høst 2018
MDV-3051 Big data, sosiale medier og gjenfinning - 10 stp

  1. Startsida
  2. Emnekatalog
  3. Big data, sosiale medier og gjenfinning

Søknadsfrist

1.juni for emner med oppstart i høstsemesteret.

Emnetype

Emnet er et obligatorisk emne for studenter på master i medie- og dokumentasjonsvitenskap. Emnet kan tas som valgemne i andre mastergradsprogram ved UiT. Emnet kan tas som enkeltemne av studenter som fyller opptakskravet til master i medie- og dokumentasjonsvitenskap.

Opptakskrav

Emnet kan tas som enkeltemne av studenter som fyller opptakskravet til master i medie- og dokumentasjonsvitenskap.

Opptakskrav: bachelorgrad med fordypning i medie- og dokumentasjonsvitenskap(80 studiepoeng) eller tilsvarende. I tillegg kreves et karaktergjennomsnitt tilsvarende C eller bedre i fordypningsemnene. Studentene bør beherske engelsk godt.

Søknadskode 9371 - enkeltemner på masternivå.

1. juni for emner med oppstart i høstsemesteret.

Innhold

Sosiale medier som Facebook og Twitter og søkemotorer som Google organiserer ikke bare store mengder informasjon, men kan også generere store mengder data (Big data) om innholdet og bruken av tjenestene. I analysert form kan dataene gi detaljert informasjon om bl.a. brukernes vaner, bekjentskaper, interesser og sinnstilstand. Dette kan igjen brukes til å skreddersy trefflister, nyhetsfeed, venneforslag og reklame i de samme og andre informasjonstjenester. Dette emnet tar for seg de viktigste prinsipper for filtrering og rangering av informasjonsstrømmen i digitale informasjonstjenester bl.a. nyheter, film/musikk, nettsider, innlegg på sosiale medier og varer i nettbutikker. Vi ser på utviklingen fra fokus på relevans, via kvalitet til Big data og spesialtilpasset informasjon for hver enkelt. Emnet tar også for seg den historiske utviklingen, kildene til Big data og hvordan slike Big data kan analyseres, anvendes og evt. misbrukes.

Hva lærer du

Etter bestått emne skal studentene ha følgende læringsutbytte:

Kunnskaper:

Studenten har:

  • inngående kunnskap om ulike former for representasjon av dokumenter og rangering
  • avansert kunnskap om hvordan Big data kan brukes til skreddersøm av ulike typer informasjon
  • solid innsikt i teknologi for behandling av Big data
  • inngående kunnskap om sosiale mediers historiske utvikling, samfunnsmessige konsekvenser og om Big data som det 4. forskningsparadigme
  • inngående kunnskap om samfunnsmessige utfordringer bl.a. i forhold til personvern i forbindelse med økende registrering av enkeltpersoners aktiviteter, innkjøp, bekjentskaper, interesser o.l.

Ferdigheter:

Studenten kan:

  • analysere og kritisk evaluere hvordan Big data kan brukes og misbrukes i en politisk, forsknings- og samfunnsmessig kontekst
  • analysere og rangere dokumenter etter relevans og kvalitet ved bruk av dataverktøy
  • foreta en selvstendig analyse av et utdrag av virkelig «Big data»

Undervisnings- og eksamensspråk

Undervisningsspråk er norsk eller annet skandinavisk språk. Noe undervisning kan bli gitt på engelsk. Eksamensspråk er norsk. Annet språk er mulig etter søknad.

Undervisning

Forelesninger, seminar og labarbeid. Til sammen ca. 26 timer undervisning fordelt på 13 uker.

Eksamen

Følgende arbeidskrav må være gjennomført og godkjent før man kan fremstille seg

til eksamen:

  • Analysere et utdrag «Big data» (f.eks. UiT sin nettside-logg eller bruk av UB sine elektroniske tjenester) med tanke på spesialtilpasset filtrering av informasjon i gjenfinningssystemer, personvern og andre samfunnsmessige konsekvenser.

Eksamen består av:  8 timer digital hjemmeeksamen

Kontinuasjonseksamen: Ved karakter F/«ikke bestått» tilbys kontinuasjonseksamen i begynnelsen av påfølgende semester.Frist for oppmelding til kontinuasjonseksamen er 15. januar for eksamen i høstsemesteret

