Profil

Computational Communication Research

Der Forschungs- und Lehrbereich (FLB) von Prof. Haim entwickelt und verwendet Methoden der Computational Communication Science zur Erforschung digitaler Kommunikation in Demokratien. Dabei konzentrieren sich Prof. Haim und sein Team auf Forschungsfragen von gesellschaftlicher Relevanz, bei denen algorithmische Einflüsse eine Rolle spielen könnten, insbesondere in den Bereichen Journalismus, Mediennutzung sowie politische und zwischenmenschliche Kommunikation. Typische Forschungsfragen betreffen die Rolle von Intermediären (z.B. Messenger-Apps, Suchmaschinen, soziale Medien) in sich verändernden digitalen Öffentlichkeiten, algorithmische Einflüsse auf individuelle Medienpräferenzen und -wahrnehmungen oder veränderte Gewohnheiten bei der Nachrichtennutzung, dem Engagement und der individuellen Meinungsbildung. Die Anbindung an aktuelle Entwicklungen der Informatik erlaubt es dem FLB Haim außerdem, das Potenzial und die Anwendbarkeit moderner Methoden für die Medien- und Kommunikationswissenschaft zu reflektieren. Typische methodische Ansätze umfassen dabei den Einsatz von APIs, Scraping, Datenspenden oder Tracking zur Datenerhebung sowie soziale Netzwerkanalysen, computergestützte Text- und Bildanalysen, agentenbasierte Modellierung, wie auch überwachtes oder unüberwachtes maschinelles Lernen. Das Team ist darüber hinaus aktiv an der Gestaltung und Ausarbeitung zuverlässiger Standards und ethischer Normen für die Computational Communication Science beteiligt.

Ausgewählte Fragen und Publikationen, die uns beschäftigen

Wie interagieren und kollaborieren Menschen über digitale Kommunikationskanäle?

• Haim, M., Breuer, J., & Stier, S. (2021). Do news actually “find me”? Using digital behavioral data to study the news-finds-me phenomenon. Social Media + Society, 7(3). https://dx.doi.org/10.1177/20563051211033820
• Hase, V., Schäfer, M.S., Metag, J., Bischofberger, M., & Henry, L. (2022). Engaging the Public or Asking Your Friends? Analyzing Science-Related Crowdfunding Using Behavioral and Survey Data. Public Understanding of Science. https://doi.org/10.1177/09636625221113134
• Schindler, J. (2022). How Does the Internet Change Group Processes? Applying the Model of Collective Information Processing (MCIP) to Online Environments. In B. Krämer, & P. Müller (Hrsg.), Questions of Communicative Change and Continuity. In Memory of Wolfram Peiser (S. 96-117). Nomos. https://doi.org/10.5771/9783748928232

Wie kommunizieren insbesondere Journalist:innen und Politiker:innen online?

• Haim, M. (2022). The German data journalist in 2021. Journalism Practice, Advance Online Publication. https://dx.doi.org/10.1080/17512786.2022.2098523
• Hase, V., Boczek, K., & Scharkow, M. (2022). Adapting to Affordances & Audiences? A Cross-Platform, Mixed-Methods Analysis of the Platformization of News. 72st Annual Conference of the International Communication Association (ICA). 26–30. May 2022, Paris.
• Jungblut, M. & Haim, M. (2021). Visual gender stereotyping in campaign communication: Evidence on female and male candidate imagery in 28 countries. Communication Research, Advance Online Publication. https://dx.doi.org/10.1177/00936502211023333

Wie beeinflussen Algorithmen, was Menschen online sehen?

• Haim, M., Scherr, S., & Arendt, F. (2021). How search engines may help reduce drug-related suicides. Drug and Alcohol Dependence, 226(108874). https://dx.doi.org/10.1016/j.drugalcdep.2021.108874
• Schwabl, P., Haim, M., & Unkel, J. (2022). Searching for biased information? Informational strategies and algorithmic curation. Presented at the 72nd Annual Conference of the ICA, Paris, France.
• Schwabl, P., Unkel, J., Haim, M. (im Druck). Vielfalt bei Google? Vielzahl, Ausgewogenheit und Verschiedenheit wahlbezogener Suchergebnisse. In C. Holtz-Bacha (Hrsg.), Die (Massen-)Medien im Wahlkampf: Die Bundestagswahl 2021. Wiesbaden: Springer Fachmedien.

Wie verändern digitale Plattformen die Meinungsbildung?

• Arendt, F., Haim, M., & Beck, J. (2019). Fake News, Warnhinweise und perzipierter Wahrheitsgehalt: Zur unterschiedlichen Anfälligkeit für Falschmeldungen in Abhängigkeit von der politischen Orientierung. [Fake news, warning labels and perceived truth: Differential susceptibility for fake news depending on political orientation.] Publizistik, 64(2), 181-204. https://dx.doi.org/10.1007/s11616-019-00484-4
• Haim, M., Kümpel, A. S., & Brosius, H.-B. (2018). Popularity cues in online media: A review of conceptualizations, operationalizations, and general effects. Studies in Communication and Media, 7(2), 186-207. https://dx.doi.org/10.5771/2192-4007-2018-2-58
• Haim, M. & Maurus, K. (2021). Stereotypes and sexism? Effects of gender, topic, and user comments on journalists' credibility. Journalism, Advance Online Publication. https://dx.doi.org/10.1177/14648849211063994

Wie können Methoden der Informatik für die sozialwissenschaftliche Forschung nutzbar gemacht werden?

• Breuer, J., Kmetty, Z., Haim, M., & Stier, S. (2022). User-centric approaches for collecting Facebook data in the 'post-API age': Experiences from two studies and recommendations for future research. Information, Communication & Society, Advance Online Publication. https://dx.doi.org/10.1080/1369118X.2022.2097015
• Hase, V., Mahl, D., & Schäfer, M. S. (2022). Der „Computational Turn“: ein „interdisziplinärer Turn“? Ein systematischer Überblick zur Nutzung der automatisierten Inhaltsanalyse in der Journalismusforschung. Medien & Kommunikationswissenschaft, 70(1-2): 60-78. https://doi.org/10.5771/1615-634X-2022-1-2-60
• Haim, M. (2021). Gütekriterien und Handlungsempfehlungen für die Entwicklung von Forschungssoftware in der Kommunikations- und Medienwissenschaft. Medien & Kommunikationswissenschaft, 69(1), 65-79. https://dx.doi.org/10.5771/1615-634X-2021-1-65
• Haim, M. (2020). Agent-based testing: An automated approach toward artificial reactions to human behavior. Journalism Studies, 21(7), 895-911. https://dx.doi.org/10.1080/1461670x.2019.1702892
• Haim, M. & Nienierza, A. (2019). Computational observation: Challenges and opportunities of automated observation within algorithmically curated media environments using a browser plug-in. Computational Communication Research, 1(1), 79-102. https://dx.doi.org/10.5117/ccr2019.1.004.haim