Seite - 192 - in Die Big-Data-Debatte - Chancen und Risiken der digital vernetzten Gesellschaft
Bild der Seite - 192 -
Text der Seite - 192 -
192 3 Big Data: Chancen und Risiken aus Sicht der BĂŒrger
Enste, D., Haferkamp, A., & Fetchenhauer, D. (2009). Unterschiede im Denken zwischen
Ăkonomen und Laien. ErklĂ€rungsansĂ€tze zur Verbesserung der wirtschaftspolitischen
Beratung. Perspektiven der Wirtschaftspolitik, 10, 60â78.
Fisher, S., & Petersen, T. (2018). Was Deutschland ĂŒber Algorithmen weiĂ und denkt.
Ergebnisse einer reprĂ€sentativen Bevölkerungsumfrage. GĂŒtersloh: Bertelsmann Stif-
tung. https://doi.org/10.11586/2018022.
GfK. (2018). KĂŒnstliche Intelligenz (KI). Meinungsumfrage im Auftrag des Bundes-
verbandes deutscher Banken. Bericht. Bankenverband. https://bankenverband.de/media/
files/Umfrage_Kuenstliche_Intelligenz.pdf. Zugegriffen: 28. Aug. 2018.
Heckhausen, J., & Heckhausen, H. (2010). Motivation und Handeln (4. Aufl.). Berlin:
Springer.
Kahneman, D. (2011). Thinking, fast and slow. New York: Farrar, Straus and Giroux.
Leventhal, G. S. (1980). What should be one with equity theory? New approaches to the
study of fairness in social relationships. In K. Gergen, M. Greenberg, & R. Willis
(Hrsg.), Social exchange: Advances in theory and research (S. 27â55). New York: Ple-
num Press.
Marsden, P. (2017). Sex, lies and A.I. Ein SYZYGY Digital Insight Report. Frankfurt: SZG.
McClelland, D. C. (1985). Human motivation. Glenview: Foresman.
MĂŒller-Peters, A. (Hrsg.). (2018). ReprĂ€sentativitĂ€t. Wie hĂ€ltst Duâs mit der Zufallsstich-
probe? https://www.marktforschung.de/dossiers/themendossiers/repraesentativita-
et-und-zufallsstichprobe/. Zugegriffen: 8. Okt. 2018.
MĂŒller-Peters, H. (2012). ReprĂ€sentativitĂ€t 2012 â Fakt, Fake oder Fetisch? https://www.
marktforschung.de/dossiers/themendossiers/repraesentativitaet-2012/. Zugegriffen: 08.
Okt. 2018.
MĂŒller-Peters, H. (2017). Die Wahrnehmung und Bewertung von telematikbasierten Ver-
sicherungstarifen. In H. MĂŒller-Peters & F. Wagner (Hrsg.), GeschĂ€ft oder Gewissen?
Vom Auszug der Versicherung aus der Solidargemeinschaft (S. 21â47). Goslar Institut:
Goslar.
MĂŒller-Peters, H., & Wagner, F. (Hrsg.). (2017). GeschĂ€ft oder Gewissen? Vom Auszug der
Versicherung aus der Solidargemeinschaft. Goslar: Goslar Institut.
Pariser, E. (2011). The filter bubble. What the Internet is hiding from you. London: Penguin
Press.
Petty, R., & Cacioppo, J. (1986). Communication and persuasion: Central and peripheral
routes to attitude change. New York: Springer.
PwC. (2017). Bevölkerungsbefragung. KĂŒnstliche Intelligenz. https://www.pwc.de/de/
consulting/bevoelkerungsbefragung-kuenstliche-intelligenz-2017.pdf. Zugegriffen:
10. Okt. 2018.
YouGov. (2018). KĂŒnstliche Intelligenz. Deutsche sehen eher die Risiken als den Nutzen.
https://yougov.de/news/2018/09/11/kunstliche-intelligenz-deutsche-sehen-eher-die-ris/.
Zugegriffen: 10. Okt. 2018.
