BA Experiment

Themenschwerpunkt: Algorithmisch kuratierte Unterhaltungsmedien

Felix Dietrich

Johannes Gutenberg-Universität Mainz
BA Experiment: Medienrezeption & -wirkung KF A
Sommersemester 2026

Willkommen!

• Sie können horizontal durch die Sitzungen und vertikal innerhalb der Sitzungen navigieren
• Verwenden Sie die Pfeiltasten
• Verwenden Sie “M”, um das Menü zu öffnen
• Die Kurs-Website und alle Folien finden Sie unter https://felixdidi.github.io/26-1-ex
• Drücken Sie ? auf Ihrer Tastatur, um mehr darüber zu erfahren, wie Sie durch die Folien navigieren können!

Sitzung 01: Einführung

Ressourcen für diese Sitzung

Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Bild generiert mit FLUX.1-schnell: “A TV screen showing a person learning something new as a black and white cartoon”

Eine kleine Einführung

Ich werde Ihnen eine kurze Geschichte erzählen.

Hierzu bitte eine Hälfte des Kurses kurz die Augen schließen!

Dieser Charakter heißt Grizzard.

Er spielt gleich in unserer Geschichte eine Rolle.

Dieser Charakter heißt Grizzard.

Er spielt gleich in unserer Geschichte eine Rolle.

“Grizzard würde anderen emotionales Leid zufügen.”

Bitte schreiben Sie sich eine Zahl zwischen…

1 (sehr unwahrscheinlich) und

7 (sehr wahrscheinlich) auf,

die Ihrem Eindruck entspricht.

Die Geschichte von Grizzard: Er hat die Entscheidung.

“Grizzard hat das richtige getan.”

Bitte schreiben Sie sich eine Zahl zwischen…

1 (stimme voll und ganz zu) und

7 (stimme überhaupt nicht zu) auf,

die Ihrem Eindruck entspricht.

Das haben Sie gesehen, bevor Sie die Fragen beantwortet haben:

Hero Grizzard

Villain Grizzard

Berechnen Sie jeweils einen Gruppenmittelwert für die erste und die zweite Frage. Wir tragen diese Werte gleich in die folgende Tabelle ein:

Hero Grizzard fügt emotionales Leid zu:

Villain Grizzard fügt emotionales Leid zu:

Hero Grizzard hat Hebel geflipped, das war richtig:

Hero Grizzard hat Hebel nicht geflipped, das war richtig:

Villain Grizzard hat Hebel geflipped, das war richtig:

Villain Grizzard hat Hebel nicht geflipped, das war richtig:

Agenda

• Einführung & Organisatorisches
• Grundlagen experimenteller Forschung
• Kausalität & Zusammenhänge

Los geht’s!

Welche sind die wichtigsten Fragen, die in dieser Sitzung beantwortet werden sollen?

• Worum geht es in diesem Kurs?
• Was werde ich lernen?
• Was werde ich tun (müssen)?

Kurs-Website

• Verfügbar unter https://felixdidi.github.io/26-1-ex
• Bitte nach dieser Sitzung im Detail ansehen

Kursmaterial

• Wird über die Kurs-Website (und Moodle) bereitgestellt
• Bitte prüfen Sie, ob Sie Zugang zur Moodle-Plattform haben
• Sie sollten automatisch zum Moodle-Kurs hinzugefügt werden
• Wenn Sie bis Ende dieser Woche keinen Zugang haben, schreiben Sie bitte eine E-Mail

Vorstellungsrunde

Über Felix

• Doktorand & wiss. Mitarbeiter
  am Fachbereich Medienpsychologie
  JGU Mainz

Meine Forschungsinteressen umfassen:

• Rezeption und Wirkung von Unterhaltungsmedien
• Algorithmische Kuratierung von Medieninhalten
• Digitale Autonomie & mentale Gesundheit
• Computational Communication Science

Und Sie?

• Wie ist Ihr Name?
• Was ist Ihr Haupt- und Nebenfach?
• Wie groß ist Ihr Interesse an computergestützten Analysemethoden?

Seminarübersicht

Woche	Datum	Thema	Ziele
1	14. Apr.	Grundlagen & Kausalität
2	21. Apr.	Validität, Designs, Ethik
3	28. Apr.	Eine Problemstellung entwickeln*
4	5. Mai	Computational Methods*
5	12. Mai	Projekt-Sitzung	Präregistrierung
6	19. Mai	Projekt-Sitzung	Pretest
7	26. Mai	Keine Sitzung: Dienstreise	Beginn Feldphase

Hinweis

Die Seminarstruktur kann an die individuellen Bedürfnisse und Interessen der Projektgruppen angepasst werden. Sitzungen, die mit einem Sternchen markiert sind, qualifizieren anteilig für den Computional Methods Track.

Seminarübersicht

Woche	Datum	Thema	Ziele
8	2. Juni	Keine Sitzung: Dienstreise
9	9. Juni	Keine Sitzung: Dienstreise
10	16. Juni	Datenaufbereitung*	Ende Feldphase
11	23. Juni	Datenanalyse
12	30. Juni	Datenanalyse
13	7. Juli	Semesterabschluss und Informationen zum Projektbericht	Projekt-Präsentation
	1. Sept.	Einreichungsfrist Projektbericht

Hinweis

Die Seminarstruktur kann an die individuellen Bedürfnisse und Interessen der Projektgruppen angepasst werden. Sitzungen, die mit einem Sternchen markiert sind, qualifizieren anteilig für den Computional Methods Track.

Was werde ich lernen?

Was werde ich lernen?

Expertise

• Forschung zur digitalen Mediennutzung, Fokus auf algorithmische Kuratierung
• Umsetzung einer Experimentalstudie von der Konzeption bis zur Präsentation

Methodische Kompetenz

• Entwicklung empirischer, experimenteller Forschungsdesigns (Schwerpunkt Computational Communication Science)
• Durchführung und Dokumentation von Datenanalyse und Reflexion der methodischen Grenzen

Persönliche Kompetenz

• Problemlösungskompetenz bei forschungsorientierten Aufgaben
• Übertragung des Wissens auf ähnliche Fragestellungen

Was muss ich tun?

Was muss ich tun?

Keine Anwesenheitspflicht bedeutet…

• Sie erhalten alle grundlegenden Informationen im LMS und auf der Kurswebseite
• Sie können viele Kursinhalte selbständig vor- und nachbereiten
• Ein Teil der Aufgaben wird auf nicht-Präsenz-Zeiten verlagert
• Sie sind selbst verantwortlich, alle Inhalte aufzunehmen und alle zentralen Abgaben/Aufgaben/Voraussetzungen für die aktive Teilnahme zu erfüllen/im Blick zu behalten
• Wenn Sie nicht anwesend sind, es aber Gruppenarbeiten gibt, sind Sie selbst dafür verantwortlich, sich im Sinne der Gruppe einzubringen
• Gerade bei empirischen Kursen gibt es viele essenzielle Sitzungen, die direkt an den Erfolg in diesem Kurs geknüpft sind, d.h. kein Abschlussbericht ohne regelmäßige Anwesenheit oder sehr hohes Maß an eigenständiger Nachbereitung

Was muss ich tun?

Arbeit in den Arbeitsgruppen

• Gruppenarbeit im Seminar: ca. 4 Studierende pro Gruppe
  
• Maximal 5 Arbeitsgruppen im Seminar
  
• Prinzip: “Learning by doing”
• Studierende sammeln praktische Erfahrungen in Arbeitsgruppen (AGs)
  
• Austausch mit anderen AGs: Kennenlernen von Methoden, Themen und Arbeitsweisen
  
• Feedback geben und erhalten: zur eigenen und zu anderer AG-Arbeit

Was muss ich tun?

Anforderung	Abgabe	Deadline
Aktive Teilnahme an Diskussionen und Gruppenarbeiten im Kurs		Fortlaufend
Sitzungsvorbereitung durch Literatur-Lektüre & -Recherche		Fortlaufend
Gruppen-Abgabe der (vorläufigen) Präregistrierung für das Forschungsprojekt	E-Mail an den Dozenten	Sonntag, 10.05., 23:59 Uhr
Pretest des Fragebogens & Rekrutierung von Studienteilnehmenden		Vor Beginn und während der Feldphase
Abschlusspräsentation	E-Mail an den Dozenten	Abgabe Sonntag, 05.07., 23:59 Uhr; Präsentation Dienstag, 07.07., 16:15 Uhr

Was muss ich tun?

Benotete Leistung (“Prüfungsleistung”)

• Schriftlicher Projektbericht (Gruppenabgabe)
• Orientiert sich an einem wissenschaftlichen Artikel
• Informationen auf der Kurswebsite & in der letzten Sitzung

Was muss ich tun?

Leseaufgabe (siehe “Vorbereitung” im Seminarplan)

• Lesen Sie die bereitgestellte Literatur, um sich auf eine Seminar-Sitzung vorzubereiten
• Orientieren Sie sich bei der Lektüre an den Fragen, die am Ende der letzten Sitzung gestellt wurden
• Sie sollten in der Lage sein, diese Fragen in der Sitzung zu beantworten

Wie man liest und wie man nicht lesen sollte?

• Lesen Sie wissenschaftliche Literatur nicht wie einen Roman
• Beginnen Sie mit Titel, Zusammenfassung und Zwischenüberschriften, um einen ersten Eindruck zu gewinnen
• Wenn Sie digital lesen, suchen Sie nach Schlüsselwörtern
• Überlegen Sie: “Was will ich von diesem Text?”
• Beantworten Sie Ihre eigenen Fragen (ich werde auch einige stellen)

Allgemeine Literatur

Warnung

Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Soweit Fragen?

