Themen für Abschlussarbeiten / Medienprojekte
Christine Wendo King'ang'i
Alle hier angebotenen Themen können genau in der hier dargestellten Form, aber natürlich auch in abgewandelter Form in einer Abschlussarbeit umgesetzt werden. Kontaktieren Sie das Fachgebiet (ccs-wm@tu-ilmenau.de) oder Ihre betreuenden Person wenn Sie eine eigene Idee haben die Sie angehen wollen, ob Sie ein Thema wie dargestellt umsetzen wollen oder etwas eigenes mit Hilfe der betreuenden Person entwickeln wollen, welches nur grob auf den dargestellten Themen basiert. Prinzipiell ist vieles möglich, fragen Sie einfach nach!
Die Einbindung von Bürger*innen in gesellschaftspolitische Prozesse wird generell als wünschenswert empfunden und beschrieben. Besonders relevant ist die Teilhabe von Bürger*innen dabei im transformativen Streben von Städten und lokalen Verwaltung hin zu Smart Cities. Mehr als 50 % der Weltbevölkerung lebt in Städten, und Schätzungen zufolge wird dieser Anteil bis 2050 auf mehr als zwei Drittel ansteigen. Städte sind Räume, in denen sich die bestehenden sozialen Gräben vertiefen, aber auch Inspirationsquellen für eine neue Welle des Denkens innerhalb der lokalen Öffentlichkeiten, die insbesondere den Schwerpunkt auf die Kombination von technologischer und sozialer Innovation legen, um die aktuellen Probleme der Urbanisierung mit dem zentralen Ziel der Verbesserung des öffentlichen Wohlergehens anzugehen. Dabei stellt sich die Frage, inwiefern diese Bürger*innenpartizipation zur Verbesserung der Informations-, Kommunikations- und Partizipationsprozesse in einer Demokratie im Allgemeinen und in Städten im Speziellen beitragen. Durch die vielfältigen Formen der Web2.0 Online-Kommunikation (z. B. YouTube, Facebook, Blogs) haben Bürger*innen diverse Möglichkeiten, ihre Inhalte und Kommunikationsbotschaften zu verbreiten, dasselbe gilt allerdings auch für Verantwortliche in Städten oder stadtnahe Institutionen.
Im Rahmen eines Medienprojektes können diverse Fragestellungen bearbeitet werden, z. B.:
Welche Kommunikationskanäle werden von Stadtverantwortlichen genutzt?
Wie werden diese Kommunikationskanäle genutzt?
Bei Interesse an diesem Thema wenden Sie sich bitte an Max Schindler.
In diesem Medienprojekt sollen die Studierenden selbständig ein Podcastformat für ein ausgesuchtes Thema aus medien- und kommunikationswissenschaftlicher Perspektive entwickeln. Neben dem Erstellen eines Konzepts, sollen erste Inhalte (z.B. Folgen) entwickelt und praktisch umgesetzt werden. Eine Strategie zur Verbreitung des Podcasts und entsprechende Maßnahmen zur Außenkommunikation ergänzen das Portfolio.
Bei Interesse an diesem Thema wenden Sie sich bitte an Prof. Dr. Emese Domahidi.
Heute erzeugen wir mehr Daten als je zuvor. Denken Sie daran, wie viele Beiträge und Kommentare Sie auf Facebook verfasst haben, seit Sie sich dort registriert haben. Oder wie viele Videos auf YouTube oder TikTok veröffentlicht wurden, seit diese Plattformen ins Leben gerufen wurden. Unsere Kommunikation in den sozialen Medien ist nicht die einzige Form von digitalen Daten. Viele Regierungen entscheiden sich zum Beispiel dafür, die von ihnen produzierten Daten ihren Bürgern zugänglich zu machen. Dazu können parlamentarische Aufzeichnungen (z. B. Reden von Politikern) oder Gesetzesvorschläge gehören. In diesem Medienprojekt erstellen Sie ein Verzeichnis solcher Open-Source-Datensätze, die Kommunikationsdaten mit Schwerpunkt auf der Europäischen Union im Allgemeinen und/oder Deutschland im Besonderen enthalten. Dies kann Texte, Bilder, Audio- und Videodaten umfassen, die menschliche Kommunikation erfassen. Sie können dieses Projekt beginnen, indem Sie sich die Ergebnisse eines von der OECD erstellten Berichts über offene Regierungsdaten ansehen (https://www.oecd.org/digital/digital-government/open-government-data.htm). Das Projekt ist nicht auf von der Regierung zur Verfügung gestellte Daten beschränkt, sondern kann/sollte auch andere Quellen untersuchen, z. B. Open-Source-Datensätze, die von Nichtregierungsorganisationen, privaten/öffentlichen Unternehmen, Forschungseinrichtungen usw. zur Verfügung gestellt werden.
