Digitale Datenspuren nutzbar machen

Datenspenden als Methode der Kommunikationswissenschaft

Sitzung 3️⃣: Einführung: Datenspenden

Valerie Hase (Ludwig-Maximilians-Universität München)

👉 github.com/valeriehase & valerie-hase.com

1) Was sind Datenspende-Studien?

image of lupe

Quelle: Foto von Markus Winkler auf Unsplash

Wer von euch hat - im Vorfeld dieses Workshops - schon einmal die eigenen Daten von einer digitalen Plattform angefragt? 🤔

Was sind Datenspende-Studien?

Definition 💡: Datenspende-Studien sind eine nutzerzentrierte Methode zur Sammlung von Daten:

  • Nutzende haben das Recht, Daten, die Plattformen über sie sammeln, anzufragen und herunterladen.
  • Sie können ihre Datenpakete (DDPs) via Datenspende-Tools (DDTs), oft im Rahmen von Umfragen, der Wissenschaft zur Verfügung stellen.
  • Forschende nutzen CSS-Methoden zur Filterung, Anonymisierung und Analyse dieser Daten.

Was für Daten enthalten “DDPs”?

Für klassische soziale Medien wie Facebook, Instagram oder Youtube z. B.

  • digitale Nutzerprofile (soziodemografische Angaben, Privatsphäre-Einstellungen)
  • digitale Aktivitäten (Freunde, Likes, Suchen, Privatnachrichten, passive Nutzung)
  • digitales Targeting (Werbung, algorithmische inferierte Interessen)
  • analoge Aktivitäten (Teilnahme an Events, Lebensereignisse)

Beispiel I

Beispiel-Studie mit Smartphone-Datenspenden (Wu-Ouyang & Chan, 2022, S. 10)

regression showing correlation between logged social media use and well-being

Quelle: Wu-Ouyang & Chan, 2022, S. 10

Beispiel II

Beispiel-Studie mit Instagram-Datenspenden (Driel et al., 2022, S. 273)

data donation showing how teenagers use instagram

Quelle: van Driel et al., 2022, S. 273

Beispiel III

Beispiel-Studie mit Social-Media-Datenspenden

null models indicating average news engagement

Hase & Haim, under review

Was ist neu an Daten aus DDPs?

Im Vergleich zu Daten via APIs (Haim & Hase, 2023; Ohme et al., 2023) z.B.

  • Kontrolle & informierte Einwilligung der Nutzer:innen, welche Daten Forschung nutzen darf
  • z.T. vollständige längsschnittliche Daten ohne “Rate Limits” (z.B. seit erstmaliger Nutzung von Accounts)
  • z.T. neue Daten (z.B., wenn auch selten, passive Nutzung; nicht-öffentliche Daten wie Nachrichten)

Was ist neu an Daten aus DDPs?

Im Vergleich zu Daten via Tracking (Haim & Hase, 2023; Ohme et al., 2023) z.B.

  • retrospektive Erhebung, die längsschnittliche Daten und weniger Reaktivität ermöglicht
  • z.T. neue Daten (z.B. algorithmische Inferenzen)
  • klarere Verankerung in EU-Recht im Vgl. zu Rechtsstreitigkeiten bei z.B. Tracking (Edelson & McCoy, 2021)
  • aber: ähnlich aufwendig für Befragte!

Zusammenfassung: Datenspenden 📚

  • Zusammenfassung: Methode zur Sammlung digitaler Verhaltensdaten, bei der Nutzende ihre Datenpakete (DDPs) von Plattformen herunterladen und via Datenspende-Tools (DDTs) der Wissenschaft zur Verfügung stellen.

  • Weiterführende Literatur:

    • Driel et al. (2022)

    • Boeschoten et al. (2022)

Fragen? 🤔

Quellen

Digitale Datenspuren - JoFo/Wisskomm DGPuK 2023 - Valerie Hase

Boeschoten, L., Mendrik, A., Van Der Veen, E., Vloothuis, J., Hu, H., Voorvaart, R., & Oberski, D. L. (2022). Privacy-preserving local analysis of digital trace data: A proof-of-concept. Patterns, 3(3), 100444. https://doi.org/10.1016/j.patter.2022.100444
Driel, I. I. van, Giachanou, A., Pouwels, J. L., Boeschoten, L., Beyens, I., & Valkenburg, P. M. (2022). Promises and Pitfalls of Social Media Data Donations. Communication Methods and Measures, 1–17. https://doi.org/10.1080/19312458.2022.2109608
Edelson, L., & McCoy, D. (2021). Facebook is obstructing our work on disinformation. Other researchers could be next. The Guardian. https://www.theguardian.com/technology/2021/aug/14/facebook-research-disinformation-politics
Haim, M., & Hase, V. (2023). Computational Methods und Tools für die Erhebung und Auswertung von Social-Media-Daten. In S. Stollfuß, L. Niebling, & F. Raczkowski (Eds.), Handbuch Digitale Medien und Methoden (pp. 1–20). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-36629-2_41-1
Ohme, J., Araujo, T., Boeschoten, L., Freelon, D., Ram, N., Reeves, B. B., & Robinson, T. N. (2023). Digital Trace Data Collection for Social Media Effects Research: APIs, Data Donation, and (Screen) Tracking. Communication Methods and Measures. https://doi.org/10.1080/19312458.2023.2181319
Wu-Ouyang, B., & Chan, M. (2022). Overestimating or underestimating communication findings? Comparing self-reported with log mobile data by data donation method. Mobile Media & Communication, 205015792211371. https://doi.org/10.1177/20501579221137162