PropertyValue
?:about
?:abstract
  • Algorithmenbasierte Empfehlungsdienste stellen Zuschauer*innen im nichtlinearen Streaming individuell audiovisuelle Inhalte in einer Vorauswahl zusammen, die potenziell ihren Präferenzen entsprechen. Um die Präferenzen der Zuschauer*innen zu ermitteln, müssen die Anbieter solcher Dienste personenbezogene Daten wie z. B. das Sehverhalten erheben und auswerten. Zuschauer*innen müssen bei der Wahl eines personalisierten Angebots daher den Nutzen der Personalisierung gegen die Bedrohung ihrer Privatsphäre abwägen. In diesem Beitrag wird dieses "Privatheitskalkül" von Zuschauer*innen aus einer medienökonomischen Perspektive untersucht. Im Fokus steht die Fragestellung, wie viel Personalisierung aus Sicht der Zuschauer*innen optimal ist und welche Auswirkungen heterogene Sensibilitäten der Datenpreisgabe, die Systemeffizienz sowie Reputation der Anbieter im vertrauensvollen Umgang mit personenbezogenen Daten auf das Kalkül der Zuschauer*innen haben. Aus den Ergebnissen werden zudem Implikationen für Geschäftsmodelle abgeleitet. (xsd:string)
?:contributor
?:dateModified
  • 2022 (xsd:gyear)
?:datePublished
  • 2022 (xsd:gyear)
?:doi
  • 10.21241/ssoar.78176 ()
?:duplicate
?:editor
?:hasFulltext
  • true (xsd:boolean)
is ?:hasPart of
?:inLanguage
  • de (xsd:string)
?:linksDOI
?:location
is ?:mainEntity of
?:name
  • Wie viel Personalisierung braucht der Bewegtbildmarkt aus Sicht der Zuschauer*innen? (xsd:string)
?:provider
?:publicationType
  • Konferenzbeitrag (xsd:string)
?:sourceCollection
  • Internet-Intermediäre und virtuelle Plattformen medienökonomisch betrachtet: Proceedings zur Jahrestagung der Fachgruppe Medienökonomie der Deutschen Gesellschaft für Publizistik- und Kommunikationswissenschaft 2021, Hamburg (xsd:string)
?:sourceInfo
  • GESIS-SSOAR (xsd:string)
rdf:type
?:url