Jahrestagung der Fachgruppe Frauen und Informatik: 20.-22.04.2018

News from Mar 19, 2018

Vom 20.-22.04.2018 findet das jährliche Fachgruppentreffen der Fachgruppe Frauen und Informatik der Gesellschaft für Informatik in Berlin statt. Willkommen sind insbesondere auch Studentinnen aller Informatik-nahen Fächer sowie aus Informatik-Ausbildungsberufen.

Fokusthemen sind Data Science und Digitale Transformation. Mehr Informationen zur Tagung und zur Anmeldung sind hier zu finden.

Claudia Müller-Birn wird im Rahmen der Tagung einen Vortrag zum Thema Human-Centered Data Science und den Prinzipien der "Trace Ethnography" halten.

Abstract

In den letzten Jahren hat sich Machine Learning rasant weiterentwickelt und es haben sich damit neue Chancen in einer Vielzahl von gesellschaftlichen, wissenschaftlichen und technologischen Bereichen eröffnet. Aus den Erfahrungen der letzten Jahre kristallisiert sich aber zunehmend heraus, dass die Konzentration auf rein statistische und numerische Aspekte bei der Datenanalyse es verfehlt, soziale Nuancen zu erfassen oder ethische Kriterien zu berücksichtigen. Das Forschungsgebiet Human-Centered Data Science schließt diese Lücke an dem Schnittpunkt zwischen Mensch-Maschine-Interaktion (HCI), Computergestütztes kooperatives Arbeiten (CSCW), Human Computation und den statistischen und numerischen Techniken der Data Science. Im Rahmen des Vortrags werde ich anhand eines aktuellen Beispiels aus meinem Forschungsgebiet Human-Computer Collaboration aufzeigen, wie rein quantitative Forschungsergebnisse gerade bei der Betrachtung von sozio-technischen Systemen zu kurz greifen. Ich werde in meiner Diskussion insbesondere auf die Prinzipien der “Trace Ethnography” eingehen, die darauf beruht, dass ein_e Forscher_in lernt, Log-Daten als Teil der gelebten und gelernten Erfahrung einer Gemeinschaft zu interpretieren. Als Ergebnis werde ich neben den Erkenntnissen aus der Fallstudie darstellen, welche nächsten Schritte (in Forschung und Ausbildung) unternommen werden müssen, um eine Human-Centered Data Science zu ermöglichen.

78 / 100