8 Tutorial 8: Einfuehrung in die automatisierte Inhaltsanalyse

Wir starten mit dem eigentlichen Seminar-Thema: der automatisierten Inhaltsanalyse.

Eine theoretische Einführung in die automatisierten Inhaltsanalyse erhalten Sie in Seminarsitzung 10.

Wir arbeiten in diesem Seminar vor allem mit dem Package Quanteda, zu dem Sie hier mehr Infos finden:

Infos zum Package Quanteda:

  • Benoit, K., Watanabe, K., Wang, H., Nulty, P., Obeng, A., Müller, S., & Matsuo, A. (2018) “quanteda: An R package for the quantitative analysis of textual data”. Journal of Open Source Software, 3(30), 774. Link

  • Watanabe, K. & Müller, S. 2020 “Quanteda Tutorials”. Link

An dieser Stelle sei nur kurz noch einmal auf die im Syllabus bereits genannten wichtigsten Grundlagentexte und Tutorials zur Methode verwiesen:

Grundlagentexte:

  • van Atteveldt, W., Welbers, K., & van der Velden, M. (2019). Studying Political Decision Making with Automatic Text Analysis. In W. van Atteveldt, K. Welbers, & M. van der Velden, Oxford Research Encyclopedia of Politics. Oxford University Press. Link

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

  • Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267–297. Link

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

  • Lucas, C., Nielsen, R. A., Roberts, M. E., Stewart, B. M., Storer, A., & Tingley, D. (2015). Computer-Assisted Text Analysis for Comparative Politics. Political Analysis, 23(2), 254–277. Link

  • Welbers, K., Van Atteveldt, W., & Benoit, K. (2017). Text Analysis in R. Communication Methods and Measures, 11(4), 245–265. Link

  • 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. Link

  • Zamith, R., & Lewis, S. C. (2015). Content Analysis and the Algorithmic Coder: What Computational Social Science Means for Traditional Modes of Media Analysis. The ANNALS of the American Academy of Political and Social Science, 659(1), 307–318. Link

Nützliche Tutorials:

(besonders hilfreiche Tutorials für Anfänger:innen durch Fettschreibung gekennzeichnet)

  • van Atteveldt, W. Text Analysis in R workshop at University of Vienna. Link

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

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

  • Sanchez, G. (2014). Handling and Processing Strings in R. Link sowie Link

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

  • Puschmann, C. Automatisierte Inhaltsanalyse mit R. Link

  • Unkel, J. (2020). Methodische Vertiefung: Computational Methods mit R und R Studio. https://bookdown.org/joone/ComputationalMethods/

  • Watanabe, K., & Müller, S. Quanteda Tutorials. Link

  • Wiedemann, Gregor; Niekler, Andreas (2017): Hands-on: a five day text mining course for humanists and social scientists in R. Proceedings of the 1st Workshop Teaching NLP for Digital Humanities ( 2017), Berlin. Link

In den folgenden Sitzungen des Herbstsemesters besprechen wir die wichtigsten Schritte der automatisierten Inhaltsanalyse und erste Analyseverfahren:

Wir machen weiter: mit Tutorial 9: Suche & Manipulation von String-Patterns.