Jump to ContentJump to Main Navigation
Show Summary Details
In This Section

Information - Wissenschaft & Praxis

Editor-in-Chief: Reibel-Felten, Margarita

6 Issues per year


CiteScore 2016: 0.06

SCImago Journal Rank (SJR) 2016: 0.100
Source Normalized Impact per Paper (SNIP) 2016: 0.144

Online
ISSN
1619-4292
See all formats and pricing
In This Section

Automatische Erkennung von politischen Trends mit Twitter – brauchen wir Meinungsumfragen noch?

Automatic detection of political trends by Twitter analysis – do we still need opinion surveys?

L’identification automatique de tendances politiques avec Twitter –est-ce que nous avons encore besoin de sondages d'opinion ?

Prof. Dr. Melanie Siegel
  • Corresponding author
  • Informationswissenschaft, Fachbereich Media, Hochschule Darmstadt, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email:
/ Jennifer Deuschle
  • Informationswissenschaft, Fachbereich Media, Hochschule Darmstadt, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email:
/ Barbara Lenze
  • Informationswissenschaft, Fachbereich Media, Hochschule Darmstadt, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email:
/ Marina Petrovic
  • Informationswissenschaft, Fachbereich Media, Hochschule Darmstadt, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email:
/ Sascha Starker
  • Informationswissenschaft, Fachbereich Media, Hochschule Darmstadt, Max-Planck-Straße 2, 64807 DieburgGermany
  • Email:
Published Online: 2017-02-08 | DOI: https://doi.org/10.1515/iwp-2017-0009

Zusammenfassung

Meinungsforschungsinstitute betreiben einen beträchtlichen Aufwand, um die Meinungstrends der Bevölkerung bezogen auf Politiker mit Telefon- und Straßenumfragen zu erfassen. Mit einer Studierendengruppe haben wir uns im Winter 2015/16 die Frage gestellt, ob es möglich ist, diesen Prozess zu automatisieren. Die Idee dahinter ist, dass die Plattform Twitter vielfach für politische Diskussionen genutzt wird. Da sich Tweets auf einen Umfang von 140 Zeichen beschränken und das jeweilige Thema durch Hashtags meist eindeutig zugeordnet werden kann, scheinen sich Twitter-Daten gut für eine automatische Sentiment-Analyse zu eignen. Mit Sentiment-Analyse-Methoden kann man diese Tweets automatisch in positive und negative Meinungsäußerungen klassifizieren. Wir haben dafür einen Twitter-Crawler und Sentiment-Analyse in der Programmiersprache Python implementiert. Anschließend haben wir über einen Zeitraum von vier Wochen Tweets zu Politikern gesammelt und die Ergebnisse der Meinungsanalysen visualisiert. Schließlich haben wir unsere Ergebnisse mit dem ZDF-Politbarometer verglichen.

Abstract

Opinion research institutes try to capture the public opinion on politicians with telephone and road surveys. In winter 2015/16, a student group worked on the question if it is possible to automate this process. The idea behind this is that the platform Twitter is often used for political discussions. Since tweets are limited to 140 characters, and the topic can usually be clearly identified by hashtags, Twitter data seem to be well suited for automatic sentiment analysis. Sentiment analysis methods aim to automatically classify these tweets into positive and negative expressions of opinion. We have implemented a Twitter crawler and sentiment analysis routines in Python. We then collected tweets for politicians over a period of four weeks, and visualized the results of the opinion analyses. Finally, we compared our results with the “ZDF-Politbarometer“, a monthly TV opinion analysis.

Résumé

Les instituts de sondage font des efforts considérables pour déterminer les tendances de l'opinion publique à propos des personnalités politiques en utilisant des sondages téléphoniques et des enquêtes de rue. Avec un groupe d'étudiants, nous nous sommes demandé, durant l'hiver 2015–16, s'il serait possible d'automatiser ce processus. L'idée derrière cela est que la plate-forme Twitter est souvent utilisée pour des discussions politiques. Comme les tweets sont limités à 140 caractères et, dans la plupart des cas, le sujet peut être attribué clairement grâce aux hashtags, les données Twitter semblent très appropriées pour une analyse automatique de sentiments. Les méthodes d'analyse de sentiments permettent facilement de classer ces tweets automatiquement en opinions positives et négatives. Pour ce projet, nous avons utilisé un robot Twitter et une méthode d'analyse de sentiments dans le langage de programmation Python. Ensuite, nous avons recueilli des tweets sur des politiciens pendant une période de quatre semaines et visualisé les résultats des analyses d’opinion. Enfin, nous avons comparé nos résultats avec le baromètre politique de la chaîne de télévision ZDF.

Deskriptoren: Sprachtechnologie; Sentiment-Analyse; Politik; Twitter; Medienforschung

Descriptors: Media research; sentiment analysis; language technology; politics; Twitter

Descripteurs: Recherche sur les médias; Évaluation; Automatique; Politique; Enquête; Comparaison; Twitter

Literatur

  • Jungherr, A., Jürgens, P., & Schoen, H. 2012. „Why the pirate party won the german election of 2009 or the trouble with predictions: A response to Tumasjan, A., Sprenger, T. O., Sander, P. G., & Welpe, I.M. “predicting elections with twitter: What 140 characters reveal about political sentiment”.Social science computer review, 2012: 229–234.Google Scholar

  • Liu, Bing. Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, 2012.Google Scholar

  • Maynard, Diana, and Adam Funk. „Automatic detection of political opinions in tweets.“ Extended Semantic Web Conference, 2011.Google Scholar

  • Nakov, Preslav and Ritter, Alan and Rosenthal, Sara and Sebastiani, Fabrizio and Stoyanov, Veselin. „SemEval-2016 Task 4: Sentiment Analysis in Twitter.“ Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016). San Diego, USA: Association for Computational Linguistics, 2016. 1–18.Google Scholar

  • Sidarenka, Uladzimir. „PotTS: The Potsdam Twitter Sentiment Corpus.“ Proceedings of LREC. 2016.Google Scholar

  • Tumasjan, A., Sprenger, T. O., Sandner, P. G., & Welpe, I. M. „Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment.“ ICWSM, 2010: 178–185.Google Scholar

About the article

Published Online: 2017-02-08

Published in Print: 2017-02-01


Citation Information: Information - Wissenschaft & Praxis, ISSN (Online) 1619-4292, ISSN (Print) 1434-4653, DOI: https://doi.org/10.1515/iwp-2017-0009.

Export Citation

© 2017 Walter de Gruyter GmbH, Berlin/Boston. Copyright Clearance Center

Comments (0)

Please log in or register to comment.
Log in