Grundlagen experimenteller Forschung

Angenommen, dass …

• … wir in den letzten 15 Jahren beobachtet hätten, dass Darstellungen von „Magermodels” in verschiedenen Werbemitteln (z.B. TV-Spots, Plakatwerbung, Social-Media-Werbung, …) zunehmen.
• … bevölkerungsrepräsentative Erhebungen (z.B. Statistisches Bundesamt) für denselben Zeitraum eine Zunahme von Essstörungen, v.a. Magersucht, verzeichnen.
• … Studien zeigen, dass junge Frauen, die häufig entsprechende Werbeinhalte rezipieren, vermehrt unter Essstörungen leiden.

Die Beobachtungen lassen einen Zusammenhang zwischen Werbeinhalten und Ernährungsverhalten vermuten – erlauben aber keine Kausalschlüsse.

Was also tun?

EXPERIMENT

Übung

Aufgabe (~10 Minuten)

Tauschen Sie sich mit Ihren Sitznachbar:innen aus:

• Was verbinden Sie mit dem Begriff „Experiment”?
• Was zeichnet ein gutes Experiment Ihrer Meinung nach aus?
• Was unterscheidet ein Experiment von anderen Arten (sozialwissenschaftlicher) Forschung?

Halten Sie die Ergebnisse stichpunktartig fest.

Was ist überhaupt ein Experiment?

• Überprüfung von Kausalannahmen: Untersuchung von Ursache-Wirkungs-Beziehungen
• Unabhängige vs. abhängige Variablen (UV/AV): Aktive Variation der UV; Messung der AV
• Unter kontrollierten Bedingungen: Äußere Umstände für alle Gruppen gleich; potenzielle Einflüsse ausgeschaltet, z.B. durch Randomisierung
• Untersuchungsanordnung: Das Experiment ist eine Art, empirisch zu forschen – keine Methode zur Datenerhebung!

„Ein Experiment ist eine Untersuchungsanordnung zur Überprüfung von Kausalannahmen, bei der unter kontrollierten Bedingungen mindestens eine unabhängige Variable aktiv variiert und deren Einfluss auf eine oder mehrere abhängige Variablen gemessen wird.” ¹

1. Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4, S. 6

Experimentallogik: Manipulation und Kontrolle

• Bildung von mindestens zwei Gruppen, die sich in allen Merkmalen gleichen
• Während des Ablaufs alle Faktoren und Rahmenbedingungen konstant halten
• Manipulation eines Stimulus → Experimentalgruppe(n) vs. Kontrollgruppe
• Messung der interessierenden AV → Unterschiede in der AV auf Manipulation zurückführbar

„Experimenten [liegt] eine bestechend einfache Logik zugrunde: […] Man kontrolliert alle sonstigen Bedingungen so präzise, dass die vorgenommene Manipulation der unabhängigen Variable als alleinige Ursache des etwaigen Effekts zurückbleibt.” ¹

1. Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4, S. 6

Das Experiment in der Forschungslandschaft

Experimentalforschung ist in verschiedenen Disziplinen ein gängiger Weg:

• Naturwissenschaften: Überprüfung von Naturgesetzen, Wirksamkeit chemischer Stoffe, tierisches Verhalten, …
• Sozialwissenschaften: Untersuchung von Verhalten, Emotionen und Kognitionen im gesellschaftlichen Kontext
• Kommunikationswissenschaft: Teildisziplin der Sozialwissenschaften; Untersuchung der Rolle von (medial vermittelter) Kommunikation

Experimentalforschung ist explanativ (→ Erklärung von Ursache-Wirkungs-Beziehungen) und wird zumeist an quantitative Methoden der Datenerhebung angebunden (z.B. Befragung, Beobachtung, physiologische Messungen).

Kausalität & Zusammenhänge

Stellen Sie sich vor, Sie führen eine repräsentative Befragung der deutschen Bevölkerung durch und messen:

• das Ausmaß der Ängstlichkeit (Skala 1–5)
• in welchem Umfang die Befragten Krimis sehen (Stunden pro Monat)

Sie können nun prüfen, ob die beiden Variablen zusammenhängen. Einen solchen Zusammenhang nennt man Korrelation.

Zusammenhänge und Korrelationen

Eine Korrelation ist eine Kovariation: Abweichungen vom Mittelwert der einen Variable gehen mit Abweichungen des Mittelwerts der anderen Variable einher.

Positiver Zusammenhang
je größer x, desto größer y

Negativer Zusammenhang
je größer x, desto kleiner y

Die Stärke beschreibt ein standardisierter Korrelationskoeffizient von −1 bis +1.

Ursachen von Zusammenhängen

Sie finden eine positive Korrelation zwischen Ängstlichkeit und Kriminutzung.

Aufgabe (~10 Minuten)

• Wie könnte der Zusammenhang entstehen?
• Was sind potenzielle Ursachen für diese Beobachtung?
• Was könnte es bedeuten, dass es kausale und nicht-kausale Ursachen gibt?

Tauschen Sie sich mit Ihren Sitznachbar:innen aus.

Ursachen von Zusammenhängen

Kausaler Zusammenhang zwischen X und Y:

1. X verursacht Y
2. Y verursacht X
3. X und Y bedingen sich gegenseitig

Nicht-kausaler Zusammenhang (Scheinkausalität):

1. Eine Drittvariable Z verursacht den Zusammenhang
2. Der Zusammenhang beruht auf einem Zufall
3. Der Zusammenhang beruht auf methodischen Fehlern

Scheinkausalität

• Robert Matthews¹ findet einen starken Zusammenhang zwischen der Zahl der Störche und der Geburtenrate in 17 Ländern (r = .62). Bringen also Störche die Babys?
• Scheinkausalität (“Spurious Correlations”²) bezeichnet einen statistischen Zusammenhang, dem keine Ursache-Wirkungs-Logik zugrunde liegt.
• Gängiger Begriff “Scheinkorrelation” führt etwas in die Irre, da rechnerisch sehr wohl ein Zusammenhang besteht, diesem aber keine Kausalbeziehung zugrunde liegt.
• Menschliches Denken fehleranfällig für voreilige Kausalschlüsse (“post hoc, ergo propter hoc”: “danach, daher deswegen”).

1. Matthews, R. (2000). Storks Deliver Babies (P= 0.008). Teaching Statistics, 22(2), 36–38. https://doi.org/10.1111/1467-9639.00013

2. https://tylervigen.com/spurious-correlations

Drei Bedingungen für den Nachweis von Kausalität

1. Systematischer Zusammenhang zwischen der angenommenen Ursache und der angenommenen Wirkung
2. Zeitliche Abfolge: Die Ursache muss vor der Wirkung auftreten
3. Alternative Erklärungen ausschließen durch Konstanthalten aller anderen Variablen

Begriffsdefinition

Die Ursache nennen wir im Experiment unabhängige Variable, also jene Größe, von der man vermutet, dass sie einen entsprechenden Effekt ausübt. Von ihr unterscheidet man die abhängige Variable, die von der Ursache beeinflusst wird, also von ihr abhängt.

Gründe gegen den Einsatz experimenteller Forschung

Ethische Bedenken

Experimente sollten niemals durchgeführt werden, wenn Personen durch die Exposition des Stimulus psychischen oder physischen Schaden nehmen könnten.

• Beispiel I: Führt Pornografienutzung im frühen Jugendalter zu Misogynie?
• Beispiel II: Werther-Effekt

Methodische Hindernisse

Es gibt Fragestellungen, bei denen Experimente kaum umsetzbar sind.

• Beispiel I: Wie wirkt sich ein Umzug auf die Mediennutzungsgewohnheiten aus?
• Beispiel II: Führt eine intensive Nutzung von sozialen Netzwerken dazu, dass Personen sich weniger mit Freunden im “realen Leben” verabreden.

Praktische Gründe

Irreversible Veränderungen sind bereits eingetreten oder betreffen vergangene Ereignisse.

• Beispiel I: Wie hat die Berichterstattung über 9/11 das Bild der Deutschen über Afghanistan geprägt?
• Beispiel II: Hat die Existenz von Suchmaschinen die Allgemeinbildung verändert?

Alternativen zur Prüfung kausaler Zusammenhänge

Korrelative Querschnittdesigns

Zusammenhang aufzeigen und Drittvariablen kontrollieren – aber: Ausschluss aller alternativen Erklärungen nicht möglich, keine Kontrolle über die Zeit

Zeitreihenanalysen (Längsschnittstudien)

Erfassen dieselben Daten zu mehreren Zeitpunkten; kann zeitliche Abfolge erfassen – aber: nicht alle alternativen Erklärungen ausschließbar

Beispiel aus der Kommunikationswissenschaft

Diese Bilder und eine schriftliche Variante des Trolley-Problems wurden in einer Studie von Grizzard et al.¹ verwendet, um zu untersuchen, wie schemabasierte moralische Urteile (Held vs. Bösewicht) die Billigung von Verhaltensweisen (Hebel umlegen oder nicht) und nachfolgende moralische Urteile über Charaktere beeinflussen können (2x2 Experiment).