Bei Interesse melden Sie sich beim Fachgebiet.
Um rechte Proteste und die dahinterstehende rechte Mobilisierung zu verstehen, müssen nicht nur die Protestierenden, sondern auch die Akteure, die sie mobilisieren, untersucht werden. Rechte Akteure folgen wiederkehrenden Mustern, wenn es darum geht, Netzwerke aufzubauen und Themen zu artikulieren. Hierbei stützen sich rechte Akteure vornehmlich auf neuartige (Soziale-)Medienplattformen (z.B. Telegram) um Netzwerkstrukturen aufzubauen, wobei diese dann genutzt werden um aktuelle Krisen (z.B. COVID-19) mit alten ideologischen Frames wie Rassismus, Anti-Semitismus und Anti-Modernismus zu verbinden(Caiani et al., 2012).
Das Medienprojekt fokussiert sich hier auf die systematische Erstellung eines Registers aktueller rechter Akteure und ihrer dazugehörigen Social-Media-Kanäle. Neben den klassischen Plattformen wie Facebook, Twitter und YouTube, soll der Fokus besonders auf alternative „Fringe Platforms“ gelegt werden, wie Telegram, Parler, Gab, Gettr oder Odysee.Wichtig bei der Erstellung des Registers ist die systematische Vorgehensweise, da dieses Register in zukünftigen Studien als Basis für Datenerhebungen genutzt werden soll.
Bei Interesse melden Sie sich bei Maximilian Zehring.
Referenz:
Caiani, M., Della Porta, D., & Wagemann, C. (2012). Mobilizing on the extreme right: Germany, Italy, and the United States. Oxford University Press.
Wir betreuen Abschlussarbeiten sowohl auf Bachelor- als auch auf Master-Ebene, in deutscher oder englischer Sprache (abhängig vom Studiengang). Die Themenwahl lässt sich in folgende Kategorien unterteilen:
1. Replikationsstudien
Wir unterstützen Replikationsstudien als Abschlussarbeiten. Dabei wird eine bereits publizierte Studie so präzise wie möglich wiederholt, um die Verlässlichkeit der berichteten Ergebnisse zu überprüfen.
2. Vorgegebene Themen mit individuellem Fokus
Wir bieten ausgewählte Themen sowohl für Bachelor- als auch für Master-Arbeiten an. Innerhalb dieser Themenbereiche können Sie eigene Schwerpunkte setzen und diese individuell ausgestalten.
3. Eigene Themenvorschläge
Sie haben die Möglichkeit, eigene Ideen für Abschlussarbeiten einzubringen. Diese sollten jedoch entweder methodisch **oder** inhaltlich mit den Schwerpunkten unseres Fachgebiets übereinstimmen.
Wir legen großen Wert darauf, dass die Themenwahl sowohl wissenschaftlich fundiert als auch mit den Forschungsfeldern unserer Abteilung kompatibel ist, wenden Sie sich bei Interesse einfach an ccs-wm@tu-ilmenau.de.
Folgende Themenangebote können genutzt werden:
Diskursqualität, vor allem in Nutzerkommentaren auf Nachrichtenseiten und Social Media, stellt ein hochrelevantes Thema dar und ist viel beforscht. In Ihrer Arbeit erstellen Sie eine Übersicht über aktuelle Literatur zu Diskursqualität in verschiedenen Online-Kontexten und mögliche Auswirkung dieser auf die mentale Gesundheit der beteiligten Personen.
De Choudhury, M., & De, S. (2014, May). Mental health discourse on reddit: Self-disclosure, social support, and anonymity. In Eighth international AAAI conference on weblogs and social media.
Mendu, S., Baglione, A., Baee, S., Wu, C., Ng, B., Shaked, A., ... & Barnes, L. (2020). A Framework for Understanding the Relationship between Social Media Discourse and Mental Health. Proceedings of the ACM on Human-Computer Interaction, 4(CSCW2), 1-23.
Seering, J., Fang, T., Damasco, L., Chen, M. C., Sun, L., & Kaufman, G. (2019, May). Designing User Interface Elements to Improve the Quality and Civility of Discourse in Online Commenting Behaviors. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (pp. 1-14).
Studierende sind herzlich dazu eingeladen Studien in den genannten Bereichen vorzuschlagen oder gemeinsam mit dem Betreuer zu finden und im Rahmen der Bachelor-/Masterarbeit zu replizieren. Eine Replikation muss (und wird) dabei keine 100% deckungsgleiche Durchführung der gewählten Studie sein. Vielmehr wird im Austausch mit dem Betreuer ein geeigneter Rahmen für die Bachelor-/Masterarbeit festgelegt.
