Social Computing
Social Computing

SOCIAL COMPUTING –
WENN WISSEN "SOCIAL" WIRD

Porträt von Elisabeth Lex Kontakt E-Mail
senden
Elisabeth Lex Area Head
Porträt von Sebastian Dennerlein Kontakt E-Mail
senden
Sebastian Dennerlein Deputy Area Head
Kontaktieren Sie uns

Soziale Netzwerke und Medien wie Facebook, Twitter & Co. prägen unsere Kommunikation und unseren Wissensaustausch mehr denn je. Im Bereich "Social Computing" setzen wir uns mit der Fragestellung auseinander, welchen zusätzlichen Nutzen und Mehrwert diese Formate für Unternehmen und Institutionen bieten. Das Themenfeld Social Computing beschäftigt sich mit der Fragestellung rund um das Thema Wissensextraktion, Konstruktion und Verwertung von Sozialen Netzwerkdaten mit dem Ziel relevante Informationen für Unternehmen und deren Nutzer bereitzustellen.

Unser Ziel ist es, die Ressourcen des digitalen Zeitalters für Menschen nutzbar zu machen.
Methoden und Anwendungen

Webshops bei denen die Produkte ihre Käufer „finden“ oder relevante Informationen über ein bestimmtes Themengebiet, die von einer Community schnell und unkompliziert bereitgestellt werden – dank der Analyse und sinnvollen Bereitstellung von Informationen aus sozialen Netzwerken wird aus unseren Interaktionen nutzbares Wissen für eine Vielzahl an spannenden Anwendungsfällen. Im Bereich „Social Computing“ beschäftigen wir uns intensiv mit Fragestellung rund um die Generierung von Wissen aus Sozialen Netzwerk Daten. Etwa: Wie können Inhalte über soziale Medien bestmöglich verbreitet werden, wie können User sinnvoll klassifiziert werden, wie lassen sich Events sinnvoll vorhersagen, und wie vertrauenswürdig sind soziale Medien? Aus diesen Herausforderungen leiten sich unsere Services, wie beispielsweise Crowd basierende Empfehlungssysteme, Experten-Suche, Trend Detektion oder Social-Media-Marketing-Kampagnen ab.

Konkret geht es also immer darum, gesammelte Informationen und Wissen aus sozialen Netzwerken oder Medien zu verwenden, um daraus einen Mehrwert für Unternehmen und Nutzer zu generieren. Dazu verwenden wir Methoden aus dem Bereich Collaborative Filtering, um kundenspezifische Recommendation Services zur Verfügung zu stellen. Wir wenden Social Network Analysis Methoden an um Interaktionen zu analysieren und Experten bzw. Influencer zu finden, oder Communities zu detektieren und Predicitive Modelling Methoden zur Analyse von Trends. Mittels Methoden aus dem Bereich Data Mining und Machine Learning, Social Network Analysis, und Web Science forschen wir an neuartigen Ansätzen zur Bestimmung der Qualität von sozialen Inhalten.

 