Hero Grizzard

Villain Grizzard

1. Grizzard, M., Huang, J., Fitzgerald, K., Ahn, C., & Chu, H. (2018). Sensing Heroes and Villains: Character-Schema and the Disposition Formation Process. Communication Research, 45(4), 479–501. https://doi.org/10.1177/0093650217699934

Die Ergebnisse

• Grizzard et al.¹ zeigen, dass schemabasierte moralische Urteile (Held vs. Bösewicht) die Billigung von Verhaltensweisen und nachfolgende moralische Urteile über Charaktere beeinflussen können.
• Nachfolgestudie von Francemone et al.² zeigt, dass schemabasierte Charakterurteile bei weiblichen und männlichen Figuren ähnlich ausgeprägt sind und der Effekt von Verhaltensweisen bei weiblichen Figuren sogar extremer ausfällt. Dies hat Implikaktionen für die Unterrepräsentation von weiblichen Hauptcharakteren in Narrativen.

1. Grizzard, M., Huang, J., Fitzgerald, K., Ahn, C., & Chu, H. (2018). Sensing Heroes and Villains: Character-Schema and the Disposition Formation Process. Communication Research, 45(4), 479–501. https://doi.org/10.1177/0093650217699934

2. Francemone, C. J., Grizzard, M., Fitzgerald, K., Huang, J., & Ahn, C. (2022). Character Gender and Disposition Formation in Narratives: The Role of Competing Schema. Media Psychology, 25(4), 547–564. https://doi.org/10.1080/15213269.2021.2006718

Gruppenbildung

Siehe Aufgabe zu Sitzung 1 im Seminarplan

Bis zur nächsten Sitzung …

• Nachbereitung: Kap. 1 + 2 in Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4
• Vorbereitung: Kap. 4, 5, 11 in Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Sitzung 02: Validität, Designs, Ethik

Ressourcen für diese Sitzung

Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Bild generiert mit FLUX.1-schnell: “A TV screen showing a person learning something new as a black and white cartoon”

Agenda

• Gruppenzuteilung
• Validität und Varianten von Experimenten
• Experimentelle Designs und Manipulation
• Ethik in der experimentellen Forschung

Gruppenzuteilung

Validität und Varianten

Was bedeutet Validität?

• Validität bezeichnet die Gültigkeit der Befunde, die in einem Experiment ermittelt werden – wird tatsächlich das untersucht, was untersucht werden soll?
• Interne Validität bezieht sich auf die Gültigkeit der Befunde im vorgegebenen und kontrollierten Kontext der Untersuchung (→ Konstanthalten von Störvariablen). Eine hohe interne Validität ist dann gegeben, wenn sich Veränderungen angesichts der Kontrolle von Störvariablen eindeutig auf die Manipulation der UV zurückführen lassen.
• Externe Validität bezieht sich auf die Gültigkeit der Befunde über die spezifischen Rahmenbedingungen (→ Stichprobe, Stimuli etc.) eines Experiments hinaus und damit die Realitäts- bzw. Alltagsnähe des experimentellen Settings. Eine hohe externe Validität ist dann gegeben, wenn die experimentelle Versuchsanordnung den realen Gegebenheiten der untersuchten Zusammenhänge möglichst nahekommt.

Interne vs. externe Validität: Grizzard et al.

Aufgabe (~5 Minuten)

Denken Sie an das Grizzard-Experiment aus Sitzung 1:

• Wie war die interne Validität des Experiments zu bewerten? Welche Maßnahmen haben dazu beigetragen?
• Wie war die externe Validität einzuschätzen? Welche Einschränkungen gibt es?
• Was wiegt in diesem Fall schwerer – interne oder externe Validität? Warum?

Tauschen Sie sich mit Ihren Sitznachbar:innen aus.

Die Gretchenfrage

• In der Praxis geht höhere interne Validität oft zulasten externer Validität und umgekehrt.
• Auf welchen Aspekt mehr Wert gelegt werden sollte, kann nicht pauschal beantwortet werden; im wissenschaftlichen Diskurs gibt es Hardliner für beide Seiten.
• Letztlich ist es eine Abwägungssache:
  • Was wird den Fragestellungen am ehesten gerecht?
  • Wie viele Studien gibt es bereits zu einem Thema? (bei neuen Phänomenen: eher Fokus auf interne Validität)
  • Validität kann in unterschiedlichen Bereichen eines Experiments unterschiedlich gelagert sein (z.B. Stichprobe, Stimulus, Durchführungskontext)

„Interne und externe Validität stehen in einem hydraulischen Verhältnis, sprich strenge Kontrolle und Elimination von Störvariablen geht oft zulasten der Generalisierung bzw. Realitätsnähe und umgekehrt.” ¹

1. Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4, S. 54

Experiment-Varianten: Labor- vs. Feldexperiment

Laborexperiment

• Durchführung in eigens dafür eingerichteten Räumlichkeiten, die (weitestgehend) kontrollierten Ablauf sicherstellen und konstante Rahmenbedingungen für alle Probanden ermöglichen.
• I.d.R. hohe interne Validität und relativ eindeutiger Kausalschluss möglich.

Feldexperiment

• Durchführung in der natürlichen Umgebung der Probanden, die die Umgebung des untersuchten Sachverhalts in der sozialen Realität widerspiegelt.
• I.d.R. hohe externe Validität und weniger Sicherheit für Kausalschluss, da geringere Kontrolle von Störvariablen.

Keine Dichotomie: graduelle Abstufungen sind möglich.

Experiment-Varianten: Online-Experiment

Experimentelle Befragungen/Beobachtungen …

• … mit dem Internet als reinem Verbreitungsweg.
• … mit dem Internet bzw. Online-Phänomenen als Untersuchungsgegenstand
  (≙ Feldexperiment).

Vorteile

• Kostengünstig, aufwandsarm, schnell durchführbar
• Ortsunabhängig, automatische Datenspeicherung
• Vermeidung potenzieller Störquellen (z.B. Versuchsleitereffekte)

Nachteile

• Keine Kontrolle über die Situation der Teilnahme (zu Hause? Im Bus?)
• Keine Kontrolle über die Rezeption des Stimulus
• Keine Kontrolle über die ordnungsgemäße Aufklärung

Experiment-Varianten: Quasi-Experiment

Experimentelle Untersuchungsanlagen …

• … bei denen keine aktive Manipulation vorgenommen wird.
• … bei denen Störvariablen nicht ausreichend kontrolliert werden können (z.B. wenn Zuteilung zu Experimental- & Kontrollgruppe nicht randomisiert).

Trifft v.a. auf Feldexperimente zu, bei denen die UV nicht aktiv manipuliert werden kann
→ z.B. Auswirkungen von natürlich auftretenden Ereignissen.

Achtung

Die Bezeichnung wird teilweise auch für Untersuchungsanlagen ohne Vergleichsbedingung/Kontrollgruppe verwendet – davon sollte abgesehen werden!

Experimentelle Designs und Manipulation

Eine Frage des Designs

Das Experimentaldesign entscheidet über die Wahl des Vergleichsmaßstabs, d.h. darüber, wie die Variation einer UV im Experiment angelegt wird.

Grundidee des Experiments: Vergleich von (mind.) zwei Konditionen einer UV hinsichtlich einer AV. Dazu sind zwei Messungen der AV notwendig, wofür es verschiedene Optionen gibt:

• Messung in mehreren Gruppen zu einem Messzeitpunkt → Between-Subject Design
• Messung in einer Gruppe zu mehreren Messzeitpunkten → Within-Subject Design
• Messung in mehreren Gruppen zu mehreren Messzeitpunkten → Mixed Design

Between-Subject Design

• Gängigstes Design in der Kommunikationswissenschaft
• Design mit ungleichen Versuchsgruppen, d.h. mindestens zwei voneinander unterschiedliche Gruppen von Personen (i.d.R. Experimentalgruppe(n) und Kontrollgruppe)
• Manipulation erfolgt zwischen den Gruppen
• Messung der AV in der Kontrollgruppe dient als Vergleichsmaßstab (Baseline) für die Messung der AV in der/den Experimentalgruppe/n
• Auch Vergleich mehrerer Experimentalgruppen möglich (d.h. Design ohne Kontrollgruppe)

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
EG	Algorithmus	–	✓	–
KG	Chronologisch	–	✓	–
–	–	–	–	–
–	–	–	–	–

Within-Subject Design

• Ein-Gruppen-Design: eine gleichbleibende Gruppe von Personen und Messwiederholung zu verschiedenen Zeitpunkten
• Manipulation erfolgt innerhalb derselben Gruppe von Versuchspersonen
• Häufigste Form: Vorher-Nachher-Messung (pretest-posttest design)
• Unterscheidet sich die Vorher-Messung von der Nachher-Messung, können Unterschiede auf den Stimulus zurückgeführt werden – vorausgesetzt Störfaktoren in der Zwischenzeit können ausgeschlossen werden

Vorteile: Konstante Gruppe; geringere Sample-Größe
Nachteile: Reihenfolge-, Ermüdungs-, Lerneffekte

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
VP (alle)	Algo & Chron	–	✓	✓
–	–	–	–	–
–	–	–	–	–
–	–	–	–	–

Alle VP sehen beide Feed-Typen (T1 vs. T2), Reihenfolge rotiert.

Mixed Design

• Einsatz v.a. bei Experimentalstudien mit vielen Experimentalfaktoren, um Sample-Größe zu reduzieren.
• Meist Kombination von Between-Subject-Faktoren und Within-Subject-Faktoren.
• Vergleich unterschiedlicher Personengruppen (Between-Subject) mit einer mehrfachen Messung der AV (Within-Subject).
• Ermöglicht die Beobachtung von Veränderungen über die Zeit (→ Längsschnittstudien).