Ein beispielhaftes Vorgehen für die Studie Multilevel Emotion Transfer on YouTube:Disentangling the Effects of EmotionalContagion and Homophily on Video Audiencesvon Rosenbusch und Kollegen (2019) könnte sich dabei aus folgenden Schritten zusammensetzen:
Bisherige Untersuchungen zeigen das auch heute noch, 30 Jahre nach der Wiedervereinigung, messbare sozioökonomische Unterschiede und altbekannte Stereotype zwischen Ost- und Westdeutschland bestehen (vgl. Foroutan et al., 2019). Ältere Paper weisen darauf hin, dass die traditionellen Medien mit ihrer Art und Weise der Berichterstattung über Ostdeutschland existierende Stereotype möglicherweise bestärken, während evidente soziöknomische Nachteile oft als ungerechtfertigte subjektive Gefühle der Ostdeutschen abgetan werden (z.B. „Jammerossi“, vgl. Kollmorgen & Hans, 2011; Foroutan et al., 2019; Hoff & Kausch, 2013). Im Gegensatz dazu wissen wir sehr wenig darüber, in welchem Ausmaß Stereotype gegenüber Ostdeutschen auf Social Media oder in anderen Online Medien anzutreffen sind.
Die zu verfassende Arbeit kann hierbei zwei mögliche Wege gehen: entweder wird versucht bisherige Ergebnisse zu replizieren indem sich die quantitative Inhaltsanalyse auf die traditionellen Medien bezieht, oder es wird eine explorative Studie durchgeführt welche mittels quantitativer Inhaltsanalyse Daten von Social Media oder anderen Online Medien untersucht.
Foroutan, N., Kalter, F., Canan, C., & Simon, M. (2019). Ost-Migrantische Analogien I - Konkurrenz um Anerkennung. Deutsches Zentrum für Integrations- und Migrationsforschung. www.dezim-institut.de/fileadmin/user_upload/Projekte/Ost-Migrantische_Analogien/OstMig_Booklet_A4.pdf
Hoff, I., & Kausch, S. (2013). Die neue innerdeutsche Grenze - Deutschland als Zwei-(Normalitäts-) Klassen-Gesellschaft. In R. Pates & M. Schochow (Eds.), Der „Ossi“ - Mikropolitische Studien über einen symbolischen Ausländer (pp. 83-103). Springer VS. doi.org/10.1007/978-3-531-94120-2
Kollmorgen, R., & Hans, T. (2011). Der verlorene Osten. Massenmediale Diskurse über Ostdeutschland und die deutsche Einheit. In R. Kollmorgen, F. T. Koch, & H.-L. Dienel (Eds.), Diskurse der deutschen Einheit. Kritik und Alternativen (pp. 107-165). VS Verlag für Sozialwissenschaften. doi.org/10.1007/978-3-531-93351-1_4
In dieser Arbeit soll mittels einer systematischen Literaturübersicht herausgefunden werden, wie und mit welchen Ergebnissen computationale Methoden (siehe Iliev et al., 2014; van Atteveldt & Peng, 2018) bei der Erforschung von Verschwörungstheorien in sozialen und online Medien eingesetzt werden. Bspw. können mithilfe dieser Methoden narrative Motive von Verschwörungstheorien herausgearbeitet werden (Samory & Tanushree, 2018) oder Aussagen darüber getroffen werden, welche Eigenschaften Verschwörungstheoretiker aufweisen (Enders & Smallpage, 2019). Die zu erarbeitende Übersicht fokussiert sich dabei auf eine detaillierte Beschreibung der Methoden und Ergebnisse solcher Untersuchungen. Die aufgeführten Referenzen können gerne als Startpunkt für die Arbeit verwendet werden.
Enders, A. M., & Smallpage, S. M. (2019). Who Are Conspiracy Theorists? A Comprehensive Approach to Explaining Conspiracy Beliefs. Social Science Quarterly, 100(6), 2017-2032. doi.org/10.1111/ssqu.12711
Iliev, R., Dehghani, M., & Sagi, E. (2014). Automated text analysis in psychology: methods, applications, and future developments. Language and Cognition, 7(2015), 265-290. doi.org/10.1017/langcog.2014.30
Samory, M., & Tanushree, M. (2018). „The Government Spies Using Our Webcams“: The Language of Conspiracy Theories in Online Discussion. Proceedings of the ACM on Human-Computer Interaction, 2, 1-24. doi.org/10.1145/3274421
van Atteveldt, W., & Peng, T.-Q. (2018). When Communication Meets Computation: Opportunities, Challenges, and Pitfalls in Computational Communication Science. Communication Methods and Measures, 12(2-3), 81-92. doi.org/10.1080/19312458.2018.1458084
Research to be replicated: Ye, W., Dorantes-Gilardi, R., Xiang, Z., & Aron, L. (2021). COVID-19 Twitter Communication of Major Societal Stakeholders: Health Institutions, the Government, and the News Media. International Journal Of Communication, 15, 37. Retrieved from https://ijoc.org/index.php/ijoc/article/view/17147
Requirements
For BA students:
1. Construct a comprehensive theoretical framework regarding the research aims.
2. Replicate the data collection procedures inside the example paper
3. Clean the data (remove stopwords, emojis, attached links etc), and make basic descriptive analysis (e.g. the most frequent terms, tweet frequency by account etc).
