Jump to ContentJump to Main Navigation
Show Summary Details
More options …

Sozialer Sinn

Zeitschrift für hermeneutische Sozialforschung

Ed. by Kutzner, Stefan / Magnin, Chantal / Scheid, Claudia / Silkenbeumer, Mirja / Wernet, Andreas

Online
ISSN
2366-0228
See all formats and pricing
More options …
Volume 19, Issue 2

Issues

Text Mining-Verfahren als Herausforderung für die rekonstruktive Sozialforschung

PD Dr. Axel Philipps
Published Online: 2018-12-14 | DOI: https://doi.org/10.1515/sosi-2018-0017

Zusammenfassung

In den letzten Jahren nehmen die Anwendungsvarianten computergestützter Verfahren für die qualitative Sozialforschung zu. Vor allem das Text Mining verspricht eine automatisierte Strukturierung größerer Textmengen. Während Einzelne darin ein großes Potential für die rekonstruktive Sozialforschung sehen, fehlt weitgehend unter den rekonstruktiv Forschenden eine Auseinandersetzung mit diesem Thema. Vor dem Hintergrund von Einzelfallanalysen mag dies berechtigt sein, aber bei der zeitgleich stattfindenden digitalen Durchdringung der empirischen Sozialforschung wird eine Beschäftigung damit unausweichlich. Wir brauchen Antworten, wie webbasierte Inhalte medienspezifisch zu interpretieren sind oder worin sich die rekonstruktive Sozialforschung von den Digital Humanities unterscheidet – wo bereits das Zusammenspiel von computergestützten Analysen und hermeneutischen Verfahren erprobt wird. Der Beitrag bietet daher einen ersten Überblick zu Text Mining-Verfahren, diskutiert die Sicht ihrer Vertreterinnen und Vertreter auf die qualitative Sozialforschung und nennt erste Überlegungen, wie und unter welchen Bedingungen der Einsatz von automatisierten Verfahren für rekonstruktive Herangehensweisen sinnvoll sein könnte.

Schlüsselwörter: Computergestützte Analysen; Text Mining-Verfahren; qualitative Sozialforschung; rekonstruktive Sozialforschung; Inhaltsanalysen

Literatur

  • Ahonen, P. (2015): Institutionalizing Big Data methods in social and political research, in: Big Data & Society, July–Dec., 1-12

  • Bail, C.A. (2014): The cultural environment: measuring culture with big data, in: Theory & Society, 43 (3-4), 465-482CrossrefGoogle Scholar

  • Bail, C.A. (2017): Taming Big Data Using App Technology to Study Organizational Behavior on Social Media, in: Sociological Methods & Research, 46 (2), 189-217CrossrefGoogle Scholar

  • Biber, D.; Connor, U.; Upton, T.A. (2007): Discourse on the Move, Amsterdam.Google Scholar

  • Blei, D.M. (2012): Probabilistic topic models, in: Communications of the ACM, 44, 77-84Google Scholar

  • Blei, D.M.; Lafferty, J.D. (2006): Dynamic topic models, in: Proceedings of the 23rd international conference on Machine learning, ACM, 113-120

  • Bohnsack, R. (2014): Rekonstruktive Sozialforschung. Einführung in qualitative Methoden, 9. Aufl., Opladen und TorontoGoogle Scholar

  • Bohnsack, R.; Nentwig-Gesemann, I.; Nohl, A.-M. (Hrsg.) (2013): Die dokumentarische Methode und ihre Forschungspraxis. Grundlagen qualitativer Sozialforschung, 3. Aufl., WiesbadenGoogle Scholar

  • Boyd, D.; Crawford, K. (2012): Critical questions for big data: provocations for a cultural, technological, and scholarly phenomenon, in: Information, Communication & Society, 15 (5), 662-679CrossrefGoogle Scholar

  • Breidenstein, G.; Hirschauer, S.; Kalthoff, H.; Nieswand, B. (2015): Ethnografie: Die Praxis der Feldforschung, 2. Aufl., Konstanz und MünchenGoogle Scholar

  • Brett, M.R. (2012): Topic Modeling: A basic introduction, in: Journal of Digital Humanities, 2 (1), 2-16Google Scholar

  • Bubenhofer, N.; Scharloth, J. (2015): Maschinelle Textanalyse im Zeichen von Big Data und Data-driven Turn – Überblick und Desiderate, in: Zeitschrift für germanistische Linguistik, 43 (1), 1-26CrossrefGoogle Scholar

  • Cecire, N. (2011): Introduction: Theory and the Virtues of Digital Humanities, in: Journal of Digital Humanities, 1 (1), 45-53Google Scholar