GRUNDLAGENFORSCHUNG

Bei all den Lösungen, die wir für und mit unseren Unternehmens- und Projektpartner entwickeln, kommt aber natürlich auch die Grundlagenforschung nicht zu kurz. Aktuell arbeiten wir an zwei EU-Projekten, die die Generierung und das Verknüpfung von Wissen aus unterschiedlichen Quellen und die optimale Aufbereitung und strukturierte Bereitstellung dieses Wissens vor allem im Gesundheitssektor unterstützen sollen. Hier fließt beispielsweise unser jahrelanges Know-how im Bereich Social Network Analysis, User Modeling, Predictive Modeling und Social System Design und Development ein, um für den User eine neuartige Wissensumgebung zu schaffen, in der Informationen nicht nur sozial ausgetauscht, sondern diese ihren Weg automatisch zu relevanten Personen finden. Das Thema Informationsqualität ist hier besonders wichtig, speziell, wenn es sich um webbasierte Quellen handelt, die der Entscheidungsfindung dienen sollen. Dazu forschen wir in einem FP7 Marie Curie IRSES Projekt, das internationale ForscherInnen im Rahmen gemeinsamer Forschungsaufenthalte an renommierten Universitäten zusammenbringt,
um die Forschung im Bereich Informationsqualität voranzutreiben. Hier entwickeln wir Methoden, um User dabei zu unterstützen, die riesigen Mengen an Informationen im Social Web nach ihrem persönlichen Qualitätsbedürfnis zu filtern. Zum Thema Science 2.0 forschen wir an Methoden, Informationsaustausch und Kollaboration zwischen WissenschaftlerInnen über unterschiedliche Disziplinen hinweg bestmöglich zu unterstützen. Hier arbeiten wir beispielsweise daran, für ForscherInnen Wissensumgebungen zu schaffen, die einen neuartigen Zugang zu Forschungsfeldern anbieten und Kollaboration fördern.

Projekte

  • Blanc Noir

    Für die Grazer Agentur Blanc Noir etwa arbeiten wir an einem Empfehlungssystem, das dem User auf Basis von Big Data zielgenau und maßgeschneidert Produkte oder Werbung liefert – und zwar nur jene, die ihn unter Berücksichtigung seiner sozialen Interaktion auch interessieren. „Dadurch können wir Kunden von Webshops oder Internetplattformen gezielt ansprechen, ihnen personalisierte Informationen zur Verfügung stellen und somit das „Erlebnis“ Internet-Shopping auf eine neue Stufe heben“, erklärt Stefan Kahr, Geschäftsführer von Blanc Noir.

  • Exthex

    Für das steirische Unternehmen Exthex entwickeln wir beispielsweise gerade neuartige Social Media Marketing Methoden, um die Kundenbindung an deren Produkte zu erhöhen. In diesem Kontext entwickeln wir nicht nur Marketing Strategien, basierend auf sozialer Netzwerk Analyse, sondern auch neuartige Vorschlagsmechanismen und Algorithmen, die in dieser Domäne zum Tragen kommen.

  • Organic Lingua

    Im Projekt Organic Lingua wird die Wissenskonstruktion und -strukturierung durch Anreicherung von Ressourcen mit Metadaten erweitert, um so den Austausch und die Bereitstellung von Wissen für die biologische Landwirtschaft zu erleichtern. In diesem Kontext entwickeln wir beispielsweise neuartige Services zur Wissenskonstruktion auf der Basis von Natural Language Processing (NLP) Techniken und Collaborative-Filtering Methoden.

  • WiQ-Ei

    Im Projekt Web Information Quality Evaluation Initiative (WiQ-Ei) werden von einem internationalen Konsortium unter der wissenschaftlichen Koordination des Know-Center Algorithmen und Methoden entwickelt, um die Qualität von Social Media und Webinhalten nach verschiedensten Kriterien, wie zum Beispiel Faktendichte, Sentiment, Objektivität oder Trust, zu beurteilen. So unterstützen wir Personen und Unternehmen bei der Einschätzung der Vertrauenswürdigkeit und Relevanz von Inhalten aus Social Media und dem Web.

  • Stellar

    Als Mitglied des Network of Excellence STELLAR wiederum trägt das Know-Center dazu bei, Informationsnetzwerke innerhalb der wissenschaftlichen Community zu analysieren. Mithilfe dieser Netzwerke lassen sich Interessensgebiete ermitteln und ExpertInnen für den jeweiligen Bereich vorschlagen. Hier bringen wir unser Wissen über Science 2.0, Social Network Analysis und Machine Learning ein, um die wissenschaftliche Community bestmöglichst zu unterstützen.

Kontakt

Wenn Sie diese Seite nutzen stimmen Sie der Verwendung von Cookies zu mehr Information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close