Automatisierte Inhaltsanalyse

Einführung in R - Methodenworkshop Universität Münster

image of smartphone

Quelle: Foto von AltumCode auf Unsplash

Infos zum Workshop

  • Methodenworkshop am Institut für Kommunikationswissenschaft, Universität Münster

  • 📅 24-25. Juli 2024

  • Workshop-Leitung:

Zeitplan

📅 Mi, 24. Juli

  • 09:00 - 12:00: 1️⃣ Einführung & Preprocessing

  • 12:00 - 13:00: 🥗 Mittagspause

  • 13:00 - 15:00: 2️⃣ Co-Occurence-Analysen

  • 15:00 - 17:00: 3️⃣ Diktionäre

📅 Do, 25. Juli

  • 09:00 - 12:00: 4️⃣ Topic Modeling

  • 12:00 - 13:00: 🥗 Mittagspause

  • 13:00 - 15:00: 5️⃣ Qualitätskriterien

  • 15:00 - 16:00: 6️⃣ Ausblick

Materialien

Daten

  • Datensatz 1: IMDb Top-Rated TV Series Dataset. Verfügbar unter MIT Lizenz via Kaggle.
  • Datensatz 2: Dataset of Indian Newspaper Horoscopes. Verfügbar unter CC BY-NC-SA 4.0 Lizenz via Kaggle, Autor: Aman Bhargava. Bearbeitet, indem der Datensatz auf die ersten 1,000 Beobachtungen reduziert wurden.

Folien & R-Code

Sitzung 1️⃣: Einführung in die automatisierte Inhaltsanalyse & Preprocessing

Sitzung 2️⃣: Co-Occurrence-Analysen

Sitzung 3️⃣: Diktionäre

Sitzung 4️⃣: Topic Modeling

Sitzung 5️⃣: Qualitätskriterien

Sitzung 6️⃣: Ausblick

Weiterführende Tutorials

  • Bail, C. Day 3: Automated Text Analysis. Link

  • Bernauer J, & Traber D. Quantitative Analysis of Political Text. Link

  • Hase, V. (2022). Text as Data Methods in R. Link

  • Hase, V. (2023). Advanced Text Analysis. Link

  • Language Technology and Data Analysis Laboratory (2024). Link

  • Sanchez, G. (2014). Handling Strings with R. Link

  • Silge, J., & Robinson, D. Text mining with R: A tidy approach. Link

  • Puschmann, C., & Haim, R. Automated Content Analysis with R. Link

  • Unkel, J. (2020). Methodische Vertiefung: Computational Methods mit R und R Studio. Link

  • Watanabe, K., & Müller, S (2023). Quanteda Tutorials. Link

Weiterführende Literatur

  • Baden, C., Pipal, C., Schoonvelde, M., & Van Der Velden, M. A. C. G. (2022). Three Gaps in Computational Text Analysis Methods for Social Sciences: A Research Agenda. Communication Methods and Measures, 16(1), 1–18. https://doi.org/10.1080/19312458.2021.2015574

  • Benoit, K. (2019). Text as data: An overview. In Cuirini, L., & Franzese, R. (Eds.), Handbook of Research Methods in Political Science and International Relations. Preprint

  • Boumans, J. W., & Trilling, D. (2016). Taking Stock of the Toolkit: An overview of relevant automated content analysis approaches and techniques for digital journalism scholars. Digital Journalism, 4(1), 8–23. https://doi.org/10.1080/21670811.2015.1096598

  • Grimmer, J., Roberts, M. E., & Stewart, B. M. (2022). Text as data: A new framework for machine learning and the social sciences. Princeton University Press.

  • Günther, E., & Quandt, T. (2016). Word Counts and Topic Models: Automated text analysis methods for digital journalism research. Digital Journalism, 4(1), 75–88. https://doi.org/10.1080/21670811.2015.1093270

  • Haim, M. (2023). Computational Communication Science: Eine Einführung. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-40171-9

  • Hase, V. (2023). Automated Content Analysis. In F. Oehmer, S. H. Kessler, E. Humprecht, K. Sommer, & L. Castro Herrero (eds.), Handbook of Standardized Content Analysis: Applied Designs to Research Fields of Communication Science. VS Springer (pp. 23–36). https://doi.org/10.1007/978-3-658-36179-2_3

  • Jünger, J., & Gärtner, C. (2023). Computational Methods für die Sozial- und Geisteswissenschaften. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-37747-2

  • Quinn, K. M., Monroe, B. L., Colaresi, M., Crespin, M. H., & Radev, D. R. (2010). How to Analyze Political Attention with Minimal Assumptions and Costs. American Journal of Political Science, 54(1), 209–228. https://doi.org/10.1111/j.1540-5907.2009.00427.x

  • Atteveldt, W. van, Trilling, D., & Arcíla Calderón, C. (2022). Computational analysis of communication: A practical introduction to the analysis of texts, networks, and images with code examples in Python and R. Wiley Blackwell.

  • Wilkerson, J., & Casas, A. (2017). Large-Scale Computerized Text Analysis in Political Science: Opportunities and Challenges. Annual Review of Political Science, 20(1), 529–544. https://www.annualreviews.org/doi/10.1146/annurev-polisci-052615-025542