21.09, 11:30–12:15 (Europe/Berlin), GD 04/520
In diesem Beitrag geht es darum, wie neue Methoden der Sozialforschung im Zeitalter der Digitalisierung genutzt werden können um audiovisuelle Daten für sozialwissenschaftliche Forschung nutzbar machen zu können.
Die gesellschaftliche Bedeutung virtueller Realitäten hat in den letzten Jahren durch eine gesteigerte Form medialer Aufmerksamkeit, technischer Verfügbarkeit und globaler Vernetzung stark zugenommen. Neben mittlerweile klassischen textfokussierten Formen der Kommunikation über Social Media Plattformen wie Facebook und Twitter haben sich mittlerweile auch visuelle und audiovisuelle Applikationen eine treue Schar an Nutzer*innen erarbeitet.
Insbesondere Youtube hat durch die enorme Menge an verfügbaren und konsumierten Daten eine besondere Rolle in der subjektiven Konstruktion sozialer Wirklichkeit. Um diese Entwicklung zu untersuchen wenden wir dabei einen neuartigen, kombinierten Ansatz aus Web Scraping und quantitativer Textanalyse an. Hierfür nutzen wir den in Youtube implementierten speech-to-text Converter um präsentierte Inhalte für Natural Language Processing und Topic Modelling nutzbar zu machen.
Da dieser Beitrag einen starken Fokus auf die Methodologie legt, ist das Thema bewusst populärwissenschaftlich humorvoll geprägt und eher dazu ausgelegt die Nutzbarkeit für sozialwissenschaftliche Forschung herauszustellen. Hierzu betrachten wir die öffentlichen Selbstinszenierung der Interaktion von Mensch und Tier in diversen Videos und insbesondere deren sprachliche Darstellung.
Literatur und Referenzen:
- Berger, P. L., & Luckmann, T. (2005). Die gesellschaftliche Konstruktion der Wirklichkeit.
- De Vries, E., Schoonvelde, M., & Schumacher, G. (2018). No longer lost in translation: Evidence that Google Translate works for comparative bag-of-words text applications. Political Analysis, 26(4), 417-430.
- http://www.kittenwar.com/ (zuletzt besucht am 28.08.2019)
- Kleinberg, B., Mozes, M., & van der Vegt, I. (2018). Identifying the sentiment styles of YouTube’s vloggers, EMNLP 2018 .
- Knox, D., & Lucas, C. (2018). A dynamic model of speech for the social sciences. Working Paper.
- Proksch, S. O., Wratil, C., & Wäckerle, J. (2019). Testing the validity of automatic speech recognition for political text analysis. Political Analysis, 27(3), 339-359.
- Salganik, M. (2019). Bit by bit: Social research in the digital age. Princeton University Press.