Research to be replicated: Hagen, L., Keller, T., Neely, S., DePaula, N., & Robert-Cooperman, C. (2018). Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets. Social Science Computer Review, 36(5), 523–541. https://doi.org/10.1177/0894439317721985
Requirements
For BA students:
1. Construct a comprehensive theoretical framework regarding the research aims.
2. Replicate the data collection procedures inside the example paper, but a shorter time-frame for the collected dataset is negotiable.
3. Build the (retweet) network with the given resources, calculate and interpret the basic network centrality metrics (degree, betweenness and closeness).
Die Studierenden werden gebeten, eine systematische Replikation von Donzelli et al. (2018) durchzuführen, indem sie diese in einen anderen Kontext stellen (z. B. durch einen anderen Stichprobenansatz, der das Land/die Sprache oder den Zeitraum oder die Menge der zu kodierenden Videos ändert) und/oder durch eine begründete Änderung der ursprünglichen Messinstrumente (z. B. Hinzufügen von Kategorien, Verfeinerung von Kategorien, Änderung der Kategorien insgesamt usw.). Dazu gehören: eine Begründung der Relevanz des Themas; eine Anpassung der Forschungsfragen; eine Anpassung/Transformation der Methoden und des Kodierungsverfahrens; die Durchführung einer deskriptiven Analyse sowie einer einseitigen ANOVA und einer Chi-Quadrat-Analyse. Ziel ist es, die gesamte Studie zu replizieren, indem der Arbeitsablauf der ursprünglichen Autoren befolgt wird.
Donzelli, G., Palomba, G., Federigi, I., Aquino, F., Cioni, L., Verani, M., Carducci, A., & Lopalco, P. (2018). Misinformation on vaccination: A quantitative analysis of YouTube videos. Human Vaccines & Immunotherapeutics, 14(7), 1654-1659. https://doi.org/10.1080/21645515.2018.1454572
Das Hauptziel einer voraussichtlichen Replikation von Shapiro und Park (2015) ist die Replikation der Tabellen 1, 2 und 3. Die Studierenden würden also eine teilweise, aber systematische Replikation durchführen. Außerdem müssen Forschungsfragen und ein klares methodisches Vorgehen ausgearbeitet werden, da sie in der Originalarbeit nicht klar umrissen sind. Generell bestünde die Aufgabe darin, eine aktuelle Begründung für die Wichtigkeit des Themas zu erarbeiten, klare Forschungsfragen abzuleiten, das methodische Vorgehen (die deskriptive Analyse, die manuelle Inhaltsanalyse und die Analyse der häufigsten Begriffe) anzupassen und die oben genannten Ergebnistabellen in einem individuellen Kontext zu replizieren.
Shapiro, M. A., & Park, H. W. (2015). More than entertainment: YouTube and public responses to the science of global warming and climate change. Social Science Information, 54(1), 115–145. https://doi.org/ 10.1177/0539018414554730
Im Rahmen dieser Bachelorarbeit wird die mediale Berichterstattung in Deutschland (oder wahlweise in anderen Ländern) zu neuen KI-Tools wie ChatGPT oder DALL·E untersucht. Dabei kann mittels einer manuellen oder automatisierten Inhaltsanalyse ein spezifischer Fokus gesetzt werden. Potenzielle Analyseaspekte umfassen die Identifikation von thematischen Schwerpunkten, die Erfassung von Frames in der Berichterstattung oder die Untersuchung zentraler Akteure, die in den medialen Diskurs eingebunden sind.
Literatur:
Roe, J., & Perkins, M. (2023). ‘What they’re not telling you about ChatGPT’: Exploring the discourse of AI in UK news media headlines. Humanities and social sciences communications, 10(1), 1–9.
