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

 
iStockphoto / monsitj
TU Ilmenau / Michael Reichel (ari)

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

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

Domahidi, E., Merkt, M., Thiersch, C., Utz, S., & Schüler, A. (2021). You Want This Job? Influence and Interplay of Self-Generated Text and Picture Cues in Professional Networking Service Profiles on Expertise Evaluation. Media Psychology, 25, 290-317. https://doi.org/10.1080/15213269.2021.1927104

Schindler, M., & Domahidi, E. (2021). The growing field of interdisciplinary research on user comments: A computational scoping review. New Media & Society 23(8), 2474-2492. https://doi.org/10.1177/1461444821994491

Banda, J. M., Tekumalla, R., Wang, G., Yu, J., Liu, T., Ding, Y., ... & Chowell, G. (2020). A large-scale COVID-19 Twitter chatter dataset for open scientific research—An international collaboration. Epidemiologia, 2(3), 315-324. https://doi.org/10.3390/epidemiologia2030024

iStockphoto