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
EG	Algorithmus	–	✓	✓
KG	Chronologisch	–	✓	✓
–	–	–	–	–
–	–	–	–	–

Between: Feed-Typ. Within: Messzeitpunkt (vor/nach).

Ein Faktor, mehrere Stufen

• Bei Designs mit nur einer UV können auch mehr als zwei Gruppen miteinander verglichen werden → einfaktorielles Design mit n Faktorstufen.
• Bei Between-Subject Designs: höherer Aufwand, da zusätzliche Personengruppen benötigt werden.
• Bei Within-Subject Designs: zusätzliche Treatment- und Messzeitpunkte erhöhen Anfälligkeit für Reihenfolgeeffekte → dem kann durch zufällige/gezielte Rotation oder Lateinisches Quadrat begegnet werden.

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
EG 1	Algorithmus 1	–	✓	–
EG 2	Algorithmus 2	–	✓	–
KG	Chronologisch	–	✓	–
–	–	–	–	–

3 Gruppen → 3 paarweise Vergleiche möglich.

Mehrere Faktoren, mehrere Stufen

• UV können auch mehrfaktoriell konzipiert werden, d.h. mehr als eine UV auf zwei Faktorstufen oder mehr vergleichen.
• Darstellung in einer Ziffernfolge, z.B. 3×2-Design bei Variation der UV_A auf drei Stufen und der UV_B auf zwei Stufen.
• Theoretisch beliebig viele Faktoren und Faktorstufen denkbar; wird aber schnell aufwändig in der Umsetzung.
• Auch unvollständige Designs sind möglich, wenn z.B. nicht alle Faktorkombinationen Sinn machen und Interaktionseffekte nicht im Zentrum des Forschungsinteresses stehen.

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
EG 1	Algorithmus 1	Musik	✓	–
EG 2	Algorithmus 1	Film	✓	–
EG 3	Algorithmus 2	Musik	✓	–
EG 4	Algorithmus 2	Film	✓	–
EG 5	Chronologisch	Musik	✓	–
EG 6	Chronologisch	Film	✓	–

Warum mehrfaktorielle Designs?

• Manipulation zusätzlicher Faktoren verleiht zusätzliche Erklärungskraft, die aus dem Zusammenwirken der Faktoren entsteht.
• Haupteffekte beschreiben die alleinige Wirkung eines Faktors auf eine AV.
• Interaktionseffekte beschreiben Wechselwirkungen mehrerer Faktoren, d.h. Effekte, die durch das Zusammentreffen bestimmter Ausprägungen der untersuchten Faktoren auftreten.
• Zusätzlich manipulierte Faktoren werden als Moderatoren bezeichnet.

Beispiel: Beeinflusst der Feed-Typ die Stimmung nach der Nutzung?

Gruppe	Feed	Inhalt	T1	T2
EG 1	Algorithmus	Musik	M=5.8	–
EG 2	Algorithmus	Film	M=4.2	–
EG 3	Chronologisch	Musik	M=3.9	–
EG 4	Chronologisch	Film	M=5.3	–

AV: Stimmung (1–7). Algorithmus↑ Musik; Chronologisch↑ Film → Interaktion.

Manipulation im Experiment: Grundlegendes

• Manipulation unterscheidet experimentelle von nicht-experimenteller Forschung
• Mind. zwei Varianten einer UV werden kreiert und den Versuchspersonen vorgelegt → aktiver Eingriff in den Alltag.
• Treatment = konkrete Umsetzung der Manipulation (z.B. Veränderung des Gesichtsausdrucks).
• Stimulus = „Träger” der Manipulation, d.h. das, was die Probanden zu sehen/hören/lesen bekommen (z.B. eine Kurzgeschichte).

Hinweis

Bei der Ausgestaltung von Stimulus und Treatment ist stets große Sorgfalt geboten – eine Manipulation muss das gewünschte Konstrukt und nur dieses variieren!

Arten experimenteller Manipulation

• Instruktionsbasierte Manipulation: Variation in den Versuchsanweisungen; hohe interne Validität
• Umweltbasierte Manipulation: Variation in der Umgebung der Probanden (z.B. Veränderung der Raumtemperatur, Ausstattung, Lautstärke etc. bei Laborexperimenten)
• Soziale Manipulation: Variation durch Anwesenheit und/oder Verhalten anderer Personen (z.B. Versuchsleiter, Dritte); hohe externe Validität
• Manipulation mittels Stimulus: Variation durch Vorlage verschiedener verbaler, audiovisueller oder schriftlicher Inhalte; häufigste Art in der KoWi

Mischformen der vier Typen sind möglich, z.B. instruktions- und stimulus-basiert oder sozialbasiert und stimulus-basiert.

Manipulationscheck

Um festzustellen, ob eine Manipulation überhaupt gelungen ist, benötigen wir i.d.R. einen Manipulationscheck bzw. Treatmentcheck.

Bei experimentellen Befragungen: üblicherweise spezielle Fragen/Aufgaben, um zu testen, ob Versuchspersonen die Manipulation wie intendiert wahrgenommen haben. Je nach Art der Manipulation unterschiedliche Fragetypen:

• Aufmerksamkeits-/Erinnerungsfragen, z.B. wenn bestimmte Elemente im Stimulus vorhanden oder nicht vorhanden sind (→ “Es war ein Mann zu sehen”)
• Subjektive Einschätzungsfragen, z.B. wenn die Ausprägung/Intensität eines bestimmten Aspekts manipuliert wird (→ “Der Charakter wirkte auf mich wie ein Held”)

Ebenfalls sinnvoll hinsichtlich interner Validität: Test auf potenzielle Konfundierung durch zusätzliche Abfragen, die sich in den Gruppen idealerweise nicht unterscheiden (→ “Der Charakter war gutaussehend”).

Pretest

• V.a. bei erstmaliger Nutzung eines Stimulus bzw. einer Manipulation ist es sinnvoll, die Eignung vorab in einer separaten Untersuchung zu testen → Pretest.
• Mit einem Pretest kann zudem ein häufiges Problem von Manipulationschecks umgangen werden, nämlich die Sensibilisierung von Versuchspersonen für das Untersuchungsziel (je nach Platzierung im Fragebogen).

Wichtig

Personen, die am Pretest teilgenommen haben, sollten später nicht mehr beim eigentlichen Experiment teilnehmen, da sie den Stimulus dann bereits kennen.

Medieninhalte als Stimuli

In der KoWi wird häufig mit Medieninhalten als Stimuli in Experimenten gearbeitet. Damit gehen eine Reihe von Herausforderungen einher:

Spannungsverhältnis von interner und externer Validität, z.B. bei der Verwendung „echter” Medieninhalte

Mangelnde Verallgemeinerbarkeit: Selektion, Zuschnitt und Umfang von Medieninhalten als Stimuli werden oft nicht der Komplexität realer Medienrezeption gerecht (z.B. kurze Film-Ausschnitte bei Fragestellungen, die sich auf ein ganzes Genre beziehen)

Bei fiktiven Stimuli ethische Herausforderungen und Probleme mit Künstlichkeit und Wahrnehmung der Probanden. Speziell bei Forschung über Online-Umgebungen: sozialer Kontext und Interaktivität kann in Stimuli i.d.R. kaum abgebildet werden.

„Man darf nicht der falschen Vorstellung aufsitzen, man müsste alle Validitätsprobleme in einem Einzelexperiment lösen. […] Jedes Experiment ist ein einzelner Baustein, der zur Beantwortung einer größeren Forschungsfrage beiträgt.” ¹

1. Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4, S. 89 f.

Ethik in der experimentellen Forschung

Warum spielt Ethik eine Rolle?

• Bei allen Arten des sozialwissenschaftlichen Experiments arbeiten wir mit Menschen.
• Gleichzeitig basiert Experimentalforschung auf einer bewussten Manipulation menschlicher Kognitionen / Emotionen / Verhaltensweisen.
• Daraus erwächst eine besondere Verantwortung:
  • Wohlergehen, Rechte, Interessen der Probanden müssen berücksichtigt werden.
  • Es darf kein nachhaltiger Schaden für Versuchspersonen, Fachgemeinschaft und Wissenschaft allgemein entstehen.

Forschungsethische Grundprinzipien

• In jede Form von experimenteller Forschung sollten von Beginn an forschungsethische Überlegungen einfließen.
• Orientierung bieten Ethik-Kodizes von Fachgesellschaften (z.B. DGPuK) oder Ethik-Kommissionen an Universitäten – entsprechende Voten werden immer häufiger für die Publikation von Studien vorausgesetzt.

Utilitaristische Position

Handlungen sind moralisch gut, wenn sie den Gesamtnutzen / das Wohlergehen aller Beteiligten nicht verringern bzw. möglichst erhöhen. → Einsatz von fiktiven Stimuli und Manipulation gerechtfertigt, wenn sie aufgeklärt wird (Debriefing) und der Erkenntnisgewinn überwiegt.

Deontologische Position

Betrachtet nicht nur die Konsequenzen einer Handlung, sondern die Handlung selbst; alle unmoralischen Handlungen (z.B. Lügen) sind unter allen Umständen zu unterlassen. → Einsatz von fiktiven Stimuli und Manipulation nicht gerechtfertigt.