Yadlin, A., & Marciano, A. (2024). Hallucinating a political future: Global press coverage of human and post-human abilities in ChatGPT applications. Media, Culture & Society, 46(8), 1580-1598. doi.org/10.1177/01634437241259892
Die zunehmende Verfügbarkeit und Popularität moderner KI-Tools, insbesondere Large Language Models (LLMs), hat zu einer breiten Nutzung dieser Technologien durch die Öffentlichkeit geführt, etwa zur Informationsbeschaffung zu verschiedenen Themen. Allerdings liefern diese Modelle, wie beispielsweise ChatGPT, nicht immer korrekte oder unverzerrte Informationen. Mit dem steigenden Einsatz von LLMs in unterschiedlichen Anwendungen wächst die Besorgnis über potenzielle Verzerrungen, die durch diese Technologien entstehen können.
Da LLMs auf umfangreichen Textkorpora aus dem Internet trainiert werden, reproduzieren sie oft die in ihren Trainingsdaten enthaltenen Biases. Insbesondere der Bereich von Verzerrungen in LLMs ist bereits Gegenstand zahlreicher Studien, die problematische Phänomene wie geschlechtsspezifische Stereotype oder die Verbreitung von Fehlinformationen identifiziert haben.
Ziel der Bachelorarbeit ist es, einen systematischen Überblick über die bestehende Literatur zu Bias in Large Language Models zu erarbeiten. Alternativ kann ein spezifischer Fokus auf einzelne Forschungsbereiche gelegt werden, etwa auf geschlechtsspezifische Verzerrungen oder die Rolle von LLMs bei der Verbreitung von Fehlinformationen.
Literatur:
Makhortykh, M., Sydorova, M., Baghumyan, A., Vziatysheva, V., & Kuznetsova, E. (2024). Stochastic lies: How LLM-powered chatbots deal with Russian disinformation about the war in Ukraine. Harvard Kennedy School Misinformation Review. doi.org/10.37016/mr-2020-154
Zhao, J., Ding, Y., Jia, C., Wang, Y., & Qian, Z. (2024). Gender Bias in Large Language Models across Multiple Languages. arXiv preprint arXiv:2403.00277.
Falsche, KI-generierte oder durch KI-verbreitete Inhalte stellen für Nutzer:innen eine zunehmende Herausforderung dar, da sie immer schwerer von authentischen Informationen zu unterscheiden sind (Ahmed, 2023). Soziale Netzwerke spielen eine zentrale Rolle bei der Verbreitung von Desinformationen und Missinformationen, wobei stark vernetzte Akteur:innen, wie Influencer:innen, insbesondere auf junge Menschen eine große Reichweite und Wirkung ausüben (Shao et al., 2018; Pastor-Galindo et al., 2024).
Im Rahmen dieser Studie soll durch eine Inhaltsanalyse untersucht werden, inwiefern politische Influencer:innen aus dem rechten oder linken Spektrum zur Verbreitung von Missinformationen beitragen und welche Rolle KI in diesem Kontext spielt. Dabei werden ausgewählte soziale Medienplattformen wie Instagram, TikTok und YouTube analysiert, um thematische Schwerpunkte, Verbreitungsmuster und die spezifische Nutzung von KI-Technologien zu identifizieren.
Literatur:
Ahmed, S. (2023). Navigating the maze: Deepfakes, cognitive ability, and social media news skepticism. New Media & Society, 25(5), 1108–1129.
Pastor-Galindo, J., Nespoli, P., & Ruipérez-Valiente, J. A. (2024). Large-language-model-powered agent-based framework for misinformation and disinformation research: Opportunities and open challenges. IEEE Security & Privacy, 22(3), 24–36.
Shao, C., Hui, P. M., Wang, L., Jiang, X., Flammini, A., Menczer, F., & Ciampaglia, G. L. (2018). Anatomy of an online misinformation network. PLoS ONE, 13(4).
Aggressive and malicious user comments are a serious threat in online-communication (Blom, Carpenter, Bowe, & Lange, 2014). Some first studies have shown that behavior in user comments is contagious (Suh, Lee, Suh, Lee, & Lee, 2018) which has implications for the handling of bad behavior online. In this work, you are welcome to analyze social contagion of different quality factors (f.e., rationality or civility) on social media. You have to create a dataset and operationalize discourse quality so you can use computational methods e.g. supervised analyses like sentiment analysis (Wang & Cardie, 2016) or other dictionary-based methods (Malmasi & Zampieri, 2017).
Blom, R., Carpenter, S., Bowe, B. J., & Lange, R. (2014). Frequent contributors within US newspaper comment forums: An examination of their civility and information value. American Behavioral Scientist, 58(10), 1314-1328.
Malmasi, S., & Zampieri, M. (2017). Detecting hate speech in social media. arXiv preprint arXiv:1712.06427.
Suh, K. S., Lee, S., Suh, E. K., Lee, H., & Lee, J. (2018). Online Comment Moderation Policies for Deliberative Discussion–Seed Comments and Identifiability. Journal of the Association for Information Systems, 19(3), 2.
