Skip to main content
SpringerLink
Log in
Book cover

Handbuch Online-Kommunikation pp 1–43Cite as

Computer- und onlinegestützte Methoden für die Untersuchung digitaler Kommunikation

  • Living reference work entry
  • First Online:

Part of the book series: Springer Reference Sozialwissenschaften ((SRS))

Zusammenfassung

Der Beitrag gibt einen Überblick über computer- und onlinegestützte Instrumente und Methoden für die Erforschung digitaler Kommunikation. Diese werden in den Kanon der empirischen Sozialforschung eingeordnet und die Diskussion ihrer methodischen Validierung zusammengefasst. Dazu werden – entlang des Forschungsprozesses – reaktive und nicht-reaktive Datenerhebungsinstrumente unterschieden. Für die Verarbeitung und Auswertung von Big Data werden ergänzende Schritte im Forschungsprozess wie die Datenaufbereitung oder -speicherung notwendig. Online-basierte Datenerhebungsinstrumente wie Online-Fragebögen (reaktiv) beziehungsweise Logfile-Analysen und die Auswertung von Datenspuren (nicht-reaktiv) finden in zahlreichen Forschungsdesigns Verwendung. Nachdem der Einsatz digitaler Instrumente in den vergangenen Jahren zum Normalfall geworden ist, werfen neuartige Verfahren methodische Fragen auf: Insbesondere auf Basis Sozialer Medien gewonnene Big Data-Studien gewinnen rasant an Bedeutung. Deshalb sind verstärkte Anstrengungen im Gange, deren Qualität zu hinterfragen und zu verbessern.

Der Autor dankt Carsten Wünsch, Otto-Friedrich-Universität Bamberg, Mitautor des Beitrags in der ersten Auflage.

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

Notes

  1. 1.

    Wir folgen der Anregung von Zeller (2017), zwischen den von der akademisch geprägten kommunikationswissenschaftlichen Forschung und den eher anwendungsbezogenen Methoden der Marktforschung zu differenzieren. Letztere sind von der Kommunikationswissenschaft adaptierbar.

  2. 2.

    ADM: Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V.; ASI: Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e.V.; BVM: Berufsverband Deutscher Markt- und Sozialforscher e.V.; DGOF: Deutsche Gesellschaft für Online-Forschung e.V.; ESOMAR: European Society for Opinion and Market Research.

  3. 3.

    „Bundesdatenschutzgesetz in der Fassung der Bekanntmachung vom 14. Januar 2003 (BGBl. I S. 66), das zuletzt durch Artikel 7 des Gesetzes vom 30. Juni 2017 (BGBl. I S. 2097) geändert worden ist“, BDSG 2017, S. 1.

  4. 4.

    Siehe Fußnote 3.

  5. 5.

    Facebook verwendete Daten von Nutzerprofilen, um firmeninterne Experimente durchzuführen. Die Nutzer wurden zunächst nicht über die Experimente informiert. Noch brisanter war der Fall der Weitergabe von Daten durch Facebook an Dritte, nämlich an die – nunmehr insolvente – Analysefirma „Cambridge Analytica“.

  6. 6.

    Auf diesem Angebot finden sich zahlreiche Methodenpapiere zum Einsatz webgestützter Befragungen (Web survey bibliography).

  7. 7.

    Poynter (2015, S. 12) definiert „mobile“ als Forschung unter Zuhilfenahme von (1) Mobiltelefonen, (2) Tablets oder (3) Wearables wie Smart Watches.

  8. 8.

    Wie beispielsweise das maschinelle Lernen, gemeinhin unter dem Label „künstliche Intelligenz“ adressiert.

  9. 9.

    Vgl. den Fall „Google Glas“.

Literatur

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V. (2009). ADM Stichproben F2F. Das ADM-Stichprobensystem für persönlich-mündliche Befragungen. https://www.adm-ev.de/adm-stichproben/. Zugegriffen am 20.02.2018.

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V. (Hrsg.). (o. J. [2016]). Jahresbericht 2016. http://www.adm-ev.de/pdf/Jahresbericht_07.pdf. Zugegriffen am 10.04.2017.

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V., ASI Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e.V., BVM Berufsverband Deutscher Markt- und Sozialforscher e.V., & DGOF Deutsche Gesellschaft für Online-Forschung e.V. (Hrsg.). (2007). Richtlinie für Online-Befragungen. https://www.adm-ev.de/richtlinien/. Zugegriffen am 10.02.2018.

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V., ASI Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e.V., BVM Berufsverband Deutscher Markt- und Sozialforscher e.V., & DGOF Deutsche Gesellschaft für Online-Forschung e.V. (Hrsg.). (2010). Richtlinie zum Umgang mit Datenbanken in der Markt- und Sozialforschung. https://www.adm-ev.de/richtlinien/. Zugegriffen am 10.02.2018.

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V., Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e.V. (ASI)., BVM Berufsverband Deutscher Markt- und Sozialforscher e.V., & Deutsche Gesellschaft für Online-Forschung e.V. (DGOF). (Hrsg.). (2014). Richtlinie für Untersuchungen in den und mittels der Sozialen Medien (Soziale Medien Richtlinie). http://rat-marktforschung.de/fileadmin/user_upload/pdf/R11_RDMS_D.pdf. Zugegriffen am 20.08.2017.

  • ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute e.V., Arbeitsgemeinschaft Sozialwissenschaftlicher Institute e.V. (ASI)., BVM Berufsverband Deutscher Markt- und Sozialforscher e.V., & Deutsche Gesellschaft für Online-Forschung e.V. (DGOF). (2017). Erklärung für das Gebiet der Bundesrepublik Deutschland zum ICC/ESOMAR Internationaler Kodex zur Markt-, Meinungs- und Sozialforschung sowie zur Datenanalytik („Deutsche Erklärung“). http://www.dgof.de/wp-content/uploads/2017/06/2017-05-24_ICCESOMAR-International-Code-Dt_Annahme.pdf. Zugegriffen am 20.08.2017.

