Metadaten

Heidelberger Akademie der Wissenschaften [Hrsg.]
Jahrbuch ... / Heidelberger Akademie der Wissenschaften: Jahrbuch 2020 — 2021

DOI Kapitel:
D. Förderung des wissenschaftlichen Nachwuchses
DOI Kapitel:
II. Das WIN-Kolleg
DOI Kapitel:
Siebter Forschungsschwerpunkt „Wie entscheiden Kollektive?“
DOI Kapitel:
4. 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.61621#0308
Lizenz: Freier Zugang - alle Rechte vorbehalten

DWork-Logo
Überblick
loading ...
Faksimile
0.5
1 cm
facsimile
Vollansicht
OCR-Volltext
D. Förderung des wissenschaftlichen Nachwuchses

sehen und situationalen Kontexte stark unterscheiden, beobachtet man überra-
schenderweise oft einen Konsens der geteilten Information auf der kollektiven
Gruppenebene.
Das WIN Projekt Shared Data Sources untersucht, wie individuelle kognitive
Prozesse zu dieser Konvergenz auf kollektiver Ebene beitragen und nutzt dafür
OpenStreetMap als konkretes Beispiel und Datenquelle. Der erste Teil des Projek-
tes erforscht unter verschiedenen Aspekten, wie Heterogenität sich auf den Pro-
zess des Teilens von Information in OpenStreetMap auswirkt. Für diesen Zweck
werden quantitative Maße entwickelt, welche sowohl Heterogenität als auch Kon-
vergenz in geteilten, gemeinsam bearbeiteten Daten beschreiben.
Im zweiten Teil des Projekts wird eine psychologische Theorie entwickelt
und empirisch getestet, die kollaborative Gruppenprozesse in Online-Projekten
wie Wikipedia und OpenStreetMap beschreibt und erklärt. Im Fokus steht dabei
die spezielle Art der Zusammenarbeit, da Kollaboration in kollektiven Projekten in
der Regel sequentiell stattfindet. Dies bedeutet, dass die Nutzer nach dem ersten
Eintrag einer Information inkrementell Änderungen auf Grundlage der jeweils ak-
tuellsten Version eines Eintrags beitragen können. Dabei kann jeder Nutzer selbst
entscheiden, ob er oder sie einen Eintrag in Wikipedia oder OpenStreetMap nur
passiv liest oder diesen auch aktiv durch Änderungen verbessert. In Abgrenzung
zu anderen Arten der Interaktion bezeichnen wir diese Art der Zusammenarbeit
als sequentielle Kollaboration. Die vorgeschlagene Theorie macht die Annahme,
dass vor allem Experten nützliche und korrekte Informationen und Änderungen
einbringen, wohingegen Laien vorhandene Informationen mit geringerer Wahr-
scheinlichkeit ändern und somit eher beibehalten. Die Theorie macht somit die
Vorhersage, dass die Güte der Wissensrepräsentation in geteilten Datenbanken
über die Zeit zunimmt.
Aktueller Projektstand
Um ein besseres Verständnis für OpenStreetMap-Daten als Repräsentation geo-
graphischer Gegebenheiten zu erlangen, werden derzeit qualitative empirische
Untersuchungen durchgeführt. Diese zielen darauf ab, im Detail Beispiele für die
psychologische und soziale Prägung von Repräsentationen geographischer Gege-
benheiten zu finden. Erste Ergebnisse zeigen hierbei räumliche Muster auf, wel-
che sowohl von den repräsentierten Gegebenheiten als auch von der kulturellen
Prägung der Kontributoren abhängen. Aktuell werden statistische Überlegungen
angestellt, um zu überprüfen, ob sich diese Beispiele in größerem Maßstab verall-
gemeinern lassen.
In drei empirischen Studien wurde zunächst die sequentielle Kollaboration
mit einer anderen Form der Kollaboration, Wisdom oft Crowds, verglichen. Unter
Wisdom of Crowds versteht man den etablierten Befund in der Entscheidungsfor-

308
 
Annotationen
© Heidelberger Akademie der Wissenschaften