Im Bereich der medienwissenschaftlichen Inhaltsanalyse stellt die Themenanalyse einen wichtigen Bestandteil dar. Für die Analyse großer digitaler Textbestände hinsichtlich thematischer Strukturen ist es deshalb wichtig, das Potenzial automatisierter computergestützter Methoden zu untersuchen. Dabei müssen die methodischen und analytischen Anforderungen der Inhaltsanalyse beachtet werden und es muss abgebildet werden, welche auch für die Themenanalyse gelten.In dieser Arbeit werden die Möglichkeiten der Automatisierung der Themenanalyse und deren Anwendungsperspektiven untersucht. Dabei wird…mehr
Im Bereich der medienwissenschaftlichen Inhaltsanalyse stellt die Themenanalyse einen wichtigen Bestandteil dar. Für die Analyse großer digitaler Textbestände hinsichtlich thematischer Strukturen ist es deshalb wichtig, das Potenzial automatisierter computergestützter Methoden zu untersuchen. Dabei müssen die methodischen und analytischen Anforderungen der Inhaltsanalyse beachtet werden und es muss abgebildet werden, welche auch für die Themenanalyse gelten.In dieser Arbeit werden die Möglichkeiten der Automatisierung der Themenanalyse und deren Anwendungsperspektiven untersucht. Dabei wird auf theoretische und methodische Grundlagen der Inhaltsanalyse und auf linguistische Theorien zu Themenstrukturen zurückgegriffen, um Anforderungen an eine automatische Analyse abzuleiten. Den wesentlichen Beitrag stellt die Untersuchung der Potenziale und Werkzeuge aus den Bereichen des Data- und Text-Minings dar, die für die inhaltsanalytische Arbeit in Textdatenbanken hilfreich und gewinnbringend eingesetzt werden können.Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Produktdetails
Produktdetails
Methoden und Forschungslogik der Kommunikationswissenschaft 13
Niekler, AndreasAndreas Niekler, Dr. Ing., geb. 1979, ist seit 2009 wissenschaftlicher Mitarbeiter am Institut für Informatik der Universität Leipzig in der Abteilung Automatische Sprachverarbeitung. Er entwickelt computergestützte Verfahren für sozialwissenschaftliche Inhaltsanalysen, u. a. für das Forschungsprojekt "Postdemokratie und Neoliberalismus" und für die interaktive Analyseplattform Leipzig Corpus Miner (LCM). Der Schwerpunkt liegt dabei auf Verfahren des maschinellen Lernens und der Datenverwaltung. Zuvor lehrte er im Bereich Medien an der Hochschule für Technik, Wirtschaft und Kultur Leipzig (HTWK) sowie der Leipzig School of Media (LSoM) mit dem Schwerpunkt medienneutrale Datenhaltung.
Inhaltsangabe
1. Einleitung 151.1 Ausgangslage 191.2 Problemstellung und Ziele 211.3 Aufbau der Arbeit 222. Technische und theoretische Grundlagen für die automatische Inhaltsanalyse von Themenstrukturen 242.1 Inhaltsanalyse 252.1.1 Methodik und Eigenschaften 262.1.1.1 Qualitative und quantitative Inhaltsanalysen 272.1.1.2 Deskription und Inferenz 282.1.1.3 Deduktiv und Induktiv 292.1.2 Planung, Struktur und Ablauf 302.1.2.1 Wichtige Begriffe der Inhaltsanalyse 302.1.2.2 Methodik der Kategorienbildung bei Inhaltsanalysen 332.1.3 Themenanalysen 362.1.3.1 Synthese linguistischer Themenanalysen 422.1.3.2 Das Thema im zeitlichen Verlauf 452.1.3.3 Nachrichtenfaktoren 462.1.3.4 Ökonomische Probleme der Inhaltsanalyse 502.2 Computergestützte Analyse digitaler Textquellen 512.2.1 Verarbeitung und Repräsentation 522.2.1.1 Quellen, Zeichensätze und Sprachen 522.2.1.2 