  • Alber, F., & Hofmann, O. (2014). Online-Mitarbeiterbefragungen. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 363–383). Köln: von Halem.

    Google Scholar 

  • Alvarez, R. (Hrsg.). (2016). Computational social science: Discovery and prediction (Analytical methods for social research). Cambridge: Cambridge University Press.

    Google Scholar 

  • Andelfinger, V. P., & Hänisch, T. (Hrsg.). (2015). Internet der Dinge. Technik. Trends und Geschäftsmodelle. Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Anderson, C. (2008). The end of theory. The data deluge makes the scientific method obsolete. Wired. http://archive.wired.com/science/discoveries/magazine/16-07/pb_theory, 23.06.2008. Zugegriffen am 12.01.2018.

  • Baker, R., & Callegaro, M. (2014). Introduction to part III. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 217–218). New York: Wiley.

    Google Scholar 

  • Bandilla, W. (2015). Online-Befragung. Mannheim: GESIS Survey Guidelines. https://www.gesis.org/fileadmin/upload/SDMwiki/Online_Befragungen_Bandilla_08102015_1.1.pdf. Zugegriffen am 20.02.2018.

  • Bandilla, W., Kaczmirek, L., Blohm, M., & Neubarth, W. (2009). Coverage- und Nonresponse-Effekte bei Online-Bevölkerungsumfragen. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 129–143). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Baur, N., & Blasius, J. (Hrsg.). (2014). Methoden der empirischen Sozialforschung. Ein Überblick. In Handbuch Methoden der empirischen Sozialforschung (S. 41–64). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Baur, N., & Florian, M. J. (2009). Stichprobenprobleme bei Online-Umfragen. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 109–128). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Beck, K. (2006). Computervermittelte Kommunikation im Internet. München/Wien: Oldenbourg.

    Book  Google Scholar 

  • Best, S. J., & Krueger, B. S. (2008). Internet survey design. In N. Fielding, R. M. Lee & G. Blank (Hrsg.), The Sage handbook of online research methods (S. 217–235). London: Sage.

    Chapter  Google Scholar 

  • Bethlehem, J., & Lavrakas, P. J. (2014). Introduction to part II. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 128–133). New York: Wiley.

    Google Scholar 

  • Bock, A., Isermann, H., & Knieper, T. (2010). Herausforderungen bei der quantitativen (visuellen) Inhaltsanalyse von Online-Inhalten. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8, S. 224–239). Köln: von Halem.

    Google Scholar 

  • Böcking, S., Rüf, F., Jufer, M., & Hügli-Baltzer, C. (Hrsg.). (2010). Analyse des politischen Informationsverhaltens mittels der von Wählern genutzten Internetinhalte – Potenziale für die Prognose von Wahlergebnissen. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8, S. 291–312). Köln: von Halem.

    Google Scholar 

  • Bosnjak, M., Dannwolf, T., Enderle, T., Schaurer, I., Struminskaya, B., Tanner, A., & Weyandt, K. W. (2018). Establishing an open probability-based mixed-mode panel of the general population in Germany. The GESIS panel. Social Science Computer Review, 36(1), 103–115.

    Article  Google Scholar 

  • Boyd, D., & Crawford, K. (2012). Critical questions for big data. Information, Communication & Society, 15, 662–679.

    Article  Google Scholar 

  • Brosius, H.-B., Haas, A., & Koschel, F. (2015). Methoden der empirischen Kommunikationsforschung. Eine Einführung. Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Buchanan, T. (2001). Online personality assessment. In U.-D. Reips & M. Bosnjak (Hrsg.), Dimensions of Internet science (S. 57–74). Lengerich: Pabst.

    Google Scholar 

  • Bundesamt, S. (2009). Private Haushalte in der Informationsgesellschaft – Nutzung von Informations- und Kommunikationstechnologien (IKT) 2008. Wiesbaden: Statistisches Bundesamt.

    Google Scholar 

  • Bundesdatenschutzgesetz (BDSG) vom 20. Dezember 1990 (BGBl. I S. 2954), zuletzt geändert am 30. Juni 2017. Aktualisierte Fassung in der Bekanntmachung vom 14. Januar 2003.https://www.gesetze-im-internet.de/bdsg_1990/BDSG.pdf. Zugegriffen am 10.09.2017.

  • Burnett, R., Consalvo, M., & Ess, C. (Hrsg.). (2010). Introduction. The rise of the Internet and the emergence of Internet studies. In The handbook of Internet studies (S. 1–7). Indianapolis: Wiley-Blackwell Publishing.

    Google Scholar 

  • Callegaro, M., & Krosnick, J. A. (2014). Introduction to part I. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 56–60). New York: Wiley.

    Chapter  Google Scholar 

  • Callegaro, M., Baker, R. P., Bethlehem, J., Göritz, A. S., Krosnick, J. A., & Lavrakas, P. J. (Hrsg.). (2014). Online panel research: A data quality perspective. New York: Wiley.

    Google Scholar 

  • Chang, L., & Krosnick, J. A. (2003). Comparing oral interviewing with self-administered computerized questionnaires: An experiment. The Ohio State University. http://communication.stanford.edu/faculty/Krosnick/Tel%20Int%20Mode%20Experiment.pdf. Zugegriffen am 20.04.2009.

  • Cioffi-Revilla, C. (2014). Introduction to computational social science (Principles and applications). London: Springer.

