Ethische Fragen im Kontext von Big Data und Data Engineering (Sommersemester 2019)

Dozent: Dr. Thilo Hagendorff

Allgemeine Information

Semesterwochenstunden: 2
ECTS: 3
Benotet: Ja
Einschreibefrist: 01.04. bis 11.04.2019
Lehrform: Blockseminar
Belegungsart: Pflichtmodul
Lehrsprache: Deutsch

Studiengänge, Modulgruppen & Module

Data Engineering MA

Beschreibung

Das Kompaktseminar beschäftigt sich aus der Perspektive der Ethik mit verschiedenen Themenbereichen im Kontext von Big Data sowie den damit verbundenen Folgen der Techniknutzung für die Gesellschaft. Beleuchtet werden sollen unterschiedliche inhaltliche Schwerpunkte, welche von der Vermittlung von Theorien der Computer- und Informationsethik über konkrete Themenfelder wie Privatheit, Überwachung, algorithmische Diskriminierung, Datenökonomie oder Cyberangriffe bis hin zum aktuell intensiv diskutierten Feld des maschinellen Lernens bzw. der künstlichen Intelligenz reichen. Das Seminar fokussiert sich dabei weniger auf die Beschäftigung mit abstrakten ethischen Theorien aus der Philosophie, sondern greift aktuelle, genuin interdisziplinäre Forschungsfelder und -arbeiten auf (z. B. aus den Critical Data Studies), welche sich unmittelbar mit der Verschränkung von Ethik und Computerwissenschaften beschäftigen.

Lernziele:
Ziel des Seminar ist es, Fragestellungen und Methoden aus dem Bereich der Computer-, Informations- und Medienethik kennenzulernen und selbstständig auf einzelne Anwendungsgebiete übertragen zu können.

Seminarunterlagen: siehe Laufwerk R

Literatur

Folgende Texte sind zu den jeweiligen Sitzungen zu lesen bzw. zu erarbeiten (siehe Laufwerk R):

Boyd, Danah; Crawford, Kate (2012): Critical questions for Big Data. Provocations for a cultural, technological, and scholarly phenomenon. In: Information, Communication & Society 15 (5), S. 662–679.
Brey, Philip (2010): Values in technology and disclosive computer ethics. In: Luciano Floridi (Hg.): The Cambridge Handbook of Information and Computer Ethics. Cambridge, Massachusetts: Cambridge University Press, S. 41–58.
Brundage, Miles; Avin, Shahar; Clark, Jack; Toner, Helen; Eckersley, Peter; Garfinkel, Ben et al. (2018): The Malicious Use of Artificial Intelligence. Forecasting, Prevention, and Mitigation, S. 1–101.
Campolo, Alex; Sanfilippo, Madelyn; Whittaker, Meredith; Crawford, Kate (2017): AI Now 2017 Report. AI Now.
Floridi, Luciano; Cowls, Josh; Beltrametti, Monica; Chatila, Raja; Chazerand, Patrice; Dignum, Virginia et al. (2018): AI4People - An Ethical Framework for a Good AI Society. Opportunities, Risks, Principles, and Recommendations. In: Minds and Machines 28 (4), S. 689–707.
Grunwald, Armin (2016): Technikethik. In: Jessica Heesen (Hg.): Handbuch Informations- und Medienethik. Stuttgart: Metzler, S. 25–33.
Kitchin, Rob (2017): Thinking critically about and researching algorithms. In: Information, Communication & Society 20 (1), S. 14–29.
Lewis, Kevin (2015): Three fallacies of digital footprints. In: Big Data & Society 2 (2), S. 1–4.
McGonigal, Jane; Kumra, Raina; Ranasinghe, Eshanthi; Schlesinger, Yoav; Wiggins, Randolph (2018): EthicalOS. A Guide To Anticipating The Future Impact Of Todays's Technology. Or: How Not To Regret The Things You Will Build, S. 1–78.
Nissenbaum, Helen (2011): Privatsphäre im Kontext. Technologie, Politik und die Unversehrtheit des Sozialen. In: Heinrich-Böll-Stiftung (Hg.): #public_life. Digitale Intimität, die Privatsphäre und das Netz, S. 53–63.
Seemann, Michael (2014): Das Neue Spiel. Strategien für die Welt nach dem digitalen Kontrollverlust. Freiburg: orange-press.
Weber, Jutta (2018): Big-Data-Kriege. Über Tötungslisten, Drohnen und die Politik der Datenbanken. In: Christoph Engemann und Andreas Sudmann (Hg.): Machine Learning - Medien, Infrastrukturen und Technologien der Künstlichen Intelligenz. Bielefeld: Transcript, S. 219–246.
Zuboff, Shoshana (2015): Big other: surveillance capitalism and the prospects of an information civilization. In: Journal of Information Technology 30, S. 75–89.

Lern- und Lehrformen

Kompaktseminar; Gruppendiskussionen; bei Interesse Präsentationen von Studierenden

Leistungserfassung

Die Note ergibt sich aus der Leistungserbringung durch eine Hausarbeit. Die genauen Kriterien, nach denen die Benotung der Hausarbeit stattfindet, werden in der letzten Sitzung des Seminars besprochen.

Zeit	11. April 2019	12. April 2019	16. Mai 2019	17. Mai 2019
09:15		Boyd & Crawford –		Brundage et al. –
bis		Critical questions for		The Malicious Use of
10:45		Big Data		Artificial Intelligence
11:00 bis 12:30		Lewis – Three fallacies of digital footprints		Crawford – AI Now 2017 Report
13:30 bis 15:00	Vorstellung, Organisatorisches, Einführung	Nissenbaum – Privatsphäre im Kontext	Zuboff – Surveillance Capitalism	Floridi et al. – AI4people
15:15 bis 16:45	Grunwald – Technikethik	Seemann – Das Neue Spiel	Weber – Big-Data- Kriege	McGonigal et al. – EthicalOS
17:00 bis 18:30	Brey – Values in technology		Kitchin – Thinking critically about algorithms	Abschlussdiskussion / Besprechung der Prüfungsleistungen

Termine

Aufgrund auszugebender Seminarunterlagen wird eine Teilnahmeregistrierung bis zum 11.April erforderlich

11. April 2019 - Donnerstag - Raum G 3 E 15/16 - Beginn: 13:30 Uhr - Ende: 18:30 Uhr
12. April 2019 - Freitag - Raum G 3 E 15/16 - Beginn: 9:15 Uhr - Ende: 16:45 Uhr
16. Mai 2019 - Donnerstag - Raum G 3 E 15/16 - Beginn: 13:30 Uhr - Ende: 18:30 Uhr
17. Mai 2019 - Freitag - Raum G 3 E 15/16 - Beginn: 9:15 Uhr - Ende: 18:30 Uhr

Der genaue Zeitplan zum Seminar wird vor Seminarbeginn an alle Teilnehmer/innen versandt.

Zurück