Pensum

  • Appelgren, E., & Nygren, G. (2014). Data Journalism in Sweden: Introducing new methods and genres of journalism into ¿old¿ organizations. Digital Journalism, 2(3), 394-405.
  • Barkham, R., Bokhari, S., & Saiz, A. (2018). Urban Big Data: City Management and Real Estate Markets.
  • Batty, M. (2013). Big data, smart cities and city planning. Dialogues in Human Geography, 3(3), 274-279.
  • Bendle, N., Ryoo, J., & Nastasoiu, A. (2018). The 2016 US Primaries: Parties and Candidates in a World of Big Data. In Political Marketing in the 2016 US Presidential Election (pp. 65-80). Palgrave Macmillan, Cham.
  • Bollier, David (2010). The Promise and Peril of Big Data. The Aspen Institute Communications and Society Program.
  • CAI, Li; ZHU, Yangyong. The challenges of data quality and data quality assessment in the big data era. Data Science Journal, 2015, 14.
  • Callegaro, M., & Yang, Y. (2018). The Role of Surveys in the Era of ¿Big Data¿. In The Palgrave Handbook of Survey Research (pp. 175-192). Palgrave Macmillan, Cham.
  • Cate, Fred H. (2014). The Big Data Debate. Science 346(6211): 818-818.
  • Cathy O¿Neil. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Penguin Books.
  • Doward, J., & Gibbs, A. (2017). Did Cambridge Analytica influence the Brexit vote and the US election? Guardian.
  • https://datascience.berkeley.edu/what-is-big-data/https://datascience.berkeley.edu/what-is-big-data/Dutcher, Jenna. (2014). What is Big Data? UC Berkeley Data Science Blog.
  • Fuchs, Christian. (2017). From digital positivism and administrative big data analytics towards critical digital and social media research!. European Journal of Communication, 32(1), 37-49.
  • Hammond, P. (2017). From computer-assisted to data-driven: Journalism and Big Data. Journalism, 18(4), 408-424.
  • Helbing, Dirk, et al. "Will democracy survive big data and artificial intelligence." Scientific American 25 (2017).
  • Jose van Dijck (2016). Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology. Surveillance & Society, 12(2), 197.
  • Karsten Donnay. (2017). Big Data for Monitoring Political Instability. International Development Policy 8.1 (Online).
  • Lazer, David, Ryan Kennedy, Gary King, and Alessandro Vespignani. (2014). The Parable of Google Flu: Traps in Big Data Analysis. Science 343(6176): 1203-1205.
  • Lazer, David. (2015). The Rise of the Social Algorithm. Science 348(6239): 1090-1091.
  • Manovich, Lev. (2012). Trending: The Promises and the Challenges of Big Social Data. Debates in the Digital Humanities, edited by Matthew K. Gold. The University of Minnesota Press.
  • Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). Big data: The next frontier for innovation, competition, and productivity.
  • Matthew J. Salganik. (2017). Bit by Bit: Social Research in the Digital Age. Princeton University Press.
  • Murdoch, T. B., & Detsky, A. S. (2013). The inevitable application of big data to health care. Jama, 309(13), 1351-1352.
  • Persily, N. (2017). Can democracy survive the Internet?. Journal of democracy, 28(2), 63-76.
  • Peterson, Tim. (2018). `The data hasn¿t gone away¿: How Facebook opened Pandora¿s box of user data and has struggled to shut it. Digiday (Cambridge Analytica & Facebook)
  • Press, Gil. (2014). 12 Big Data Definitions: What¿s Yours? Forbes Blog
  • Sebh, Joseph. (2018). After the Cambridge Analytica scandal, advertisers rethink Facebook data. (Cambridge Analytica & Facebook)
  • Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, 70, 263-286.
  • Smith, M., Szongott, C., Henne, B., & Von Voigt, G. (2012, June). Big data privacy issues in public social media. In Digital Ecosystems Technologies (DEST), 2012 6th IEEE International Conference on (pp. 1-6). IEEE.
  • Tandoc Jr, E. C., & Oh, S. K. (2017). Small departures, big continuities? Norms, values, and routines in The Guardian¿s big data journalism. Journalism Studies, 18(8), 997-1015.
  • The Joy fo Data - BBSC Documentary
  • Tufekci, Zeynep. "Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls." ICWSM 14 (2014): 505-514.
  • Vassakis, K., Petrakis, E., & Kopanakis, I. (2018). Big Data Analytics: Applications, Prospects and Challenges. In Mobile Big Data (pp. 3-20). Springer, Cham.
  • Viktoria Spaiser, Thomas Chadefaux, Karsten Donnay, Fabian Russmann, and Dirk Helbing. (2017). Communication Power Struggles on Social Media: A Case Study of the 2011-12 Russian Protests. Journal of Information Technology & Politics 14(2): 132-153.
  • Xu, Lei, et al. "Information security in big data: privacy and data mining." IEEE Access 2 (2014): 1149-1176.
  • Zuboff, Shoshana. "Big other: surveillance capitalism and the prospects of an information civilization." Journal of Information Technology 30.1 (2015): 75-89.

Error rendering component

  • Om emnet
  • Studiested: Tromsø |
  • Studiepoeng: 10
  • Emnekode: MDV-3051
  • Tidligere år og semester for dette emnet