D. Förderung des wissenschaftlichen Nachwuchses


Abb. 1: Sequentielle Kollaboration im Rahmen der Verortung von Städten auf Landkarten. In diesem Beispiel
eines Online-Experiments haben die Teilnehmenden die Aufgabe, die Stadt New York auf der Landkarte zu
verorten. Dabei wird zunächst das vorherige Urteil einer anderen Person gezeigt (roter Punkt). Die Teilneh-
menden haben dann die Möglichkeit, dieses Urteil entweder beizubehalten oder die Stadt auf der Karte neu zu
verorten (blauer Punkt).

Damit ist jedoch noch nicht abschließend geklärt, welcher Mechanismus ge-
nau hinter sequentieller Kollaboration steht und was den zentralen Vorteil gegen-
über Wisdom oft Crowds ausmacht. Aus diesem Grund haben wir weitere Studien
vorbereitet und durchgeführt, um zu untersuchen, ob der sequentielle Prozess
selbst oder die Möglichkeit, gar kein Urteil abzugeben, im Vergleich zu Wisdom
oft Crowds besondere Vorteile in Bezug auf die Genauigkeit verschafft. Weiterhin
haben wir Untersuchungen durchgeführt, um die Entwicklung von Urteilen in
sehr langen sequentiellen Ketten mit 20 Beitragenden zu untersuchen. Da Teil-
nehmende durchaus auch Urteile verschlechtern, gehen wir hier davon aus, dass
der Vorteil gegenüber Wisdom of Crowds bei sehr langen Ketten nicht in gleichem
Maße bestehen bleibt wie in kürzeren Ketten.
In Bezug auf Heterogenität und Konvergenz in Shared Data Sources konnte das
Zusammenwirken verschiedener Faktoren näher beleuchtet und verstanden wer-
den. Dazu wurde ein konzeptionelles Framework eingeführt, das geeignet ist, die
verschiedenen Faktoren (trotz ihrer interdisziplinären Herkunft) in einen gemein-
samen Kontext zu stellen. Es wurden verschiedene Wirkweisen, die zur Interpre-
tationsfähigkeit beitragen oder ihr im Wege stehen, untersucht, um sie danach als
komplexes System zu verstehen. Hierin spielen neben den Beitragenden sowohl
insbesondere die soziale Interaktion als auch (externe) Power Relations eine Rolle.
Diese Sichtweise als komplexes System hat ermöglicht, die Stabilität und Attrak-

396