Nachwuchsforschergruppe

Erschließung von mobilen Sensordaten für die Publikumsforschung durch interaktive maschinelle Lernverfahren (Agile Publika)

Turbulente Bewegungen gibt es nicht nur auf Finanzmärkten. Abrupte Zusammen-rottungen im Netz bedrohen Diktatoren ferner Länder, und in der eigenen Heimat treten ungewöhnliche Publikumssprünge immer häufiger auf: bei Wahlen, Bildung, Armut, Zuwanderung, Medien, Nahverkehr etc. 

Systemtheorie und Komplexitätswissenschaft untersuchen seit Jahrzehnten Publikumsstrukturen (eigenwillige, zu dynamischen Netzen verstrickte Gebilde), die sich eigenständig in selbstähnlichen Strukturen organisieren.
Im Big-Data-Zeitalter erzeugen preiswerte Sensoren in Smartphones kontinuierlich gigantische Datenmengen (inkl. akustische und visuelle). Daraus lassen sich anwendungsspezifisch Signaturen extrahieren und Ereignisse rekonstruieren,
die eine Beobachtung und Analyse komplexer Dynamiken ermöglichen.
Projektziel ist die Entwicklung eines Beobachtungssystems für komplexe Publi-kumsbewegungen, basierend auf in Echtzeit gesammelten Sensor- und
Social-Media-Daten. Hierfür entstehen Workflows, die Signaturen aus Rohdaten robust klassifizieren, über ein Datenbankmanagementsystem (DBMS) weiterverarbeiten, aggregieren, und analysieren. Im Fokus stehen kontinuierlich beobachtbare, Kleinraumbezogene komplexe Systeme (Personennahverkehr, lokale Medien und Meinungsbildung). Das Gesamtsystem ist generisch und auf überregionale Fragestellungen übertragbar. Während klassisches Data Mining
auf rein automatisierter Exploration basiert, verfolgt das Projekt einen auf Wissensinjektion aufbauenden, systemtheoretischen Zugang: Durch interaktives Einpassen von Modellen/Verfahren in das Gesamtsystem fließt menschlicher Wissenskontext ein – Modell-Hypothesen werden interaktiv evaluiert und optimiert.

Die Nachwuchsforschergruppe Agile Publika entwickelt ein generisches Gesamtsystem zur: 

(i) kontinuierlichen Beobachtung mittels IuK-Technologie
     (mobile Sensoren, Social Media);
(ii) Analyse durch Kontext-induzierte Mustererkennungsverfahren und
     Methoden der empirischen Netzwerkanalyse;
(iii) Prognose, gestützt auf agentenbasierten Simulationsmodellen;
(iv) Visualisierung von regionalen Publikumsbewegungen.

 

 

Das Projekt ist eine Kooperation der Hochschule Mittweida
(Fakultät Medien, Fakultät Angewandte Computer- und Biowissenschaften)
mit der Technischen Universität Dresden (Medienzentrum) unter der Leitung
von Prof. Dr.-Ing. Michael Hösel. Es umfasst sechs miteinander verknüpfte Teile.

  1. Sensorik: Dipl.-Ing. (FH) Tony Rolletschke unter der Leitung von Prof. Dr.-Ing. Frank Zimmer
  2. Systemarchitektur: Manuel Heinzig, M.Sc. unter der Leitung von Prof. Dr. rer. nat. Marc Ritter
  3. Datenoptimierung durch interaktives maschinelles Lernen: Dipl.-Inf. Richard Vogel unter der Leitung von Prof. Dr. rer. nat. Marc Ritter
  4. Empirische Netzwerkforschung: Dr. rer. nat. Kristina Helle unter der Leitung von Prof. Dr. rer. nat. habil. Kristan Schneider
  5. Audiovisuelle Analyse sozialer Medien: Christoph Schulte, M.A. (Ehemalige: Heike Höhne, M.A.) unter der Leitung von Prof. Klaus Liepelt und Prof. Dr.-Ing. Michael Hösel
  6. Nichtlineare Social Analytics: Theresia Zimmermann, M.A. unter der Leitung von Prof. Dr. phil. Thomas Köhler (TU Dresden)