Forschungsethik: Freiwilligkeit und Einwilligung

Freiwilligkeit der Studienteilnahme sicherstellen

• Erzwungene (z.B. im Lehrkontext) und unbewusste Teilnahme (z.B. bei Feldexperimenten) vermeiden.
• Informierte Einwilligung / Briefing: Vorab-Aufklärung über Forschungszweck, Dauer, Vorgehensweise, potenzielle Risiken, Gewährleistung der Vertraulichkeit, Möglichkeiten zum Abbruch – oft nur eingeschränkt möglich, wenn interne Validität gewahrt werden soll.
• Stattdessen: Debriefing über Untersuchungszweck und vorgenommene Manipulation am Ende des Experiments.
• Wenn keine Schädigung entstehen kann, ist auch eine Täuschung (passiv oder aktiv) der Versuchspersonen legitim.
• Einsatz von Incentives/Anreizen zur Studienteilnahme aus ethischen Gesichtspunkten abwägen → Teilnahme aus finanzieller Notlage heraus vermeiden!

Forschungsethik: Schädigung vermeiden

Vermeiden einer Schädigung der Versuchspersonen

• Allgemein: Studienteilnahme soll keine physischen oder psychischen Schmerzen verursachen, ebenso wenig körperliche Schäden.
• KoWi: v.a. Risiko psychischer Schmerzen in sensiblen Bereichen der Wirkungsforschung (z.B. bei AVs wie Depressivität, Suizidalität, Selbstwert, soziale Ausgrenzung etc.) → Verwendung potenziell traumatisierender oder emotional aufwühlender Stimuli nur in Ausnahmefällen und unter expliziter Zustimmung.
• Beeinflussung von Kognitionen, Emotionen, Verhalten durch Studienteilnahme bzw. Stimulusrezeption gilt ebenfalls als Schädigung (→ Forschung zu Stereotypen oder Tabakkonsum).

Forschungsethik: Debriefing

Debriefing der Versuchspersonen

Essenziell! Dient zur Aufklärung über experimentelle Manipulation und mögliche Folgen sowie zur Bereitstellung ergänzender Informationen. Bei Laborexperimenten: schriftlich und ggf. mündlich; bei Online-Experimenten: schriftlich auf der letzten Seite des Fragebogens.

Inhalt sollte Aufschluss geben über:

• Untersuchungszweck und konkrete Forschungsfragen
• Ursprung/Quelle des Stimulusmaterials (v.a. bei fiktiven Inhalten)
• Richtigstellung unwahrer Informationen im Stimulus
• Offenlegung persuasiver Strategien zur Manipulation von Kognitionen, Emotionen und Verhalten
• Kontaktinformationen für Rückfragen
• Optionen zum Erhalt einer Ergebniszusammenfassung/-interpretation

Debriefing zwingt Forschende zur Rechtfertigung ihrer Untersuchungsanlage gegenüber den Versuchspersonen.

Forschungsethik: Vertraulichkeit und Datenschutz

• Grundrecht auf informationelle Selbstbestimmung achten → Personen müssen selbst über die Preisgabe und Verwendung personenbezogener Daten bestimmen können (im Zweifel: Datenschutzbeauftragte konsultieren).
• Datenerhebung bei Experimenten meist anonym (= keine Speicherung von personenbezogenen Informationen); darauf muss vorab/zu Beginn hingewiesen werden.
• Sofern Anonymität bei der Datenerhebung nicht möglich ist (z.B. bei Beobachtungsstudien wie Eye-Tracking), muss sichergestellt werden, dass die identifizierenden Rohdaten vertraulich behandelt werden und nur ausgewählten Personen zugänglich sind.

Soweit Fragen?

Sitzung 03: Eine Problemstellung entwickeln

Ressourcen für diese Sitzung

Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Bild generiert mit FLUX.1-schnell: “A TV screen showing a person learning something new as a black and white cartoon”

Agenda

• Open Science & Präregistrierung
• Themenschwerpunkt: Algorithmisch kuratierte Unterhalungsmediennutzung
• Entwicklung einer Problemstellung

Open Science

Ressourcen

Dienlin, T., Johannes, N., Bowman, N. D., Masur, P. K., Engesser, S., Kümpel, A. S., Lukito, J., Bier, L. M., Zhang, R., Johnson, B. K., Huskey, R., Schneider, F. M., Breuer, J., Parry, D. A., Vermeulen, I., Fisher, J. T., Banks, J., Weber, R., Ellis, D. A., … De Vreese, C. (2021). An Agenda for Open Science in Communication. Journal of Communication, 71(1), 1–26. https://doi.org/10.1093/joc/jqz052

Open Science Collaboration (2015). Estimating the Reproducibility of Psychological Science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716

Bild generiert mit FLUX.1-schnell: “A TV screen showing three check marks as a black and white cartoon”

Open Science: Warum?

• Replikationskrise, v.a. in der Psychologie: Ein Großteil psychologischer Studien können nicht repliziert werden (Open Science Collaboration, 2015)
• Prominente Fälle von grobem wissenschaftlichem Fehlverhalten wie fabrizierten Daten (z.B. Diederik Stapel)
• Problem: fehlende Transparenz: Was wurde erhoben, manipuliert, ausgewertet?
  • Bevorzugung signifikanter Ergebnisse im Veröffentlichungsprozess
  • fragwürdige Forschungspraktiken (QRP – questionable research practices), um solche Ergebnisse zu erzielen

Open Science Collaboration (2015). Estimating the Reproducibility of Psychological Science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716

Beispiele für QRPs

• HARKing: Hypothesizing After Results are Known
  • Hypothesen erst dann aufstellen, wenn die Ergebnisse bekannt sind
• p-Hacking
  • Ergebnisdarstellung oder Datenanalysen so verändern, dass am Ende ein signifikantes Ergebnis herauskommt (z.B. durch selektives Berichten, Ausschluss bestimmter Teilnehmer:innen, Modelspezifizierungen, …)
• Menschliche Fehler
  • Verschiedene Entscheidungen, die in der Studienkonzeption und Analyse getroffen werden (müssen)
  • “Honest mistakes” in Datenanalysen

Ist das Vertrauen in die Wissenschaft in Gefahr?

• Was können wir tun?
• In der Kommunikationswissenschaft, siehe Dienlin et al. (2021)

Dienlin, T., Johannes, N., Bowman, N. D., Masur, P. K., Engesser, S., Kümpel, A. S., Lukito, J., Bier, L. M., Zhang, R., Johnson, B. K., Huskey, R., Schneider, F. M., Breuer, J., Parry, D. A., Vermeulen, I., Fisher, J. T., Banks, J., Weber, R., Ellis, D. A., … De Vreese, C. (2021). An Agenda for Open Science in Communication. Journal of Communication, 71(1), 1–26. https://doi.org/10.1093/joc/jqz052

Was können wir tun?

• Open Science als fachübergreifende Bewegung, um den wissenschaftlichen Forschungsprozess und seine Ergebnisse transparenter zu machen
• Grundprinzipien: Transparenz, Reproduzierbarkeit, Replizierbarkeit
• Open Science Praktiken:
  • Präregistrierung: Vor dem Durchführen der Studie Hypothesen, Stichprobenziehung, Datenanalyseschritte etc. detailliert festhalten
  • Teilen von Materialien: z.B. Fragebögen, Stimulusmaterial, Code der Datenauswertung, …
  • Teilen der Daten

siehe auch siehe Dienlin et al. (2021) und https://osf.io/wpc8b

Dienlin, T., Johannes, N., Bowman, N. D., Masur, P. K., Engesser, S., Kümpel, A. S., Lukito, J., Bier, L. M., Zhang, R., Johnson, B. K., Huskey, R., Schneider, F. M., Breuer, J., Parry, D. A., Vermeulen, I., Fisher, J. T., Banks, J., Weber, R., Ellis, D. A., … De Vreese, C. (2021). An Agenda for Open Science in Communication. Journal of Communication, 71(1), 1–26. https://doi.org/10.1093/joc/jqz052

Präregistrierung: Was ist das?

• Präregistrierung: Detaillierte Festlegung von Hypothesen, Studiendesign, Stichprobenziehung, Datenanalyseschritten etc. vor Durchführung der Studie
• Ziel: Erhöhung der Transparenz und Reproduzierbarkeit von Forschungsergebnissen
• In der Praxis: Erstellung eines schriftlichen Dokuments, das die geplante Studie beschreibt und auf einer öffentlichen Plattform (z.B. OSF) hochgeladen wird
• Präregistrierung kann auch als Präanalyseplan bezeichnet werden, wenn der Fokus auf der Festlegung der geplanten Datenanalyseschritte liegt

Beispiel: Minimale Präregistrierung für ein Experiment auf AsPredicted: https://aspredicted.org/xk8et.pdf

Template für Präregistrierung auf OSF: https://doi.org/10.31222/osf.io/epgjd

Fragen?

Themenschwerpunkt: Algorithmisch kuratierte Unterhalungsmediennutzung

Besprechung der Literatur

Aufgabe (~30 Minuten)

Tauschen Sie sich in Ihrer Gruppe über die fünf Fragen zum Artikel von Nabi und van der Waal (2026) aus.

• Tragen Sie Ihre Antworten so zusammen, dass wir diese im Anschluss im Plenum diskutieren können.
• Dokumentieren Sie offene Fragen, Unklarheiten, Kritikpunkte, Anknüpfungspunkte für die Entwicklung einer Problemstellung.