Die Big-Data-Debatte
Chancen und Risiken der digital vernetzten Gesellschaft
- Titel
- Die Big-Data-Debatte
- Untertitel
- Chancen und Risiken der digital vernetzten Gesellschaft
- Autoren
- Susanne Knorre
- Horst MĂŒller-Peters
- Verlag
- Springer Gabler
- Datum
- 2020
- Sprache
- deutsch
- Lizenz
- CC BY 4.0
- ISBN
- 978-3-658-27258-6
- Abmessungen
- 15.3 x 21.6 cm
- Seiten
- 220
- Schlagwörter
- Economics, Management science, Economic policy, Motivation research (Marketing), Insurance
- Kategorie
- Informatik
Inhaltsverzeichnis
- 1 Big Data im öffentlichen Diskurs: Hindernisse und Lösungsangebote fĂŒr eine VerstĂ€ndigung ĂŒber den Umgang mit Massendaten 1
- 1.1 Big Data und Datenschutz im politischen Diskurs: EinfĂŒhrung und Bestandsaufnahme 1
- 1.1.1 Nutzen und Schutz von Daten: Ăberlegungen zur Analyse eines politischen Diskurses 2
- 1.1.2 Big Data, KĂŒnstliche Intelligenz und Algorithmen: Begriffe und Konzepte in der Diskussion 4
- 1.1.3 Arten, Herkunft und Nutzer von Daten: AnnÀherung an eine Dual-Use Technologie 7
- 1.1.4 Diffuses Bild: Was bislang ĂŒber die öffentliche EinschĂ€tzung von Datennutzung erhoben wurde 12
- 1.2 Von Konflikten und Kollisionen: Big Data als Gegenstand öffentlicher Narrationen 15
- 1.2.1 Ein Narrativ wird entdeckt: âBig Brotherâ in der Kampagne gegen die VolkszĂ€hlung 1983 16
- 1.2.2 âBig Brotherâ reloaded: Die ErzĂ€hlung von Edward Snowden 18
- 1.2.3 Die Manipulation: Die ErzÀhlung von der Beeinflussung des US-Wahlkampfs 2016 20
- 1.2.4 Spione im Kinderzimmer: Die ErzÀhlung vom Verlust der PrivatsphÀre 22
- 1.2.5 Die Apokalypse: Die ErzÀhlung vom digitaltotalitÀren Staat 23
- 1.2.6 Die VerselbststÀndigung der Maschine: Die ErzÀhlung vom unkontrollierbaren Auto 25
- 1.2.7 Die globale Gier: Die ErzĂ€hlung von der Weltherrschaft der âFrightful 5â 26
- 1.3 Nutzen und Schutz von Daten des BĂŒrgers im politischen Diskurs 28
- 1.4 Vom Heldenbild des rationalen, souverÀnen Nutzers: Narrationen im politischen Diskurs 35
- 1.5 Datenethik als neues Paradigma? Handlungsangebote jenseits der Regulierung 42
- 1.6 Ordnungspolitik und Big Data: Den fairen Zugang sichern 46
- 1.1 Big Data und Datenschutz im politischen Diskurs: EinfĂŒhrung und Bestandsaufnahme 1
- Literatur 55
- 2 Big Data, Data Analytics und Smart Services rund um Wohnen, Gesundheit und MobilitĂ€t: BĂŒrgerschreck und HoffnungstrĂ€ger in privaten Lebenswelten 63
- 3 Big Data: Chancen und Risiken aus Sicht der BĂŒrger 137
- 3.1 Einleitung 137
- 3.2 Datenwissen 140
- 3.3 Handlungsfreiheit 143
- 3.4 FolgeabschĂ€tzungen, Bewertung von Anwendungsfeldern und Einstellungen zu Datenschutz und Technologie (âWollenâ) 146
- 3.5 Verhalten (âHandelnâ) 160
- 3.6 Datenpolitik und Datenethik (âNeue Paradigmenâ) 169
- 3.7 Alte und neue Narrative 176
- 3.8 Neue Rollen am Beispiel der Versicherungswirtschaft 179
- 3.9 Fazit 187
- Literatur 191
- 4 Big Data: BĂŒrgerschreck und HoffnungstrĂ€ger! Zusammenfassung und Fazit 195
- 4.1 Zur Gestaltung des öffentlichen Diskurses ĂŒber Chancen und Risiken von Big Data: Die Ergebnisse im Ăberblick 196
- 4.2 Zum Nutzen von Big Data in konkreten Lebenswelten:
- Die Ergebnisse im Ăberblick 201
- Anhang 207