zur Hauptnavigation springenzum Inhaltsbereich springen

Projects with particular relevance for society Projects

© Alexander Debieve '

Analyse von Interaktionen in modernen digitalen Medien

Social Media ist zu einem bedeutenden Kommunikationskanal für Unternehmen geworden. Neben der Möglichkeit, mit Kunden in Kontakt zu treten, können von Kunden diskutierte Ideen und Wünsche dadurch in die (Weiter)-Entwicklung von Produkten und Dienstleistungen einbezogen werden. Communities ermöglichen es, Zielgruppen direkt anzusprechen und Botschaften über Produkte und Services zu verbreiten. Die große Reichweite und die Möglichkeit, neben Texten auch Fotos oder Videos zu posten, versetzt Unternehmen in die Lage, eine Vielzahl von Kunden und Interessenten mit einer großen Bandbreite an multimedialen Inhalten zu erreichen.
Unternehmen müssen in der Gestaltung der eignen Social Media Posts jedoch darauf achten, dass diese nicht zum Auslöser für negative Entwicklungen werden. Auch wenn Unternehmen alle Aspekte für die Formulierung von Social Media Posts berücksichtigen (z. B. Stimmungs- und Wahrheitsgehalt), gibt es über den reinen Text eines Social Media Posts hinausgehend weitere Faktoren (z. B. Ort und Zeit), die auf Empfänger von Posts Einfluss ausüben. Die Erforschung der Einflüsse dieser Kontextfaktoren soll Unternehmen zukünftig bei der Planung ihrer Kundenkommunikation über Soziale Medien besser unterstützen.
Die immense Menge von Social Media Nachrichten stellt Unternehmen ebenfalls vor Probleme. Unternehmen sind daran interessiert, Einblicke in aktuelle Trends sowie Wünsche und Vorschläge von Kunden zu gewinnen. Hierbei können Ansätze der automatisierten Inhaltsanalyse Abhilfe schaffen. Auf Basis einer Identifikation von entsprechenden Anwendungsfällen und dazugehörigen Anforderungen sollen entsprechende Empfehlungen für die Anwendung solcher Ansätze auf Social Media Posts ableitet werden. Zusätzlich macht die Menge von Kundenanliegen eine automatisierte Bearbeitung notwendig, um Angestellte im Kundenservice entlasten zu können. In diesem Themenbereich werden deshalb Gestaltungsmerkmale und Bewertungsmethoden für Chatbots genauer untersucht.

MEMBER IN THE JOINT ACADEMIC PARTNERSHIP

since

Joint Academic Partnership Economics and Business

Supervisor University of Regensburg:

Prof. Dr. Susanne Leist

Forschungsschwerpunkte:

  • Analyse des Einflusses neuer sozialer Technologien auf die Prozesse sowie die Wertschöpfung im Unternehmen
  • Analyse von Social Media-Inhalten und -Strukturen zur Unterstützung des Qualitätsmanagements, Entwicklung und prototypische Implementierung von Algorithmen
  • Enterprise Social Networks und Wissensmanagement in Unternehmen, Modellierung, Analyse und Bewertung des Informationsflusses, prototypische Implementierung eines integrierten Modellierungs- und Analysewerkzeugs

    Projects:

    Publikationen

    Konadl, D., Wörner, J., Luttner, L. und S. Leist (2023):
    Artificial intelligence in augmentative and alternative communication systems - a literature-based assessment and implications of different conversation phases and contexts. 31st European Conference on Information Systems (ECIS 2023).

    Wörner, J., Konadl, D., Leist, S. und I. Schmid (2023):
    Mantra: A Topic Modeling-Based Tool to Support Automated Trend Analysis on Unstructured Social Media Data. 44th International Conference on Information Systems (ICIS 2023).

    Konadl D., Ramming, L. und S. Leist (2022):
    Chatbot Design Features to Increase Productivity. International Conference on Design Science Research in Information Systems and Technology (DESRIST), University of South Florida. Begutachtet im Rahmen eines Peer-Review-Prozesses. Nicht Open Access.

    Wörner, J., Konadl, D., Schmid, I. und S. Leist (2022):
    Supporting Product Development by a Trend Analysis Tool applying Aspect-Based Sentiment Detection. International Conference on Design Science Research in Information Systems and Technology (DESRIST), University of South Florida. Begutachtet im Rahmen eines Peer-Review-Prozesses. Nicht Open Access.

    Konadl D., Wörner J. und S. Leist (2021):
    Identifying Sentiment Influences Provoked by Context Factors – Results from a Data Analytics Procedure Performed on Tweets. Proceedings of the 54th Hawaii International Conference on System Sciences, S. 2511-2520.

    Wörner J., Konadl D., Schmid I. und S. Leist (2021):
    Comparison of topic modelling techniques in marketing-results from an analysis of distinctive use cases, In: ECIS 2021 Research Papers, 98.

     

    Präsentationen

    Konadl D. (2021):
    Identifying Sentiment Influences Provoked by Context Factors – Results from a Data Analytics Procedure Performed on Tweets, Hawaii International Conference on System Sciences, Online-Konferenz.

    Daniel Konadl

    Daniel Konadl

    University of Regensburg