Metadaten

Heidelberger Akademie der Wissenschaften [Hrsg.]
Jahrbuch ... / Heidelberger Akademie der Wissenschaften: Jahrbuch 2019 — 2020

DOI Kapitel:
D. Förderung des wissenschaftlichen Nachwuchses
DOI Kapitel:
II. Das WIN-Kolleg
DOI Kapitel:
Siebter Forschungsschwerpunkt „Wie entscheiden Kollektive?“
DOI Kapitel:
14. Heterogeneity and Convergence in Shared Data Sources – The Importance of Cognitive Coherence in Collective Decision Making
DOI Seite / Zitierlink: 
https://doi.org/10.11588/diglit.55176#0396
Lizenz: Freier Zugang - alle Rechte vorbehalten

DWork-Logo
Überblick
loading ...
Faksimile
0.5
1 cm
facsimile
Vollansicht
OCR-Volltext
14. Shared Data Sources (WIN-Programm)

14. Heterogeneity and Convergence in Shared Data Sources
- The Importance of Cognitive Coherence in Collective
Decision Making

Kollegiaten: Prof Dr. Daniel W. Heck1, Dr. Franz-Benjamin Mocnik2
Mitarbeiter: Maren Mayer, Daniel Wagner
1 Fachbereich Psychologie, Universität Marburg
2 Faculty of Geo-Information and Earth Observation, University of Twente, Niederlande

Gesamtkonzept und Ziele

Abbildung 1: Repräsentation des Mannheimer Schlosses in
OpenStreetMap.

In Zeiten des Internets beteiligen sich immer mehr Personen an kollektiven Pro-
jekten wie Wikipedia für enzyklopädisches Wissen oder OpenStreetMap für geo-
graphische Information (z. B. für Straßen oder Gebäude, aber auch Berge oder
Wälder). Solche Shared Data Sources zeichnen sich dadurch aus, dass jeder Nutzer
Information beitragen und ändern kann. Obwohl sich die Teilnehmer bezüglich
ihrer geographischen und situativen Kontexte stark unterscheiden, beobachtet
man überraschenderweise oft einen Konsens der geteilten Information auf der
kollektiven Gruppenebene.
Das WIN Projekt „Shared Data Sources“ untersucht, wie individuelle kogni-
tive Prozesse zu dieser Konvergenz auf der kollektiven Ebene beitragen und nutzt
dafür OpenStreetMap als konkretes Beispiel und Datenquelle. Der erste Teil des
Projektes erforscht verschiedene Aspekte, wie Heterogenität sich auf den Prozess
des Teilens von Information in OpenStreetMap auswirkt. Für diesen Zweck wer-
den quantitative Maße entwickelt, welche sowohl Heterogenität als auch Konver-
genz in geteilten Daten beschreiben.
Diese Maße werden im zwei-
ten Teil des Projektes genutzt, um
eine Theorie von kognitiver Kohä-
renz auf der individuellen Ebene
empirisch zu testen. Diese Theorie
basiert auf der Annahme, dass jede
Person eine kohärente Repräsenta-
tion seiner Umwelt in OpenStreet-
Map anstrebt, was wiederum zur
Konvergenz auf der Gruppenebene
beiträgt. Insgesamt wird das Pro-
jekt zu unserem Verstehen beitra-
gen, wie Individuen verschiedene


397
 
Annotationen
© Heidelberger Akademie der Wissenschaften