Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage Computermodelle für soziale Prozesse wie Informationsverbreitung, Normbildung und soziale Dynamik zu entwickeln. Sie werden auch mit der Datenethik vertraut gemacht.
- Grundlegende Konzepte und Ursprung der Computational Social Science als Disziplin.- Soziologische und computergestützte Ansätze zur Analyse von sozialen Netzwerken.- Spieltheorie.- Epidemien in Netzwerken.- Verbreitung und Übernahme von sozialen Normen und Kultur.- Meinungsdynamik und Polarisierung.- Computergestützte Ungleichheit.- Algorithmen und Gesellschaft.- Agentenbasierte Modellierung.- Meinungsdynamik.- Rechnerische Ungleichheit.- Algorithmen und Gesellschaft.
Der Kurs besteht aus Vorlesungen und Übungen. Die Studierenden erhalten 1-2 Wochen vor jeder Übung ein Übungsblatt und sollen ihre Lösungen im Voraus einreichen. Die Abschlussprüfung besteht aus abschließenden Gruppenprojekten und schriftlichen Berichten.
The lecture slides will be available on the Web.
Workload for Students (in hours):
Total: 75h
Lecture modality
Although the course is hybrid, most lectures will be held in-person without any online retransmission or recording.
Some lectures may be taught remotely, in which case students will be notified in advance.
- Zweiwöchentliche Hausaufgaben: 40 %
- Abschlussprojekt I: 25 %.
- Abschlussprojekt II: 25 %.
- Teilnahme an der Vorlesung und Interaktion in der Klasse: 10%
Grundlegende Programmierkenntnisse in Python sind wünschenswert.