Personalisierung von Suchergebnissen und -vorschlägen in der Web-Suche dienen dazu, dem Nutzer individuell relevantere Inhalte anzuzeigen. In vielen Bereichen, beispielsweise beim Online-Shopping, kann Personalisierung als nützlich empfunden werden. Immer mehr Menschen nutzen Web-Suchmaschinen jedoch auch, um sich über politische Themen und Inhalte zu informieren. Personalisierung kann deswegen im politischen Kontext zur Folge haben, dass dem Nutzer nur seine schon bestehenden Meinungen und Ideologien widergespiegelt werden (“Filterblasen”). Die Befürchtung ist, dass dies zu einer Polarisierung der Meinungen und Überzeugungen innerhalb einer Gesellschaft führen kann. Während in der bisherigen Forschung größtenteils nur die Suchergebnisse analysiert wurden, soll es in dieser Arbeit um die Suchvorschläge gehen. Findet Personalisierung auch bei Suchvorschlägen statt?

Ziel ist eine systematische Studie zur Personalisierung von Suchvorschlägen in Web-Suchmaschinen. Aufbauend auf schon bestehenden Projekten, soll ein Programm entwickelt werden, welches automatisiert Suchanfragen absendet und nach einiger Zeit die Suchvorschläge zu verschiedenen Suchanfragen sammelt. Dabei können, neben der Suchhistorie, auch der Ort oder die Sprache systematische variiert werden. Die gesammelten Daten können anschließend ausgewertet werden.

• “Measuring Personalization of Web Search”, Hannak et al, 2013
• “Auditing the Personalization and Composition of Politically-Related Search Engine Results Pages”, Robertson et al, 2013
• “Filterblase geplatzt? Kaum Raum für Personalisierung bei Google-Suchen zur Bundestagswahl 2017”, Krafft et al, 2017
• Headless Chrome Node API

• Spaß am wissenschaftlichen Arbeiten und dem Lesen aktueller Literatur
• Erste praktische Erfahrung in der Programmierung mit Javascript und/ oder Python