Nabi, R. L., & Van Der Wal, A. (2026). Self-Administered Media Prescriptions: Training Algorithms to Deliver Inspirational Content to Reduce Stress and Increase Goal Motivation. Psychology of Popular Media. https://doi.org/10.1037/ppm0000669

Globaler Trend: Social-Media-Verbot für Jugendliche

🇦🇺 NPR · 10. Dez. 2025

Social-Media-Verbot für Kinder unter 16 tritt in Australien in Kraft

PM Albanese begrüßte es als „Familien, die sich die Macht von Big Tech zurückholen”. Eltern berichteten von verzweifelten Kindern, die ausgesperrt wurden – doch bereits einige 11-Jährige überlisteten Altersschätzungstools durch aufgemalte Barthaare.

🇩🇪 netzpolitik.org · 7. Apr. 2026

Social-Media-Verbot lässt Bundesregierung ahnungslos zurück

Obwohl Merz, Klingbeil und der Bundespräsident alle ein Verbot fordern, ergab eine parlamentarische Anfrage: Die Bundesregierung kann weder sagen, ob es wissenschaftlich gerechtfertigt noch verfassungsrechtlich verhältnismäßig wäre – oder ob sie überhaupt eines will.

🇫🇷 France 24 · 27. Jan. 2026

Französisches Parlament verabschiedet Gesetz zum Social-Media-Verbot für unter 15-Jährige

Die Nationalversammlung stimmte in einer nächtlichen Sitzung mit 130 zu 21 Stimmen. Macron nannte es einen „wichtigen Schritt”; die Durchsetzung ist ab September 2026 geplant – doch die EU-Kommission warnte, dass die Einhaltung letztlich in ihrer Zuständigkeit liege.

🇳🇴 The Next Web · 24. Apr. 2026

Norwegen plant Social-Media-Verbot für Kinder unter 16

Die Regierung hob die geplante Altersgrenze nach Auswertung von über 8.000 öffentlichen Eingaben von 15 auf 16 Jahre an – in Anlehnung an Australien statt an das DSGVO-Mindestalter der EU. Die Verantwortung für die Altersverifikation liegt klar bei den Plattformen.

🌍 TechCrunch · 23. Apr. 2026

Diese Länder planen ein Social-Media-Verbot für Kinder

Österreich (unter 14), Dänemark (unter 15), Malaysia, Portugal, Spanien, Polen, Slowenien – alle bewegen sich auf Verbote zu. Indonesien setzt eines bereits durch und hat Google und Meta vorgeladen.

🇩🇪 netzpolitik.org · 1. Apr. 2026

EU-Recht geht vor: Kein Spielraum für deutsches Social-Media-Verbot

Der wissenschaftliche Dienst des Bundestags kam zum zweiten Mal zu dem Schluss, dass das EU-Recht – vor allem der Vorrang des DSA und das Herkunftslandprinzip der E-Commerce-Richtlinie – Deutschland an einem nationalen Alleingang hindert.

Warum nutzen wir Medien, wenn es uns nicht gut geht?

Potentielle Gründe für Verbote (z.B. Zusammenhang mit mentaler Gesundheit¹) oft komplex; außerdem viele potentiell positive Effekte von Mediennutzung in belastenden Situationen:

• Mood Management²: Mediennutzung als Strategie zur Regulierung negativer Stimmungen
• Selective Exposure³: Menschen wählen Inhalte, die ihrem aktuellen Bedürfnis entsprechen
  • Aber: Wie ist das eigentlich in algorithmisch kuratierten Umgebungen, in denen Nutzer*innen nicht mehr selbst auswählen, sondern Inhalte vorgegeben bekommen?
• Erholung durch Medien⁴: Medien können psychologische Erholung nach Belastung fördern

Die entscheidende Frage ist nicht nur ob Medien helfen — sondern welche Inhalte in welchen Situationen wirksam sind.

1. Meier, A., & Reinecke, L. (2021). Computer-Mediated Communication, Social Media, and Mental Health: A Conceptual and Empirical Meta-Review. Communication Research, 48(8), 1182–1209. https://doi.org/10.1177/0093650220958224

2. Zillmann, D. (1988). Mood Management through Communication Choices. American Behavioral Scientist, 31(3), 327–340. https://doi.org/10.1177/000276488031003005

3. Knobloch-Westerwick, S. (2015). The Selective Exposure Self- and Affect-Management (SESAM) Model: Applications in the Realms of Race, Politics, and Health. Communication Research, 42(7), 959–985. https://doi.org/10.1177/0093650214539173

4. Rieger, D., Reinecke, L., Frischlich, L., & Bente, G. (2014). Media Entertainment and Well-Being: Linking Hedonic and Eudaimonic Entertainment Experience to Media-Induced Recovery and Vitality. Journal of Communication, 64(3), 456–478. https://doi.org/10.1111/jcom.12097

Unterhaltungserleben: Mehr als nur Spaß

Unterhaltungsforschung unterscheidet zwei grundlegende Erlebnisdimensionen¹:

	Hedonisch	Eudaimonisch
Ziel	Vergnügen, Ablenkung	Bedeutung, Reflexion
Emotion	Freude, Belustigung	Elevation, Rührung, Hoffnung
Typische Inhalte	Comedy, Action	Drama, Dokumentation, Inspiration
Outcome	Stimmungsverbesserung	Sinnerleben, Wachstum

Menschen suchen nicht immer das Angenehmste — sondern das Passende².

1. Tamborini, R., Grady, S. M., Baldwin, J., McClaran, N., & Lewis, R. (2021). The Narrative Enjoyment and Appreciation Rationale. In P. Vorderer & C. Klimmt (Hrsg.), The Oxford Handbook of Entertainment Theory (S. 44–62). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780190072216.013.3

2. Oliver, M. B., & Bartsch, A. (2010). Appreciation as Audience Response: Exploring Entertainment Gratifications beyond Hedonism. Human Communication Research, 36(1), 53–81. https://doi.org/10/fkfhnn

Medien als Copingressource

Coping¹: Bewältigungsstrategien bei Stress lassen sich unterscheiden in:

• Problemorientiertes Coping: Aktive Veränderung der Stresssituation
• Emotionsorientiertes Coping: Regulierung der emotionalen Reaktion auf die Situation

Übertragen auf Mediennutzung² zum Beispiel:

• Kontrollierbare Stressoren → Inhalte, die Handlungsmotivation und Hoffnung stärken
• Unkontrollierbare Stressoren → Inhalte, die Entspannung und Ablenkung ermöglichen

Entscheidend: Die Wirksamkeit eines Inhalts hängt davon ab, wie gut er zur Bewältigungsanforderung der Situation passt (Optimal Matching³).

1. Lazarus, R. S., & Folkman, S. (1984). Stress, Appraisal, and Coping. Springer Publishing Company.

2. Wolfers, L. N., & Schneider, F. M. (2021). Using Media for Coping: A Scoping Review. Communication Research, 48(8), 1210–1234. https://doi.org/10.1177/0093650220939778

3. Cutrona, C. E. (1990). Stress and Social Support—in Search of Optimal Matching. Journal of Social and Clinical Psychology, 9(1), 3–14. https://doi.org/10.1521/jscp.1990.9.1.3

Media Prescriptions: Medien gezielt einsetzen

Grundidee¹: Wenn bestimmte Medieninhalte nachweislich positive psychologische Effekte haben — kann man sie dann gezielt „verschreiben”?

Befunde aus der Forschungsgruppe um Nabi:

• Kurzvideos mit inspirierenden Inhalten erhöhen Hoffnung
• Hoffnung vermittelt Effekte auf Stressreduktion und Zielmotivation
• Diese Effekte zeigen sich auch bei kurzen täglichen Dosen (3–5 Min.)
• Nabi & van der Wal²: Nutzer*innen können sich Inhalte auch selbst auswählen mit vergleichbaren Effekten

Offene Frage: Bisherige Studien geben allen Teilnehmenden denselben Inhaltstyp — unabhängig von ihrer aktuellen Situation.

1. Prestin, A., & Nabi, R. (2020). Media Prescriptions: Exploring the Therapeutic Effects of Entertainment Media on Stress Relief, Illness Symptoms, and Goal Attainment. Journal of Communication, 70(2), 145–170. https://doi.org/10.1093/joc/jqaa001

2. Nabi, R. L., & Van Der Wal, A. (2026). Self-Administered Media Prescriptions: Training Algorithms to Deliver Inspirational Content to Reduce Stress and Increase Goal Motivation. Psychology of Popular Media. https://doi.org/10.1037/ppm0000669

Das Matching-Problem: Der nächste Schritt

Bislang: Ein Inhaltstyp für alle → „One size fits all”

Neue Frage: Sollten verschiedene Situationen unterschiedliche Inhalte erhalten?

Kernhypothese: Situativ passende Inhalte wirken stärker als objektiv positive, aber situativ unpassende Inhalte.

Unser Forschungsprojekt: Überblick

Ziel: Entwicklung und Testung eines situativen Matching-Algorithmus für Kurzvideos — eingebettet in eine naturalisitische Nutzungssituation.

Kernelement: Eine eigens entwickelte App, in der Teilnehmende täglich kurze Videos schauen. Vor und nach jeder Session beantworten sie Fragen zur aktuellen Situation und zum Erleben.

Heute: Sie entwickeln in Gruppen eigene Forschungsfragen, die sich in dieses Projekt einfügen könnten.

Soweit Fragen?

Im Anschluss: Gruppenarbeit
(siehe Aufgabe zur heutigen Sitzung).