Wang, L., & Cardie, C. (2016). A piece of my mind: A sentiment analysis approach for online dispute detection. arXiv preprint arXiv:1606.05704.
Research on mental health and well-being evolved during the last decade from self-reported data to the increasing use of available observational data. While self-report measures remain popular nowadays, observational approaches enable researchers to use the vast amounts of data available online. In this work, you are welcome to analyze the underlying structures of interaction and communication in online support groups. You have to create a dataset and develop/use a computational research approach to detect impactful intervention methods.
Seale, C., Ziebland, S., & Charteris-Black, J. (2006). Gender, cancer experience and internet use: a comparative keyword analysis of interviews and online cancer support groups. Social science & medicine, 62(10), 2577-2590.
Yang, D., Yao, Z., & Kraut, R. (2017, May). Self-disclosure and channel difference in online health support groups. In Proceedings of the... International AAAI Conference on Weblogs and Social Media. International AAAI Conference on Weblogs and Social Media (Vol. 2017, p. 704). NIH Public Access.
Zhang, S., Grave, E., Sklar, E., & Elhadad, N. (2017). Longitudinal analysis of discussion topics in an online breast cancer community using convolutional neural networks. Journal of biomedical informatics, 69, 1-9.
Zhang, S., O’Carroll Bantum, E., Owen, J., Bakken, S., & Elhadad, N. (2017). Online cancer communities as informatics intervention for social support: conceptualization, characterization, and impact. Journal of the American Medical Informatics Association, 24(2), 451-459.
Students are invited to propose studies in the mentioned areas or to find them together with the supervisor and to replicate them in the context of the bachelor/master thesis. A replication does not have to (and will not) be a 100% congruent implementation of the chosen study. Rather, a suitable framework for the Bachelor's/Master's thesis will be determined in exchange with the supervisor.
An exemplary procedure for the study Multilevel Emotion Transfer on YouTube: Disentangling the Effects of Emotional Contagion and Homophily on Video Audiences by Rosenbusch and colleagues (2019) could consist of the following steps:
The diffusion of conspiracy theories (Sunstein & Vermeule, 2009) is increasing due to the use of social media. YouTube is one of the most popular platforms worldwide (Alexa, 2018) and is lately under scrutiny to host highly questionable content, among others videos on different conspiracy theories. Here the master candidate should define different conspiracy theories of interest, retrieve data form YouTube and analyze this data (video descriptions, comments) via manual and / or automatic content and/or network analysis. A special emphasis can be put on the content of the comments, or the structure of communication and group dynamics.
Alexa. (2018). The top 500 sites on the web. Retrieved from www.alexa.com/topsites
Oliver, J. E. & Wood, T. J. (2014). Conspiracy Theories and the Paranoid Style(s) of Mass Opinion. American Journal of Political Science, 58(4), 952-966.
Sunstein, C. R. & Vermeule, A. (2009). Conspiracy Theories: Causes and Cures. Journal of Political Philosophy, 17(2), 202-227.
Wood, M. J., Douglas, K. M., & Sutton, R. M. (2012). Dead and Alive. Social Psychological and Personality Science, 3(6), 767–773. doi.org/10.1177/1948550611434786
Interpersonal relationships are exchange-based and able to provide valuable forms of “social currency” (Tardy, 1985) including emotional support (e.g.comfort), instrumental support (e.g. tangible tasks), and informational support. Social media are nowadays used not only to gather information, connect, and make new friends but also to publicly express griefs or frustrations regarding personal or professional events (Lee, 2011). Thus, the exchange of social support is nowadays increasingly organized via social media platforms (e.g. Facebook, Twitter, Youtube or Reddit). While there are numerous studies on social support exchange in Facebook, other platforms are neglected so far. In the master thesis students are welcome to conduct a study on the topic in Reddit or YouTube.
Barrera, M. (1986). Distinctions between social support concepts, measures, and models. American Journal of Community Psychology, 14(4), 413-445. http://dx.doi.org/10.1007/BF00922627
Lee, C. S. (2011). Exploring emotional expressions on YouTube through the lens of media system dependency theory. New media & society, 14, 457-475. doi:0.1177/1461444811419829
Mo, P. K., & Coulson, N. S. (2008). Exploring the Communication of Social Support within Virtual Communities: A Content Analysis of Messages Posted to an Online HIV/AIDS Support Group. Cyberpsychology & Behavior,11(3), 371-374. doi:10.1089/cpb.2007.0118
Tardy, C. H. (1985). Social support measurement. American journal of community psychology, 13(2), 187-202.
Wang, Y.-C., Kraut, R. E., Levine, J. M. (2015). Eliciting and Receiving Online Support: Using Computer-Aided Content Analysis to Examine the Dynamics of Online Social Support. Journal of Medical Internet Research 17(4).
