In seinem Aufsatz Forschungsmedien erforschen. Über Praxis mit der Daten-Mapping-Software Gephi weist Paßmann zunächst darauf hin, dass Medien Dargestelltes auf eine Weise prägen können, die zu inkorrekten Ergebnissen führen kann. Erfahrene Mediennutzer können sich aber gewisse Praktiken zu eigen machen, mit deren Hilfe sie davor bewahrt werden, zu falschen Einschätzungen zu gelangen. Dabei spricht Paßmann zunächst von drei Faktoren, über die man verfügen sollte, um nicht zu falschen Schlussfolgerungen zu springen. Der erste ist, seine Forschungsmedien zu kennen, genauso wie die Situation und der dritte, über Feldwissen zu verfügen. Dies ist aber nicht immer so simpel, wie es im ersten Moment scheint. Es stellt sich also die Frage, welches Wissen notwendig ist, um Wissen zu erzeugen.

Paßmann bezieht sich hierbei auf ein Protokoll mit Daten von Twitter, das mithilfe der Mapping-Software Gephi visualisiert. Von großer Bedeutung sind in diesem Fall Visualisierungsalgorithmen.

Paßmann und Martijn Weghorst erstellten zusammen eine Datenbank mit den 450 reichweitenstärksten deutschsprachigen Twitterern, von denen die 100 reichtweitenstärksten Tweets genauer untersucht wurden, im Hinblick auf Favs und Retweets. Die Visualisierung der Software Gephi zeigt nun nicht alle Favs und Retweets der 100 ausgewählten Tweets an, sondern nur jene, die die 450 reichweitenstärksten Twitterer sich bei diesen Tweets untereinander gegeben haben.

Bei der Visualisierung stellt sich schnell heraus, dass es zwei Twitter Gruppen gibt, Leute, die den Favorisieren Button als Lesezeichen benutzen und die von Paßmann so genannte Favstar-Sphäre, Twitter Nutzer, die denn Button nutzen, um ihre Anerkennung für gewisse Tweets auszudrücken.

Auch der Umstand, dass die „wichtigen“ Twitterer ihre Tweets gegenseitig faven und retweeten wird durch die Map gut dargestellt.

Das Arbeiten mit dem Programm Gephi und auch die Graphen selbst weisen auf ein Paradox hin. Bilder scheinen eher unbeliebt in wissenschaftlichen Arbeiten zu sein, Visualisierungen sind aber, so zum Beispiel in der Form von Graphen, nach wie vor eine große Rolle in der Wissenschaft.

In diesem Fall handelt es sich jedoch um soziale Graphen, die nicht die Welt zu imitieren versuchen, sondern eine völlig neue symbolische Darstellung aufweisen. Ob diese letztendlich richtig gedeutet wird, hängt immer von dem Wissen ab, dass beim Erstellen des Graphen vorhanden war und wie dieses einsortiert wird.

Nun geht Paßmann weiter und spricht über den ersten der drei zuvor genannten Faktoren, das technisch-methodische Wissen im Bezug auf die Twitter-Studie. Beim Erstellen der verschiedenen Gephi-Maps hat Weghorst verschiedene Variablen geändert, um die Veränderungen der abhängigen Variablen und damit einhergehend eine Veränderung der Darstellung zu erzielen. Durch experimentelles Vorgehen und gesammelte Erfahrungen kennt er also sein Forschungsmedium.

Durch das Skype Gespräch wird deutlich, das Weghorst an einem Abend viele verschiedene Versuche unternommen hat, eine oder mehrere geeignete Graphiken zu erstellen. Durch Herumexperimentieren wird der Forschungsgegenstand der Situation angepasst, Weghorst arbeitet gewissermaßen situativ und erfüllt somit auch den zweiten genannten Faktor.

Das Feldwissen kommt bei Paßmann vor allem durch persönlicher Erfahrungen zustande, so zum Beispiel diverse Konferenzen oder Interviews, in denen er Twitterer der Favstar-Sphäre kennen lernen konnte. Dass diese auch auf Treffen eine gesonderte Gruppe bilden, verweist also auch auf die Diagramme, die zeigen, dass eine gewisse Verbundenheit in dieser Twitter Gruppe herrscht.

