IT-gestützte Früherkennung digitaler unternehmensbezogener Empörungswellen in sozialen Medien
eBook - PDF

IT-gestützte Früherkennung digitaler unternehmensbezogener Empörungswellen in sozialen Medien

,
  1. 414 Seiten
  2. German
  3. PDF
  4. Über iOS und Android verfügbar
eBook - PDF

IT-gestützte Früherkennung digitaler unternehmensbezogener Empörungswellen in sozialen Medien

,

Über dieses Buch

Die Dissertation befasst sich mit der Fragestellung, wie Daten aus sozialen Medien erhoben, vorverarbeitet und vorbereitet werden müssen, um diese zum Trainieren von maschinellen Lernmodellen zu nutzen und somit Empörungswellen frühzeitig zu erkennen. Empörungswellen (ugs. Shitstorms) stellen Situationen dar, die im Unternehmenskontext Krisen auslösen können, bei denen spontan, aber zeitlich begrenzt eine überdurchschnittlich hohe Anzahl negativer, medialer Beiträge gegenüber einem Betroffenen verfasst werden. Für das Vorhaben werden Twitterdaten vergangener Empörungswellen erhoben und hieraus Empörungswellenmerkmale für das Training maschineller Lernmodelle abgeleitet. Die Modelle werden anschließend in einem Softwareartefakt genutzt, um einerseits Empörungswellen IT gestützt zu erkennen und involvierte Unternehmen sowie Agenturen zu warnen und um andererseits die zugrunde liegenden Daten für Experten sozialer Medien inhaltlich interpretierbar aufzubereiten. Schlussendlich werden Experteninterviews zur Eignung und zum Nutzen des Artefakts durchgeführt und Designprinzipien für das Erkennen von und Warnen vor Empörungswellen sowie zum Aufbereiten der zugrunde liegenden Daten abgeleitet, um die Ergebnisse für soziale Medien, die auf Beiträgen in Textform basieren, zu verallgemeinern.

Häufig gestellte Fragen

Ja, du kannst dein Abo jederzeit über den Tab Abo in deinen Kontoeinstellungen auf der Perlego-Website kündigen. Dein Abo bleibt bis zum Ende deines aktuellen Abrechnungszeitraums aktiv. Erfahre, wie du dein Abo kündigen kannst.
Derzeit stehen all unsere auf mobile Endgeräte reagierenden ePub-Bücher zum Download über die App zur Verfügung. Die meisten unserer PDFs stehen ebenfalls zum Download bereit; wir arbeiten daran, auch die übrigen PDFs zum Download anzubieten, bei denen dies aktuell noch nicht möglich ist. Weitere Informationen hier.
Perlego bietet zwei Pläne an: Elementar and Erweitert
  • Elementar ist ideal für Lernende und Interessierte, die gerne eine Vielzahl von Themen erkunden. Greife auf die Elementar-Bibliothek mit über 800.000 professionellen Titeln und Bestsellern aus den Bereichen Wirtschaft, Persönlichkeitsentwicklung und Geisteswissenschaften zu. Mit unbegrenzter Lesezeit und Standard-Vorlesefunktion.
  • Erweitert: Perfekt für Fortgeschrittene Studenten und Akademiker, die uneingeschränkten Zugriff benötigen. Schalte über 1,4 Mio. Bücher in Hunderten von Fachgebieten frei. Der Erweitert-Plan enthält außerdem fortgeschrittene Funktionen wie Premium Read Aloud und Research Assistant.
Beide Pläne können monatlich, alle 4 Monate oder jährlich abgerechnet werden.
Wir sind ein Online-Abodienst für Lehrbücher, bei dem du für weniger als den Preis eines einzelnen Buches pro Monat Zugang zu einer ganzen Online-Bibliothek erhältst. Mit über 1 Million Büchern zu über 1.000 verschiedenen Themen haben wir bestimmt alles, was du brauchst! Weitere Informationen hier.
Achte auf das Symbol zum Vorlesen in deinem nächsten Buch, um zu sehen, ob du es dir auch anhören kannst. Bei diesem Tool wird dir Text laut vorgelesen, wobei der Text beim Vorlesen auch grafisch hervorgehoben wird. Du kannst das Vorlesen jederzeit anhalten, beschleunigen und verlangsamen. Weitere Informationen hier.
Ja! Du kannst die Perlego-App sowohl auf iOS- als auch auf Android-Geräten verwenden, um jederzeit und überall zu lesen – sogar offline. Perfekt für den Weg zur Arbeit oder wenn du unterwegs bist.
Bitte beachte, dass wir keine Geräte unterstützen können, die mit iOS 13 oder Android 7 oder früheren Versionen laufen. Lerne mehr über die Nutzung der App.
Ja, du hast Zugang zu IT-gestützte Früherkennung digitaler unternehmensbezogener Empörungswellen in sozialen Medien von im PDF- und/oder ePub-Format. Aus unserem Katalog stehen dir über 1 Million Bücher zur Verfügung.

