@masterthesis{Koegel, type = {Bachelor Thesis}, author = {K{\"o}gel, Jessica}, title = {Suchmaschinenmarketing und Social Media Marketing am Beispiel des Online Hashimoto Kongresses}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-24336}, school = {Fachhochschule Potsdam}, pages = {81}, abstract = {Der Online Hashimoto Kongress ist ein Event, welches ausschließlich online veranstaltet wird. Im Jahr 2018 fand der Kongress zum zweiten Mal statt. F{\"u}r das Marketing werden soziale Netzwerke und die Suchmaschinenwerbung in Google genutzt sowie die Suchmaschinenoptimierung angewendet, um Webseiten-Zugriffe zu generieren. Es wird angenommen, dass die SEM und SMM-Maßnahmen noch nicht ausgereift sind und Optimierungsbedarf besteht. Im ersten Teil der Bachelorarbeit wird das Suchmaschinenmarketing sowie das Social Media Marketing f{\"u}r ein digitales Unternehmen dargestellt. Hierzu werden die zu beachtenden Aspekte und Empfehlungen aus den Jahren 2017 bis 2019 recherchiert. Im Rahmen der Suchmaschinenoptimierung wird die On-Page-Optimierung f{\"u}r Google und Google-NutzerInnen in den Mittelpunkt gestellt. Das Zusammentragen der Empfehlungen im SEM und SMM soll aufzeigen, welche Maßnahmen aktuell umgesetzt werden sollten. Auf Basis der Literaturrecherche werden vier Bewertungsschemata entwickelt, welche im n{\"a}chsten Schritt auf den Online Hashimoto Kongress aus dem Jahr 2018 angewendet werden. Das Ziel der Bachelorarbeit ist eine nachvollziehbare Bewertung der SEO-, SEA und SMM-Maßnahmen des Online Hashimoto Kongresses. Die entwickelten Bewertungsschemata sollen allgemein gehalten werden, sodass diese auch f{\"u}r Web- und Facebook-Seiten mit einem {\"a}hnlichen Ziel und Angebot angewendet werden k{\"o}nnen.}, subject = {Online-Marketing}, language = {de} } @masterthesis{Berner, type = {Bachelor Thesis}, author = {Berner, Fabian}, title = {Automatische Verfahren zur Erkennung hassgeladener Sprache in sozialen Medien}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-34635}, school = {Fachhochschule Potsdam}, pages = {58}, abstract = {In Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen w{\"a}ren. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und {\"u}ber deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen f{\"u}r diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gew{\"a}hrleisten zu k{\"o}nnen, werden Verfahren eingesetzt, um hassgeladene Aussagen automatisch zu erkennen. Diese Methoden bedienen sich Klassifikationsmethoden aus dem Bereich des Text Mining, welches diverse Methoden beinhaltet, um Informationen aus Texten zu extrahieren. Ein Teil davon sind die sogenannten Klassifikationsmethoden, welche durch Ensemble-Methoden noch verbessert werden k{\"o}nnen. Sie werden in diversen Forschungsfeldern des maschinellen Lernens eingesetzt und erzielen durchweg positive Ergebnisse (Dong et al., 2020, S. 251) (Tasci, 2020, S. 30416). In der vorliegenden Arbeit werden Ensemble-Methoden an einer Shared Task angewendet und dabei die GermEval2019 betrachtet, da diese sich mit deutschsprachigen, hassgeladenen Texten besch{\"a}ftigt.}, subject = {Social Media}, language = {de} }