipzig: Reclam.
Pöchhacker, Nikolaus. Democratic Algorithms. Ethnography of a Public Recommender System. Meson Press, im Erscheinen.
Rach, Markus, und Marc K. Peter. 2021. How TikTok’s Algorithm Beats Facebook & Co. for Attention Under the Theory of Escapism: A Network Sample Analysis of Austrian, German and Swiss Users. In Advances in Digital Marketing and eCommerce, hrsg. F. J Martínez-López und D López López, 137–143. Berlin: Springer International Publishing.
Reichertz, Jo. 2010. Abduction: The Logic of Discovery of Grounded Theory. Forum Qualitative Sozialforschung 11.
Rieder, Bernhard. 2012. What Is in PageRank? A Historical and Conceptual Investigation of a Recursive Status Index. Computational Culture 2.
Rogers, Richard. 2009. Digital Methods. Cambridge: MIT Press.
Rogers, Richard, und Noortje Marres. 2000. Landscaping climate change: a mapping technique for understanding science and technology debates on the World Wide Web. Public Understanding of Science 9: 141–163.
Schütz, Alfred. 1993. Der sinnhafte Aufbau der sozialen Welt. Eine Einleitung in die verstehende Soziologie. Berlin: Suhrkamp.
Scott, John. 2017. Social Network Analysis. New York City: SAGE Publications Ltd.
Searle, John R. 1980. Minds, brains, and programs. Behavioral and Brain Sciences 3: 417–424.CrossRef
Star, Susan Leigh, und James R. Griesemer. 1989. Institutional Ecology, `Translations’ and Boundary Objects: Amateurs and Professionals in Berkeley’s Museum of Vertebrate Zoology, 1907–39. Social Studies of Science 19(3). 418–427.
Strauss, Anselm L. 1998. Grundlagen qualitativer Sozialforschung. Stuttgart: UTB.
van Es, Karin. 2017. An Impending Crisis of Imagination: Data-Driven Personalization in Public Service Broadcasters. Working Paper.
Weltevrede, Esther. 2016. Repurposing digital methods. PhD Thesis, Amsterdam, The Netherlands: Amsterdam School for Cultural Analysis.
Wolbring, Tobias. 2020. The Digital Revolution in the Social Sciences. Soziale Welt. Sonderband: Soziologie des Digitalen – Digitale Soziologie?: 60–72.
Yigitcanlar, Tan et al. 2020. Contributions and Risks of Artificial Intelligence (AI) in Building Smarter Cities: Insights from a Systematic Review of the Literature. Energies 13: 1–36.
Metadaten
Titel
Künstliche Intelligenz: Eine Methode für alles? Sozialwissenschaftliche Methodologie der KI-Forschung, ihre Herausforderungen und Möglichkeiten
verfasst von
Peter Kahlert
Maryam Tatari
Suzette Kahlert
Silvan Pollozek
Johan Buchholz
Benedict Lang
Jan-Hendrik Passoth
Copyright-Jahr
2024
Buch
Künstliche Intelligenz, Mensch und Gesellschaft

Print ISBN: 978-3-658-43520-2

Electronic ISBN: 978-3-658-43521-9

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-658-43521-9_19

Premium Partner

    Bildnachweise