News
Fachgebiet Computational Communication Science
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.
Forschung
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
Lehre
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.
Publikationen
Stoll, A., Wilms, L., & Ziegele, M. (2023). Developing an Incivility Dictionary for German Online Discussions–a Semi-Automated Approach Combining Human and Artificial Knowledge. Communication Methods and Measures, 1-19. https://doi.org/10.1080/19312458.2023.2166028
Andrich, A., Bachl, M., & Domahidi, E. (2023). Goodbye, Gender Stereotypes? Trait Attributions to Politicians in 11 Years of News Coverage. Journalism & Mass Communication Quarterly, 1-25. https://doi.org/10.1177/10776990221142248
Zehring, M., & Domahidi, E. (2023). German Corona Protest Mobilizers on Telegram and Their Relations to the Far Right: A Network and Topic Analysis. Social Media + Society, 9(1). https://doi.org/10.1177/20563051231155106
Andrich, A., & Domahidi, E. (2023). A Leader and a Lady? A Computational Approach to Detection of Political Gender Stereotypes in Facebook User Comments. International Journal of Communication, 17, 20. https://ijoc.org/index.php/ijoc/article/view/19041
Schindler, M., & Domahidi, E. (2022). The computational turn in online mental health research: A systematic review. New Media & Society. https://doi.org/10.1177/14614448221122212
Zehring, M., & Domahidi, E. (2022). Thirty Years After the German Reunification—Exploring Stereotypes About East Germans on Twitter. International Journal Of Communication, 16(2022), 4029-4049. https://ijoc.org/index.php/ijoc/article/view/19010/3868
Xu, Y., Yu, J., & Löffelholz, M. (2022). Portraying the Pandemic: Analysis of Textual-Visual Frames in German News Coverage of COVID-19 on Twitter. Journalism Practice, 1–21. https://doi.org/10.1080/17512786.2022.2058063