Baustein GL Meth Tracking

Baustein: Grundlagen - Methoden - Web-Tracking

Quick Links: Home | Konzept Grundlagenveranstaltung | Bausteine

Bezeichnung:

Web-Tracking

Veranstaltung:

CCS-Grundlagen

Teilbereich:

Methoden

Bearbeitet von:

Philipp Müller

Empfohlenes Studienniveau:

BA

Lernziele:

• Wissen & Verstehen: Verschiedene Datentypen aus dem Bereich Web-Tracking und Log-Daten (und verwandte digitale Beobachtungsdaten) und deren Unterschiede kennen; Potentiale und Limitationen der verschiedenen Verfahren verstehen; typische Anwendungsfelder kennen
• Anwendung: Fähigkeit, eine qualifizierte Entscheidung zu treffen, welches Verfahren für die Bearbeitung einer spezifischen Fragestellung das richtige ist: erste einfache praktische Anwendungen mit offenen Datensätzen

Voraussetzungen:

• Grundlegendes Konzept von Datentypen & -strukturen, Vorwissen zu quantitativer Befragung, Beobachtung und (manueller sowie automatisierter) Inhaltsanalyse, Kenntnisse im Bereich Stichprobenbildung

Querverweise:

Aufbauend auf:

• Generelle rechtliche, technische und ethische Überlegungen
• Automatische Beobachtung und Sammlung personenbezogener Daten

Mögliche Umsetzung mit Sequenz- und Longitudinalanalysen in: * Anwendung Programmieren: Ausgefallene Verfahren

Inhalt:

• Web-Tracking & Log-Daten:

  • Definition, Vorgehensweise und Anwendungsfälle
  • Primärdaten-Erhebung: Stichprobenbildung und Datenzugriff (mobil vs. stationär)
  • Sekundärdaten-Quellen (z.B. Google Trends)
  • Forschungsethische Überlegungen
  • Interpretation und Validierung der erhaltenen Ergebnisse und Limitationen

• Linkage-Analysen (Kombination von Trackingdaten mit Befragungen und/oder Inhaltsanalysen):

  • Vorgehensweise und typische Anwendungsfälle
  • Datenzugriff über Experience-Based Sampling
  • Interpretation und Validierung der erhaltenen Ergebnisse und Limitationen

Didaktik:

Erarbeitung der Inhalte im wesentlichen über Lehrvorträge oder Kurzpräsentationen der Kursteilnehmer:innen; das Kennenlernen der typischen Datenstrukturen sollte mittels einfacher Analyse-Aufgaben können auch an zur Verfügung gestellten Beispieldatensätzen praktisch ausprobiert werden; dabei sollte aufgrund der Datenschutz-sensiblen Informationen mit fiktiven Dummy-Datensätzen gearbeitet werden, nicht mit realen Daten

Zeitbedarf:

• 45-90 min

Lehrmaterialien:

• Link:Tracking-Datensatz zur Studie "How social network sites and other online intermediaries increase exposure to news" https://osf.io/pqd9f/

Mögliche Übungen:

• Lesen (& Vorstellen) einer Studie, die Tracking- bzw. Logdaten verwendet
• Fragen zu Begriffen
• Einfach praktische Übungen an zur Verfügung gestellten Datensätzen
• Entwickeln eines Studiendesigns zu einer vorgegebenen (oder: selbst gewählten) Fragestellung

Mögliche Prüfungsleistung:

siehe Übungen

Literatur:

• Christner, C., Urman, A., Adam, S., & Maier, M. (2021). Automated Tracking Approaches for Studying Online Media Use: A Critical Review and Recommendations. Communication Methods and Measures, 1–17. https://doi.org/10.1080/19312458.2021.1907841
• Masur, P. K. (2019). Capturing situational dynamics: Strength and pitfalls of the experience sampling method. In: Müller, P., Geiß, Schemer, C.,, Naab, T. K., & Peter, C. (Eds.), Dynamische Prozesse der öffentlichen Kommunikation – Methodische Herausforderungen. Köln: Halem. https://doi.org/10.31219/osf.io/vx5ha
• Parry, D. A., Davidson, B. I., Sewall, C. J. R., Fisher, J. T., Mieczkowski, H., & Quintana, D. S. (2021). A systematic review and meta-analysis of discrepancies between logged and self-reported digital media use. Nature Human Behaviour, 1–13. https://doi.org/10.1038/s41562-021-01117-5
• Stier, S., Breuer, J., Siegers, P., & Thorson, K. (2020). Integrating Survey Data and Digital Trace Data: Key Issues in Developing an Emerging Field. Social Science Computer Review, 38(5), 503–516. https://doi.org/10.1177/0894439319843669