    Book  Google Scholar 

  • Couper, M. P. (2012). Designing effective web surveys. Cambridge: University Press. https://doi.org/10.1017/CBO9780511499371 (20.02.2018).

    Google Scholar 

  • Couper, M. P., & Coutts, E. (2006). Online Befragung. Probleme und Chancen verschiedener Online-Erhebungen. In A. Diekmann (Hrsg.), Methoden der Sozialforschung (S. 217–243). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Dang-Anh, M., Einspänner, J., & Thimm, C. (2013). Die Macht der Algorithmen – Selektive Distribution in Twitter. In M. Emmer, A. Filipović, J.-H. Schmidt & I. Stapf (Hrsg.), Echtheit, Wahrheit, Ehrlichkeit: Authentizität in der Online-Kommunikation (S. 74–87). Weinheim/Basel: Beltz Juventa.

    Google Scholar 

  • Das, M. (2012). Innovation der Online-Datenerhebung für wissenschaftliche Forschungen. Das niederländische MESS-Projekt. In F. Faulbaum, M. Stahl & E. Wiegand (Hrsg.), Qualitätssicherung in der Umfrageforschung (Schriftenreihe der ASI – Arbeitsgemeinschaft Sozialwissenschaftlicher Institute, S. 75–102). Wiesbaden: Springer Fachmedien.

    Chapter  Google Scholar 

  • Debatin, B. (1998). Analyse einer öffentlichen Gruppenkonversation im Chat-Room. Referenzformen, kommunikationspraktische Regularitäten und soziale Strukturen in einem kontextarmen Medium. http://www.citeulike.org/user/Torsten_Holmer/article/7102656. Zugegriffen am 20.01.2018.

  • Deterding, S. (2014). The Facebook loophole. http://codingconduct.tumblr.com/post/91239582975/the-facebook-loophole. Zugegriffen am 10.07.2017.

  • DFG. (2013). Vorschläge zur Sicherung guter wissenschaftlicher Praxis. Denkschrift. Weinheim: Wiley-VCH. http://www.dfg.de/download/pdf/dfg_im_profil/reden_stellungnahmen/download/empfehlung_wiss_praxis_1310.pdf. Zugegriffen am 20.08.2017.

    Google Scholar 

  • DGPuK [Deutsche Gesellschaft für Publizistik und Kommunikationswissenschaft]. (2013). Digital Methods – Innovative Ansätze zur Analyse öffentlicher Kommunikation im Internet. Call for Papers für die Jahrestagung der Fachgruppe Computervermittelte Kommunikation der DGPuK, 7. bis 9. November 2013 an der Universität Wien. https://www.dgpuk.de/sites/default/files/CfP_CvK2013_DigitalMethods_0.pdf. Zugegriffen am 14.01.2018.

  • Diekmann, A. (2016). Empirische Sozialforschung: Grundlagen, Methoden, Anwendungen. Reinbek bei Hamburg: Rowohlt.

    Google Scholar 

  • Dillman, D. A., & Bowker, D. K. (2001). The web questionaire. Challenge to survey methodologists. In M. Bosnjak & U.-D. Reips (Hrsg.), Dimensions of Internet science (S. 159–177). Lengerich: Pabst Science Publishers.

    Google Scholar 

  • Eble, M., Ziegele, M., & Jürgens, P. (2014). Forschung in geschlossenen Plattformen des Social Web. In M. Welker, M. Taddicken, J.-H. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 123–149). Köln: von Halem.

    Google Scholar 

  • EU Datenschutz Grundverordnung. (2017). https://www.datenschutz-grundverordnung.eu/. Zugegriffen am 15.01.2017.

  • Faas, T., & Schoen, H. (2009). Fallen Gewichte ins Gewicht? Eine Analyse am Beispiel dreier Umfragen zur Bundestagswahl 2002. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 145–157). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Fisch, M. (2004). Nutzungsmessung im Internet. München: Reinhard Fischer.

    Google Scholar 

  • Flew, T., Spurgeon, C., Daniel, A., & Swift, A. (2012). The promise of computational journalism. Journalism Practice, 6, 157–171.

    Article  Google Scholar 

  • Forsa. (2009). omnitel/omninet. http://www.forsa.de/site/methode.htm. Zugegriffen am 10.04.2009.

  • Friedl, J. (2006). Mastering regular expressions. Sebastopol: O’Reilly & Associates, Inc.

    Google Scholar 

  • Früh, W. (2017). Inhaltsanalyse (9. Aufl.). Konstanz/München: UVK Verlag, UTB.

    Google Scholar 

  • Fuchs, C. (2018). Digital Demagogue: Authoritarian Capitalism in the Age of Trump and Twitter. London: Pluto Press.

    Book  Google Scholar 

  • Funke, F., & Reips, U.-D. (2007). Datenerhebung im Netz. Messmethoden und Skalen. In M. Welker & O. Wenzel (Hrsg.), Online-Forschung 2007: Grundlagen und Fallstudien (Neue Schriften zur Online-Forschung, Bd. 1, S. 52–76). Köln: von Halem.

    Google Scholar 

  • Gadeib, A. (2005). Virtuelle Testmärkte. Online-Konzepttest für Markenartikler. Research & Results, 1, 16–17.

    Google Scholar 

  • Gehrau, V. (2017). Die Beobachtung als Methode in der Kommunikations- und Medienwissenschaft (2., völl. überarb. Aufl.). Konstanz: UVK Verlag.

    Google Scholar 

  • Gesis. (2017). GESIS-Panel. Allgemeine Übersicht. https://www.gesis.org/gesis-panel/gesis-panel-home/general-overview/. Zugegriffen am 20.02.2018.