  • Denzin, N.K.; Lincoln, Y.S. (2011): The Sage handbook of qualitative research, 4. Aufl., Thousand Oaks, London, New Dehli und SingaporeGoogle Scholar

  • Diaz-Bone, R.; Weischer, C. (Hrsg.) (2014): Methoden-Lexikon für die Sozialwissenschaften, WiesbadenGoogle Scholar

  • DiMaggio, P. (2015): Adapting computational text analysis to social science (and vice versa), in: Big Data & Society, December, 1-5

  • DiMaggio, P.; Nag, M.; Blei, D. (2013): Exploiting affinities between topic modeling and the sociological perspective on culture: Application to newspaper coverage of U.S. government art fundings, in: Poetics, 41 (6), 570-606CrossrefGoogle Scholar

  • Dumm, S.; Niekler, A. (2015): Methoden, Qualitätssicherung und Forschungsdesign, in: Lemke, M.; Wiedemann, G. (Hrsg.): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, Wiesbaden, 89-116Google Scholar

  • Evans, J.A.; Aceves, P. (2016): Machine Translation: Mining Text for Social Theory, in: Annual Review of Sociology, 42, 21–50CrossrefGoogle Scholar

  • Flick, U.; von Kardorff, E.; Keupp, H.; von Rosenstiel, L.; Wolff, S. (2013): Handbuch qualitative Sozialforschung: Grundlagen, Konzepte, Methoden und Anwendungen, 3. Aufl., Weinheim und BaselGoogle Scholar

  • Förster, A. (2015): Der Folterdiskurs in den deutschen Printmedien, in: Lemke, M.; Wiedemann,G. (Hrsg.): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, Wiesbaden, 139-166Google Scholar

  • Friese, S. (2014): Qualitative data analysis with ATLAS.ti, LondonGoogle Scholar

  • Glaser, B.G.; Strauss, A.L. (1967): The discovery of ground theory: Strategies for qualitiative research, ChicagoGoogle Scholar

  • Goldberg, A. (2015): In defense of forensic social science, in: Big Data & Society, July– December, 1-3

  • Golder, S.A.; Macy, M.W. (2014): Digital Footprints: Opportunities and Challenges for Online Social Research, in: Annual Review of Sociology, 40, 129-152CrossrefGoogle Scholar

  • González-Bailón, S.; Wang, N.; Rivero, A.; Borge-Holthoefer, J.; Moreno, Y. (2014): Assessing the bias in samples of large online networks, in: Social Networks, 38 (1),16-27CrossrefGoogle Scholar

  • Heyer, G.; Quasthoff, U.; Wittig, T. (2006): Text Mining: Wissensrohstoff Text. Konzepte, Algorithmen, Ergebnisse, Herdecke und BochumGoogle Scholar

  • Hitzler, R.; Honer, A. (1997): Sozialwissenschaftliche Hermeneutik. Eine Einführung, OpladenGoogle Scholar

  • Hopkins, D.J. (2013): The exaggerated life of death panels: the limits of framing effects in the 2009–2012 health care debate, Working Paper, SSRNGoogle Scholar

  • Ignatow, G. (2016): Theoretical Foundations for Digital Text Analysis, in: Journal for the Theory of Social Behaviour, 46 (1), 104-120CrossrefGoogle Scholar

  • Ignatow, G.; Mihalcea, R. (2016): Text Mining. A Guidebook for the Social Sciences. Los Angeles u.a.Google Scholar

  • Ignatow, G.; Williams, A.T. (2011): New media and the ‘anchor baby’ boom, in: Journal of Computer-mediated Communication, 17 (1), 60–76CrossrefGoogle Scholar

  • Jost, C.; Klug, D.; Schmidt, A.; Reautschnig, A.; Neumann-Braun, K. (2013): Computergestützte Analyse von audiovisuellen Medienprodukten, WiesbadenGoogle Scholar

  • Kath, R.; Schaal, G.; Dumm, S. (2015): New Visual Hermeneutics, in: Zeitschrift für germanistische Linguistik, 43 (1), 27–51Google Scholar

  • Keyling, T. (2014): Automatisierte Inhaltsanalyse, in: Welker, M.; Taddicken, M.; Schmidt, J.-H.; Jackob, N. (Hrsg.): Handbuch Online-Forschung. Sozialwissenschaftliche Datengewinnung und -auswertung in digitalen Netzen, Köln, 233-254Google Scholar

  • Kelle, U. (2014): Mixed Methods, in: Baur, N.; Blasius, J. (Hrsg.): Handbuch Methoden der empirischen Sozialforschung, Wiesbaden, 153-166Google Scholar

  • Keller, R. (2007): Diskursforschung, WiesbadenGoogle Scholar

  • Keller, R.; Hirseland, A.; Schneider, W.; Viehöver, W. (2011): Handbuch Sozialwissenschaftliche Diskursanalyse. Band 1: Theorien und Methoden, WiesbadenGoogle Scholar

  • Kleemann, F.; Krähnke, U.; Matuschek, I. (2013): Interpretative Sozialforschung. Eine praxisorientierte Einführung, 2. Aufl., WiesbadenGoogle Scholar

  • Kuckartz, U. (2014): Mixed Methods. Methodologie, Forschungsdesigns und Analyseverfahren, WiesbadenGoogle Scholar

  • Kuckartz, U. (2010): Einführung in die computergestützte Analyse qualitativer Daten, 3. Aufl., WiesbadenGoogle Scholar

  • Kuckartz, U.; Grunenberg, H.; Dresing, T. (2007): Qualitative Datenanalyse: computergestützt. Methodische Hintergründe und Beispiele aus der Forschungspraxis, WiesbadenGoogle Scholar

  • Küsters, I. (2009): Narrative Interviews. Grundlagen und Anwendungen, WiesbadenGoogle Scholar

  • Lamnek, S. (2010): Qualitative Sozialforschung, 5. Aufl., Weinheim und BaselGoogle Scholar

  • Lazer, D.; Pentland, A.; Adamic, L.; Aral, S.; Barabási, A.-L.; Bewer, D.; Christakis, N.; Contractor, N.; Fowler, J.; Gutmann, M.; Jebara, T.; King, G.; Macy, M.; Roy, D.; Van Alstyne, M. (2009): Life in the network: the coming age of computational social science, in: Science, 323 (5915), 721-723Google Scholar

  • Lemke, M. (2014): Kookkurrenzanalyse. ePol Text Mining-Verfahren, Serie „Atomenergiediskurs“, Modul 2/5, Hamburg, LeipzigGoogle Scholar

  • Lemke, M.; Wiedemann, G. (2015): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, WiesbadenGoogle Scholar

  • Mannheim, K. (1980): Strukturen des Denkens, Frankfurt am MainGoogle Scholar

  • Mannheim, K. (1964): Beiträge zur Theorie der Weltanschauungs-Interpretation, in: ders.; Wolff, K.H. (Hrsg.): Wissenssoziologie. Auswahl aus dem Werk, Berlin, 91-154Google Scholar

  • Marres, N. (2017): Digital Sociology. The reinvention of social research, Hoboken, New JerseyGoogle Scholar

  • Mayring, P. (2010): Qualitative Inhaltsanalyse, 11. Aufl., WiesbadenGoogle Scholar

  • McFarland, D.A.; Lewis, K.; Goldberg, A. (2015): Sociology in the era of big data: The ascent of forensic social science, in: American Sociologist, DOI 10.1007/s12108-015-9291-8

  • Medjedović, I. (2011): Secondary Analysis of Qualitative Interview Data: Objections and Experiences. Results of a German Feasibility Study [45 paragraphs], in: Forum Qualitative Sozialforschung, 12, Art. 10, http://nbn-resolving.de/urn:nbn:de:0114-fqs1103104

  • Meißner, S. (2015): Die Medialität und Technizität internetbasierter Daten, in: Schirmer, D.; Sander, N.; Wenninger, A. (Hrsg.): Die qualitative Analyse internetbasierter Daten, Wiesbaden, 33-49Google Scholar

  • Mohr, J.W.; Bogdanov, P. (2013): Introduction – Topic models: What they are and why they matter, in: Poetics, 41 (6), 545–569CrossrefGoogle Scholar

  • Nohl, A.-M. (2013): Interview und dokumentarische Methode. Anleitungen für die Forschungspraxis, 4. Aufl., WiesbadenGoogle Scholar

  • Oevermann, U. (2001): Die Struktur sozialer Deutungsmuster – Versuch einer Aktualisierung, in: Sozialer Sinn, 2 (1), 35-81Google Scholar

  • Oevermann, U.; Allert, T.; Konau, E.; Krambeck, J. (1979): Die Methodologie einer „objektiven Hermeneutik“ und ihre allgemeine forschungslogische Bedeutung in den Sozialwissenschaften, in: Soeffner, H.-G. (Hrsg.): Interpretative Verfahren in den Sozial- und Textwissenschaften, Stuttgart, 352-434Google Scholar

  • Philipps, A. (2017): Brauchen wir eine Soziologie des Digitalen?, in: Soziologie, 46 (4), 403-416Google Scholar

  • Philipps, A. (2018): How to sort out uncategorisable documents for interpretive social science? On limits of currently employed text mining techniques, in: Proceedings of the 2nd Conference on Advanced Research Methods and Analytics, Valencia.Google Scholar

  • Philipps, A., Zerr, S.; Herder, E. (2017): The representation of street art on Flickr. Studying reception with visual content analysis, in: Visual Studies, 32 (4), 382-393CrossrefGoogle Scholar

  • Przyborski, A. (2004): Gesprächsanalyse und dokumentarische Methode. Qualitative Auswertung von Gesprächen, Gruppendiskussionen und anderen Diskursen, WiesbadenGoogle Scholar

  • Przyborski, A.; Wohlrab-Sahr, M. (2014): Qualitative Sozialforschung. Ein Arbeitsbuch, 4. Aufl., MünchenGoogle Scholar

  • Reiter, N.; Frank, A.; Hellwig, O. (2014): An NLP-based cross-document approach to narrative structure discovery, in: Literary and Linguistic Computing, 29 (4), 583-605CrossrefGoogle Scholar

  • Rogers, R. (2013): Digital Methods, CambridgeGoogle Scholar

  • Rosenthal, G. (2014). Interpretative Sozialforschung. Eine Einführung, 4. Aufl., Weinheim und MünchenGoogle Scholar

  • Rosvall, M.; Bergstrom, C.T. (2010): Mapping change in large networks, in: PloS one, 5, e8694PubMedCrossrefGoogle Scholar

  • Savage, M.; Burrows, R. (2007): The coming crisis of empirical sociology, in: Sociology, 41 (5), 885-899CrossrefGoogle Scholar

  • Scharkow, M. (2013): Thematic content analysis using supervised machine learning: An empirical evaluation using German online news, in: Quality & Quantity, 47 (2), 761-773CrossrefGoogle Scholar

  • Schreiber, M.; Kramer, M. (2016): „Verdammt schön“: methodologische und methodische Herausforderungen der Rekonstruktion von Bildpraktiken auf Instagram, in: Zeitschrift für Qualitative Forschung, 17 (1-2), 81-106CrossrefGoogle Scholar

  • Schütze, F. (1983): Biographieforschung und narratives Interview, in: Neue Praxis, 13 (3), 283293Google Scholar

  • Stulpe, A.; Lemke, M. (2015): Blended Reading, in: Lemke, M.; Wiedemann, G. (Hrsg.): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, Wiesbaden, 17-61Google Scholar

  • Tran, N.K.; Zerr, S.; Bischoff, K.; Niederée, C.; Krestel, R. (2013): Research and advanced technology for digital libraries, in: Aalberg, T.; Papatheodorou, C.; Dobreva, M.; Tsakonas,G.; Farrugia, C. (Hrsg.): Topic cropping: leveraging latent topics for the analysis of small corpora, Berlin und Heidelberg, 297-308Google Scholar

  • Wagner-Pacifici, R.; Mohr, J.W.; Breiger, R.L. (2015): Ontologies, methodologies, and new uses of Big Data in the social and cultural sciences, in: Big Data & Society, December, 1-11

  • Wernet, A. (2000): Einführung in die Interpretationstechnik der objektiven Hermeneutik, OpladenGoogle Scholar

  • Wiedemann, G. (2016): Text Mining for Qualitative Data Analysis in the Social Sciences: A Study on Democratic Discourse in Germany, WiesbadenGoogle Scholar

  • Wiedemann, G. (2013): Opening up to Big Data: Computer-Assisted Analysis of Textual Data in Social Sciences [54 paragraphs], in: Forum Qualitative Sozialforschung, 14, Art. 13, http://nbn-resolving.de/urn:nbn:de:0114-fqs1302231

  • Wiedemann, G.; Lemke, M. (2015): Text Mining für die Analyse qualitativer Daten, in: Lemke, M; Wiedemann, G. (Hrsg.): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, Wiesbaden, 397-419Google Scholar

  • Wiedemann, G.; Niekler, A. (2015): Analyse qualitativer Daten mit dem „Leipzig Corpus Miner “, in: Lemke, M; Wiedemann, G. (Hrsg.): Text Mining in den Sozialwissenschaften. Grundlagen und Anwendungen zwischen qualitativer und quantitativer Diskursanalyse, Wiesbaden, 63-88Google Scholar

About the article

Published Online: 2018-12-14

Published in Print: 2018-12-19


Citation Information: Sozialer Sinn, Volume 19, Issue 2, Pages 367–387, ISSN (Online) 2366-0228, ISSN (Print) 1439-9326, DOI: https://doi.org/10.1515/sosi-2018-0017.

Export Citation

© 2018 Walter de Gruyter GmbH, Berlin/Boston.Get Permission

Comments (0)

Please log in or register to comment.
Log in