Mario Haim

Computational Communication Science

Eine Einführung

• Broschiertes Buch

Produktbeschreibung

Das Lehrbuch bietet einen Einstieg und umfassenden Überblick über die Computational Communication Science (CCS). Die CCS ist Kommunikationswissenschaft, die auf die Erforschung und Analyse großer Datenmengen, algorithmisch kuratierter Kommunikation und/oder stark computergestützter Methoden setzt. Das Lehrbuch stellt Grundlagen und zentrale Begriffe vor und dient als Orientierungshilfe in einer von informatischen Einflüssen geprägten Sozialwissenschaft. Neben diesem Grundwissen vermittelt das Lehrbuch Anwendungs- und Entwicklungskompetenz im direkten Umgang mit Werkzeugen und Quellcode sowie eine umfangreiche Kritikkompetenz zur fachkundigen Einschätzung und Bewertung entsprechender Daten und Methoden. Mit zahlreichen Beispielen aus der Kommunikationswissenschaft, die jeweils aus ethischer, rechtlicher und technologischer Perspektive betrachtet werden, liefert dieses Buch somit eine umfassende Einführung und Hilfestellung für den Gegenstand und für die Methoden der CCS, für Studierendeund für Forschende, für Einführungsveranstaltungen und für Forschungsseminare.

Produktdetails

• Studienbücher zur Kommunikations- und Medienwissenschaft
• Verlag: Springer Fachmedien Wiesbaden / Springer VS / Springer, Berlin
• Artikelnr. des Verlages: 978-3-658-40170-2
• 1. Aufl. 2023
• Seitenzahl: 358
• Erscheinungstermin: 13. Juni 2023
• Deutsch
• Abmessung: 240mm x 168mm x 21mm
• Gewicht: 630g
• ISBN-13: 9783658401702
• ISBN-10: 3658401702
• Artikelnr.: 66385402

Autorenporträt

Prof. Dr. Mario Haim ist Professor für Kommunikationswissenschaft mit dem Schwerpunkt Computational Communication Research an der LMU München.

Inhaltsangabe

Vorwort.- Was ist Computational Communication Science?.- Daten sichten.- Daten bewerten.- Forschungssoftware entwickeln.- Daten beziehen.- Fremde Daten sammeln.- Eigene Daten generieren.- Texte als Daten I.- Texte als Daten II.- Maschinelles Lernen mit Goldstandard ("überwachtes Lernen").- Maschinelles Lernen ohne Goldstandard ("unüberwachtes Lernen").- Netzwerke als Daten.- Gruppen und Sequenzen als Daten.- Bilder und andere multimodale Daten.