Abgabe des Zwischenstandes per Mail (1x pro Gruppe) bis spätestens Sonntag, 03.05.2026

Sitzung 04: Computational Methods

Ressourcen für diese Sitzung

Domahidi, E., & Haim, M. (2021, September 28). What Is Computational Communication Science and Why Would We Need a Podcast on That? [Audio recording]. Auf What is it about computational communication science (No. 1). Anchor. https://anchor.fm/ccs-pod/episodes/What-is-Computational-Communication-Science-and-why-would-we-need-a-podcast-on-that-e180odl

Margolin, D. B. (2019). Computational Contributions: A Symbiotic Approach to Integrating Big, Observational Data Studies into the Communication Field. Communication Methods and Measures, 13(4), 229–247. https://doi.org/10/gg959f

van Atteveldt, W., & Peng, T.-Q. (2018). When Communication Meets Computation: Opportunities, Challenges, and Pitfalls in Computational Communication Science. Communication Methods and Measures, 12(2–3), 81–92. https://doi.org/10/gf8pnw

Bild generiert mit FLUX.1-schnell: “A TV screen showing a person learning something new as a black and white cartoon”

Agenda

• Simulation & Power
• Computergestützte Methoden bei der Stimulusentwicklung / -selektion
• Vibe Coding

Monte-Carlo-Simulation

Bei der Versuchsplanung ist es oft sinnvoll, vorab künstliche Daten zu generieren, um das Design und die statistische Auswertung zu validieren.

Einfaches Between-Subjects-Design

Wir simulieren zwei Gruppen (ad_type: “funny” vs. “not funny”).

Mit sim_design() aus dem faux-Paket erzeugen wir Daten mit unterschiedlichen Mittelwerten (mu) und einer Stichprobengröße von n=50.

between_factor <- list(ad_type = c("funny", "not funny"))

set.seed(42)
df_between <- sim_design(
  between = between_factor,
  mu = c(3, 2),
  sd = 1,
  n = 50
)

Pakete für diese Sitzung: tidyverse, faux, report

Einfaches Between-Subjects-Design

Wir simulieren zwei Gruppen (ad_type: “funny” vs. “not funny”).

Mit sim_design() aus dem faux-Paket erzeugen wir Daten mit unterschiedlichen Mittelwerten (mu) und einer Stichprobengröße von n=50.

as_tibble(df_between)

# A tibble: 100 × 3
   id    ad_type     y
   <chr> <fct>   <dbl>
 1 S001  funny   0.999
 2 S002  funny   3.33 
 3 S003  funny   4.17 
 4 S004  funny   5.06 
 5 S005  funny   1.62 
 6 S006  funny   1.85 
 7 S007  funny   2.29 
 8 S008  funny   1.95 
 9 S009  funny   2.35 
10 S010  funny   2.81 
# ℹ 90 more rows

df_between |>
  group_by(ad_type) |>
  summarise(mean = mean(y), sd = sd(y))

# A tibble: 2 × 3
  ad_type    mean    sd
  <fct>     <dbl> <dbl>
1 funny      3.01 0.988
2 not funny  1.97 1.05 

Überprüfung mit t-Test

t.test(y ~ ad_type, data = df_between) |>
  report_table()

Welch Two Sample t-test

Parameter |   Group | Mean_Group1 | Mean_Group2 | Difference |       95% CI
---------------------------------------------------------------------------
y         | ad_type |        3.01 |        1.97 |       1.04 | [0.63, 1.44]

Parameter | t(97.59) |      p |    d |        d  CI
---------------------------------------------------
y         |     5.07 | < .001 | 1.03 | [0.60, 1.45]

Alternative hypothesis: two.sided

Der t-Test bestätigt den simulierten Unterschied zwischen den Gruppen.

Power-Analyse

Power (Teststärke) = Wahrscheinlichkeit, einen Effekt einer bestimmten Größe statistisch signifikant nachzuweisen, wenn dieser Effekt in der Population tatsächlich vorhanden ist
(d.h. H₀ korrekt abzulehnen, 1 − β).

Wir verpacken Simulation und t-Test in eine Funktion und wiederholen diese 100-mal mit replicate().

sim_t_test <- function(n) {
  sim_data <- sim_design(
    between = between_factor,
    mu = c(3, 2),
    sd = 1,
    n = n,
    plot = FALSE
  )
  t.test(y ~ ad_type, data = sim_data)$p.value
}

set.seed(42)
p_vals10 <- replicate(100, sim_t_test(n = 10))
as_tibble(p_vals10) |> head(5)

# A tibble: 5 × 1
      value
      <dbl>
1 0.0109   
2 0.0314   
3 0.0574   
4 0.0000451
5 0.00515  

Interpretation

mean(p_vals10 <= .05)

[1] 0.49

Bei n = 10 pro Gruppe beträgt die geschätzte Power ca. 49% – d.h. nur in etwa jeder zweiten Studie mit dieser Stichprobengröße würde der tatsächliche Effekt signifikant gefunden.

Für eine Power von 80% ist eine größere Stichprobe nötig. Power-Analyse für verschiedene n:

ns <- c(10:20)
set.seed(42)
tibble(
  n = ns,
  power = map_dbl(ns, \(n) mean(replicate(100, sim_t_test(n)) <= .05))
)

# A tibble: 11 × 2
       n power
   <int> <dbl>
 1    10  0.49
 2    11  0.6 
 3    12  0.68
 4    13  0.72
 5    14  0.72
 6    15  0.74
 7    16  0.76
 8    17  0.77
 9    18  0.77
10    19  0.82
11    20  0.87

Komplexere Designs und agentenbasierte Simulationen

Siehe: https://stats.ifp.uni-mainz.de/ba-ccs-track/exp-simulation.html

Behalten Sie die Überlegungen bei der Bestimmung der Stichprobengröße im Hinterkopf, wenn Sie Ihre eigene Studie planen!

Für agentenbasierte Ansätze mit LLMs, siehe den aktuellen wissenschaftlichen Diskurs, z.B.:

Binz, M., Akata, E., Bethge, M., Brändle, F., Callaway, F., Coda-Forno, J., Dayan, P., Demircan, C., Eckstein, M. K., Éltető, N., Griffiths, T. L., Haridi, S., Jagadish, A. K., Ji-An, L., Kipnis, A., Kumar, S., Ludwig, T., Mathony, M., Mattar, M., … Schulz, E. (2025). A Foundation Model to Predict and Capture Human Cognition. Nature, 644(8078), 1002–1009. https://doi.org/10/g9r4fm

Cummins, J., Elson, M., & Hussey, I. (2025). Cognitive Dissonance in Large Language Models Is Neither Cognitive nor Dissonant. Proceedings of the National Academy of Sciences, 122(35), e2517912122. https://doi.org/10/g9zp53

Schröder, S., Morgenroth, T., Kuhl, U., Vaquet, V., & Paaßen, B. (2025, August 13). Large Language Models Do Not Simulate Human Psychology. https://doi.org/10.48550/arXiv.2508.06950

Soweit Fragen?

Computergestütze Methoden bei der Stimulusentwicklung

Das Problem: Stimuli als vernachlässigte Ressource

Reeves et al.¹ analysierten 306 Experimente aus Media Psychology und hochzitierten Medienstudien:

• Studien investieren in zehntausende Versuchspersonen – aber nur in winzige Stimulussamples
• 65% der Experimente verwendeten pro Bedingung nur ein einziges Medienstimulus-Beispiel
• Die verwendeten Medieninhalte sind weniger variabel, nuanciert und idiosynkratisch als Medien in der realen Welt
• Stimuli repräsentieren dadurch oft nicht die Breite realer Medienerfahrungen, über die Autoren generalisieren

Stimuli sollten wie Stichproben behandelt werden – mit Blick auf Repräsentativität, Varianz und Stichprobengröße.

1. Reeves, B., Yeykelis, L., & Cummings, J. J. (2016). The Use of Media in Media Psychology. Media Psychology, 19(1), 49–71. https://doi.org/10.1080/15213269.2015.1030083

Lösungsansätze bei Reeves et al.

• Statistische Lösungen: Medienstimuli als Random Factors modellieren (z.B. Mixed Models), um Variabilität zwischen Stimuli zu berücksichtigen
• Single-Subject-Designs: Intraindividuelle Daten über viele Stimuli hinweg – individuelle Modelle statt Gruppenvergleiche
• Stimulus-intensive Designs: Fokus auf die Gesamtheit der Medieninhalte, die Personen rezipieren, nicht nur Stichproben

LLMs als Werkzeug zur Stimulusentwicklung / -selektion

Große Sprachmodelle (LLMs) können das Stimulusproblem gezielt adressieren:

• Skalierung: Automatisierte Generierung oder Selektion von Dutzenden bis Hunderten von Stimulusvarianten – z.B. Kurzvideoüberschriften, Social-Media-Posts, Artikel – mit kontrollierten Variationen (Ton, Framing, Länge)
• Kontrolle: Gezielte Manipulation einzelner Merkmale (z.B. Emotionalität, Valenz, Komplexität) bei gleichzeitiger Konstanthaltung anderer Eigenschaften
• Idiosynkrasie: Generierung oder Selektion personalisierter Stimuli, die realen, individualisierten Medienerfahrungen ähneln – besonders relevant für Matching-Experimente
• Transparenz & Replikation: Prompt-basierte Stimuluserstellung ist dokumentierbar und (größtenteils) reproduzierbar

Wichtige Einschränkung:

• LLM-generierte Stimuli müssen auf externe Validität geprüft werden – sind sie wirklich repräsentativ für reale Medieninhalte?
• LLM-selektierte Stimuli müssen auf interne Validität geprüft werden – erfüllen sie die intendierten Merkmale (z.B. emotionaler Ton)?