  • Gnambs, T., & Strassnig, B. (2007). Experimentelle Online-Untersuchungen. In M. Welker & O. Wenzel (Hrsg.), Online-Forschung 2007. Grundlagen und Fallstudien (Neue Schriften zur Online-Forschung, Bd. 1, S. 233–250). Köln: von Halem.

    Google Scholar 

  • Göritz, A. (2003). Online-panels. In A. Theobald, M. Dreyer & T. Starsetzki (Hrsg.), Online-Marktforschung: theoretische Grundlagen und praktische Erfahrungen (S. 227–240). Wiesbaden: Gabler.

    Chapter  Google Scholar 

  • Greszki, R., Meyer, M., & Schoen, H. (2014). The impact of speeding on data quality in nonprobability and freshly recruited probability-based online panels. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 238–262). New York: Wiley.

    Chapter  Google Scholar 

  • Grönlund, K. & Strandberg, K. (2014). Online panels and validity: Representativeness and attrition in the Finnish eOpinion panel. In Callegaro, M., Baker, R. P., Bethlehem, J., Göritz, A. S., Krosnick, J. A . & Lavrakas, P. J. (Hrsg.), Online panel research: A data quality perspective (S. 86–102). New York: Wiley

    Google Scholar 

  • Groves, R. M., Fowler, F. J., & Couper, M. P. (2004). Survey methodology. Hoboken: Wiley.

    Google Scholar 

  • Günther, E., & Scharkow, M. (2014). Automatisierte Datenbereinigung bei Inhalts- und Linkanalysen von Online-Nachrichten. In K. Sommer, M. Wettstein, W. Wirth & J. Matthes (Hrsg.), Automatisierung in der Inhaltsanalyse (S. 111–126). Köln: von Halem.

    Google Scholar 

  • Hauptmanns, P., & Lander, B. (2003). Zur Problematik von Internet-Stichproben. In A. Theobald, M. Dreyer & T. Starsetzki (Hrsg.), Online-Marktforschung: theoretische Grundlagen und praktische Erfahrungen (S. 27–40). Wiesbaden: Gabler.

    Chapter  Google Scholar 

  • Hautzer, L., Lünich, M., & Rössler, P. (2012). Social Navigation. Neue Orientierungsmuster bei der Mediennutzung im Internet. Baden-Baden: Nomos Verlag.

    Google Scholar 

  • Heise, N. (2015). Big Data – small problems? Ethische Dimensionen der Forschung mit Online-Kommunikationsspuren. In A. Maireder, J. Ausserhofer, C. Schumann & M. Taddicken (Hrsg.), Digitale Methoden in der Kommunikationswissenschaft (Digital communication research, Bd. 2, S. 39–58). Berlin: Institut für Publizistik- und Kommunikationswissenschaft. https://doi.org/10.17174/dcr.v2.3 (20.02.2018).

    Google Scholar 

  • Heise, N., & Schmidt, J. (2014). Ethik der Onlineforschung. In M. Welker, M. Taddicken, J.-H. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 532–553). Köln: von Halem.

    Google Scholar 

  • Hepp, A. (2016). Kommunikations- und Medienwissenschaft in datengetriebenen Zeiten. Publizistik, 61(3), 225–246.

    Article  Google Scholar 

  • Herbers, M. R., & Friedemann, A. (2010). Spezielle Fragen der Reliabilität und Validität bei Online-Inhaltsanalysen. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8). Köln: von Halem.

    Google Scholar 

  • Hewson, C., & Laurent, D. (2008). Research design and tools for Internet research. In R. M. Lee, N. Fielding & G. Blank (Hrsg.), The Sage handbook of online research methods (S. 58–78). London: Sage.

    Google Scholar 

  • Hunsinger, J. (2005). Toward a transdisciplinary Internet research. The Information Society, 21, 277–279.

    Article  Google Scholar 

  • Hunsinger, J., Klastrup, L. & Allen, M. (Hrsg.) (2010). International handbook of Internet research. Berlin: Springer.

    Google Scholar 

  • Internet Systems Consortium [ISC]. (2017). Internet domain survey. https://www.isc.org/network/survey/. Zugegriffen am 01.10.2017.

  • Kaczmirek, L. (2009). Human-survey interaction. Usability and nonresponse in online surveys (Neue Schriften zur Online-Forschung, Bd. 6). Köln: von Halem.

    Google Scholar 

  • Kaushik, A. (2009). Web analytics 2.0. Indianapolis: Wiley.

    Google Scholar 

  • Kelle, U., Tobor, A., & Metje, B. (2009). Qualitative Evaluationsforschung im Internet – Online-Foren als Werkzeuge interpretativer Sozialforschung. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 181–195). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Keyling, T. (2014). Automatisierte Inhaltsanalyse. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 233–254). Köln: von Halem.

    Google Scholar 

  • King, G., & Lowe, W. (2003). An automated information extraction tool for international conflict data with performance as good as human coders: A rare events evaluation design. International Organization, 57, 617–642.

    Article  Google Scholar 

  • Klarenberg, L., & Geissler, H. (2014). Online-Mitarbeiterbefragung. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 345–362). Köln: von Halem.

    Google Scholar 

  • König, C., Stahl, M., & Wiegand E. (Hrsg.). (2014). Soziale Medien. Wiesbaden: Springer VS Verlag.

