Zur Merkliste hinzufügen
Zurück zur Auswahl

 

60854-01 - Übung: Global Data Explorations: Einführung in die Auswertung globaler Daten für Geistes- und Sozialwissenschaften (3 KP)

Semester Frühjahrsemester 2025
Angebotsmuster Jedes Frühjahrsem.
Dozierende Christiane Sibille (christiane.sibille@unibas.ch, BeurteilerIn)
Inhalt Automatisierte Möglichkeiten zur Datengewinnung und Verarbeitung haben in den vergangenen Jahren an Bedeutung gewonnen. Sie beeinflussen und transformieren gesellschaftliches Verhalten und politische Entscheidungsfindungsprozesse. Die Fertigkeit, aus globalen Daten zunächst Informationen und dann Wissen zu generieren, ist daher zu einem zentralen Feld gesellschaftswissenschaftlicher Analyse geworden. Dieses Feld ist eingebettet in ein komplexes Geflecht aus Prozessen der Datengewinnung, -verarbeitung und Zugänglichkeit an dem sich unterschiedliche Akteure beteiligen.

In jüngster Zeit hat die vereinfachte Zugänglichkeit zu sogenannter generativer Künstlicher Intelligenz diese Entwicklungen überlagert. Die damit entstandenen zusätzlichen Herausforderungen (z.B. Halluzinationen oder algorithmic bias) eröffnen neue Formen des interdisziplinären Austauschs zwischen Informatik und den in den European Global Studies vertretenen Fächern.

Die Übung zielt darauf ab, mögliche geisteswissenschaftliche Perspektiven auf Daten und digitale Technologien zu vermitteln und das Potenzial des interdisziplinären Dialogs aufzuzeigen. Lektüre, Diskussionen und praktische Übungen sollen die Teilnehmenden befähigen, die dynamischen Entwicklungen in diesem Bereich verfolgen und kritisch reflektieren zu können.
Lernziele 1) Kennenlernen wichtiger Konzepte im Kontext von Big Data und generativer KI aus der Perspektive der European Global Studies.
2) Entwicklung und Umsetzung eigener Fragestellung im Rahmen eines Semesterprojekts,
3) Interdisziplinäres Nachdenken über Datenpraktiken.

Literatur Bender, Emily M.; Gebru, Timnit; McMillan-Major, Angelina u. a.: On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?, in: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, S. 610–623. Online: https://doi.org/10.1145/3442188.3445922.

Jo, Eun Seo; Gebru, Timnit: Lessons from archives: strategies for collecting sociocultural data in machine learning, in: Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, S. 306–316. Online: <https://doi.org/10.1145/3351095.3372829>, Stand: 04.04.2023.

Weitere Literatur wird in der Veranstaltung bekannt gegeben.
Weblink Europainstitut

 

Anmeldung zur Lehrveranstaltung Via MOnA.
Unterrichtssprache Deutsch
Einsatz digitaler Medien kein spezifischer Einsatz

 

Intervall Wochentag Zeit Raum
wöchentlich Freitag 12.15-14.00 Kollegienhaus, Hörsaal 115

Einzeltermine

Datum Zeit Raum
Freitag 28.02.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 07.03.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 14.03.2025 12.15-14.00 Uhr Fasnachstferien
Freitag 21.03.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 28.03.2025 12.15-14.00 Uhr Riehenstrasse 154, Hörsaal 00.015
Freitag 04.04.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 11.04.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 18.04.2025 12.15-14.00 Uhr Ostern
Freitag 25.04.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 02.05.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 09.05.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 16.05.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Freitag 23.05.2025 12.15-14.00 Uhr Kollegienhaus, Hörsaal 115
Module Modul: Archive / Medien / Theorien (Bachelor Studienfach: Geschichte)
Modul: Forschung und Praxis (Master Studienfach: Osteuropäische Geschichte)
Modul: Methoden der Gesellschaftswissenschaften (Masterstudium: European Global Studies)
Modul: Praxis (Master Studienfach: Geschichte)
Modul: Transfer: Digital History (Master Studiengang: Europäische Geschichte in globaler Perspektive )
Prüfung Lehrveranst.-begleitend
Hinweise zur Prüfung Leistungsnachweis Lehrveranst.-begleitend
An-/Abmeldung zur Prüfung Anmelden: Belegen; Abmelden: nicht erforderlich
Wiederholungsprüfung keine Wiederholungsprüfung
Skala 1-6 0,5
Belegen bei Nichtbestehen beliebig wiederholbar
Zuständige Fakultät Universität Basel
Anbietende Organisationseinheit Europainstitut

Zurück zur Auswahl