Artificial intelligence (AI) is becoming a crucial issue for society. But the flourishing communication about AI makes it more difficult to understand what AI actually is and what role AI takes in society. From a systems theory perspective, we propose that to understand AI is to understand how societal subsystems deal with AI. To investigate the different constructions of AI we use text mining methods on the discursive structure, the semantics, and their trends over the past 20 years. We compare two subsystems – science and mass media – with getting insights from two databases – OpenAlex and Wikipedia. In science, AI is a computer science topic, consisting of four main strands: computer vision, natural language processing, robotics, and machine learning. AI as a research topic appears as a driver of scientific development that underlies machine learnization. AI as a media and broadcasting topic on Wikipedia is stable and concentrates on science, big technological firms, and science fiction. The respective pages are oriented towards the perspective of everyday life and range from personal assistance systems over sci-fi franchises to philosophical currents. We diagnose a trend from speculation to application in the attention AI receives on Wikipedia. Other systems like polity, law, or social movements do not play (at the moment) an important role in either system. Taken together, the trends point to a peculiar divergence between exaggerated expectations, everyday applications and societal debates about potentials, limits, and challenges.

Graph databases are used across several domains due to the intuitive structure of graphs. They are well-suited for storing document collections together with their interlinkages through metadata and annotations. Yet, querying such graphs requires database experts' involvement for query formulation, reducing accessibility to nonexperts. To address this issue, we present Graph Detective, a web interface that provides an intuitive entry point for graph data exploration, where users can create queries visually with little effort, eliminating the need for expertise in query writing. After processing, the resulting query output (a graph) is then rendered in an interactive 3D visualization. This visualization allows the analysis of structural traits of the resulting graph data, exploiting the documents and metadata interlinkage. Our user evaluation revealed that even individuals inexperienced with graph databases or graph data, in general, could satisfactorily access the graph data through our interface. Furthermore, experienced participants commented that our interface was more efficient than writing explicit queries in graph database query language. Interested users can find the code openly accessible on GitHub1.

Graphs are a natural representation of complex data as their structure allows users to discover (often implicit) relations among the nodes intuitively. Applications build graphs in an ad-hoc fashion, usually tailored to specific use cases, limiting their reusability. To account for this, we present the Corpus Annotation Graph (CAG) architectural framework based on a create-and-annotate pattern that enables users to build uniformly structured graphs from diverse data sources and extend them with automatically extracted annotations (e.g., named entities, topics). The resulting graphs can be used for further analyses across multiple downstream tasks (e.g., node classification). Code and resources are publicly available on GitHub(1, 2) and downloadable via PyPi(3) with the command pip install cag.

Understanding how society reacts to climate change means understanding how different societal subsystems approach the challenge. With the help of a heuristic of systems theory two subsystems of society – science and mass media – are compared with respect to communications about climate change over the last 20 years. With text mining methods metadata of documents from two databases – OpenAlex and Wikipedia – are generated, analyzed, and visualized. We find substantial differences as well as similarities in the social, factual, and temporal dimensions. While Wikipedia shows a much greater variety of concrete organizations, social movements, media outlets, and persons, science is more concerned with abstract interrelations of human action. In both systems, there is a shift in attention from describing the very phenomenon to questioning how to deal with this fact. This demonstrates for science a discursive shift from causes to consequences and for mass media a shift from chat to crisis. Science shows an ongoing growth process, while the attention of mass media appears cyclical.

NINA BAUR / HERMANN KORTE / MARTINA LÖW / MARKUS SCHROER (Hrsg.), Handbuch Soziologie. Wiesbaden: VS Verlag 2008, 505 S., br., 39,95€

Wie offentlich ist die Soziologie? In der Disziplinfolklore ist dies meist schon negativ beantwortet: Die Soziologie ist nicht offentlich sichtbar, sie hat keinen Platz in den Massenmedien. Dies wird u.U. noch bedauert oder an die ,gute alte Zeit‘ erinnert, in der es anders war. Wir denken: Das ist falsch. Einer empirischen Wissenschaft kann es nicht genugen, Fragen, die mit den eigenen Mitteln beantwortet werden konnen, anekdotischer Evidenz zu uberlassen. Inhaltlich ist der Diagnose auch nicht zuzustimmen. Ein Blick in eine beliebige Tageszeitung beweist: In irgendeiner Form taucht die Soziologie tagtaglich auf. Dazu ist nicht nur fur an Universitaten beschaftigte Soziolog_innen der Umstand, eine personliche Webpage zu benotigen, zumeist unumganglich. Diese Webpages sind Teil der offentlichen personalen Selbstdarstellung. Public sociology fragt aber weiter, nicht nur, ob die Soziologie in der Offentlichkeit wahrnehmbar ist, sondern auch: wozu eigentlich? Und sicher sind die dusteren anekdotischen Diagnosen eher so zu verstehen, dass die gegenwartige Rolle der Soziologie nicht die ist, die phantasiert wird. Dieser Debattenzustand macht aber beides unsichtbar: Die tatsachliche offentliche Prasenz der Soziologie und die Diskussion daruber, welche Rolle fur die Soziologie wunschenswert ware. Im Beitrag wahlen wir die personale Selbstdarstellung und die massenmediale Fremddarstellung als Ausgangspunkt, von dem aus die Offentlichkeit der Soziologie fokussiert werden soll. Die personale Selbstdarstellung unterliegt einer Vielzahl hochst unterschiedlicher und eben doch miteinander verwobenen Bedingungen: u.a. mediale, organisationale, personliche und gesamtgesellschaftliche. Das Design der standardisierten Inhaltsanalyse umfasst einen Vergleich dreier Sozialwissenschaften: Ethnologie, Okonomik und Soziologie im Langs- und Querschnitt. Es werden Fragen nach dem Ort des Erscheinens, der Funktion im Artikel, dem Trager, den Produktionsbedingungen des dargestellten Wissens, mogliche Konfliktfelder und Darstellungen von Geltung des Wissens erhoben. Die Kombination aus makrohermeneutischer und standardisierter Analyse verspricht unter Einbezug der multimedialen Formate der personalen Selbstdarstellung und der Fremddarstellung in der deutschen Qualitats-Tagespresse eine Diagnose des Verhaltnisses von Soziologie und ihrer Offentlichkeit und zudem eroffnet sich ein Raum der Diskussion uber dieses Verhaltnis.