Do Not Track – Web-Doku-Serie über Internet-Tracking
Bibliographic record
Abstract
Rund um Internet-Tracking und das Geschäft mit persönlichen Daten dreht sich die Web-Doku- Serie Do Not Track. Das internationale Projekt wird von der französischen Produktionsfirma Upian in Koproduktion mit dem Bayerischen Rundfunk, arte und dem National Filmboard of Canada realisiert. Es soll Internetnutzenden verdeutlichen und greifbar machen, wie ein zweites Ich in der digitalen Welt entsteht, das nicht vom Individuum selbst, sondern von Algorithmen gesteuert wird. Um ein Beispiel für Online-Tracking zu erleben, kann man sich auf der Webseite mit der eigenen E-Mail-Adresse anmelden; damit in später rezipierten Folgen auf die vorherigen Daten zurückgegriffen und Zusammenhänge erstellt werden können. Die Besonderheit der Web-Doku ist, dass Nutzende interaktiv mitmachen. In jeder Episode werden Fragen gestellt, die direkt beantwortet werden müssen. Die Antworten werden exemplarisch verwendet, um die vorher genannten Phänomene zu veranschaulichen. Do Not Track besteht insgesamt aus sieben Folgen, die seit 15. Juni alle online abrufbar sind. In Morgenrituale, dem ersten Video, geht es darum, wie wir auf unseren Lieblingsseiten im Internet von Trackern gescannt werden – und wie diese anschließend mit den gesammelten Informationen Geld verdienen. Der interaktive Teil dieser Folge ist, dass Angaben zur Lieblings-Nachrichten- und -Unterhaltungswebeseite gemacht werden können. So wird aufgezeigt, wie mithilfe von Cookies Informationen ausgetauscht werden (können). Breaking Ad beschäftigt sich mit der Frage, ob das World Wide Web ohne Tracking-Funktion möglich wäre. Ich „like“, also bin ich dreht sich um den Gefällt mir-Button auf Facebook und die damit preisgegebene Menge an Daten, Futter für Versicherungen oder Banken. Der Spion in Ihrer Tasche behandelt Hintergrundaktivitäten und das Datensammeln von Apps. Big Data: die Welt der Algorithmen zeigt, was mit Big Data Nützliches wie auch Überflüssiges gemacht wird. Die Ich-Zeitung widmet sich der Nachrichtenauswahl im Internet und Um die Zukunft zu ändern, hier klicken beschreibt Szenarien, durch die Datensammelei eintreten könnten. Durch die internationale Zusammenarbeit stehen die Videosin unterschiedlichen Sprachen zur Verfügung, beispielsweise in Englisch oder Französisch. Auch die Werkstatt-Community webhelm – ein Kooperationsprojekt des JFF – Institut für Medienpädagogik in Forschung und Praxis und der Aktion Jugendschutz, LandesarbeitsstelleBayern e. V. – stellt online Informationen zum Thema Datenschutz bereit. Auch bietet webhelm Workshops und Veranstaltungen an, in denen Jugendliche, pädagogische Fachkräfte und Eltern fachlich fundiert an das Thema herangeführt werden und ihr Wissen direkt praktisch umsetzen. Dabei werden Fähigkeiten im technischen Umgang mit Medien vermittelt, eine Reflexion der Mediennutzung angeregt sowie der pädagogische und erzieherische Umgang damit diskutiert: Warum ist Datenschutz auch für ‚normale‘ Menschen wichtig? Wie kann man sich vor Trackern schützen? Wie schafft man es, das Internet trotz dieser Datenkraken kompetent und ohne große Einschränkungen zu nutzen? http://www.donottrack-doc.com/de http://www.webhelm.de
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.011 | 0.018 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.080 | 0.070 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".