Ein weiteres Wissensfeld, das Paßmann zuvor nicht angesprochen hat, ist das theoretisch-literarische Wissen, durch welches er sich schlussendlich, aufgrund der „Power Law Distribution“, für eine der vielen generierten Maps entschieden hat.

Paßmann gelingt es also die drei am Anfang erwähnten Arten von Wissen, und noch eine weitere, mithilfe seiner Studie zu belegen, auch wenn dies zunächst nicht offensichtlich scheint und das genutzte Medium zunächst hinterfragt und abgeändert werden musste.

Gerlitz und Helmond erklären am Anfang ihres TextsThe Like economy: Social buttons and the data intensive web auf welche Weise sich Facebook ausgebreitet hat. Dies geschah vor allem durch die Verbreitung der Like- und Share-Buttons auf diversen anderen Internetseiten. Damit wurden viele Seiten im Netz verbunden, man kann von einer Infrastruktur sprechen, die durch diese Art der sozialen Verbundenheit aufgebaut wird. Damit hat Facebook es sogar geschafft, den Like-Button als eine feststehende Größe in unserer Gesellschaft zu etablieren.

Dies ist aber erst im Web 2.0 aktuell. Zu Zeiten des Web 1.0 waren Besucherzahlen, sogenannte Hits, die bestehende Messgröße. Im Web 2.0 spielt vor allem Partizipation eine Rolle, wodurch Social Plugins wie der Like-Button zu feststehenden Messgrüßen werden konnten. Dadurch, dass eine Internetseite über mehr solcher Plugins verfügt, wird sie auch deutlich mehr von ihren Nutzern geformt. Es entsteht die schon angesprochene Infrastruktur, die Seiten sind untereinander alle miteinander verbunden. Der Datenaustausch wird nicht mehr nur durch Suchmaschinen und Hits gesteuert, sondern ganz klar von sozialen Plattformen, an denen jeder mitwirken kann.

Doch auch Facebook hat Grenzen, wenn es darum geht, dass reale soziale Leben auf ein soziales Netzwerk zu übertragen. So sprechen Gerlitz und Helmond das Fehlen des Dislike-Buttons an, den viele User fordern.

Soziale Plattformen wie Facebook können also durchaus als Mittel für soziale Interaktion gesehen werden, und sind wohl aus der heutigen Gesellschaft auch nicht mehr so schnell wegzudenken, ob sie dafür völlig ausreichen, ist anhand ihrer Grenzen jedoch fraglich.

Esposito macht direkt am Anfang ihres Textes Algorithmische Kontingenz. Der Umgang mit Unsicherheit im Web klar, dass die Gesellschaft gleichermaßen fasziniert, aber auch geplagt ist, von der Kontingenz, die in ihr herrscht. Das bedeutet, dass in unserer Gesellschaft alles möglich ist, ja, dass es sogar mehr Möglichkeiten und Konsequenzen für jeden gibt, als tatsächlich in Betracht gezogen werden können. Dieser Umstand muss aber nicht nur als etwas durchweg positives angesehen werden, er kann durchaus auch zu Enttäuschungen führen. Um das zu verhindern, gibt es einige theoretische Ansätze.

Ein etwas neuerer ist der der 'rationalization' von Lorraine Daston von 2013. Nach diesem Ansatz muss die Unsicherheit der Vernunft durch algorithmische Regeln ersetzt werden.

Aber auch schon früher gab es Ansätze, die der Enttäuschung durch die Kontingenz entgegenwirken sollten, wie zum Beispiel Wahrscheinlichkeiten und Statistiken ab dem 17. Jahrhundert. Dabei wirkt die Wahrscheinlichkeit nicht als etwas, dass die Welt untersucht oder die Suche nach der Wahrheit darstellen sollte, sondern vielmehr als ein Mittel, um scheinbar unüberwindbare Unsicherheiten weniger unsicher erscheinen zu lassen und diese entsprechend zu verwalten.

