Soziale Medien (eBook)

Vorwort 6
Inhaltsverzeichnis 7
AutorInnen und ReviewerInnen 8
Über die AutorInnen 8
Über die ReviewerInnen 10
1: Wann kommt die Wut? 14
1.1 Einleitung und Fragestellung 15
1.2 Zwischen Hoffnung und Ernüchterung: Demokratische Potenziale des Internets 17
1.3 Leitende Begriffe und Annahmen: Alokalität, Deliberation und Invektivität 18
1.4 Zur Datenerhebung 20
1.4.1 Facebook-Kommentarverläufe 20
1.4.2 Fokusgruppen 21
1.4.3 Vergleich der Datentypen 21
1.4.4 Zum Sample von Diskussionsinputs 23
1.5 Auswertungsverfahren 23
1.6 Ergebnisdarstellung 24
1.7 Diskussion und Schluss 28
A. Anhang 30
A.1 Ankerbeispiele expliziter Invektiven 30
A.2 Ankerbeispiele impliziter Invektiven 31
A.3 Ankerbeispiele Bezugsproblem ‚multikulturelle Gesellschaft‘ 32
A.4 Ankerbeispiele sprachliche und formale Besonderheiten 33
Literatur 33
2: Soziale Medien zwischen Disruption und Synthese 37
2.1 Einleitung 38
2.2 Bildung und Subjektivierung in einer digitalen Welt 40
2.3 Soziale Medien zwischen Disruption und Synthese 47
2.4 Fazit 52
Literatur 53
3: Alles Bots? 56
3.1 Einleitung 57
3.2 Twitter als Heimstatt (teil-)automatisierter (politischer) Accounts 58
3.3 Ansätze und Probleme der Erkennung von Political Bots 60
3.4 Ansatz und Ergebnisse einer Fallstudie zur Typisierung (teil-)automatisierter Accounts auf Twitter 62
3.4.1 Bestimmung des Merkmalsraums 64
3.4.2 Ergebnisse der Analyse 67
3.4.2.1 Politische Accounts mit geringem Automatisierungsgrad 68
3.4.2.2 Politische Accounts mit mittlerem Automatisierungsgrad 70
3.4.2.3 Hochgradig automatisierte politische Accounts 73
3.5 Schluss 76
Literatur 79
4: Facilitating a Scientific Approach to the Datafication of Society on Twitter, or: How to Catch a Tweeting Bird 82
4.1 Introduction 83
4.2 Social Media as the Datafication of Everyday Communication 83
4.2.1 Twitter as the Subject of Data Analysis 86
4.2.2 Observation of Society on Twitter 87
4.3 How to Catch a Tweeting Bird 87
4.3.1 Modes of Accessing Twitter Data 88
4.3.2 Selection and Transformation in Data Analysis 91
4.3.3 What Do Twitter Data Describe? 93
4.4 Archiving Twitter 95
4.5 Conclusion and Outlook 97
References 97
5: Hass- und Gegenrede in der Kommentierung massenmedialer Berichterstattung 101
5.1 Einleitung 102
5.2 Theoretischer Rahmen 104
5.2.1 Soziale Medien und Öffentlichkeit 104
5.2.2 Hass- und Gegenrede 105
5.2.3 Text Mining und kritische Diskursanalyse 106
5.3 Computergestützte kritische Diskursanalyse 107
5.3.1 Kontext des Diskurses 107
5.3.2 Korpuserstellung 109
5.3.3 Strukturanalyse I – Topic Modeling 110
5.3.4 Strukturanalyse II – Textklassifikation 114
5.3.5 Strukturanalyse III – Kookkurrenz 117
5.3.6 Auswahl typischer Texte 119
5.3.7 Feinanalyse ausgewählter Threads 119
5.3.7.1 Selbstverständnis von Hass- und GegenrednerInnen 119
5.3.7.2 Diskursstrategien 122
5.4 Synopsis 125
5.5 Reflexion und Ausblick 126
Literatur 128
6: Filtern als digitales Verfahren in der wissenssoziologischen Diskursanalyse 131
6.1 Einleitung 132
6.2 Spezifik der diskursanalytischen Datengrundlage 133
6.3 Filtern als Prinzip methodisch geleiteter Analyse 134
6.4 Umsetzung des Filterprinzips im Rahmen der Grounded Theory 135
6.4.1 Spezifik des manuellen Filterns 136
6.4.2 Spezifik des maschinellen Filterns 137
6.5 Umsetzung des maschinellen Filterns 138
6.5.1 Erzeugung und Nutzung von Wortfeldern 138
6.5.2 Nachnutzung bestehender Korpora 139
6.5.3 Crawling, Scraping und Indexing zur Korpuserstellung 139
6.5.4 Aufbereitung, Speicherung und Verwaltung der Daten 141
6.5.5 Textauswahl durch maschinelles Filtern 142
6.6 Fazit: Automatisierung von Filterprozessen – Erfahrungen aus der wissenssoziologischen Diskursanalyse 145
Literatur 146
7: Mapping the German Tech Blog Sphere and Its Influence on Digital Policy 149
7.1 The Concept of Linguistic Corpus 151
7.2 Addressing the IT-Blog Sphere 152
7.2.1 Scope of the Study 152
7.2.2 Operative Definition and Interest 153
7.2.3 Corpus Building and Characteristics 155
7.3 A Study on Named Entities in the IT-Blog Corpus 156
7.3.1 Description 156
7.3.2 First Study 157
7.3.3 Second Study 158
7.4 Studying Law and Policy Making 160
7.4.1 Subcorpus NetzDG 161
7.4.2 Stakeholders in the NetzDG Discussion 162
7.5 Conclusions 164
References 165
8: Politisches Gezwitscher in Text und Bild 168
8.1 Einleitung 169
8.2 Stand der Forschung 171
8.3 Multimodale Sentiment Analyse 172
8.3.1 Latent Multimodal Mixing 172
8.3.2 Textfeature-Extraktion 172
8.3.3 Bildfeature-Extraktion 173
8.3.4 Fusion 174
8.4 Daten 174
8.4.1 Columbia MVSO Image Sentiment Dataset 174
8.4.2 Photo Tweet Sentiment Benchmark 175
8.5 Ergebnisse 175
8.6 Fallstudie: Brexit und Wahl zum EU-Parlament 2019 178
8.6.1 Daten 178
8.6.2 Sentiment und Multimodalität 181
8.7 Schluss 183
Literatur 184
9: Followings, Retweets, Favs 186
9.1 Technische Operatoren als Funktionalisierung der Kommunikation 188
9.1.1 Technische Funktionen des Kurznachrichtendienstes Twitter 188
9.1.2 Twitters Operatoren und Öffentlichkeit auf Twitter 190
9.2 Netzwerkanalysen von Twitter-Daten 195
9.3 Netzwerk- und Twitter-Crawler 198
9.4 Netzwerke der gegenseitigen Rezeption und inhaltlichen Affirmation 200
9.4.1 Methode zur automatisierten Netzwerkerschließung 200
9.4.2 Funktionsweise des Netzwerkcrawlers 201
9.4.3 Diskussion der Erhebungsmethode 205
9.5 Das Twitter-Netzwerk der Identitären Bewegung 209
9.5.1 Ideologische Verortung und Aktionsformen der IB 209
9.5.2 Die IB auf Twitter 210
9.5.3 Ergebnisse der Netzwerkanalyse 210
9.6 Fazit 215
Literatur 216
Stichwortverzeichnis 219