Das Lehrinnovationsprojekt SHRIMP (Social Hypertext Reader & Interactive Mapping Platform) wurde 2015 am Institut für Amerikanistik der Universität Leipzig ins Leben gerufen. Ziel des Projekts ist es, das didaktische Potenzial von Social Hypertext zu erforschen und nutzbar zu machen. Mehr Informationen zum Projekt finden Sie online unter www.shrimpp.de. Die Reihe SHRIMP Reports enthält die im Rahmen des Projekts erstellten Berichte und andere Begleitmaterialien.

Das Lehrinnovationsprojekt SHRIMP wurde vom 1. April bis 31. Dezember 2016 im Rahmen der Förderlinie „Lehrpraxis im Transfer“ gefördert, um einen standortübergreifenden fachinternen Dialog über das Potenzial von Social Hypertext in der amerikanistischen Lehre zu ermöglichen. Im Rahmen dieser Förderung arbeitete das SHRIMP-Team am Institut für Amerikanistik der Universität Leipzig gemeinsam mit der Professur für amerikanische Literaturwissenschaft an der TU Dresden. Der Bericht folgt den von der Projektkoordination vorgegebenen Fragen.:1. Zielstellung 2. Didaktisches Konzept 3. Evaluation 4. Transfer 5. Lehrentwicklung 6. Verstetigung 7. Veröffentlichungen 8. Projektdurchführung 9. Weitere Anmerkungen

Zum Ende der Förderung durch die Förderlinie „Lehrpraxis im Transfer“ wurde eine Pilotstudie zur datengestützten Lernanalyse (Learning Analytics) durchgeführt, die das Potenzial der SHRIMP Plattform für diese Form der Auswertung erkunden sollte. Vorgehen und Ergebnisse dieser Pilotstudie sind in diesem Paper kurz dokumentiert.:1. Einleitung 2. Methodik und Daten 3. Analyse 4. Zusammenfassung 5. Gründe und Ansätze für eine weiterführende, datengestützte Analyse von SHRIMP

Finding subgroups within social networks is important for understanding and possibly influencing the formation and evolution of online communities. This thesis addresses the problem of finding cohesive subgroups within social networks inferred from online interactions. The dissertation begins with a review of relevant literature and identifies existing methods for finding cohesive subgroups. This is followed by the introduction of the SCAN method for identifying subgroups in online interaction. The SCAN (Social Cohesion Analysis of Networks) methodology involves three steps: selecting the possible members (Select), collecting those members into possible subgroups (Collect) and choosing the cohesive subgroups over time (Choose). Social network analysis, clustering and partitioning, and similarity measurement are then used to implement each of the steps. Two further case studies are presented, one involving the TorCamp Google group and the other involving YouTube vaccination videos, to demonstrate how the methodology works in practice. Behavioural measures of Sense of Community and the Social Network Questionnaire are correlated with the SCAN method to demonstrate that the SCAN approach can find meaningful subgroups. Additional empirical findings are reported. Betweenness centrality appears to be a useful filter for screening potential subgroup members, and members of cohesive subgroups have stronger community membership and influence than others. Subgroups identified using weighted average hierarchical clustering are consistent with the subgroups identified using the more computationally expensive k-plex analysis. The value of similarity measurement in assessing subgroup cohesion over time is demonstrated, and possible problems with the use of Q modularity to identify cohesive subgroups are noted. Applications of this research to marketing, expertise location, and information search are also discussed.

Finding subgroups within social networks is important for understanding and possibly influencing the formation and evolution of online communities. This thesis addresses the problem of finding cohesive subgroups within social networks inferred from online interactions. The dissertation begins with a review of relevant literature and identifies existing methods for finding cohesive subgroups. This is followed by the introduction of the SCAN method for identifying subgroups in online interaction. The SCAN (Social Cohesion Analysis of Networks) methodology involves three steps: selecting the possible members (Select), collecting those members into possible subgroups (Collect) and choosing the cohesive subgroups over time (Choose). Social network analysis, clustering and partitioning, and similarity measurement are then used to implement each of the steps. Two further case studies are presented, one involving the TorCamp Google group and the other involving YouTube vaccination videos, to demonstrate how the methodology works in practice. Behavioural measures of Sense of Community and the Social Network Questionnaire are correlated with the SCAN method to demonstrate that the SCAN approach can find meaningful subgroups. Additional empirical findings are reported. Betweenness centrality appears to be a useful filter for screening potential subgroup members, and members of cohesive subgroups have stronger community membership and influence than others. Subgroups identified using weighted average hierarchical clustering are consistent with the subgroups identified using the more computationally expensive k-plex analysis. The value of similarity measurement in assessing subgroup cohesion over time is demonstrated, and possible problems with the use of Q modularity to identify cohesive subgroups are noted. Applications of this research to marketing, expertise location, and information search are also discussed.

Das Lehrinnovationsprojekt SHRIMP wurde vom 1.7.2015 bis 30.9.2016 im Rahmen der StiL Initiative ‘Laboruniversität’ der Universität Leipzig gefördert. Diese Projektdokumentation folgt dem Fragenkatalog der Vorlage zur Projektdokumentation der Laboruniversität. In dieser Projektphase wurde das Projekt SHRIMP erstmalig ins Leben gerufen, das Medium ‘Social Hypertext’ spezifiziert, die Plattform implementiert, die Inhalte des Seminars zum Modul „Literature and Culture I“ am Institut für Amerikanistik als Social Hypertext remedialisiert und die Plattform erstmalig in der Lehre eingesetzt.:1 Curriculare Verankerung 2 Projektverlauf und Ergebnisse 3 Integration des Projekts an der Universität Leipzig 4 Erfolg des Projektes gemessen an den Zielen 5 Evaluation 6 Rückmeldungen der Studierenden 7 Verstetigung 8 Rat an künftige Laboruni-Projekte 9 Sonstiges

SHRIMP http://www.shrimpp.de ist ein Lehr-Lern-Experiment, das im Rahmen von Lehrpraxis im Transfer am Institut für Amerikanistik der Universität Leipzig https:// americanstudies.uni-leipzig.de und an der Professur für Literatur Nordamerikas der TU Dresden https://tu-dresden.de/gsw/slk/ anglistik_amerikanistik/na-literatur durchgeführt wurde: Das Lehrmaterial von Seminaren an beiden Standorten wurde als gemeinsames Social Hypertext Universum umgesetzt und über eine digitale Online-Plattform in das Lehrangebot integriert. Anstatt als traditionelle, lose Blattsammlung, lesen die Studierenden die Seminartexte online auf einer Social- Media-Plattform. Dort können sie die Inhalte entdecken, annotieren, individuell erschließen und für den eigenen Lernerfolg aktivieren, indem sie die den meisten Studierenden wohlvertrauten Interaktionsformen der Social Media (likes, Kommentare) verwenden. Das zugrundeliegende Modell wurde in Leipzig entwickelt, durch den Transfer mit Dresden aber sowohl in seinen technischen als auch in seinen didaktischen Möglichkeiten stark weiter entwickelt.