Da das große Problem der Kontingenz ist, dass man so viele Handlungsmöglichkeiten hat, deren Konsequenzen nicht überschaubar genug sind, ist eine Möglichkeit Gewissheit mit Vernünftigkeit zu ersetzen. Dadurch hat man zwar nie die Sicherheit, dass die eigene Wahl die bestmögliche ist, dies ist aber auch nicht zwingend erforderlich. Vielmehr ist bei diesen Techniken interessant, wie man nicht zufällige Entscheidungen am besten trifft, indem er rechnet. Durch Algorithmen können Unsicherheiten rationalisiert werden. Darauf zielt auch Dastons Technik ab. Bis dahin hat sich aber viel getan. So ist es ein Unterschied, ob auf einfache Statistiken und Wahrscheinlichkeiten gebaut wird, oder ob die eignen Unsicherheiten von einem Computer errechnet werden.

Wichtig ist aber vor allem, dass die Unsicherheiten nicht als etwas durchweg negatives gesehen werden, sondern durchaus als Ressourcen für neue Möglichkeiten genutzt werden können.

Das erste Problem, was beim Algorithmus auftritt ist, dass dieser formal nicht definiert werden kann, auch wenn klar ist, wie er funktioniert. Ein Algorithmus muss auch nicht immer zu einer Lösung führen, sodass es nicht immer sinnvoll ist, einen anzuwenden. Die Unsicherheit der Vernunft wird also zu einer Unsicherheit über die Grenzen der Formalisierung, selbst wenn man rational denkt, weiß man nie genau, wann man überhaupt rationalisieren sollte. Daraus folgt, dass die vernünftigste Lösung nicht unbedingt die richtige sein muss.

Dass Formalisierung Grenzen hat, scheint vielen nicht mehr bewusst zu sein, nützlich kann sie dennoch sein. Die Kontingenz wird dadurch aber nicht aufgehoben.

Die Verbreitung rationaler Ansätze hat außerdem zur Folge, dass diese irrational wirken können. Die Ansätze können ihre eigene Rationalität oder vielmehr die Irrationalität nicht mit berücksichtigen. Die Ansätze und Modelle selbst bleiben zwar rational, die Formalisierung schafft aber eine Situation, in der es eigentlich rational wäre, sich nicht formal mit Rationalität auseinander zu setzen. Dies führt zu einem neuen Bild von Algorithmen. Ihr Gebrauch sollte in der heutigen Gesellschaft unbedingt überdacht werden, da sie auf jeden Fall auch produktiv genutzt werden können. So scheinen sie sogar zu einer neuen Form von Intelligenz führen zu können, die anders als die menschliche Vernunft ist.

So zeigt zum Beispiel die Suchmaschine Google aufgrund ihres Algorithmus' Seiten an, die vorher schon miteinander verknüpft sind und so wahrscheinlich auf ähnliche Themen abzielen. Sie arbeitet nicht intelligent, da sie den Inhalt der Seiten nicht verstehen kann, aber der Umstand, dass sie dem Nutzer informative Seiten aufzeigt, sein Wissen vielleicht sogar um zusätzliche Informationen erweitert, lassen sie doch intelligent werden. Esposito spricht von einer reflektierten Intelligenz, da die Maschine sich die Intelligenz vorheriger Nutzer zu eigen macht und anhand dieser selektiert. Die Kontingenz wird dadurch keineswegs verringert, eher noch vergrößert, aber die Suchmaschine kann jederzeit ein nachvollziehbares Ergebnis ausspucken, das die Unsicherheit deutlich schrumpfen lässt.

Die Kommunikation im Internet ist ebenfalls eine völlig andere, da es autonome Roboter oder auch Bots gibt, die auf Algorithmen basieren. Sie sammeln Informationen zum Austausch in sozialen Netzwerken oder dem Internet allgemein. Diese werden dann im Netz weiter kommuniziert. Dies unterscheidet sie von klassischen Algorithmen, da Daten hier weiterverarbeitet werden können, um neue Daten zu erzeugen. Dies geschieht alles anhand menschlicher Selektion, die von den Menschen selber in diesem Maße jedoch nicht erfasst werden kann.