Information

Verlag
Cuvillier Verlag
Jahr
2022
ISBN drucken
9783736975682
eBook-ISBN:
9783736975682
Auflage
1

Inhaltsverzeichnis

  1. Abbildungsverzeichnis
  2. Formelverzeichnis
  3. Tabellenverzeichnis
  4. Abkürzungsverzeichnis
  5. 1 Einleitung
  6. 1.1 Motivation und Problemstellung
  7. 1.2 Zielsetzung und Forschungsfragen
  8. 1.3 Positionierung und Forschungsmethodik
  9. 1.4 Aufbau des Forschungsvorhabens
  10. 2 Grundlagen
  11. 2.1 Krise und Krisenphasen
  12. 2.2 Soziale Medien und Massenmedien
  13. 2.3 Informationsdiffusion
  14. 2.4 Digitale unternehmensbezogene Empörungswellen
  15. 3 Aktueller Erkenntnisstand im Bereich digitaler unternehmensbezogener Empörungswellen
  16. 3.1 Vorüberlegungen und Untersuchungsdesign
  17. 3.2 Ergebnisse zum aktuellen Erkenntnisstand
  18. 3.3 Zwischenfazit und Forschungslücken
  19. 3.4 Theoriebasierte Lösungsansätze und Forschungsfragen
  20. 3.5 Grundsatzentscheidungen zum Forschungsvorhaben
  21. 4 Merkmale digitaler unternehmensbezogener Empörungswellen
  22. 4.1 Literaturbasierte Ergebnisse zu Merkmalen digitaler unternehmensbezogener Empörungswellen
  23. 4.2 Fallstudienbasierte Ergebnisse zu Merkmalen digitaler unternehmensbezogenerEmpörungswellen
  24. 4.3 Statistisch signifikante Merkmale zum Früherkennen digitaler unternehmensbezogenerEmpörungswellen
  25. 5 Maschinelles Lernen zum Erkennen digitaler unternehmensbezogenerEmpörungswellen
  26. 5.1 Vorüberlegungen und Untersuchungsdesign
  27. 5.2 Ergebnisse der trainierten, maschinellen Lernmodelle
  28. 5.3 Anpassen der Parameter der trainierten, maschinellen Lernmodelle
  29. 5.4 Evaluieren der angepassten und trainierten, maschinellen Lernmodelle
  30. 5.5 Unterteilen der Ergebnisse der angepassten und trainierten, maschinellen Lernmodelle
  31. 6 Softwareartefakt zum Früherkennen von und Warnen vor digitalen unternehmensbezogenenEmpörungswellen
  32. 6.1 Vorüberlegungen zur Entwicklung und Evaluation
  33. 6.2 Anforderungsanalyse des Shitstormerkennungs- und -warnsystems
  34. 6.3 Konzeption des Shitstormerkennungs- und -warnsystems
  35. 6.4 Implementation des Shitstormerkennungs- und -warnsystems
  36. 6.5 Evaluation des Shitstormerkennungs- und -warnsystems
  37. 6.6 Komponentenmodell mit Designprinzipien zum Früherkennen von und Warnen vordigitalen unternehmensbezogenen Empörungswellen
  38. 6.7 Implementationsprinzipien zum IT-gestützten Früherkennen von und Warnen vor digitalenunternehmensbezogenen Empörungswellen in primär beitragsbasierten sozialenMedien
  39. 7 Schlussbetrachtung
  40. 7.1 Zentrale Ergebnisse des Forschungsvorhabens
  41. 7.2 Implikationen für Wissenschaft und Praxis
  42. 7.3 Limitationen und weiterer Forschungsbedarf
  43. Anhangsverzeichnis
  44. Literaturverzeichnis