The Editor vs. the Algorithm

In dem im Research Seminar vorgestellten Papier wird ein Feldexperiment mit einer großen Nachrichtenagentur durchgeführt, um die wirtschaftlichen Erträge von Daten und die Informationsexternalitäten, die auf algorithmusbasierte Empfehlungen zurückgehen, zu quantifizieren. Bei der Interaktion mit Nutzern/-innen können automatisierte Empfehlungen bessere Ergebnisse als Redakteure/-innen erzielen, was allerdings stark von der Menge der Trainingsdaten abhängig ist. Bei begrenzter Verfügbarkeit individueller Daten oder Eilmeldungen können Redakteure/-innen jedoch bessere Leistungen erbringen. Zusätzliche Daten können die Leistungsfähigkeit von Algorithmen steigern, allerdings führen sie auch schnell zu abnehmenden wirtschaftlichen Erträgen. Die Untersuchung von Informationsexternalitäten weist darauf hin, dass personalisierte Empfehlungen zu einer geringeren Vielfalt im Konsum führen. Darüber hinaus wurde festgestellt, dass Nutzer/innen, die über eine geringe digitale Kompetenz verfügen und extreme politische Meinungen vertreten, häufiger auf algorithmische Empfehlungen reagieren.