Vorbereitung der Texte 542.2.1.3 Speicherung verarbeiteter Texte und Metadaten 572.2.2 Maschinelles Lernen (Machine-Learning) und Text-Mining 602.2.2.1 Statistik und maschinelles Lernen mit Text 612.2.2.2 Überwachtes und unüberwachtes Lernen 622.2.2.3 Information Retrieval und explorative Suche 632.3 Zusammenfassung 662.4 Konkretisierung der Forschungsfragen 693. Algorith men und Meth oden für die automatische Themenanalyse 733.1 Topic Detection and Tracking 743.1.1 Clustermethode 773.1.2 Anwendung 783.2 Topic-Modelle 873.2.1 Latent Dirchlet Allocation 883.2.2 Erweiterungen und alternative Modelle 933.2.3 Berechnung und Inferenz 983.2.3.1 Wie viele Themen hat ein Korpus? - Exkurs zu Dirichlet-Verteilung und -Sampling und deren Bedeutung für die latenten Variablen im LDA-Modell 1023.2.4 Anwendung 1073.3 Signifikante Kookkurrenzen 1173.4 Häufigkeiten, Messgrößen und Zeitreihen in Themen 1253.4.1 Themenhäufigkeit 1253.4.2 Worthäufigkeit 1283.5 Zusammenfassung 1314. Exemplarische Analyse 1324.1 Vorbereitung und Verarbeitung 1344.2 Bestimmung relevanter Themen 1364.2.1 Explorative Analyse mit Textdateien 1394.2.2 Explorative Analyse mit grafischen Oberflächen 1514.2.3 Evaluation der explorativen Themenselektion 1564.2.3.1 Validität der Themenverkettung 1564.2.3.2 Reliabilität in unterschiedlichen Korpora 1574.3 Themenhäufigkeiten 1604.3.1 Häufigkeiten ohne Beachtung der Zeitstempel 1614.3.2 Häufigkeiten mit Beachtung der Zeitstempel und Evaluation 1624.3.2.1 Reliabilität 1644.3.2.2 Validität 1674.3.3 Zwischenfazit 1804.4 Wort- und Akteurshäufigkeiten in Themen 1814.4.1 Themenabhängige Häufigkeiten von Wörtern 1834.4.2 Themenabhängige Häufigkeiten von Eigennamen 1884.4.3 Abgrenzung zu Worthäufigkeitsanalysen 1914.4.4 Zwischenfazit 1934.5 Analyse des Aussagegehalts in Themen durch Kookkurrenzanalysen 1944.5.1 Analyse von Schlüsselbegriffen 1944.5.2 Analyse der Auswirkungen von Schlüsselereignissen 2014.5.3 Zwischenfazit 2044.6 Zusammenfassung und weitere Analysemöglichkeiten 2065. Diskussion der Forschungsfragen zu automatisierten The menanalyse n 2115.1 Grundsätzliche Fragen 2115.1.1 Anschlussfähigkeit an die Methodik der Inhaltsanalyse 2125.1.2 Automatisierung der Inhalts- bzw. Themenanalyse 2155.2 Erweiterte Fragen 2175.2.1 Qualitative und quantitative Aspekte 2175.2.2 Deduktive und induktive Charakteristiken 2185.2.3 Validität und Reliabilität 2195.2.4 Weiterverarbeitung, Analyse und Anwendung von Ergebnissen 2215.2.4.1 Diachrone Themenanalyse 2215.2.4.2 Häufigkeitsverläufe und Zyklen von Themen 2225.2.4.3 Nachrichtenfaktoren 2235.2.4.4 Vergleichbarkeit unterschiedlicher Quellen 2245.2.5 Datenhaltung und Datenverarbeitung 2245.3 Fazit und Ausblick 2276. Anhang 2307. Literaturverzeichnis 247
1. Einleitung 151.1 Ausgangslage 191.2 Problemstellung und Ziele 211.3 Aufbau der Arbeit 222. Technische und theoretische Grundlagen für die automatische Inhaltsanalyse von Themenstrukturen 242.1 Inhaltsanalyse 252.1.1 Methodik und Eigenschaften 262.1.1.1 Qualitative und quantitative Inhaltsanalysen 272.1.1.2 Deskription und Inferenz 282.1.1.3 Deduktiv und Induktiv 292.1.2 Planung, Struktur und Ablauf 302.1.2.1 Wichtige Begriffe der Inhaltsanalyse 302.1.2.2 Methodik der Kategorienbildung bei Inhaltsanalysen 332.1.3 Themenanalysen 362.1.3.1 Synthese linguistischer Themenanalysen 422.1.3.2 Das Thema im zeitlichen Verlauf 