this

Es gibt sehr viel Forschung zu Sinn und Unsinn von Lehrevaluationen von Studierenden und die Anfälligkeit für Biase und die Fragwürdigkeit was sie messen.

Ich bekomme immer große Bauchschmerzen, wenn die gar als Steuerungsinstrumente genutzt werden sollen...

Ich finde Transparenz immer super, besonders bei öffentlichen Gelder.
Ich frage mich nur: Warum ausschließlich im ORF?
Warum gilt die gleiche Transparenz nicht für alle Unternehmen/Institutionen, die öffentlich finanziert werden?

this @juergenklatzer.bsky.social … oft ist es die fachexpertise, welche fehlt/ den unterschied macht. nicht umsonst haben expert:innen newsletter plattformen wie substack irre reichweitenanstiege im vgl zu legacy media. professionalisierung macht auch vor journalism nicht halt.

Meme des Jahres

We built a database of 290,000 English medieval soldiers – here’s what it reveals We created the database in order to challenge assumptions about the lack of professionalism of everyday soldiers.

A blast from my past - the Medieval Soldier database takes nearly 300,000 military service records from 1369-1453 and makes them available as a searchable database.

An invaluable resource for understanding medieval warfare, society and the English medieval state. Learn more in the link. 🗃️

Journalist challenge: Use “Machine Learning” when you mean machine learning and “LLM” when you mean LLM. Ditch “AI” as a catch-all term, it’s not useful for readers and it helps companies trying to confuse the public by obscuring the roles played by different technologies. 🧪

wie gesagt - beiden tun pauschalisierungen unrecht ... und bei beiden würde ich das problem eher bei den unternehmen sehen und nicht beim core-product (consulting/journalism vs. consulting company/media company)

ich habe auch schon irrsinnig viel bullshit in medien gelesen und würde niemals denken, sagen, dass niemand news/medien braucht.... there's bad consulting & there's bad journalism. generalisierende aussaugen betreffend beider tun selten gut.. und sind meist einfach falsch.

dieser satz ist schon etwas aus dem kontext gerissen, right?

zu sagen, 'da ist kein effekt' ist einfach verkürzt bzw. schlichtweg falsch. journ. brauch schon etwas mehr als catchy headlines und unangebrachte vereinfachung ....

yep - it's the interpretation of the effects, but not the effects per se ... "more consistent with the
productivity-enhancing view of consulting endorsed by most practitioners though only half of
academics, while lending less support to a rent-shifting view favored by many economists."

The Impact of Consulting Services on Small and Medium Enterprises: Evidence from a Randomized Trial in Mexico | Journal of Political Economy: Vol 126, No 2 A randomized control trial with 432 small and medium enterprises in Mexico shows positive impact of access to 1 year of management consulting services on total factor productivity and return on assets...

www.journals.uchicago.edu/doi/abs/10.1...

eml.berkeley.edu/~schoefer/sc...

Nja, wir haben in EU/Ö auch zu wenig Basics (Stats, Mathe, causal inference) in Politik und Wirtschaft. Dann kippt man schneller in Hypes. Ein Teil vom KI-Hype ist halt auch: „Endlich macht Data/tool, was das Management will - ohne wenn & aber…“

nja werbung geht halt auch dort hin wo reichweite ist - bzw hoffentlich tut sie das. ein (großer) werbetreibender der exklusiv bzw mit voller absicht reichweite für medium A opfert, macht das, aus good-will ggü. A. ich weiß nicht, ob ich das bei News haben will ... #unabhängig

eh - aber auch das würde unter ‚markt‘ fallen - würde als steuerzahlerin nicht für ein product mit mehrwert 0 zahlen wollen… bzw will ich dass das keiner macht …

*der wert des produktes….

ehrlich gesagt glaube ich (hoffe auch), dass sich das über den markt regeln wird. KI content ist generisch bzw hängt nur von der source ab. ist der effort in der source 0, ist sich wert des prod 0 (im vergleich). dh L zahlen für diesen output nix. (added vslue der ki streicht hoff. d ki Unt. ein)

anderes bsp. ich schreibe 50 lines of code und mach natürlich keine doc. lass das mal claude machen und schau über das erg drüber. besser vl aus & thats it. ist der code (gesamtprodukt nun ki?)

klar, wenn im endeffekt single source -> ki -> output ohne human, oder nur human in the loop (eyeballing), dann ki content … schon klar. aber ich denke einfach es ist nicht mehr so einfach klar zu labelln.

was wäre denn eine geeignete „markierung“ wenn der extent der ki nutzung wh in den meisten fällen sehr heterogen ist? also ich lasse oft formulierungen (in mails, reports etc) kurz checken, um vl eine verbesserung zu bekommen. ist nun der ganze text ki?

diskutiert/öknonometrisch analysiert wird das seit den 70gern inkl nobelpreise in jüngerer und langer vergangenheit ... aber, nja... humans are a special kind of animal i guess ...

bzgl frau/man ... wenn ang. bildung für beide genau gleich aufwendig (man denke aufwand beim lernen) und ich als frau weniger verdiene (sei es karenz oder diskrim), dann investiere ich weniger in bildung (bang for buck) ... aus dem zu schliessen, dass frauen weniger performant sind, ist falsch ...

im grunde kann ich auch einfach (im us) kontext auf hautfarbe scannen und finde wh eine starke corr. zwischen hautfarbe und beruf/akad performance ... but why? same works for men/woman btw... but why? jetzt mach ich das halt mit fancy KI but same issue ... (nennt sich stat. discrim. btw)

ai/data snakeoil ... but now it's rat-poison ... and people love it... (wie gesagt, bildung in econ/stats/math/...) hilft ... (dazu gehört halt einordnung von wiss. paper ... also ang. die erg. sind korrekt -> was genau bedeuten die hier ... und auf performance schließt da nix btw ... ) 1/n

grossartig, not ... hab aber mittlerweile gelernt, dass sowas halt nachgefragt wird, weil das 'why'/'how' selten von interesse ist ... (wer das why versteht, versteht auch, warum das ein ziemlich 'teures' prod. ist ...)

bewerber-screening ist vielen u wichtig (ist ja teuer, wen anzustellen) ... da gibts auch viel discrimination (taste based) ... new tech. und ai erlauben das halt noch mehr on scale ... the issue is, people often aren't interested in causation ... (and oh boy do they mix it with correlation)

und es ist rein correlation & keine causation ... das sagen sie auch nirgends... wenn ich auf basis von correlation iwelche entscheidungen treffe, kommt halt oft mist raus...

würde das eher so lesen, dass PB5 kein gutes tool ist, gute leute zu finden. weil cogn. & test scores ...

ie ich lese es eher als: oh thats some source of inefficient discrimination ... (weil manche u werden das machen, we all know that ...)