Research on incidental news exposure in the context of social media focuses on ‘successful’ incidental news exposure – when unintended news contacts result in active engagement and knowledge gains. However, we lack both theoretical and empirical approaches to the far more likely case that people keep on scrolling through their newsfeed without any post triggering active engagement. To fill this gap, the article conceptualizes a triple-path model of incidental news exposure on social media as a process. Building upon the Cognitive Mediation Model, dual system theories on information processing and recent empirical findings, three different pathways of incidental news processing are identified: automatic, incidental and active. The triple-path model thus allows to theorize the learning potentials that can plausibly be expected from each incidental news exposure path as a starting point for future research.

ZusammenfassungInfolge der voranschreitenden Digitalisierung von Medienlandschaften sieht sich die Medien- und Kommunikationswissenschaft bei der Messung von Mediennutzung mit nie gekannten Herausforderungen konfrontiert. Vor diesem Hintergrund nimmt sich der vorliegende Beitrag der Frage an, inwieweit zwei neue von GESIS betriebene Forschungssoftwares nachhaltig zur Verbesserung der Mediennutzung im digitalen Zeitalter beitragen können: WebTrack (für die Aufzeichnung browserbasierter Onlinekommunikation und deren weitergehende Verknüpfung mit Längsschnitt-Befragungsdaten) und ein AppKit (für Erhebungen von Befragungs- und/oder digitalen Verhaltensdaten auf Basis von Smartphones). Beide Forschungssoftwares eröffnen sowohl für sich genommen als auch im Verbund neue Datenerhebungspotenziale, indem sie Mediennutzung im Internet plattformübergreifend erfassen und deren individuelle Dynamiken besser abbilden können als vorherrschende (Befragungs‑)Designs. Zugleich kann keine Forschungssoftware die Vielschichtigkeit von Onlinemediennutzung vollständig erfassen. Zudem handelt es sich bei der nachhaltigen Entwicklung und Bereitstellung von Forschungssoftware um eine komplexe und ressourcenintensive Daueraufgabe. Wir diskutieren die technischen und organisationalen Begleitmaßnahmen bei GESIS mit Blick auf Zuverlässigkeit, Zugänglichkeit und Langlebigkeit. Die Forschungssoftwares und die resultierenden Datenerhebungspotenziale sollen nachhaltig einem breiteren Kreis von Fachkolleg*innen zugänglich gemacht werden. Hierbei zeigt sich, dass der Betrieb verschiedener Forschungssoftwares im Rahmen einer integrierten Datenerhebungsinfrastruktur zugleich Synergien eröffnet und angepasste Maßnahmen erfordert, um der Diversität von Forschungssoftwares Rechnung tragen zu können.

Schon heute greift die Mehrheit der NachrichtennutzerInnen aus Industrienationen bevorzugt auf algorithmisch kuratierte Nachrichtenquellen zu. Der erste durch massenmediale Mechanismen geprägte Strukturwandel der Öffentlichkeit, wie Habermas ihn diagnostizierte, wird nun abgelöst oder ergänzt durch die Logik von Algorithmen. Damit steigen sogenannte Informationsintermediäre, also Suchmaschinen, Aggregatoren und Soziale Netzwerke des Internets zu den wichtigsten Gatekeepern auf. Insbesondere personalisierende Algorithmen werden verdächtigt, für eine zunehmend idiosynkratische Information der Einzelnen und auf der aggregierten Ebene der politischen Öffentlichkeit für zunehmende Verzerrung, Fragmentierung oder Polarisierung verantwortlich zu sein. In diesem Beitrag werden auf der Grundlage einer Literaturübersicht erstens die zentralen Mechanismen des neuen Strukturwandels dargestellt. Zweitens werden auf der Grundlage bestehender empirischer Befunde die wichtigsten Befürchtungen zu den Gefahren des algorithmischen Strukturwandels auf Ihre Stichhaltigkeit hin geprüft. Die Forschungslage erweist sich zu allen Gefahren als spärlich, teils widersprüchlich. Gleichwohl finden sich Belege etwa für Polarisierungsprozesse, die allerdings stark von intervenierenden Variablen abhängen.

Journalistic media increasingly address changing user behaviour online by implementing algorithmic recommendations on their pages. While social media extensively rely on user data for personalized recommendations, journalistic media may choose to aim to improve the user experience based on textual features such as thematic similarity. From a societal viewpoint, these recommendations should be as diverse as possible. Users, however, tend to prefer recommendations that enable “serendipity”—the perception of an item as a welcome surprise that strikes just the right balance between more similarly useful but still novel content. By conducting a representative online survey with n = 588 respondents, we investigate how users evaluate algorithmic news recommendations (recommendation satisfaction, as well as perceived novelty and unexpectedness) based on different similarity settings and how individual dispositions (news interest, civic information norm, need for cognitive closure, etc.) may affect these evaluations. The core piece of our survey is a self-programmed recommendation system that accesses a database of vectorized news articles. Respondents search for a personally relevant keyword and select a suitable article, after which another article is recommended automatically, at random, using one of three similarity settings. Our findings show that users prefer recommendations of the most similar articles, which are at the same time perceived as novel, but not necessarily unexpected. However, user evaluations will differ depending on personal characteristics such as formal education, the civic information norm, and the need for cognitive closure.

Facebook ist als eine der reichweitenstärksten Social Media Plattformen längst auch Informationsquelle für politische Nachrichten. Durch dessen Funktion als Informationsintermediär werden Nachrichten intendiert und aktiv, aber auch beiläufig und eher passiv rezipiert. Die Frage nach den Auswirkungen dieser Nutzungsform auf die politische Informiertheit der BürgerInnen ist bisher nur bedingt geklärt. Der vorliegende Beitrag beschäftigt sich mit der Frage, inwiefern die Nutzungsintensität sowie der Nutzungsmodus von Facebook mit dem politischen Faktenwissen der BürgerInnen und ihrem subjektiven Gefühl, gut informiert zu sein, zusammenhängen. Basierend auf Daten einer für die deutschsprachige Bevölkerung Deutschlands repräsentativen Telefonbefragung zeigt sich, dass die Facebook-Nutzung das tatsächliche Faktenwissen nicht beeinflusst. Wohl aber finden sich Unterschiede in der subjektiven Informiertheit, je nachdem ob Facebook gezielt zur Nachrichtenrezeption verwendet wird. Dabei spielt auch das politische Interesse der NutzerInnen eine wichtige Rolle, insbesondere wenn es darum geht, ob zufällige Informationskontakte auf Facebook einen Beitrag zum Informiertheitsgefühl der BürgerInnen leisten.