Comparative studies in media and communication science involve the comparison of at least two cultures (or countries, nations, systems etc), with respect to one or more phenomena relevant to the field of communication (Esser & Hanitzsch, 2012). It aims to reach conclusions beyond single cases and explains differences and commonalities between multiple units of comparison (Esser, 2013). From a methodological perspective, ensuring the comparability between the research objects is the key the guarantee the validity and fairness of research results (Esser & Vliegenthart, 2017). In this regard, computational methods offers vast amount of opportunities, facilitating the analysis of diverse cultural factors (e.g., languages) and enabling the management of large volumes of data originating from various contexts.
In this master’s thesis framework, students are expected to compare at least two objects of analysis with using computational methods. While the sources of research data are not strictly limited, digital and social media are recommended due to their accessibility. Replication of existing studies are encouraged.
Esser, F. (2013). The emerging paradigm of comparative communication enquiry: Advancing cross-national research in times of globalization. International Journal of Communication, 7, 113-128.
Esser, F., & Hanitzsch, T. (2013). On the why and how of comparative inquiry in communication studies. In The handbook of comparative communication research (pp. 3-22). Routledge.
Esser, F., & Vliegenthart, R. (2017). Comparative research methods. The international encyclopedia of communication research methods, 1-22.
Replication option: Ylä-Anttila, T., Eranti, V., & Kukkonen, A. (2022). Topic modeling for frame analysis: A study of media debates on climate change in India and USA. Global Media and Communication, 18(1), 91-112.
Bibliometric studies use quantitative and computational methods to access the scientific literature; common research practices in bibliometrics include identifying research trends, key authors, high-impact papers, and emerging topics within a particular research area (Glanzel, 2003). The goal of this research is to provide insight into the evolution and development of a selected research area (or journal(s), conference(s), etc.) by assessing its research productivity, collaboration, and impact (Glanzel, 2003). Research data is often retrieved from academic databases such as Web of Science, Scopus, etc. Students are expected to analyze bibliometric data using R (e.g., bibliometrix), Python (e.g., pyBibX), or other software tools (e.g., VOSviewer, CiteSpace, etc.) and contribute to the understanding of academic knowledge production and its interconnections.
Glanzel, W. (2003). Bibliometrics as a research field a course on theory and application of bibliometric indicators.
Further reading about bibliometric studies:
What is and how to conduct bibliometric analysis: Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of business research, 133, 285-296.
Bibliometric analysis through R: https://www.bibliometrix.org/home/
Example paper of bibliometric analysis in media and communication science: Rejeb, A., Rejeb, K., Abdollahi, A., & Treiblmaier, H. (2022). The big picture on Instagram research: Insights from a bibliometric analysis. Telematics and Informatics, 73, 101876.
The main goal of a prospective replication on Shapiro and Park (2015) is to replicate the tables 1, 2, and 3. Thus, students would conduct a partly but systematic replication. Further, research questions and a clear methodological procedure have to be worked out as they are not clearly outlined in the original paper. In general, the task would be to give a recent justification of the topic's importance, to deduce clear research questions, to adapt the methodological approach (the descriptive analysis, manual content analysis, and analysis of most frequent terms), and to replicate the aforementioned result tables.
Source:
Shapiro, M. A., & Park, H. W. (2015). More than entertainment: YouTube and public responses to the science of global warming and climate change. Social Science Information, 54(1), 115–145. https://doi.org/10.1177/0539018414554730
Students are asked to conduct a systematic replication of Donzelli et al. (2018) by putting it in another context (e.g. through a different sampling approach that changes the country/language or the time period or the amount of videos to code) and/or through a justified change of the original measurement tools (e.g. adding categories, refining categories, changing categories overall, etc.). This includes: a justification of the topic's relevance; an adaptation of the research questions; an adaptation/transformation of the methods and coding procedure; conducting descriptive analysis as well as a one-way ANOVA and a Chi-Square analysis. The goal is to replicate the entire study by following the workflow of the original authors.
Source:
Donzelli, G., Palomba, G., Federigi, I., Aquino, F., Cioni, L., Verani, M., Carducci, A., & Lopalco, P. (2018). Misinformation on vaccination: A quantitative analysis of YouTube videos. Human Vaccines & Immunotherapeutics, 14(7), 1654-1659. https://doi.org/10.1080/21645515.2018.1454572
AI-generated content presents a growing challenge for users, as distinguishing between misinformation and accurate information becomes increasingly difficult (Ahmed, 2023; Makhortykh, 2024). This master's thesis aims to investigate the susceptibility of AI models, such as ChatGPT and DALL-E, to misinformation. Data will be collected through targeted and varied prompts addressing selected topics, generating text or image outputs from the models. These outputs will be analyzed to compare the models' reactions to misinformation content.