Soweit Fragen?

Stimulusselektion mit LLMs für situatives Matching

Inhaltliche Ähnlichkeit

Embedding Similarity: LLMs können Inhalte in einen mehrdimensionalen Raum einbetten, in dem ähnliche Inhalte näher beieinander liegen.

• Beispiel: Berechnung der Kosinusähnlichkeit zwischen einem Nutzerprompt (z.B. „Ich hatte heute Stress auf der Arbeit”) und potenziellen Stimuli (z.B. Kurzvideo-Transkripte) → Auswahl derjenigen Stimuli, die am besten zum aktuellen Bedürfnis passen
• Berücksichtigung von Nuancen und Kontext, die über einfache Schlüsselwortübereinstimmungen hinausgehen

Beispiel-Demo

Inhaltsklassifikation

LLMs können Inhalte anhand von vordefinierten Kriterien klassifizieren (z.B. emotionaler Ton, Thema, Genre).

• Beispiel: Ein Prompt wie „Klassifiziere dieses Video als hedonisch oder eudaimonisch” → LLM weist jedem Stimulus eine Kategorie zu → gezielte Auswahl von Stimuli, die bestimmte Erlebnisdimensionen ansprechen
• Ermöglicht die gezielte Manipulation von Stimulusmerkmalen, um spezifische Effekte zu testen (z.B. Wirkung von hedonischen vs. eudaimonischen Inhalten in unterschiedlichen Situationen)

Beispiel aus dem Inhaltsanalyse-Kurs

Welche Methode (Ähnlichkeit vs. Klassifikation) besser geeignet ist, hängt von der spezifischen Forschungsfrage und den verfügbaren Stimuli ab – möglicherweise ist auch eine Kombination beider Ansätze sinnvoll. Validierung immer notwendig!

Soweit Fragen?

Vibe Coding

Was ist Vibe Coding?

• Softwareentwicklung in natürlicher Sprache – KI übernimmt die technische Umsetzung (z.B. Cursor, GitHub Copilot, Replit Agent)
• Rolle der Menschen: konzeptueller Impulsgeber statt aktiver Kodierer
• Potenziale: schnelles Prototyping, niedrige Einstiegshürde, iteratives Arbeiten
• Risiken: mangelnde Codequalität, Sicherheitslücken, sinkendes Systemverständnis, Halluzinationen
• Für UX und Stimulusentwicklung hilfreich: What you see is what you get – Oberflächen und Prototypen lassen sich schnell visualisieren und mit Zielgruppen validieren

Vorsicht bei der Datenanalyse

Vibe Coding unbeaufsichtigt für statistische Analysen einzusetzen ist riskant: KI-generierter Analysecode kann fehlerhafte Berechnungen, falsche Modellspezifizierungen oder erfundene Methoden enthalten – immer kritisch prüfen!

https://www.iese.fraunhofer.de/blog/vibe-coding-definition-potenziale-risiken/

Gruppenarbeit

Feedback und Weiterarbeit an der Präregistrierung

Literaturangaben

Nabi, R. L., & Van Der Wal, A. (2026). Self-Administered Media Prescriptions: Training Algorithms to Deliver Inspirational Content to Reduce Stress and Increase Goal Motivation. Psychology of Popular Media. https://doi.org/10.1037/ppm0000669

Binz, M., Akata, E., Bethge, M., Brändle, F., Callaway, F., Coda-Forno, J., Dayan, P., Demircan, C., Eckstein, M. K., Éltető, N., Griffiths, T. L., Haridi, S., Jagadish, A. K., Ji-An, L., Kipnis, A., Kumar, S., Ludwig, T., Mathony, M., Mattar, M., … Schulz, E. (2025). A Foundation Model to Predict and Capture Human Cognition. Nature, 644(8078), 1002–1009. https://doi.org/10/g9r4fm

Cummins, J., Elson, M., & Hussey, I. (2025). Cognitive Dissonance in Large Language Models Is Neither Cognitive nor Dissonant. Proceedings of the National Academy of Sciences, 122(35), e2517912122. https://doi.org/10/g9zp53

Koch, T., Seeger, C., & Müller, P. (2025). Das Experiment in der Kommunikations- und Medienwissenschaft: Grundlagen, Durchführung und Auswertung experimenteller Forschung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-49131-4

Schröder, S., Morgenroth, T., Kuhl, U., Vaquet, V., & Paaßen, B. (2025, August 13). Large Language Models Do Not Simulate Human Psychology. https://doi.org/10.48550/arXiv.2508.06950

Francemone, C. J., Grizzard, M., Fitzgerald, K., Huang, J., & Ahn, C. (2022). Character Gender and Disposition Formation in Narratives: The Role of Competing Schema. Media Psychology, 25(4), 547–564. https://doi.org/10.1080/15213269.2021.2006718

Dienlin, T., Johannes, N., Bowman, N. D., Masur, P. K., Engesser, S., Kümpel, A. S., Lukito, J., Bier, L. M., Zhang, R., Johnson, B. K., Huskey, R., Schneider, F. M., Breuer, J., Parry, D. A., Vermeulen, I., Fisher, J. T., Banks, J., Weber, R., Ellis, D. A., … De Vreese, C. (2021). An Agenda for Open Science in Communication. Journal of Communication, 71(1), 1–26. https://doi.org/10.1093/joc/jqz052

Meier, A., & Reinecke, L. (2021). Computer-Mediated Communication, Social Media, and Mental Health: A Conceptual and Empirical Meta-Review. Communication Research, 48(8), 1182–1209. https://doi.org/10.1177/0093650220958224

Tamborini, R., Grady, S. M., Baldwin, J., McClaran, N., & Lewis, R. (2021). The Narrative Enjoyment and Appreciation Rationale. In P. Vorderer & C. Klimmt (Hrsg.), The Oxford Handbook of Entertainment Theory (S. 44–62). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780190072216.013.3

Wolfers, L. N., & Schneider, F. M. (2021). Using Media for Coping: A Scoping Review. Communication Research, 48(8), 1210–1234. https://doi.org/10.1177/0093650220939778

Domahidi, E., & Haim, M. (2021, September 28). What Is Computational Communication Science and Why Would We Need a Podcast on That? [Audio recording]. Auf What is it about computational communication science (No. 1). Anchor. https://anchor.fm/ccs-pod/episodes/What-is-Computational-Communication-Science-and-why-would-we-need-a-podcast-on-that-e180odl

Prestin, A., & Nabi, R. (2020). Media Prescriptions: Exploring the Therapeutic Effects of Entertainment Media on Stress Relief, Illness Symptoms, and Goal Attainment. Journal of Communication, 70(2), 145–170. https://doi.org/10.1093/joc/jqaa001

Margolin, D. B. (2019). Computational Contributions: A Symbiotic Approach to Integrating Big, Observational Data Studies into the Communication Field. Communication Methods and Measures, 13(4), 229–247. https://doi.org/10/gg959f

Grizzard, M., Huang, J., Fitzgerald, K., Ahn, C., & Chu, H. (2018). Sensing Heroes and Villains: Character-Schema and the Disposition Formation Process. Communication Research, 45(4), 479–501. https://doi.org/10.1177/0093650217699934

van Atteveldt, W., & Peng, T.-Q. (2018). When Communication Meets Computation: Opportunities, Challenges, and Pitfalls in Computational Communication Science. Communication Methods and Measures, 12(2–3), 81–92. https://doi.org/10/gf8pnw

Reeves, B., Yeykelis, L., & Cummings, J. J. (2016). The Use of Media in Media Psychology. Media Psychology, 19(1), 49–71. https://doi.org/10.1080/15213269.2015.1030083

Knobloch-Westerwick, S. (2015). The Selective Exposure Self- and Affect-Management (SESAM) Model: Applications in the Realms of Race, Politics, and Health. Communication Research, 42(7), 959–985. https://doi.org/10.1177/0093650214539173

Open Science Collaboration. (2015). Estimating the Reproducibility of Psychological Science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716

Rieger, D., Reinecke, L., Frischlich, L., & Bente, G. (2014). Media Entertainment and Well-Being: Linking Hedonic and Eudaimonic Entertainment Experience to Media-Induced Recovery and Vitality. Journal of Communication, 64(3), 456–478. https://doi.org/10.1111/jcom.12097

Oliver, M. B., & Bartsch, A. (2010). Appreciation as Audience Response: Exploring Entertainment Gratifications beyond Hedonism. Human Communication Research, 36(1), 53–81. https://doi.org/10/fkfhnn

Matthews, R. (2000). Storks Deliver Babies (P= 0.008). Teaching Statistics, 22(2), 36–38. https://doi.org/10.1111/1467-9639.00013

Cutrona, C. E. (1990). Stress and Social Support—in Search of Optimal Matching. Journal of Social and Clinical Psychology, 9(1), 3–14. https://doi.org/10.1521/jscp.1990.9.1.3

Zillmann, D. (1988). Mood Management through Communication Choices. American Behavioral Scientist, 31(3), 327–340. https://doi.org/10.1177/000276488031003005

Lazarus, R. S., & Folkman, S. (1984). Stress, Appraisal, and Coping. Springer Publishing Company.