Algorithmic media use and algorithm literacy: An integrative literature review
Kurzbeschreibung
Dieser Beitrag ist ein Literature Review zu Veröffentlichungen, die sich damit auseinandersetzen, wie Algorithm Literacy gefasst und gefördert werden kann. Insgesamt recherchierten die Autorinnen 848 größtenteils peer-reviewed Artikel und Dissertationen, von denen sie letztendlich 169 für die Ausarbeitung ihrer Argumentation nutzten. Drei Fragestellungen beantworten die Autorinnen auf Basis der Literatur: Welche Konzepte von Algorithm Literacy finden sich in der Fachliteratur und wie werden sie gemessen? Wie erwerben User*innen algorithmischer Medien Algorithm Literacy? Welche Konsequenzen (outcomes) ergeben sich für die User*innen durch den Erwerb von Algorithm Literacy? Dabei orientieren sich die Autorinnen an einem Konzept von Anne Oeldorf-Hirsch und German Neubaum (2023), die zwischen kognitiven, affektiven und handlungsorientierten Kompetenzdimensionen unterscheiden. Entsprechend strukturieren die Autorinnen die vorhandene Literatur entlang dieser drei Dimensionen. Die Messung von Algorithm Literacy ist insofern herausfordernd, als dass die tatsächliche Beschaffenheit der Algorithmen zu den Geschäftsgeheimnissen der Plattformen gehört. Für die Messung unterscheiden sie daher nach Modellen, die sich an objektiven Kriterien orientieren, so diese nachvollzogen werden können, und solchen, die eher subjektive Kriterien erheben, das heißt auf den subjektiven Erfahrungen und damit verbundenen Reflexion der User*innen basieren. Konsequenzen des Erwerbs von Algorithm Literacy fürs Subjekt sehen die Autorinnen auf persönlicher, sozialer und wirtschaftlicher Ebene, aber ebenso einer politischen und gesellschaftlichen Ebene.
Annahmen über die Folgen der Digitalisierung
Der Einsatz von Algorithmen ist ein verbindendes Element verschiedener Plattformen und digitaler Dienste. Die Autorinnen nutzen zur Beschreibung dieses Phänomens den Begriff „algorithmische Medien“ (algorithmic media). User*innen algorithmischer Medien erleben den Einfluss von Algorithmen beispielsweise in Bezug auf die Diversität der Inhalte, die sie rezipieren, die Informationssuche, politische Mobilisierung, Produktauswahl beim E-Commerce oder auch die Partner*innensuche auf Dating-Plattformen. Die algorithmische Sortierung sollte dabei als übergreifendes Phänomen verstanden werden. Damit geht es weniger darum, die Algorithmen einzelner Plattformen zu verstehen. Den kompetenten Umgang mit algorithmischer Sortierung sowie das Wissen um die Möglichkeiten der Beeinflussung von Algorithmen stellen wichtige Fähigkeiten dar. Hieraus begründen die Autorinnen die Bedeutung der Förderung von Algorithm Literacy.
Kompetenzanforderungen
Die zentrale Anforderung besteht darin, algorithmische Medien zu nutzen und auf Basis der eigenen Interessen navigieren und beeinflussen zu können. Die Kompetenzanforderungen werden im Text in Bezug auf kognitive, affektive und handlungsorientierte (behavioral) Dimensionen ausgeführt. Eine detaillierte Übersicht aller Kompetenzanforderungen findet sich unter der Überschrift „Kompetenzdimensionen“.
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
Cognitive Dimension,
Affective Dimension,
Behavioral Dimension
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Instrumentell-qualifikatorische Dimension: Algorithmische Sortierungen beeinflussen.
Kognitive Dimension: Sich bewusst sein, dass Inhalte in digitalen Medien algorithmisch sortiert werden; wissen, wie Algorithmen funktionieren; Wissen über Input, den Algorithmen üblicherweise verarbeiten, Ziele hinter dem Einsatz von Algorithmen und Folgen für den Output.
Affektive Dimension: Erleben von negativen und positiven Emotionen im Umgang mit algorithmischen Medien und Verhaltensweisen in Bezug auf diese.
Kreative Dimension: Versuchen, Algorithmen zum eigenen Vorteil zu manipulieren oder sie so zu gestalten, dass sie die subjektiv als richtig empfundenen Inhalte liefern; Umgang mit Algorithmen kontinuierlich ausprobieren und das eigene Medienhandeln mit Algorithmen entsprechend der beispielsweise positiven oder negativen Erfahrungen anpassen.