    Google Scholar 

  • Krause, B. (2005). Methodischer Anhang: Das forsa.omninet als Erhebungsinstrument. In M. Güllner, H. Dülmer, M. Klein, H.-D. Klingemann, D. Ohr, M. Quandt & U. Rosar (Hrsg.), Die Bundestagswahl 2002. Eine Untersuchung im Zeichen hoher politischer Dynamik (S. 225–236). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Kretschmer, B., & Werber, F. (2011). Die digitale Öffentlichkeit. Wie das Internet unsere Demokratie verändert. Hamburg: Friedrich-Ebert-Stiftung.

    Google Scholar 

  • Kreutzer, R. T. (2014). Praxisorientiertes Online-Marketing (2., vollst. überarb. u. erw. Aufl.). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Krippendorff, K. (2004). Content analysis. An introduction to its methodology. Thousand Oaks: Sage.

    Google Scholar 

  • Krosnick, D. A. (2009). Money for surveys. What about data-quality? In M. Welker, H. Geißler, L. Kaczmirek & O. Wenzel (Hrsg.), 11th general online research conference GOR 09. Proceedings. Vienna 2009 (S. 21–22). Wien: DGOF.

    Google Scholar 

  • Landeszentrum für Datenschutz Schleswig-Holstein. (2009). Tätigkeitsbericht 2009 des Unabhängigen Landeszentrums für Datenschutz Schleswig-Holstein. Berichtszeitraum: 2008. Redaktionsschluss: 15.02.2009. Landtagsdrucksache 16/2439 (31. Tätigkeitsbericht des Landesbeauftragten für den Datenschutz).

    Google Scholar 

  • Langer, G. (2009). Guest Blog: More on the problems with opt-in Internet surveys. http://blogs.abcnews.com/thenumbers/2009/09/guest-blog-more-on-the-problems-withoptin-internet-surveys.html. Zugegriffen am 10.10.2009.

  • Lavrakas, P. J., & Göritz, A. S. (2014). Introduction to part VII. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 410–412). New York: Wiley.

    Google Scholar 

  • Lee, R. M., Fielding, N., & Blank, G. (Hrsg.). (2008). The Internet as a research medium: An editorial introduction to the Sage handbook of online research methods. In The Sage handbook of online research methods (S. 3–20). London: Sage.

    Google Scholar 

  • Lischka, K., & Stöcker, C. (2017). Digitale Öffentlichkeit. Wie algorithmische Prozesse den gesellschaftlichen Diskurs beeinflussen – Arbeitspapier im Auftrag der Bertelsmann Stiftung. Gütersloh. https://doi.org/10.11586/2017028.

  • Mahrt, M. (2015). Mit Big Data gegen das „Ende der Theorie“? In A. Maireder, J. Ausserhofer, C. Schumann & M. Taddicken (Hrsg.), Digitale Methoden in der Kommunikationswissenschaft (Digital communication research, Bd. 2, S. 23–37). Berlin: Institut für Publizistik- und Kommunikationswissenschaft. https://doi.org/10.17174/dcr.v2.2 (20.02.2018).

    Google Scholar 

  • Maier, D., Waldherr, A., Miltner, P., Schmid-Petri, H., Häussler, T., & Adam, S. (2014). Stichprobenziehung aus dem Netz – Wie man themenspezifische Online-Inhalte erfassen kann. In K. Sommer, M. Wettstein, W. Wirth & J. Matthes (Hrsg.), Automatisierung in der Inhaltsanalyse (S. 90–110). Köln: von Halem.

    Google Scholar 

  • Maurer, M., & Jandura, O. (2009). Masse statt Klasse? Einige kritische Anmerkungen zu Repräsentativität und Validität von Online-Befragungen. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 61–74). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Mavletova, A., & Couper, M. P. (2015). A meta-analysis of breakoff rates in mobile web surveys. In D. Toninelli, R. Pinter & P. de Pedraza (Hrsg.), Mobile research methods: Opportunities and challenges of mobile research methodologies (S. 81–98). London: Ubiquity Press. https://doi.org/10.5334/bar (15.01.2018).

    Google Scholar 

  • Meier, S., Wünsch, C., Pentzold, C., & Welker, M. (2010). Auswahlverfahren für Online-Inhalte. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8, S. 103–123). Köln: von Halem.

    Google Scholar 

  • Merten, K. (1995). Inhaltsanalyse. Einführung in Theorie, Methode und Praxis. Opladen: West-deutscher Verlag.

    Google Scholar 

  • Ossenbruggen, R. van, Vonk, T., & Willems, P. (2006). Results Dutch Online Panel Comparison Study (NOVPO). http://www.websm.org/uploadi/editor/1411028786Results_NOPVO_English.pdf. Zugegriffen am 10.02.2018.

  • Park, H. W., & Leydesdorff, L. (2013). Decomposing social and semantic networks in emerging „big data“ research. Journal of Informetrics, 7, 756–765.

    Google Scholar 

  • Poynter, R. (2015). The utilization of mobile technology and approaches in commercial market research. In D. Toninelli, R. Pinter & P. de Pedraza (Hrsg.), Mobile research methods: Opportunities and challenges of mobile research methodologies (S. 11–20). London: Ubiquity Press. https://doi.org/10.5334/bar.b. License (20.02.2018).

    Google Scholar 

  • Poynter, R., Williams, N., & York, S. (2014). The handbook of mobile market research: Tools and techniques for market researchers. Chichester: Wiley.

    Google Scholar 

  • Reips, U.-D. (2005). Datenautobahnnutzen. Formen der internetgestützten Datenerhebung. Psychoscope, 8, 5–9.

    Google Scholar 

  • Ritter, G., & Dierks, S. (2014). Das AGOF-Verfahren – Herausforderungen und Weiterentwicklung. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 327–344). Köln: von Halem.

    Google Scholar 

  • Rogers, R. (2013). Digital methods. Cambridge: MIT Press.