452.1.3.3 Nachrichtenfaktoren 462.1.3.4 Ökonomische Probleme der Inhaltsanalyse 502.2 Computergestützte Analyse digitaler Textquellen 512.2.1 Verarbeitung und Repräsentation 522.2.1.1 Quellen, Zeichensätze und Sprachen 522.2.1.2 Vorbereitung der Texte 542.2.1.3 Speicherung verarbeiteter Texte und Metadaten 572.2.2 Maschinelles Lernen (Machine-Learning) und Text-Mining 602.2.2.1 Statistik und maschinelles Lernen mit Text 612.2.2.2 Überwachtes und unüberwachtes Lernen 622.2.2.3 Information Retrieval und explorative Suche 632.3 Zusammenfassung 662.4 Konkretisierung der Forschungsfragen 693. Algorith men und Meth oden für die automatische Themenanalyse 733.1 Topic Detection and Tracking 743.1.1 Clustermethode 773.1.2 Anwendung 783.2 Topic-Modelle 873.2.1 Latent Dirchlet Allocation 883.2.2 Erweiterungen und alternative Modelle 933.2.3 Berechnung und Inferenz 983.2.3.1 Wie viele Themen hat ein Korpus? - Exkurs zu Dirichlet-Verteilung und -Sampling und deren Bedeutung für die latenten Variablen im LDA-Modell 1023.2.4 Anwendung 1073.3 Signifikante Kookkurrenzen 1173.4 Häufigkeiten, Messgrößen und Zeitreihen in Themen 1253.4.1 Themenhäufigkeit 1253.4.2 Worthäufigkeit 1283.5 Zusammenfassung 1314. Exemplarische Analyse 1324.1 Vorbereitung und Verarbeitung 1344.2 Bestimmung relevanter Themen 1364.2.1 Explorative Analyse mit Textdateien 1394.2.2 Explorative Analyse mit grafischen Oberflächen 1514.2.3 Evaluation der explorativen Themenselektion 1564.2.3.1 Validität der Themenverkettung 1564.2.3.2 Reliabilität in unterschiedlichen Korpora 1574.3 Themenhäufigkeiten 1604.3.1 Häufigkeiten ohne Beachtung der Zeitstempel 1614.3.2 Häufigkeiten mit Beachtung der Zeitstempel und Evaluation 1624.3.2.1 Reliabilität 1644.3.2.2 Validität 1674.3.3 Zwischenfazit 1804.4 Wort- und Akteurshäufigkeiten in Themen 1814.4.1 Themenabhängige Häufigkeiten von Wörtern 1834.4.2 Themenabhängige Häufigkeiten von Eigennamen 1884.4.3 Abgrenzung zu Worthäufigkeitsanalysen 1914.4.4 Zwischenfazit 1934.5 Analyse des Aussagegehalts in Themen durch Kookkurrenzanalysen 1944.5.1 Analyse von Schlüsselbegriffen 1944.5.2 Analyse der Auswirkungen von Schlüsselereignissen 2014.5.3 Zwischenfazit 2044.6 Zusammenfassung und weitere Analysemöglichkeiten 2065. Diskussion der Forschungsfragen zu automatisierten The menanalyse n 2115.1 Grundsätzliche Fragen 2115.1.1 Anschlussfähigkeit an die Methodik der Inhaltsanalyse 2125.1.2 Automatisierung der Inhalts- bzw. Themenanalyse 2155.2 Erweiterte Fragen 2175.2.1 Qualitative und quantitative Aspekte 2175.2.2 Deduktive und induktive Charakteristiken 2185.2.3 Validität und Reliabilität 2195.2.4 Weiterverarbeitung, Analyse und Anwendung von Ergebnissen 2215.2.4.1 Diachrone Themenanalyse 2215.2.4.2 Häufigkeitsverläufe und Zyklen von Themen 2225.2.4.3 Nachrichtenfaktoren 2235.2.4.4 Vergleichbarkeit unterschiedlicher Quellen 2245.2.5 Datenhaltung und Datenverarbeitung 2245.3 Fazit und Ausblick 2276. Anhang 2307. Literaturverzeichnis 247
Es gelten unsere Allgemeinen Geschäftsbedingungen: www.buecher.de/agb
Impressum
www.buecher.de ist ein Internetauftritt der buecher.de internetstores GmbH
Geschäftsführung: Monica Sawhney | Roland Kölbl | Günter Hilger
Sitz der Gesellschaft: Batheyer Straße 115 - 117, 58099 Hagen
Postanschrift: Bürgermeister-Wegele-Str. 12, 86167 Augsburg
Amtsgericht Hagen HRB 13257
Steuernummer: 321/5800/1497
