Kind – Algorithmus – Welt – Postphänomenologische Analysen kindlicher Alltagserfahrungen mit YouTubes Recommendation Engine
Kurzbeschreibung
Auf Plattformen wie TikTok und YouTube interagieren Kinder regelmäßig mit Recommendation Engines. Doch wie verstehen sie diese Empfehlungssysteme? Dieser Frage geht Julian Ernst mit Hilfe einer qualitativen Untersuchung mit 11- bis 13-Jährigen im Schweizer Kanton Zürich nach. Ziel ist es, Sozialisationsprozesse („Weltbezüge“) im Handeln mit digitalen Medien sichtbar zu machen. Im Medienhandeln der Kinder werden auch Prozesse ihrer Kompetenzentwicklung deutlich.
Annahmen über die Folgen der Digitalisierung
Kinder wachsen in einer mediatisierten Lebenswelt auf. In dieser spielen algorithmische Empfehlungssysteme (auch Recommendation Systems genannt) eine wichtige Rolle, zum Beispiel auf Social-Media-Plattformen, Videoportalen oder in Streamingdiensten. Algorithmen müssen allerdings immer in ihrem Zusammenspiel mit verschiedenen Akteuren betrachtet werden, auf der einen Seite Plattformbetreiber*innen und Entwickler*innen, auf der anderen Seite Nutzende. Dass Algorithmen mit menschlichem Handeln in komplexer Weise verbunden sind, bringt der Begriff des sozio-technischen Systems zum Ausdruck. Kinder begegnen algorithmischen Empfehlungssystemen sowohl direkt (indem sie selbst Medien nutzen) als auch indirekt (beispielsweise über das Medienhandeln von Eltern). Kind-Algorithmus-Relationen verweisen damit auf die Strukturbedingungen von Mediensozialisationsprozessen im Kontext algorithmischer Systeme.
Kompetenzanforderungen
keine Angabe
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
keine Angabe
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Kognitive Dimension: Wissen, dass der Algorithmus auf der Plattform YouTube operiert und in einem Zusammenhang mit der Selektion der vorgeschlagenen Videos steht.
Zentrale theoretische Annahmen über Kompetenz
Der Erwerb von Kompetenzen wird in vorliegendem Artikel nicht separat betrachtet. Vielmehr wird er als zentraler Bestandteil von Sozialisation begriffen. Der Autor bezieht sich dabei auf Begriffe wie Algorithmic Experience, Algorithmic Awareness und Algorithm Literacy.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Der Autor geht sowohl auf individuelle Entwicklungsprozesse ein als auch auf technische Rahmenbedingungen. Zu ersterem lässt sich sagen: Ab dem zehnten Lebensjahr werden algorithmische Empfehlungssysteme für Kinder relevanter, da sie zunehmend Plattformen wie YouTube oder TikTok nutzen, eher ein eigenes Smartphone besitzen und Medien unabhängiger von den Eltern nutzen. Mit Blick auf die Technik gilt es mehrere Aspekte zu reflektieren: Algorithmische Empfehlungssysteme sind ein zentrales Element von Geschäftsmodellen und damit ist deren Funktionsweise auch ein Geschäftsgeheimnis. Technologien legen den Nutzenden bestimmte Formen der Nutzung näher als andere. Gleichzeitig haben sie für die Kompetenzträger*innen unterschiedliche Bedeutungen. Um das Sample der Studie möglichst heterogen zu gestalten, wurden Schulen aus städtischen, suburbanen und ländlichen Räumen einbezogen. Zudem wurde darauf geachtet, dass in der Stichprobenziehung Schulen mit niedriger bis hoher sozialer Belastung Berücksichtigung fanden.
Herausforderungen der Erfassung von Kompetenz
keine Angabe
Zentrale empirische Befunde über Kompetenz
keine Angabe
Quellenangabe
Ernst, J. (2024). Kind – Algorithmus – Welt. Postphänomenologische Analysen kindlicher Alltagserfahrungen mit YouTubes Recommendation Engine. MedienPädagogik, 357–378. https://doi.org/10.21240/mpaed/00/2024.09.13.X
Sonstige Anmerkungen
In der Studie wurden drei Relationen zu YouTubes algorithmischem Empfehlungssystem sichtbar. Kinder nehmen sie erstens als signifikante Andere oder zweitens als selbstverständlich wahr. Bei ersterem weisen sie dem algorithmischen Empfehlungssystem Bewusstsein, Aktivität und Handlungsfähigkeit zu. Drittens können sie Inhalte, die sie irritieren, auch zum Ausgangspunkt nehmen, um das Empfehlungssystem zu hinterfragen. Denn algorithmische Empfehlungssysteme spiegeln Kindern nicht nur deren eigene Präferenzen und Weltbezüge, sondern auch solche, die sich wesentlich aus dem Mediehandeln ihres familiären Umfeldes ergeben.