nr17

Ob Datenquellen, Werkzeuge oder Methoden: Zwischen Datenjournalismus und Wissenschaft gibt es viele Schnittmengen. In diesem Panel zeigen Forscher, wie sie komplexe Datensätze auswerten, welche Erkenntnisse sie daraus ziehen und was Journalisten davon lernen können.

Kai Polsterer: Analysen mit unsicheren Faktoren

Probabilistische Methoden und Problembeschreibungen sind aktueller Bestandteil der Forschung im Bereich Astroinformatik. Diese erlauben es, die Unsicherheiten mit denen Ergebnisse behaftet sind, besser zu beschreiben und zu quantifizieren. Anwendungen im Bereich maschinelles Lernen sind durch entsprechende Erweiterungen oder Neuformulierungen in der Lage, Aussagen mit Wahrscheinlichkeiten zu versehen und somit eine bessere Analyse durchzuführen. Der Vortrag stellt exemplarisch einige dieser Methodiken sowie entsprechende Evaluierungswerkzeuge vor und zeigt wie sich diese Methodiken auch auf andere Bereiche anwenden lassen.

Meik Bittkowski: Neue Projekte im SMC Lab

Das SMC Lab ist das Datenlabor des Science Media Center und hat zum Ziel, Software und Services für die Redaktion des SMC und die journalistische Community zu entwickeln, um diese u.a. dabei zu unterstützen, neue Experten zu identifizieren, fremde Themengebieten zu kartographieren oder frühzeitig Trends in der Wissenschaft zu erkennen. Dabei kommen auch Algorithmen aus der künstlichen Intelligenz zum Einsatz, insbesondere maschinelle Lernverfahren und statistische Methoden zur Verarbeitung von natürlicher Sprache.

Der Vortrag wird eine Übersicht über die aktuellen Entwicklungen im SMC Lab geben und beispielhaft vor Augen führen, mit welchen Schwierigkeiten man umgehen muss, wenn man Verfahren aus der akademischen Forschung anwenden möchte – selbst dann, wenn man sich dank guter offener Software-Bibliotheken um die eigentliche Implementierung nicht mehr kümmern muss.

Michael Strube: The Dark Side of NLP – Computerlinguistik zwischen gesellschaftlichem Nutzen und Schaden

Computerlinguistische Produkte haben Einzug in unseren Alltag gefunden und sind allgegenwärtig. Nahezu unbemerkt von Forschern und Öffentlichkeit hat sich die Computerlinguistik von einem Nischenfach zu einer Wissenschaft mit großer gesellschaftlicher Relevanz entwickelt. Neben den unbestreitbaren Vorteilen für Kommunikation und Information führt dies auch zu Problemen. Ich mache darauf aufmerksam, dass computerlinguistische Forschung durch ihre Stärke in der Analyse unstrukturierter Daten großes Potential für die Überwachung besitzt. Umso problematischer ist, dass Computerlinguistik eng mit maschinellem Lernen verwoben ist, dessen unreflektierte Anwendung Vorurteile gegenüber Minderheiten verstärkt.