Je mehr Emoticons, desto besser die Freundschaft

Matthias Bastian1 KommentarForschung

Anfang Januar starteten wir unsere große Nutzerstudie zum Thema Work-Life-Balance und Smartphones. Unsere Fragestellung: Wie stark vermischen sich Berufs- und Privatleben aufgrund der mobilen Kommunikation und wie kann man dem entgegenwirken?

Dafür untersuchen wir Nutzungs- und Interaktionsmuster zwischen verschiedenen Gesprächspartnern, um anschließend mit maschinellen Lernverfahren beispielhafte Nutzungsszenarien zu modellieren, mit denen das Smartphone arbeiten kann. Basierend darauf kann man dann ein Regelwerk entwickeln, das dem Smartphone beibringt, in welchen Situationen es klingeln und wann es besser still sein soll. Ganz automatisch und ohne externe Anweisungen.

Die Studie läuft noch und wir suchen weiter Teilnehmer.

HIER die App „FAM APP“ für Android im Google Play Store herunterladen.
Unter allen App-Nutzern verlosen wir Amazon-Gutscheine im Wert von bis zu 50 Euro (aus einem Topf von 500€)!

Erste Ergebnisse der laufenden Untersuchung

Einen ersten Datensatz aus einer Vorstudie haben wir bereits Ende 2015 ausgewertet. Interessant ist die Erkenntnis, dass Private Messaging besonders häufig zwischen Freunden und Hobby-Kontakten genutzt wird, während man mit Arbeitskollegen und Familienmitgliedern eher telefoniert. Die Telefonate mit Familienmitgliedern finden besonders am Wochenende statt, während die Arbeitskollegen unter der Woche mehr Raum einnehmen.

Die durchschnittliche Reaktionszeit auf private Nachrichten beträgt gerade einmal drei Minuten – das ist richtig flott. Ein überraschender Befund: Je mehr Emoticons in den privaten Nachrichten verwendet werden, desto intensiver ist meist auch die Beziehung zwischen den Gesprächspartnern. Wer also das nächste Mal über mögliche vorhandene Sympathien einer bestimmten Person nachdenkt, der könnte einfach mal die Anzahl der Smileys im Chat nachzählen. ;)

Bitte unterstützt unsere weitere Forschung und ladet die App herunter. Vielen Dank!

Details zur Methode

Für die Erstellung des Modells werden pro ausgewählte Kontaktperson Daten aus den Anruf- und SMS-Protokollen sowie den Instant-Messaging (IM)-Diensten – WhatsApp und Threema – gesammelt. Außerdem werden logische Standortinformationen (z.B. zu Hause, auf der Arbeit, usw.) ebenfalls gesammelt. Aus diesen Kommunikationsdaten werden gewisse Merkmale (bspw. Anzahl von Anrufen an Sonntagen, Anzahl von Emoticons in IM-Nachrichten, Anzahl an gesendeten Nachrichten auf der Arbeit usw.) extrahiert.

Sie als Nutzer sind gefordert, indem Sie einen Fragebogen jeweils zu bestimmten ausgewählten Kontaktpersonen beantworten (Evaluation) sowie der App mitteilen, an welchem Ort Sie sich gerade befinden. Wir bestimmen Ihren symbolischen Aufenthaltsort via Mobilfunkzellen – es werden also keine GPS-Koordinaten erfasst.

Mit den gesammelten Kommunikationsmerkmalen sowie den Angaben aus den Fragebögen wird ein Modell erstellt, mit dessen Hilfe es möglich ist, die Art und Stärke der Beziehung eines Nutzer (Vertrautheit) zu seinen Kontaktpersonen abschätzen zu können. Also beispielsweise, ob es sich um einen (nahen/entfernten) Kollegen, Freund oder um ein Familienmitglied handelt.

Wozu soll das gut sein? Hier zwei Beispiele, warum es sinnvoll ist, diese Forschungsarbeit zu unterstützen:

  • Automatisierung von Entscheidungen: Das Smartphone könnte auf Basis dieser Information entscheiden, ob und wann es Benachrichtigungen durchstellt oder nicht. Ruft beispielsweise der Chef während der Freizeit an, klingelt es nicht.
  • Bewahren der Privatsphäre: Teilen Sie in sozialen Netzwerken nur Inhalte mit Leuten, die Sie auch wirklich adressieren möchten. Positiver Nebeneffekt: Im Gegenzug erhalten Sie auch weniger Nachrichten von Leuten, zu denen Sie eigentlich keinen Bezug haben.

Privacy-Statement:

Bei der Nutzerbefragung wird von der App auf die Kontaktliste der Nutzer zugegriffen, um einen Fragebogen mit Klarnamen zur Einordnung der jeweiligen Kontaktpersonen zu erstellen. Außerdem braucht die App Zugriff auf die Nutzungsdaten sowie die Benachrichtigungen, um die o.g. Merkmale extrahieren zu können. Diese Ergebnisse werden zusammen mit den Kommunikationsmerkmalen von den jeweiligen Kontaktpersonen auf dem mobilen Gerät des Nutzers gespeichert.

Die gesammelten Daten werden auf einen Server geladen, wo sie gemeinsam mit Datensätzen anderer Nutzer maschinell ausgewertet werden. Dabei werden sie völlig anonymisiert behandelt, sodass keine personenbezogene Information aus dem Nutzergerät nach außen kommt. Die Datensätze werden dabei jeweils mit einer abgekürzten Gerät-ID versehen. Es werden also keine Daten auf dem Server gesammelt, welche Rückschlüsse auf die Identität der Nutzer zulassen. Die gesammelten Daten werden ausschließlich zu Forschungszwecken verwendet. Eine Herausgabe von personenbezogenen Daten an unbeteiligte Dritte ist ausgeschlossen.