Fachgebiet Computational Communication Science
Christine Wendo King'ang'i
Das Fachgebiet Computational Communication Science widmet sich der kommunikationswissenschaftlichen Analyse von digitalen Medieninhalten und Kommunikationsprozessen sowie den damit verbundenen relevanten Veränderungen für Individuen und Gesellschaft.
Das Fachgebiet befindet sich an der Schnittstelle zwischen Kommunikationswissenschaft und Informatik und ist stark interdisziplinär ausgerichtet. Inhaltlicher Schwerpunkt sind insbesondere Arbeiten in den Bereichen (Cognitive) Biases in Digital Media und Social Consequences of Online Media Use.
Um diese inhaltlichen Fragestellungen zu untersuchen, werden in dem Fachgebiet neben klassischen Methoden aus der Kommunikationswissenschaft auch Verfahren der Informatik (= CCS Methoden) angewendet, weiterentwickelt und evaluiert.
Am Fachgebiet wird schwerpunktmäßig die Nutzung und die Wirkungen von digitalen Medien erforscht. Dabei stehen zum einen die Veränderungen, welche durch die Nutzung von digitalen Medien für Individuen und Gesellschaft entstehen, im Fokus. Zum anderen werden die Verwendung und Evaluation von innovativen Methoden aus der Informatik für kommunikationswissenschaftliche Fragestellungen vorangetrieben.
Cognitive and Algorithmic Biases in Digital Media
Social Consequences of Online Media Use
Wir bieten Studierenden fundierte kommunikationswissenschaftliche Bildung mit engem Bezug dazu, wie computer-gestützte Verfahren Einblicke in kommunikations- und sozialwissenschaftliche Themen eröffnen könne. Dies umfasst das theoretische und praktische Bearbeiten von methodologischen und algorithmischen Herausforderungen, die bei der Analyse von digitalen Daten und z. B. sozialen Medien auftreten. Dabei legen wir Wert auf eine qualitativ hochwertige, international orientierte Lehre einschließlich englischsprachiger Lehrveranstaltungen und Studiengänge.
Urman, A., Domahidi, E., Gruber, J. B., Jovančević, A., Maier, M., Gërguri, D., Mazak, J., & Velden, M. (2026). Gender Representation in Large Language Models: A Cross-Linguistic and Cross-Model Analysis. Computational Communication Research, 8(2), 1-39. https://doi.org/10.5117/CCR2026.2.11.URMA
Niemann-Lenz, J., Schatto-Eckrodt, T., Domahidi, E., & Mahrt, M. (2026). Introduction to the Special Issue “The Datafication of Communication–New Methodological Approaches and Challenges”. Medien & Kommunikationswissenschaft, 74(1), 3-7. https://doi.org/10.5771/1615-634X-2026-1-3
Yu, J., Domahidi, E., Gamannossi degl’Innocenti, D., & Zollo, F. (2026). Crisis, country, and party lines: Politicians’ misinformation behavior and public engagement. Journal of Computational Social Science, 9, Article 21. https://doi.org/10.1007/s42001-025-00447-y
Yu, J., Domahidi, E., Johansson, B., & Steinmetz, N. (2025). Multilevel government crisis communication on social media: A comparative and longitudinal approach. International Communication Gazette, 0(0). https://doi.org/10.1177/17480485251404809
Schulze, H., Buehling, K., & Zehring, M. (2025). The Telegram COVID-19 Protest Dataset 2020-2022. Computational Communication Research, 7(1), 1. https://doi.org/10.5117/CCR2025.1.9.SCHU
Christine Wendo King'ang'i, M.A.
Aliya Andrich, M.A.
Felipe Barreto de Souza Martins, M.A.
Dr. Anke Stoll
