Tanja Rüedy

Tanja Rüedy, M.A.

Kontakt:t.rueedy@ikmz.uzh.ch
Doktorandin bei Prof. Dr. Michael Latzer

Assoziierte Teilnehmerin
 

Seit Februar 2019: Wissenschaftliche Mitarbeiterin / Doktorandin am Institut für Kommunikationswissenschaften und Medienforschung (IKMZ), Abteilung Medienwandel und Innovation von Prof. Dr. Michael Latzer, Universität Zürich.
Oktober 2018-Januar 2019: Studentische Hilfskraft am Institut für Kommunikationswissenschaften und Medienforschung (IKMZ), Abteilung Medienwandel und Innovation von Prof. Dr. Michael Latzer, Universität Zürich.
2016-2018: MA-Studium der Kommunikationswissenschaften und Medienforschung sowie Gender Studies an der Universität Zürich.
2013-2016: BA-Studium der Kommunikationswissenschaften und Medienforschung sowie Geschichte und Theorie der Fotografie an der Universität Zürich.

Algorithmisches Targeting für kommerzielle Transaktionen: Die Rolle von Nutzungspraktiken und alltäglichem Verhalten von Internet-NutzerInnen (Arbeitstitel)

Soziale Kategorien wie Gender sind für Werbetreibende seit jeher ein Hilfsmittel, um Zielgruppen zu definieren. Zur Steigerung des ökonomischen Profits beinhalten Werbebotschaften somit meist Zielgruppen-spezifischen Attribute (z.B. Interessen), welche oftmals sowohl normative als auch kulturelle Werte reflektieren. Die repetitive Verwendung solcher Botschaften legitimiert gesellschaftliche Erwartungen gegenüber sozialer Kategorien und trägt zur Stärkung entsprechender Diskriminationen bei. Eine solche Zielgruppen-spezifische Ansprache kann als Targeting gefasst werden.
Dank dem Sammeln von Internetnutzungsdaten ermöglicht algorithmisches Targeting im Zeitalter von Big Data gezielter Werbung und Empfehlungen auszuspielen. Die dafür notwendige algorithmische Datenverarbeitung steht zunehmend unter Verdacht bspw. durch die Verwendung binärer Gender-Rollen entsprechende Diskriminationen zu festigen. Während Targeting stets eine zentrale Komponente der Werbeindustrie war, weist die Forschung bezüglich algorithmischer Datenverarbeitung auf intensivierte Effekte hin. Um ein besseres Verständnis zu schaffen, inwiefern algorithmisches Targeting mit sozialen Kategorien arbeitet, baut die Dissertation theoretisch auf Judith Butler’s Performativitätsansatz auf. Dabei wird diskutiert, inwiefern algorithmische Datenverarbeitung repetitiv zur Konstruktion von sozialen Kategorien beiträgt.
Während Forschende der Kommunikationswissenschaften vermehrt auf die performative Macht von Internet-basierten Algorithmen hinweisen, ist eine systematische Herleitung dieser Performativität bislang ausstehend. Die Dissertation schafft dafür einen theoretischen Rahmen und fokussiert dabei auf algorithmisches Targeting bezüglich kommerzieller Transaktionen, wie im Falle von Empfehlungssystemen auf E-Commerce-Seiten oder personalisierter Werbung. Die Theorie des Dissertationsprojektes verweist auf Judith Butler’s Ansatz und diskutiert unterschiedliche Quellen der Performativität (z.B. Werbetreibende und entsprechende Werbebotschaften; algorithmischer Code, welcher Verzerrungen und Normvorstellungen beinhalten kann; Die Datenbasis von algorithmischem Targeting, wie die Selbst-Kategorisierung von Personen während der alltäglichen Internetnutzung).
Neben der Berücksichtigung unterschiedlicher Quellen der Performativität untersucht das Dissertationsprojekt zudem, inwiefern die algorithmische Datenverarbeitung zur Dekonstruktion bestehender Erwartungen von sozialen Kategorien beitragen kann. Im Fokus stehen dabei unter anderem Internetnutzungspraktiken, welche gesellschaftlich nicht-konform sind, aber dennoch als Input-Daten von Algorithmen verarbeitet werden (bspw. Selbst-Kategorisierung durch Werbe-Klickverhalten, welche nicht mit Erwartungen des gesellschaftlich zugewiesenen Genders der sozialen Identität übereinstimmt).

Gesellschaft und Digitalisierung

Gesellschaft und Technologie

Performativität und Algorithmen

Soziale Kategorien und Personalisierung online