    Google Scholar 

  • Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrica, 1, 41–55.

    Google Scholar 

  • Rössler, P. (2010). Das Medium ist nicht die Botschaft. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8, S. 31–43). Köln: von Halem.

    Google Scholar 

  • Rössing, T., Gnambs, T., & Strssnig, B. (2014). Online-Experimente. In M. Welker, M. Taddicken, J.-H. Schmidt, & N. Jackob (Hrsg.), Handbuch Online-Forschung (Neue Schriften zur Online-Forschung, Bd. 12, S. 402–423). Köln: von Halem.

    Google Scholar 

  • Rössler, P. (2017). Inhaltsanalyse (3. Aufl.). Konstanz/München: UVK, UTB Basics.

    Google Scholar 

  • Rössler, P., & Wirth, W. (2001). Inhaltsanalysen im World Wide Web. In W. Wirth & E. Lauf (Hrsg.), Inhaltsanalysen. Perspektiven, Probleme, Potentiale (S. 280–302). Köln: von Halem.

    Google Scholar 

  • Ruths, D., & Pfeffer, J. (2014). Social media for large studies of behavior. Large-scale studies of human behavior in social media need to be held to higher methodological standards. Science, 346, 1063–1064.

    Article  Google Scholar 

  • Sackl, A. (2009). Three different designs of type ranking-questions. In M. Welker, H. Geißler, L. Kaczmirek & O. Wenzel (Hrsg.), 11th general online research conference GOR 09. Proceedings. Vienna 2009 (S. 119). Wien: DGOF.

    Google Scholar 

  • Scharkow, M. (2010). Lesen und lesen lassen – Zum State of the Art automatischer Textanalyse. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8). Köln: von Halem.

    Google Scholar 

  • Scheffler, H. (2014). Soziale Medien. In C. König, M. Stahl & E. Wiegand (Hrsg.), Soziale Medien. Gegenstand und Instrument der Forschung (Schriftenreihe der ASI – Arbeitsgemeinschaft Sozialwissenschaftlicher Institute, S. 13–28). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Schenk, M. (1995). Soziale Netzwerke und Massenmedien: Untersuchungen zum Einfluss der persönlichen Kommunikation. Tübingen: Mohr.

    Google Scholar 

  • Scherfer, K., & Volpers, H. (Hrsg.). (2013). Methoden der Webwissenschaft. Teil 1 (Reihe: Schriftenreihe Webwissenschaft, Bd. 2). Münster: LIT Verlag.

    Google Scholar 

  • Schnell, R., Hill, P. B., & Esser, E. (2011). Methoden der empirischen Sozialforschung (9. Aufl.). München: Oldenbourg.

    Google Scholar 

  • Schonlau, M., van Soest, A., Kapteyn, A., Couper, M., & Winter, M. (2004). Adjusting for selection bias in web surveys using propensity scores. The case of the health and retirement study. In Proceedings of the section on survey statistics, American Statistical Association (S. 4326–4333). http://ww2.amstat.org/sections/srms/Proceedings/y2004/files/Jsm2004-000032.pdf. Zugegriffen am 14.01.2018.

  • Schonlau, M., Van Soest, A., & Kapteyn, A. (2007). Are ‚webographic‘ or attitudinal questions useful for adjusting estimates from web surveys using propensity scoring? Survey Research Methods, 1, 155–163.

    Google Scholar 

  • Schroeder, R., & Taylor, L. (2015). Big data and Wikipedia research: Social science knowledge across disciplinary divides. Information, Communication & Society, 18(9), 1039–1056. https://doi.org/10.1080/1369118X.2015.1008538.

    Article  Google Scholar 

  • Schulz, W. (2007). Inhaltsanalyse Plus. Ansätze zur Integration von Mitteilungs- und Rezipientendaten. In W. Wirth, H.-J. Stiehler & C. Wünsch (Hrsg.), Dynamisch-transaktional denken. Theorie und Empirie der Kommunikationswissenschaft (S. 109–126). Köln: von Halem.

    Google Scholar 

  • Schumann, C., Ausserhofer, J., Maireder, A., & Taddicken, M. (2015). Digitale Methoden in der Kommunikationswissenschaft: Ansätze zur Analyse öffentlicher Kommunikation im Internet. In A. Maireder, J. Ausserhofer, C. Schumann & M. Taddicken (Hrsg.), Digitale Methoden in der Kommunikationswissenschaft (Digital communication research, Bd. 2, S. 9–19). Berlin: Institut für Publizistik- und Kommunikationswissenschaft. https://doi.org/10.17174/dcr.v2.1 (20.02.2018).

    Google Scholar 

  • Schweiger, W., & Markmiller, I. (2010). WebScreen – ein Verfahren zur Messung der öffentlichen Meinung im Internet. In J. Woelke, M. Maurer & O. Jandura (Hrsg.), Forschungsmethoden für die Markt- und Organisationskommunikation (S. 233–256). Köln: von Halem.

    Google Scholar 

  • Schweiger, W., & Weber, P. (2010). Strategische Kommunikation auf Unternehmens-Websites. Zur Evaluation der Kommunikationsleistung durch eine Methodenkombination von Online-Inhaltsanalyse und Logfile-Analyse. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8, S. 267–290). Köln: von Halem.

    Google Scholar 

  • Sebastiani, F. (2002). Machine learning in automated text categorization. ACM Computing Surveys, 34, 1–47.

    Article  Google Scholar 

  • Seibold, B. (2002). Die flüchtigen Web-Informationen eingefangen. Lösungsansätze für die Online-Inhaltsanalyse bei dynamischen Inhalten im Internet. Publizistik, 47, 45–56.