Kritisch-reflexive Dimension: Persönliche Einschätzungen zur Qualität von Algorithmen (z. B. im Hinblick auf Transparenz); einschätzen, inwiefern algorithmisch kuratierte Inhalte nützlich sind; Effekte algorithmisch kuratierter Inhalte auf die Gesellschaft einschätzen; in der Nutzung algorithmischer Medien darauf achten, dass diese die eigenen Werte und Einstellungen möglichst gut reflektieren und auf diese Art die algorithmische Sortierung beeinflussen; auf Basis von Reflexion die algorithmische Sortierung vermeiden, entsprechende Dienste nicht nutzen oder algorithmische Anwendungen möglichst ausschalten.
Zentrale theoretische Annahmen über Kompetenz
Bezugnehmend auf Anne Oeldorf-Hirsch und German Neubaum (2023) orientieren sich die Autorinnen an einem Verständnis von Algorithm Literacy, das kognitive, affektive und handlungsorientierte (bevahioral) Dimensionen unterscheidet. Erstere umfasst Bewusstsein und Wissen zu algorithmischer Kuratierung von Inhalten. Unter der affektiven Dimension verstehen die Autorinnen emotionale Reaktionen, die im Umgang mit algorithmischen Medien entstehen. Die handlungsorientierte Dimension beschreibt, wie Nutzer*innen praktisch (sowohl mehr als auch weniger intentional) mit Algorithmen umgehen. Für die Förderung von Algorithm Literacy argumentieren die Autorinnen für einen „experiential learning framework“ (S. 438 f.). Dieser kann sowohl User*innen helfen, ihre Erfahrungen mit Algorithmen zu reflektieren und ihre Kompetenzen auszubauen. Er ist aber auch für die Entwicklungen von Kriterien für die Forschung relevant, weil er es ermöglicht, in Bezug auf den Umgang mit Algorithmen, deren Funktionsweise größtenteils Geschäftsgeheimnis ist, einen übergreifenden Rahmen zu setzen.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Das Literature Review bezieht sich auf 169 Veröffentlichungen, in welche unterschiedliche Lebenskontexte einbezogen werden. Im Text erscheinen die Ergebnisse als Überblick aller Studien. Faktoren, die die Entwicklung von Algorithm Literacy unterstützen können, sind etwa eine intensive Nutzung unterschiedlicher Plattformen, die Algorithmen einsetzen, zudem Gespräche mit anderen über solche Plattformen (sowohl informell als auch in Bildungsangeboten) sowie in Nachrichtenangeboten präsentierte Informationen zu diesem Themenkomplex. Daneben verweisen verschiedene Studien auf die Bedeutung soziodemografischer Merkmale, wie etwa dem Bildungshintergrund. Auch stellen die Autorinnen fest, dass Creator*innen aus marginalisierten Gruppen eher für Diskriminierungspotenziale algorithmischer Medien sensibel sind.
Herausforderungen der Erfassung von Kompetenz
Aufgrund der Schwierigkeit, dass Details der Funktionsweise von Algorithmen von den Betreiber*innen algorithmischer Medien nicht offengelegt werden, sehen die Autorinnen die Herausforderung, algorithmische Literacy zuverlässig messen zu können.
Zentrale empirische Befunde über Kompetenz
Die meisten (insgesamt 117) analysierten Publikationen beziehen sich auf die kognitive Dimension von Algorithm Literacy, wobei diese vielfältige Kompetenzanforderungen bündelt – von einem Bewusstsein für algorithmische Kuratierung bis zu Wissen über die Mechanismen von Algorithmen. Mit Blick auf die affektive Dimension unterscheiden die Autorinnen vier Ausprägungen: (1) Es gibt User*innen, die die Sortierung durchaus als hilfreich, vertrauenserweckend und verlässlich schätzen. (2) Es gibt aber auch solche, denen die Sortierung eher Sorgen bereitet und die Unsicherheit verspüren, weil ihnen nicht klar ist, wie die Algorithmen im Detail funktionieren. (3) Letzteres kann zu Abneigung gegenüber algorithmischen Medien führen, aber auch (4) zu Resignation und dem Gefühl, nichts gegen die als problematisch wahrgenommene Sortierung tun zu können. Mit Blick auf die handlungsorientierte Dimension wurden ebenfalls vier Verhaltensweisen gefunden: (1) Einige achten in der Nutzung darauf, dass diese ihre Werte und Einstellungen möglichst gut reflektiert und beeinflussen auf diese Art die algorithmische Sortierung. (2) Andere begnügen sich weitestgehend mit den vorgeschlagenen Inhalten. (3) Ebenso gibt es User*innen, die subversive Strategien verfolgen und versuchen, den Algorithmus zum eigenen Vorteil zu manipulieren. (4) Letztlich gibt es auch Personen, die algorithmische Sortierung vermeiden wollen, entsprechende Dienste nicht nutzen oder algorithmische Anwendungen möglichst ausschalten.
Quellenangabe
Gagrčin, E., Naab, T. K., & Grub, M. F. (2026). Algorithmic media use and algorithm literacy: An integrative literature review. New Media & Society, 28(1), 423-447. https://doi.org/10.1177/14614448241291137