Refine
Document Type
- Bachelor Thesis (5)
- Master's Thesis (1)
Language
- German (6) (remove)
Keywords
- Social Media (6) (remove)
Institute
- Angewandte Computer‐ und Biowissenschaften (6) (remove)
Hass und Hetze im Netz haben in den letzten Jahren stetig zugenommen. Vor allem in den sozialen Medien sind Anfeindungen, Hass und Hetze immer dominanter geworden. Dies stellt auch die Strafverfolgungsbehörden vor neue Aufgaben. Um Verfasser von Hasskommentaren über soziale Netzwerke effektiver identifizieren zu können, nehmen Polizei und Justiz seit einiger Zeit die OSINT-Recherche (Open Source Intelligence) zu Hilfe. Hierfür durchsuchen die Ermittler digital das Profil oder die Profile der Verfasser von Hasskommentaren und sichern Informationen, welche zur Identifizierung der Personen führen können. Diese Arbeit soll aufzeigen, wie die OSINT-Recherche im Vergleich zu den Standardermittlungen einzuordnen ist. Außerdem soll untersucht werden, wie Hasskommentare im Netz klassifiziert werden können und welche Art von Informationen die Nutzer freiwillig im digitalen Raum veröffentlichen.
Soziale Medien ermöglichen den öffentlichen Austausch von Nachrichten im digitalen Raum. Viele Personen missbrauchen diese Plattformen jedoch für die Verbreitung von Hass. Die Bestimmung und die Prävention derartiger Kommentare stellt eine große Herausforderung dar. In dieser Arbeit werden Möglichkeiten zur Bestimmung und Prognose von Toxizität als Kennzahl
für die sentimentale Ausdrucksform des Hasses aufgezeigt. Nach der begründeten Auswahl der Perspective API als Werkzeug zur Bestimmung von Toxizität werden mit diesem Werkzeug über 600.000 deutschsprachigen Twitter-Kommentare aus dem Frühjahr 2021 annotiert. Die Annotation bildet die Grundlage für die Untersuchung der Ausbreitung toxischer deutscher Sprache.
Mit Methoden der intelligenten Datenanalyse werden im Datensatz Einflussfaktoren ermittelt, die das Absetzen eines toxischen Kommentars begünstigen. Die gefundenen Einflussfaktoren werden final dazu verwendet, um die Toxizität von Antworten, ohne ein Wissen über deren Inhalt,
mit Hilfe künstlicher Intelligenz zu prognostizieren.
Soziale Netzwerke spielen eine große Rolle für die digitale Kommunikation. Menschen tauschen sich aus und teilen Informationen. Die große Anzahl an Nachrichten, die täglich veröffentlicht werden, stellt Entwickler vor ein großes Problem: den Mangel an Kontrolle. Obwohl es Regeln gibt, halten sich viele Nutzer nicht daran. Diese Problematik erfordert ein verbessertes System, welches toxische Inhalte erkennt und klassifiziert. Ziel der Arbeit war es, verschiedene Methoden für maschinelles Lernen zu kombinieren. Weiterhin wurden die Fragen beantwortet, was Toxizität in Verbindung mit sozialen Medien bedeutet und ob
Toxizität in einem linearen Zusammenhang mit Hasssprache steht. Das bestmögliche Ergebnis der Klassifizierung ist ein micro F1-Wert von 0.76192.
Diese Arbeit hat zum Ziel, auf Basis eines neuronalen Netzes eine Sentimentanalyse für deutsche Facebook-Kommentare durchzuführen und die erzielte Güte der Klassifikation im Vergleich zu anderen Verfahren zu bewerten. Dazu werden als Datengrundlage alle Kommentare (01.12.2018) des Facebook-Auftrittes der Deutschen Bahn und des deutschen Einzelhändlers Lidl verwendet.
Die vorliegende Bachelorarbeit gibt einen Überblick über die Zusammenhänge von Tokenaktivitäten und Social Media-Aktivitäten am Beispiel dreier Tokens. Dafür wurden spezifische Merkmale der jeweiligen Aktivitäten automatisiert und manuell erfasst und anschließend einer Korrelationsanalyse unterzogen. Die so erhaltenen Werte wurden danach auf ihre Ausprägungen hin untersucht und abschließend auf ihre Aussagekraft im Bezug auf die Hypothesen dieser Arbeit analysiert. Die Basis der Untersuchungen bilden Abhandlungen von Kim et. al., Garcia et. al. und Mai et. al. zu den Zusammenhängen zwischen Kryptowährungen und Social Media. Durch die Erweiterung ihrer Hypothesen auch auf Kryptotokens wurden sich neue Erkenntnisse über die Zusammenhänge erhofft, welche letztendlich in Teilen den Vermutungen entsprachen.
Die vorliegende Arbeit betrachtet die Möglichkeiten zur Sicherung von Foto- und Videobeiträgen aus sozialen Netzwerken, um diese im Rahmen der Strafverfolgung als Beweismittel nutzbar zu machen. Vier ausgewählte Sicherungsmethoden werden in einem Sicherungsversuch angewendet und im Anschluss miteinander verglichen. Schließlich wird aus den so ermittelten positiven Eigenschaften der Methoden eine hypothetische optimale Methode formuliert, welche für eine zukünftige Anwendung implementiert werden könnte.