    Article  Google Scholar 

  • Smaluhn, M. (2007). Qualitätsmanagement für Online-Access-Panels. In M. Welker & O. Wenzel (Hrsg.), Online-Forschung 2007. Grundlagen und Fallstudien (Neue Schriften zur Online-Forschung, Bd. 1, S. 141–169). Köln: von Halem.

    Google Scholar 

  • Smyth, J. D., Dillman, D. A., & Christian, L. M. (2006). Context effects in Internet surveys: New issues and evidence. In A. Joinson, K. McKenna, T. Postmes & U.-D. Reips (Hrsg.), The Oxford handbook of Internet psychology (S. 429–446). Oxford: University Press.

    Google Scholar 

  • Steffen, D. (2014). Verknüpfung von Daten aus Sozialen Medien mit klassischen Erhebungsmethoden. In C. König, M. Stahl & E. Wiegand (Hrsg.), Soziale Medien. Gegenstand und Instrument der Forschung (Schriftenreihe der ASI – Arbeitsgemeinschaft Sozialwissenschaftlicher Institute, S. 97–110). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Stegbauer, C. (Hrsg.). (2010). Netzwerkanalyse und Netzwerktheorie (2. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Struminskaya, B., Kaczmirek, L., Schaurer, I., & Bandilla, W. (2014). Assessing representativeness of a probability-based online panel in Germany. In M. Callegaro, R. P. Baker, J. Bethlehem, A. S. Göritz, J. A. Krosnick & P. J. Lavrakas (Hrsg.), Online panel research: A data quality perspective (S. 61–85). New York: Wiley.

    Chapter  Google Scholar 

  • Stützer, C. M., Welker, M., & Egger, M. (Hrsg.). (2018). Computational social science in the age of big data: Concepts, methodologies, tools, and applications (Neue Schriften zur Online-Forschung, Bd. 15). Köln: von Halem.

    Google Scholar 

  • Taddicken, M. (2008). Methodeneffekte bei Web-Befragungen. Köln: von Halem.

    Google Scholar 

  • Taddicken, M., & Batinic, B. (2014). Die standardisierte Online-Befragung. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 151–175). Köln: von Halem.

    Google Scholar 

  • Taddicken, M., & Welker, M. (2014). Spezifizierung und Differenzierung der Online-Forschung? Themen, Methoden und Erstautoren der Fachkonferenz GOR im Zeitverlauf. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 42–59). Köln: von Halem.

    Google Scholar 

  • Taylor, H. (2000). Does Internet research work? Comparing online survey results with telephone surveys. International Journal of Market Research, 42, 51–63.

    Article  Google Scholar 

  • Telemediengesetz (TMG) vom 26. Februar 2007 (BGBl. I S. 179), das zuletzt durch Artikel 1 des Gesetzes vom 28. September 2017 (BGBl. I S. 3530) geändert worden ist. http://www.gesetze-im-internet.de/tmg/BJNR017910007.html. Zugegriffen am 20.02.2018.

  • Thelwall, M. (2006). Interpreting social science link analysis research: A theoretical framework. Journal of the American Society for Information Science and Technology, 57, 60–68.

    Article  Google Scholar 

  • Theobald, A. (2003). Rücklaufquoten bei Online-Befragungen. In A. Theobald, M. Dreyer & T. Starsetzki (Hrsg.), Online-Marktforschung (S. 203–210). Wiesbaden: Gabler.

    Chapter  Google Scholar 

  • Theobald, A. (2017). Praxis Online-Marktforschung: Grundlagen – Anwendungsbereiche – Durchführung. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Toninelli, D., Pinter, R., & de Pedraza, P. (2015). Mobile research methods: Opportunities and challenges of mobile research methodologies. London: Ubiquity Press. https://doi.org/10.5334/bar (15.01.2018).

    Google Scholar 

  • Trilling, D. (2014). Weg vom manuellen Speichern: RSS-Feeds in der automatisierten Datenerhebung bei Online-Medien. In K. Sommer, M. Wettstein, W. Wirth & J. Matthes (Hrsg.), Automatisierung in der Inhaltsanalyse (S. 73–89). Köln: von Halem.

    Google Scholar 

  • Vehovar, V., Čehovin, G., & Močnik, A. (2014). Survey software features overview. A WebSM Study. University of Ljubljana. http://www.websm.org/uploadi/editor/doc/1432134384Survey_software_in_2014V.pdf. Zugegriffen am 20.02.2018.

  • Waldherr, A., Heyer, G., Jähnichen, P., Niekler, A., & Wiedemann, G. (2016). Mining big data with computational methods. In G. Vowe & P. Henn (Hrsg.), Political communication in the online world: Theoretical approaches and research designs (S. 201–217). New York: Routledge.

    Google Scholar 

  • Welker, M. (2002). Determinanten der Internet-Nutzung. München: Reinhard Fischer.

    Google Scholar 

  • Welker, M. (2009). Logfile-Analysen: Einsatz und Problemfelder. In C. König, M. Stahl & E. Wiegand (Hrsg.), Nicht-reaktive Erhebungsverfahren (GESIS-Schriftenreihe, Bd. 1, S. 103–117). Bonn: GESIS.

    Google Scholar 

  • Welker, M. (2013). Inklusions- und Partizipationsleistungen im Journalismus: theoretische Grundlinien und Heuristik aktueller Erscheinungsformen. In kommunikation@gesellschaft, (OA-Journal). http://nbn-resolving.de/urn:nbn:de:0168-ssoar-327804 . Zugegriffen am 30.05.2016.

  • Welker, M. (2014b). Normalisierung und Ausdifferenzierung von Online-Forschung – eine Einführung. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 14–41). Köln: von Halem.