Zunächst erläutern Easton und Hess in ihrem Text Youth and Political System, dass in keinem Zeitalter so viele politische Systeme zusammengebrochen und andere aufgebaut wurden, wie in unserem. Dabei ist aber auch zum ersten Mal ein System entstanden, dass in nahezu allen westlichen und Entwicklungsländern Anklang gefunden hat.

Hauptsächlich wird bei politischen Umschwüngen nur auf Faktoren wie die Wirtschaft, Kultur oder wichtige Kriege, die das Land betreffen, geachtet, jedoch nur wenig auf den Umstand, wie ein politisches System es schafft sich zu etablieren und zu halten. Ein wichtiger Faktor ist zum Beispiel, dass das System es fertig bringt, aus der Masse eine integrierte Einheit zu schaffen. Dabei muss es aber auch Unterschiede zwischen den einzelnen Individuen geben, da Auseinandersetzungen und andere Meinungen ganz entscheidend zu einem System dazugehören. Die Aufgabe des Systems ist es, mit diesen Unterschieden umgehen zu können.

Ein politisches System kann nur unter bestimmten Voraussetzungen gehalten werden. Easton und Hess greifen sich vor allem einen Punkt heraus, nämlich den, dass es Erwartungen an die Gesellschaft gibt, nämlich Einigkeit im Wissen, der Einstellung und den Werten eines jeden Individuums. Ist diese Einigkeit in gewissem Maße vorhanden, kann man von einem gemeinsamen Konsens sprechen, in den das politische System gebettet ist.

Hierbei beziehen sich die Autoren auch auf David Riesman, nach dem ein demokratisches System nur existieren kann, wenn ein Minimum an politischer Partizipation gegeben ist.

Des Weiteren teilen sie das politische System in drei Level ein, die Regierung, das Regime und die politische Gemeinschaft. Wenn man nun von Änderungen im politischen System spricht, kann entweder einzelne Level oder sogar alle drei gemeint sein.

Im weiteren Verlauf sprechen Easton und Hess über Sozialisation, die sich auch auf allen drei genannten Ebenen abspielt und in jedem Level eine Rolle spielt. Bei Riesman ist jedoch vor allem die Regierungsebene von Bedeutung, da er betrachtet, was einen zum Beispiel zum Wählen bewegt und nicht, was einen dazu bewegt, eine bestimmte Richtung zu wählen. Da ein Minimum an Beteiligung besteht, funktioniert eine demokratische Regierung. Hierbei wird auch ein Bezug zu den drei Charakter Typen her, die Riesman definiert und in unserer letzten Sitzung eine Rolle spielten.

Bei der politischen Sozialisation geht es also nicht nur um die Einstellung gegenüber bestimmter politischer Personen oder Gruppen, sondern auch sich mit der Gemeinschaft ein Stück weit identifizieren zu können.

Diese Sozialisation findet quasi das ganze Leben statt, auch wenn sie bei Erwachsenen anders abläuft als bei Kindern und Jugendlichen. Erwachsene und auch junge Erwachsene besitzen schon gewisse Raster, in denen sie neu erworbenes Wissen einordnen können und dieses dann neu anwenden. Die Einstellung gegenüber dem Wählen und bestimmten Ideologien bildet sich schon relativ früh und wird später nur dementsprechend erweitert.

Wann genau politische Sozialisation beginnt, lässt sich so pauschal aber nicht sagen. Ein Kind bekommt schon früh Dinge des politischen Systems mit, ohne diese als solche zu sehen. Ein weiteres Problem ist, das man keine klaren Linien zwischen Kindheit, Jugend und Erwachsensein ziehen kann, sodass kein klarer Zeitpunkt festgelegt werden kann, an dem es am sinnvollsten ist, das wichtigste über solch ein Thema zu vermitteln.

