News

Neue Publikation zur Kompetenzbewertung anhand von bild- und textbasierten Hinweisen in LinkedIn in Media Psychology erschienen

Soziale Netzwerke für den professionellen Kontext, wie z. B. LinkedIn, erfreuen sich einer zunehmenden Popularität und spielen bei der Kompetenzbewertung von Bewerber*innen für einen Job eine wichtige Rolle.

Die Darstellung von Bewerber*innen in ihren LinkedIn Profilen erfolgt durch selbst erstellte bild- und textbasierte Informationen. Beide Informationen werden in den LinkedIn Profilen zusammen gezeigt und beide können die Bewertung der Expertise beeinflussen. In dieser interdisziplinären Arbeit zwischen der Kommunikationswissenschaft und Psychologie haben wir die Kompetenzbewertung von Bewerber*innen anhand von selbst generierten textuellen und bildlichen Hinweisen in LinkedIn Profilen systematisch analysiert. Die Ergebnisse von drei Experimenten zeigten ein textuelles Primat bei der Kompetenzbewertung, da die Textexpertise unabhängig von der Bildexpertise entscheidend war. Allerdings war die Bildexpertise bei hoher Textexpertise besonders wichtig. Platzhalter führten immer zu mehr negativen Urteilen als Bilder mit hoher Expertise und hatten manchmal sogar den gleichen Effekt wie Bilder mit niedriger Expertise. Abschließend diskutieren wir Implikationen für die Theoriebildung und praktische Konsequenzen für die Selbstpräsentation in LinkedIn.

 

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, DOI: 10.1080/15213269.2021.1927104

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

Wilms, L., Gerl, K., Stoll, A., & Ziegele, M.(2024).Technology acceptance and transparency demands for toxic language classification – interviews with moderators of public online discussion fora.Human–Computer Interaction.https://doi.org/10.1080/07370024.2024.2307610

Andrich, A., Weidner, F., & Broll, W. (2023). Zeitgebers, Time Judgments, and VR: A Constructive Replication Study. 2023 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct) (pp. 1-2). IEEE. https://doi.org/10.1109/ISMAR-Adjunct60411.2023.00007

Haim, M., Hase, V., Schindler, J., Bachl, M., & Domahidi, E. (2023). Editorial to the Special Issue:(Re) Establishing quality criteria for content analysis: A critical perspective on the field’s core method. SCM Studies in Communication and Media, 12(4), 277-288. https://doi.org/10.5771/2192-4007-2023-4-277

Binder, A., Matthes, J., Domahidi, E., & Bachl, M. (2023). Moving from Offline to Online: How COVID-19 Affected Research in the Social and Behavioral Sciences. American Behavioral Scientist, 0(0). https://doi.org/10.1177/00027642231205761

Jost, P., Heft, A., Buehling, K., Zehring, M., Schulze, H., Bitzmann, H., & Domahidi, E. (2023). Mapping a Dark Space: Challenges in Sampling and Classifying Non- Institutionalized Actors on Telegram. Medien & Kommunikationswissenschaft, 71(3–4), 212–229. https://doi.org/10.5771/1615-634X-2023-3-4-212

 
iStockphoto