    Google Scholar 

  • Welker, M. (2017). Verehren, Sammeln, Zerstreuen, Zerstören. Vorarbeiten zu einer Theorie des Vergessens im digitalen Journalismus. In H. Haarkötter & J.-U. Nieland (Hrsg.), 20 Jahre Journalismus- und Gesellschaftskritik der Initiative Nachrichtenaufklärung (S. 89–114). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Welker, M., & Kloß, A. (2014). Soziale Medien als Gegenstand und Instrument sozialwissenschaftlicher Forschung. In C. König, M. Stahl & E. Wiegand (Hrsg.), Soziale Medien. Gegenstand und Instrument der Forschung (Schriftenreihe der ASI – Arbeitsgemeinschaft Sozialwissenschaftlicher Institute, S. 29–52). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Welker, M., & Wünsch, C. (2010). Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8). Köln: von Halem.

    Google Scholar 

  • Welker, M., Werner, A., & Scholz, J. (2005). Online-Research. Heidelberg: dpunkt.

    Google Scholar 

  • Welker, M., Wünsch, C., Böcking, S., Isermann, H., Pentzold, C., Schweitzer, E. J., & Friedemann, A. (2010). Die Online-Inhaltsanalyse: methodische Herausforderung aber ohne Alternative. In M. Welker & C. Wünsch (Hrsg.), Die Online-Inhaltsanalyse. Forschungsobjekt Internet (Neue Schriften zur Online-Forschung, Bd. 8). Köln: von Halem.

    Google Scholar 

  • Welker, M., Taddicken, M., Schmidt, J., & Jackob, N. (Hrsg.). (2014). Handbuch Online-Forschung. Köln: von Halem.

    Google Scholar 

  • Wellman, B. (2004). The three ages of Internet studies: Ten, five and zero years ago. New Media & Society, 6(1), 123–129.

    Article  Google Scholar 

  • Werner, A. (2013). Social Media – Analytics und Monitoring. Verfahren und Werkzeuge zur Optimierung des ROI. Heidelberg: dpunkt.

    Google Scholar 

  • Wettstein, M. (2014). „Best oft wo worlds“: Die halbautomatische Inhaltsanalyse. In K. Sommer, M. Wettstein, W. Wirth & J. Matthes (Hrsg.), Automatisierung in der Inhaltsanalyse (S. 16–39). Köln: von Halem.

    Google Scholar 

  • Wiegand, E. (2012). Berufsnormen und Qualitätssicherung. In F. Faulbaum, M. Stahl & E. Wiegand (Hrsg.), Qualitätssicherung in der Umfrageforschung (Schriftenreihe der ASI – Arbeitsgemeinschaft Sozialwissenschaftlicher Institute, S. 161–182). Wiesbaden: Springer Fachmedien.

    Chapter  Google Scholar 

  • Wolling, J., & Kuhlmann, C. (2003). Das Internet als Gegenstand und Instrument der empirischen Kommunikationsforschung. In M. Löffelholz & T. Quandt (Hrsg.), Die neue Kommunikationswissenschaft. Theorien, Themen und Berufsfelder im Internet-Zeitalter. Eine Einführung (S. 131–161). Wiesbaden: Westdeutscher Verlag.

    Google Scholar 

  • Yeager, D. S., Krosnick, J. A., Chang, L. C., Javitz, H. S., Levendusky, M. S., Simpser, A., & Wang, R. (2009). Comparing the accuracy of RDD telephone surveys and Internet surveys conducted with probability and non-probability samples. http://comm.stanford.edu/faculty/krosnick/Mode%2004.pdf. Zugegriffen am 10.02.2018.

  • Zeller, F. (2014). Online-Forschung und Big-Data. In M. Welker, M. Taddicken, J. Schmidt & N. Jackob (Hrsg.), Handbuch Online-Forschung (S. 424–451). Köln: von Halem.

    Google Scholar 

  • Zeller, F. (2017). Soziale Medien in der empirischen Forschung. In J.-H. Schmidt & M. Taddicken (Hrsg.), Handbuch Soziale Medien (S. 389–408). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Zerback, T., Schoen, H., Jackob, N., & Schlereth, S. (2009). Zehn Jahre Sozialforschung mit dem Internet – Eine Analyse zur Nutzung von Online-Umfragen in den Sozialwissenschaften. In N. Jackob, H. Schoen & T. Zerback (Hrsg.), Sozialforschung im Internet. Methodologie und Praxis der Online-Befragung (S. 15–32). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Chapter  Google Scholar 

  • Zikopoulos, P., Eaton, C., de Roos, D., Deutsch, T., & Lapis, G. (2012). Understanding big data. Analytics for enterprise class hadoop and streaming data. New York: Mc-Graw-Hill.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Journalismus und Kommunikation, HMKW Köln, Köln, Deutschland

    Martin Welker

Authors
  1. Martin Welker
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Martin Welker .

Editor information

Editors and Affiliations

  1. Fg. Kommunikationswissenschaft, Universität Hohenheim, Stuttgart, Baden-Württemberg, Germany

    Wolfgang Schweiger

  2. FU Berlin Inst. f. Publizistik- u. Kommunik.wiss., Berlin, Germany

    Klaus Beck

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Welker, M. (2018). Computer- und onlinegestützte Methoden für die Untersuchung digitaler Kommunikation. In: Schweiger, W., Beck, K. (eds) Handbuch Online-Kommunikation. Springer Reference Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-18017-1_21-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-18017-1_21-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-18017-1

  • Online ISBN: 978-3-658-18017-1

  • eBook Packages: Springer Referenz Sozialwissenschaften und Recht

Publish with us

Policies and ethics

Search

Navigation