The AI-generated responses will be evaluated using methods such as manual content analysis, topic modeling, or similarity analysis to assess their susceptibility to disinformation and their capacity to identify and label misinformation accurately. Additionally, the study will examine whether biases in information processing influence the reliability and quality of the generated responses (Kuznetsova et al., 2023). This analysis seeks to provide insights into the limitations and potential risks associated with the use of AI models in contexts where misinformation is prevalent.
Ahmed, S. (2023). Navigating the maze: Deepfakes, cognitive ability, and social media news skepticism. New Media & Society, 25(5), 1108–1129.
Kuznetsova, E., Makhortykh, M., Vziatysheva, V., Stolze, M., Baghumyan, A., & Urman, A. (2023). In Generative AI we Trust: Can Chatbots Effectively Verify Political Information? arXiv. arxiv.org/abs/2312.13096
Makhortykh, M., Sydorova, M., Baghumyan, A., Vziatysheva, V., & Kuznetsova, E. (2024). Stochastic lies: How LLM-powered chatbots deal with Russian disinformation about the war in Ukraine. Harvard Kennedy School Misinformation Review. doi.org/10.37016/mr-2020-154
AI-generated content has the potential to perpetuate or amplify gender stereotypes about politicians (Bai et al., 2024; Zhao et al., 2024), which are already prevalent in traditional media content (Andrich & Domahidi, 2023). This master's thesis aims to analyze AI-generated statements about political actors on specific political topics, using predefined prompts for prominent female and male politicians in selected countries.
The generated text or image outputs will be collected and compared across different AI models. These outputs will be evaluated for susceptibility to gender stereotypes through methods such as manual content analysis, topic modeling, or similarity analysis. The study will also investigate whether biases in the information processing of AI models influence the reliability and quality of the generated responses (Kuznetsova et al., 2023). This research seeks to provide insights into the role of AI in shaping and potentially reinforcing gender biases in political discourse.
Andrich, A., & Domahidi, E. (2023). Still facing the ‘paper ceiling’? Exploring gender differences in political news coverage of the last decade. Journalism, 0(0). doi.org/10.1177/14648849231215194
Bai, X., Wang, A., Sucholutsky, I., & Griffiths, T. L. (2024). Measuring implicit bias in explicitly unbiased large language models. arXiv preprint arXiv:2402.04105.
Makhortykh, M., Sydorova, M., Baghumyan, A., Vziatysheva, V., & Kuznetsova, E. (2024). Stochastic lies: How LLM-powered chatbots deal with Russian disinformation about the war in Ukraine. Harvard Kennedy School Misinformation Review. doi.org/10.37016/mr-2020-154
Kuznetsova, E., Makhortykh, M., Vziatysheva, V., Stolze, M., Baghumyan, A., & Urman, A. (2023). In Generative AI we Trust: Can Chatbots Effectively Verify Politi
Zhao, J., Ding, Y., Jia, C., Wang, Y., & Qian, Z. (2024). Gender Bias in Large Language Models across Multiple Languages. arXiv preprint arXiv:2403.00277.
Mental health (MH) is defined as "a state of mental well-being that enables people to cope with the stresses of life, realize their abilities, learn well and work well, and contribute to their community. It is an integral component of health [...] and more than the absence of mental disorders. It exists on a complex continuum, which is experienced differently from one person to the next, with varying degrees of difficulty and distress and potentially very different social and clinical outcomes” (WHO, 2022).
Given its societal importance, MH and strategies for its improvement are widely discussed on social media. Self-proclaimed experts on platforms like Instagram or TikTok frequently share content on well-being, mindfulness, and awareness, often promoting themselves or their products. With the growing use of digital media in daily life (Beisch & Koch, 2022), such content can significantly influence public behavior and perceptions.
This master's thesis aims to investigate the "well-being" trend through network or content analysis. Relevant influencers on platforms like YouTube, Instagram, or TikTok can be identified and their content systematically analyzed to explore the themes and impacts of their messaging.
Allem, J.-P. (2024). The Need for Research on the Wellness Industry's Impact on Health Decisions. American Journal of Preventive Medicine, Volume 67, Issue 4, 627 - 630
Bak, C. M., & Priniski, J. H. (2020). Representations of health and wellness on Instagram: An analysis of 285,000 Posts. psyarxiv.com/6nxvu/download
Lawrence, S. (2022). I am not your guru: Situating digital guru media amidst the neoliberal imperative of self-health management and the ‘post-truth’society. In Digital Wellness, Health and Fitness Influencers (S. 1–15). Routledge.