Social Media Analytics

Modulgruppe: Mathematik

Über soziale Medien, wie bspw. Online Social Networks, stehen Unternehmen enorme Datenmengen zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial, bspw. in den Bereichen Produktentwicklung, Marketing und Customer Relationship Management. Im Modul „Social Media Analytics“ werden hierfür zentrale Methoden vermittelt und fallstudienbasiert illustriert.

Präsenztermine:
  • neue Termine werden festgelegt
Prüfungstermine:
  • neue Termine werden festgelegt

  

Modulhandbuch

Das Modulhandbuch finden Sie hier.

Inhalte des Moduls

  • Einführung: Social Media Analytics als hoch relevantes Thema
  • Überblick und Grundlagen zu Social Media Analytics: Strategische Aspekte, Gestaltungsbereiche und wesentliche Bestandteile
  • Social Media Analytics - Methoden und Anwendungen:
    • Textanalyse (z. B. Klassifikation von Texten mittels Support Vector Machines, Sentiment-Analyse
    • Soziale Netzwerkanalyse (z. B. Identifizierung einflussreicher Nutzer mithilfe von Vernetzungsmaßen, Community Detection)
    • Prognose (z. B. Markov-Modelle zur Prognose von Nutzerverhalten in sozialen Netzwerken, Simulation, Regression)
  • Zusammenfassung und kritische Würdigung

Lernziele

Über soziale Medien, wie bspw. Online Social Networks, Microblogs, Wikis, Bewertungs- und Rezensions-Communities sowie Diskussionsforen, stehen Unternehmen heutzutage enorme Datenmengen zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial in den unterschiedlichsten Anwendungsbereichen (z. B. Innovationsmanagement, Produktentwicklung, Marketing, Customer Relationship Management, internes Wissensmanagement). Im Modul Social Media Analytics werden hierzu erforderliche Grundlagen und Methoden vermittelt. Teilnehmer, die das Modul erfolgreich absolviert haben, kennen die wesentlichen Schritte und Gestaltungsbereiche von Social Media Analytics (z. B. Auslesen, Modellieren, Analysieren und Erfassen von Daten aus sozialen Medien). Sie sind vertraut mit Methoden zur Analyse von umfangreichen Mengen an strukturierten und unstrukturierten Daten und können diese beurteilen und anwenden. Teilnehmer, die das Modul erfolgreich absolviert haben, sind in der Lage, diese Methoden zur Lösung praktischer Problemstellungen einzusetzen (z. B. Analyse realer Datensätze mithilfe von Software-Werkzeugen), die Ergebnisse zu interpretieren und Handlungsempfehlungen abzuleiten.

Lernsetting

Das Online-Studium findet im Selbststudium statt. Für das Selbststudium stehen zum einen Video-Vorlesungen bereit, die Ihnen die Modulinhalte anschaulich darlegen. Als schriftliches Material empfehlen wir das Grundlagenbuch von Kemper und Eickler mit dem Titel Datenbanksysteme, eine Einführung. In den Videos und in Begleitung durch ein E-Learning-System werden die Studierenden auf entsprechende Abschnitte des Buchs verwiesen. Der Stoff wurde in Lernabschnitte unterteilt, die durch Multiple- und Single-Choice-Fragen, Quizzes und Übungsaufgaben begleitet werden. An den Präsenzterminen werden Übungsaufgaben teilweise auch in Gruppenarbeit gelöst.

Ihr Mentor wird Ihnen in regelmäßigen Abständen Online-Sprechstunden in Form von Seminaren anbieten, die Sie bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein Forum für den Austausch der Studierenden untereinander bereit.

Voraussetzungen

Grundlagen in Stochastik und angewandter Statistik

Technische Voraussetzungen für die E-Learning-Lerneinheiten

Mindestens erforderlich sind:

  • Ein auf Windows 7 oder neuer, Linux oder OS X 10.9 basierender Desktop-Rechner oder Notebook
  • Aktuelle Version von Mozilla Firefox, Google Chrome, Safari oder Internet Explorer (11 oder neuer)
  • Aktuelle Version des Adobe Flash Plugin im Browser (lediglich für Online-Sprechstunde bzw. Online-Webinar benötigt)
  • Internet-Zugang via xDSL, Cable, LTE oder besser mit mindestens 2 Mbit/s in Downstream- und 192 kbit/s in Upstream-Richtung ("DSL 2000")

Empfohlen wird:

  • Ein auf Windows 7 oder neuer, Linux oder OS X 10.9 basierender Desktop-Rechner oder Notebook, Dual-Core oder mehr, 2 GHz oder mehr
  • Aktuelle Version von Mozilla Firefox, Google Chrome, Safari, IE 11 (oder neuer)
  • Aktuelle Version des Adobe Flash Plugin im Browser (lediglich für Online-Sprechstunde bzw. Online-Webinar benötigt)
  • Internet-Zugang via xDSL, Cable, LTE oder besser mit mindestens 6 Mbit/s in Downstream- und 576 kbit/s in Upstream-Richtung ("DSL 6000")

Leistungsnachweise

Für die Zulassung zur Modulprüfung (Klausur/mündl. Prüfung) sind folgende Voraussetzungen zu erfüllen:

  • Teilnahme an mindestens 3 Präsenzübungen
  • Bearbeitung und Abgabe von als verpflichtend angegebenen Übungsaufgaben

In Härtefällen kann ein formloser Antrag auf Zulassung zur Prüfung beim Modulverantwortlichen gestellt werden.

Bei Krankheit ist dem Modulverantwortlichen ein ärztliches Attest vorzulegen.

Die regelmäßige Teilnahme an Online-Foren unterstützt Sie bei der Erarbeitung des Lernstoffs. Detaillierte Informationen entnehmen Sie bitte der Modulbeschreibung im Modulhandbuch.

Zertifizierung

Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 6 Leistungspunkten nach ECTS.

Gebühren und Entgelte

Die Studiengebühren der Module für immatrikulierte Studierende bzw. die Teilnahmeentgelte für die Belegung von Einzelmodulen im Kontaktstudium finden Sie auf der Seite zur Modulübersicht.

Dozent

Prof. Dr. Mathias Klier
Professor im Institut für Technologie- und Prozessmanagement

   

Mentoren

Katharina Kaufmann
Wissenschaftliche Mitarbeiterin im Institut für Technologie- und Prozessmanagement

Roland Graef
Wissenschaftlicher Mitarbeiter im Institut für Technologie- und Prozessmanagement

 

 

  

    Gefördert von: