Skip to main content
SpringerLink
Log in

Die Anwendung von Text Mining in den Sozialwissenschaften

Ein Überblick zum aktuellen Stand der Methode

  • Chapter
  • First Online:
Text Mining in den Sozialwissenschaften

Zusammenfassung

Text Mining stellt eine innovative Forschungsmethode in den Sozialwissenschaften dar. Die verfügbaren Werkzeuge erlauben die sozialwissenschaftliche Untersuchung großer Datenbestände und versprechen neben hoher Effizienz und Reliabilität die Überwindung der Dichotomie qualitativer und quantitativer Forschung. Dieser Artikel gibt einen Überblick über den Stand der Methode in den deutschsprachigen Sozialwissenschaften. Der hierbei ermittelte state of the art ist Resultat eines explorativen Rechercheprozesses, der zudem quantitativ und qualitativ aufb ereitet und reflektiert wird. Abschließend wird zudem die Frage nach der Rolle der methodischen Ausbildung angesprochen.

Zusammenfassung

Text Mining can be understood as an innovative method within social sciences. Different availiable tools enable researchers to explore extensive datasets and ensure high degrees of efficiency and reliability. Moreover, the method overcomes the dichotomy between qualitative and quantitative social scientific research. This paper gives a review of the state of Text Mining within the area of German-speaking social science. This so developed state of the art results from an explorative process of inquiries which were reflected and conditioned in a qualitative as well as in a quantitative way. In conclusion this article raises the question of how important foussing the methodically education of researchers in this context should be considered.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 44.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur & Onlinepräsenzen

  • ARGUMENTUM, 2015: https://www.eear.eu/spektrum/forschung/argumentum.html, 03.04.2015.

  • Beckh, Michael/Meier, Marco, 2000: Text Mining. In: Wirtschaftsinformatik, 42 (2), 165–167.

    Article  Google Scholar 

  • Benoit, Kenneth/Garry, John/Laver, Michael, 2003: Extracting Policy Positions from Political Texts Using Words as Data. In: The American Political Science Review, 97 (2), 311–331.

    Google Scholar 

  • Besacier, Laurent/Dediu, Adrian-Horia/Martin-Vide, Carlos, 2014 (Hg.): Statistitcal Language and Speech Processing, Heidelberg.

    Google Scholar 

  • Blätte, Andreas, 2012: Unscharfe Grenzen von Policy-Feldern im parlamentarischen Diskurs. Messungen und Erkundungen durch korpusunterstützte Politikforschung. In: Zeitschrift für Politikwissenschaft, 22 (1), 35–68.

    Google Scholar 

  • Blessing, André u.a., 2015 (im Erscheinen): Computerlinguistische Werkzeuge zur Erschließung und Exploration großer Textsammlungen aus der Perspektive fachspezifischer Theorien. In: ZfDH Zeitschrift für Digital Humanities.

    Google Scholar 

  • Bogdanov, Petko/Mohr, John W., 2013: Topic Models: What they are and why they matter. In: Poetics, 41 (6), 545–569.

    Article  Google Scholar 

  • Butscher, Robert, 2005: Text Mining in der Konsumentenforschung unter besonderer Berücksichtigung von Produktontologien. Nürnberg.

    Google Scholar 

  • CLARIN-D, 2015: http://de.clarin.eu, 12.06.2015.

  • Diaz-Bone, Rainer/Weischer, Christoph, 2015: Methoden-Lexikon für die Sozialwissenschaften, Wiesbaden.

    Google Scholar 

  • DARIAH-DE, 2015: https://de.dariah.eu, 08.06.2015.

  • Deutsche Gesellschaft für Online-Forschung e.V., 2015: http://www.dgof.de, 13.06.2015.

  • Dzudzek, Iris u.a., 2009: Verfahren der lexikometrischen Analyse von Textkorpora. In: Georg Glasze/Annika Mattissek (Hg.), Handbuch Diskurs und Raum- Theorien und Methoden für die Humangeographie sowie die sozial- und kulturwissenschaftliche Raumforschung, Bielefeld, 233–261.

    Google Scholar 

  • eIdentitiy, 2015: http://www.uni-stuttgart.de/soz/ib/forschung/Forschungsprojekte/eIdentity.html, 09.06.2015.

  • Fan, David P., 1997: Computer Content Analysis of Press Coverage and Prediction of Public Opinion for the 1995 Sovereignty Referendum in Quebec. In: Social Science Computer Review, 15 (4), 351–366.

    Article  Google Scholar 

  • Gerlitz, Carolin/Rieder, Bernhard, 2014: Data-Mining von einem Prozent Twitter – Sammlungen, Basislinien, Stichproben. In: Ramón Reichert (Hg.), Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie, Bielefeld, 203–220.

    Google Scholar 

  • Gerstl, Peter/Hertweck, Matthias/Kuhn, Birgit, 2001: Text Mining: Grundlagen, Verfahren und Anwendungen. In: HMD Praxis der Wirtschaftsinformatik, 222.

    Google Scholar 

  • Heyer, Gerhard, 2009: Introduction to TMS 2009. In: Ders. (Hg.), Text mining services. Building and applying text mining based service infrastructures in research and industry; proceedings of the Conference on Text Mining Services 2009 at Leipzig University, Leipzig, 1–14.

    Google Scholar 

  • Houy, Constantin u.a., 2015: Konzeption und Implementierung eines Werkzeuges zur automatisierten Identifikation und Analyse von Argumentationsstrukturen anhand der Entscheidungen des Bundesverfassungsgerichts im Digital-Humanities-Projekt ARGUMENTUM. In: Datenbank Spektrum, 15 (1), 15–23.

    Article  Google Scholar 

  • Kantner, Cathleen/Overbeck, Maximilian/Sangar, Eric, 2015 (im Erscheinen): The practical challenges of exploring “soft” concepts through “hard” methods: The corpus-linguistic analysis of multiple collective identities in contemporary transnational media debates. In: Joachim Behnke u.a. (Hg.), Big data? New Data, Baden-Baden.

    Google Scholar 

  • Kath, Roxana/Schaal, Gary S., 2014: Zeit für einen Paradigmenwechsel in der politischen Theorie?. In: André Brodocz u.a. (Hg.), Die Verfassung des Politischen. Festschrift für Hans Vorländer, Wiesbaden, 331–350.

    Google Scholar 

  • King, Gary/Lowe, Will, 2003: An Automated Information Extraction Tool for International Conflict Data with Performance as Good as Human Coders: A Rare Events Evaluation Design. In: International Organization, 57, 617–642.

    Article  Google Scholar 

  • Lehner, Franz, 2011: Sozialwissenschaft, Wiesbaden.

    Google Scholar 

  • Lünswilken, Christoph/Thater, Thorsten/Vetterling, Lea Judith, 2014: Anwendungsmöglichkeiten von Text Mining bei der Analyse wissenschaftlicher Publikationen, Hamburg.

    Google Scholar 

  • Mehler, Alexander/Wolff, Christian, 2005: Perspektiven und Positionen des Text Mining. In: Zeitschrift für Computerlinguistik und Sprachtechnologie, 20 (1), 1–18.

    Google Scholar 

  • Munzert, Simon, 2014: Big Data in der Forschung! Big Data in der Lehre? Ein Vorschlag zur Erweiterung der bestehenden Methodenausbildung. In: Zeitschrift für Politikwissenschaft, 24 (1–2), 205–220.

    Article  Google Scholar 

  • Niehr, Thomas, 1999: Halbautomatische Erforschung des öffentlichen Sprachgebrauchs oder Vom Nutzen computerlesbarer Textkorpora. In: Zeitschrift für germanistische Linguistik, 27, 205–214.

    Google Scholar 

  • Niehr, Thomas, 2014: Einführung in die Politolinguistik. Gegenstände und Methoden, Göttingen.

    Google Scholar 

  • Pak, Alexander/Paroubek, Patrick 2010: Twitter as a Corpus for Sentiment Analysis and Opinion Mining, Paris.

    Google Scholar 

  • Quasthoff, Uwe, 1998: Projekt der deutsche Wortschatz. In: Gerhard Heyer/Christian Wolff (Hg.), Linguistik und neue Medien, Wiesbaden, 93–99.

    Google Scholar 

  • Quasthoff, Uwe/Richter, Matthias/Wolff, Christian, 2003: Medienanalyse und Visualisierung: Auswertung von Online-Pressetexten durch Text Mining. In: Zeitschrift für Computerlinguistik und Sprachtechnologie, 18 (1,2), 452–459.

    Google Scholar 

  • Roth, Steffen, 2014: Fashionable Functions: A Google Ngram View of Trends in Functional Differentiation (1800–2000). In: International Journal of Technology and Human Interaction,10 (2), 34–58.

    Article  Google Scholar 

  • ScaDS Dresden/Leipzig, 2015: http://www.scads.de, 07.06.2015.

  • Scharkow, Michael, 2010: Lesen und lesen lassen: Zum State of the Art automatischer Textanalyse. In: Martin Welker/Carsten Wünsch (Hg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet, Köln, 340–364.

    Google Scholar 

  • Schmidt, Fabian, 1999: Automatische Ermittlung semantischer Zusammenhänge lexikalischer Einheiten und deren graphische Darstellung, Leipzig.

    Google Scholar 

  • Schönbach, Klaus, 1978: Nachrichtenwerte und computerunterstützte Inhaltsanalyse. In: ZUMA-Nachrichten, (2), 3–11.

    Google Scholar 

  • Seidel, Ludwig Michael, 2013: Text Mining als Methode zur Wissensexploration: Konzepte, Vorgehensmodelle, Anwendungsmöglichkeiten, Wismar.

    Google Scholar 

  • Social Media Analytics, 2015: http://www.social-media-analytics.org, 11.06.2015.

  • Weber, Max 1910: Geschäftsbericht auf dem ersten Deutschen Soziologentage in Frankfurt 1910. In: http://www.zeno.org/Soziologie/M/Weber,+Max/Schriften+zur+Soziologie+und+Sozialpolitik/Geschäftsbericht+und+Diskussionsreden+auf+dem+ersten+-Deutschen+Soziologentage+in+Frankfurt+1910/Geschäftsbericht, 11.06.2015.

  • Welker, Martin u.a., 2010: Die Online-Inhaltsanalyse: methodische Herausforderung, aber ohne Alternative. In: Martin Welker/Carsten Wünsch (Hg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet, Köln, 9–31.

    Google Scholar 

  • Welker, Martin/Wünsch, Carsten, 2010 (Hg.): Die Online-Inhaltsanalyse. Forschungsobjekt Internet, Köln.

    Google Scholar 

  • Weller, Katrin, 2014: Twitter und Wahlen: Zwischen 140 Zeichen und Milliarden von Tweets. In: Ramón Reichert (Hg.), Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie, Bielefeld, 239–257.

    Google Scholar 

  • Wiedemann, Gregor, 2013: Opening up to Big Data: Computer-Assisted Analysis of Textual Data in Social Sciences. In: Forum Qualitative Sozialforschung/Forum: Qualitative Social Research, 14(2).

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Hamburg, Deutschland

    Carmen Puchinger

Authors
  1. Carmen Puchinger
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Carmen Puchinger .

Editor information

Editors and Affiliations

  1. Helmut-Schmidt-Universität/ Universität der Bundeswehr Hamburg, Hamburg, Germany

    Matthias Lemke

  2. Institut für Informatik, Universität Leipzig, Leipzig, Germany

    Gregor Wiedemann

Rights and permissions

Reprints and permissions

Copyright information

© 2016 Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Puchinger, C. (2016). Die Anwendung von Text Mining in den Sozialwissenschaften. In: Lemke, M., Wiedemann, G. (eds) Text Mining in den Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-07224-7_5

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-07224-7_5

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-07223-0

  • Online ISBN: 978-3-658-07224-7

  • eBook Packages: Social Science and Law (German Language)

Publish with us

Policies and ethics

Search

Navigation