NaDiRa-Medienanalysen

In den NaDiRa-Medienanalysen kombinieren wir (halb-)automatisierte, computergestützte Textanalysen, manuelle Medieninhaltsanalysen, Analysen von Social Media-Metriken (z. B. Likes, Shares, Interaktionsraten) und soziale Netzwerkanalysen. 

NaDiRa-Medienanalysen in Kürze

Mithilfe (halb-)automatisierter, computergestützter Methoden der Textanalyse können zunehmend große Textsammlungen (Korpora) untersucht werden. Der Fokus liegt dabei auf der Identifizierung und der Quantifizierung sprachlicher bzw. textlicher Phänomene. Damit erlauben die Methoden die Analyse von sprachlichen Mustern, Trends und Veränderungen.  

Obwohl sich dieser Bereich in den letzten Jahren rasant weiterentwickelt hat und zunehmend komplexe Analysen erlaubt, können Computer Texte nicht wie Menschen „verstehen“. Deshalb werden die Medienanalysen in NaDiRa um manuelle (qualitative und quantitative) Medieninhaltsanalysen ergänzt. Dabei werden Medieninhalte durch zuvor entsprechend geschulte Menschen (sog. Codierer*innen) gelesen und mithilfe eines Codebuchs oder Kategoriensystems klassifiziert (d.h. zu den passenden Kategorien zugeordnet). Damit können sie prinzipiell auch Inhalte abdecken, die im Text nur angedeutet werden; außerdem kann auch der Kontext der Inhalte (z. B. thematisches Vorwissen) berücksichtigt werden. 

In der Analyse von Social Media-Metriken liegt das Augenmerk auf den Zusammenhängen zwischen relevanten User-Interaktionen (z. B. der Anzahl von Likes, Shares, Kommentaren, Replies, Retweets oder der Anzahl von Pagefans und Followern) und Social-Media-Inhalten. Solche Analysen erfassen, wie User überhaupt mit einem Inhalt interagieren können und was die Social Media-Plattformen daraus machen. Dies ist für umfassende Social-Media-Analysen unerlässlich, da das Verhalten der User nicht isoliert untersucht werden darf, sondern in seinem Zusammenspiel mit der „Plattform-Architektur“ und den Entscheidungen der Betreiber*innen verstanden werden muss. 

Soziale Netzwerkanalysen machen das Vernetzungs- und Mobilisierungspotential sozialer Medien sichtbar. Sie sind für die Untersuchung sozialer Medien zentral, denn das Alleinstellungsmerkmal dieses Mediums besteht daran, die Bildung, Pflege und Erweiterung von Netzwerken zu ermöglichen. Anders als in redaktionellen Medien dienen Inhalte zwar oft als Anlass, ein soziales Medium zu nutzen – sie sind aber nicht der Hauptgrund für die Social-Media-Nutzung. 

Weitere Fragen zur Methode

Eine Herausforderung in der sozialwissenschaftlichen Arbeit mit computergestützten Methoden ist es, die Möglichkeiten der Methoden kritisch auf ihre valide Anwendung zu prüfen und mögliche Grenzen im Auge zu behalten. Herausforderungen in manuellen Inhaltsanalysen sind (aufgrund der hohen personellen Ressourcen) eine kluge Auswahl des zu untersuchenden Materials sowie die zeitaufwendige Schulung der Codier*innen. Denn nur, wenn diese die Medieninhalte auch reliabel (also zuverlässig) und valide (also inhaltlich „richtig“) klassifizieren, sind die Ergebnisse am Ende von hoher Qualität und Aussagekraft. Analysen von Social-Media-Metriken müssen vor allem die Medienlogik des untersuchten Mediums in den Blick nehmen, da die bereitgestellten Interaktionsmöglichkeiten, wie zum Beispiel das Liken, Teilen oder Kommentieren, von den Plattformbetreiber*innen unterschiedlich ausgestaltet werden. Die Analyse von Netzwerken in sozialen Medien stellt eine Herausforderung dar, da es sich hierbei um eine Untersuchung der Vernetzung zwischen User-Profilen bzw. Inhalten auf sozialen Medien handelt, und nicht um soziale Akteure. Solche Profile müssen nicht unbedingt sozialen Akteuren entsprechen, die offline existieren. Dazu gehören z. B. online Communities oder Chatbots.

Gerade in ihrer Kombination können Text- und Medieninhaltsanalysen Muster und Trends in Medieninhalten einerseits über sehr große Datenmengen hinweg und andererseits für ausgewählte Zeiträume oder Inhalte tiefergehend und interpretierend beschreiben.
Bei der Interpretation von Ergebnissen computergestützter Methode sollte besonders auf die Validierung der Ergebnisse geachtet werden. Da eine streng repräsentative Auswahl von Medieninhalten auch durch eine kluge Materialauswahl nur schwer zu realisieren ist, sollte bei der Interpretation manueller Inhaltsanalysen stets auf die Verallgemeinerbarkeit geachtet werden.  

Analysen in digitalen Plattformen müssen stets darauf achten, dass es sich hierbei um einen soziotechnischen Prozess handelt, der nicht nur von den Nutzer*innen gesteuert wird, sondern auch durch automatisierte Faktoren wie der algorithmischen Empfehlung von Inhalten beeinflusst wird. Die Ergebnisse zeigen, wie innerhalb einer konkreten Online-Umgebung Inhalte gestaltet, verteilt, aufgebauscht oder heruntergespielt werden, wie soziale Akteure um diese Inhalte vernetzt und mobilisiert werden können und wie unterschiedliche Akteure aus verschiedenen Gründen darin handeln, um Inhalte zu popularisieren und zu (de-)legitimieren.

Ansprechpartner*innen

Dr. Sünje Paasch-Colberg

Wissenschaftliche Mitarbeiterin
Abt. Konsens & Konflikt