Projektbeschreibung

In diesem Dissertationsprojekt wird die Rolle von Videostruktur auf Lernerfolg und Beliebtheit erforscht. Dabei werden strukturelle Elemente von Videos mithilfe von Methoden der Kognitionspsychologie, der Ereignissegmentierung und Erzähltheorie analysiert. Dieses Projekt verbindet traditionelle psychologische Methoden mit Big Data und Machine-Learning-Techniken, um umfassende Einblicke in die Wirkung von Videos zu erlangen.

Der Konsum von Online-Videoinhalten, einschließlich Lehr-, Unterhaltungs- und Social-Media-Videos, ist in der heutigen Gesellschaft von großer Bedeutung. In diesem Dissertationsprojekt wird untersucht, wie die Videostruktur die Wirkung von Videos beeinflussen kann. Die Forschung ist in zwei Hauptbereiche unterteilt. Im ersten Teil wird untersucht, wie strukturelle Elemente in Lehrvideos den Lernerfolg beeinflussen. Dabei wird die Theorie der Ereignissegmentierung verwendet, die besagt, dass Menschen Ereignisse in Einheiten aufteilen, um sie zu verstehen. Mithilfe dieser Theorie wird die Videostruktur von Lehrvideos analysiert und mit einer Analyse des Lernerfolgs kombiniert.
Der zweite Aspekt des Projekts befasst sich mit den Auswirkungen der narrativen Videostruktur auf die Popularität und Reichweite von TikTok-Kurzvideos. Es verwendet Ansätze aus der Erzähltheorie und Kurt Vonneguts sechs Grundformen von Erzählungen, um Videoinhalte in emotionale Erzählbögen zu kategorisieren. Um diese narrativen Bögen zu erhalten, werden Techniken des maschinellen Lernens eingesetzt.
In Kombination soll dieses Projekt nicht nur das Verständnis für den Einfluss der Videostruktur auf die Wirkung von Videos vertiefen, sondern auch zeigen, wie maschinelles Lernen und Big Data die psychologische Forschung verbessern können.