Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Algorithmische Personalisierungen vom Täter- zum Kundenprofil? Eine genealogische Untersuchung am Fallbeispiel Netflix
Ann-Kristin Mehnert
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Sozialwissenschaften, Recht, Wirtschaft / Medienwissenschaft
Beschreibung
Studienarbeit aus dem Jahr 2016 im Fachbereich Medien / Kommunikation - Mediengeschichte, Note: 1,3, Leuphana Universität Lüneburg (CDC), Veranstaltung: Mediengenealogie - Zum "historischen Sinn" der digitalen Gegenwart, Sprache: Deutsch, Abstract: 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.
Kundenbewertungen
Echokammer, Filter Bubble, Rasterfahndung, Kundenprofil, Mediengenealogie, RAF, Mediengeschichte, Algorithmus, Target, Personalisierung, Mustererkennung, Zufall, Netflix, Täterprofil, Genealogie, algorithmischenPersonalisierungen