Sicher ist jedoch, dass sich die politische Meinung meist schon früh bildet, und, obwohl teilweise sogar gewollt, sich auch nicht mehr großartig verändert.

Viele Jugendliche halten sich jedoch aus der Politik raus und Easton und Hess betonen, dass dies auch nicht unbedingt verkehrt ist. Jugendliche befinden sich in einer Findungsphase, in der Dinge wie Politik nicht unbedingt eine Rolle spielen. Eine gewisse Ernsthaftigkeit wird dennoch von ihnen verlangt. Aber solange die Probleme nicht von großer Bedeutung sind, halten sich die Jugendlichen raus. Die Abwesenheit der jugendlichen Partizipation deutet also auf ein nicht unbedingt schlechtes politisches System hin.

Der zweite Text Das Maß der Potsdamer Garde von Carlos Spoerhase behandelt ein ganz anderes Thema, nämlich Rankings und Listen, beziehungsweise ihre Entstehung.

Rankings sind heute wohl nicht mehr aus unserer Gesellschaft wegzudenken, da sie diese beschreiben und sogar verändern können. Dies geschieht durch Zahlen.

Spoerhase siedelt die Entstehung von Ranking im 18. Jahrhundert an, in der Epoche der europäischen Kunst- und Literaturkritik. In dieser Zeit entwarf der Dichter Schubart die „Kritische Skala der vorzüglichsten deutschen Dichter“, die in neun verschiedenen Kategorien 18 Dichter bewertet. Damit gilt Schubarts Liste als erster Vorläufer für die quantifizierende Rangliste.

Ebenfalls im 18. Jahrhundert veröffentlichte der Kunstkritiker de Piles eine „balance des peintres“, in der er 57 Künstler in vier Kategorien bewertet, ohne jedoch eine Gesamtwertung abzugeben.

Beide Ranglisten wurden zu ihrer Zeit als Unsinn abgetan, waren später aber immer wieder von großem Wert.

So wurde de Piles' Skala von Richardson aufgenommen und sogar um drei Kategorien erweitert. Auch Akenside nahm de Piles' Skala auf und ergänzte diese und bestimmte ebenfalls noch einen Gesamtwert.

Dieses Modell wurde später auch in die Musik übertragen. Auch in anderen Ländern wurden nun Ranglisten veröffentlicht und die wichtigsten und einflussreichsten Ranglisten übersetzt und zum Teil sogar mehrere Male gedruckt.

Die Skalen oder „Balance“ hatten angeblich erst einmal den Wert der Unterhaltung. Spoerhase geht aber auch darauf ein, dass diese für manche ein Mittel darstellten Werke mathematisch einzuordnen, mit Hilfe von Zahlen, und das somit die Mathematik auf das Gebiet des ästhetischen Urteils ausgeweitet werden konnte. Der Physiker de Mairan entdeckte somit zwei Schwachstellen in de Piles' Rangliste, der Gesamtwert muss das Produkt der einzelnen Kategorien sein, nicht die Summe und es darf nicht den Wert 0 geben, und korrigierte diese. Durch diese Verbesserungen erhoffte man sich, dass das Ranglistensystem schon bald in allen Bereichen des Geistes Anwendung finden würde.

Für Spoerhase wurden damit aber nicht alle Probleme beseitigt, die solch ein Ranking schafft.

So weiß man zum Beispiel nicht, ob eine Rangliste einen Wert begründen oder ihn zunächst entdecken will, die Absicht dahinter wird nicht deutlich.

Beim Erstellen des Rankings hatten alle Kritiker schon vorher bestimmte Präferenzen, die in ihre Wertung mit eingehen. Auch einen Gesamtwert zu errechnen, wird von dem Autor kritisiert. So kann nicht jeder Kategorie das gleiche Gewicht zugeschrieben werden. Ganz allgemein lassen sich,

laut Spoerhase, ästhetische Dinge nicht in Zahlen fassen.

Als Vorreiter für unsere heutigen Ranglisten und Wertungen lassen sich die Ranking aus dem 18. Jahrhundert schon sehen, dabei sind die aber definitiv kritisch zu betrachten.