Zusammenfassung
Am Beispiel von Angstreferenzen in US-Präsidentschaftsdebatten (1960-2016) zeigen wir in diesem Beitrag die Möglichkeiten einer quantifizierenden Diskursanalyse auf. Unter Rückgriff auf Skalierungs- und Klassifizierungsverfahren wird deutlich, dass die Kandidaten und Kandidatinnen in diesem Schnittfeld von politischem und medialem Diskurs systematisch auf drei Angstkonzepte Bezug nehmen: Angst (fear), Sorge (concern) und Risiko (risk). Es lässt sich zeigen, dass die drei Konzepte im Diskurs systematisch mit spezifischen Politikfeldern verbunden, bestimmte Assoziationen hingegen gemieden werden. Die vorgeschlagene Methodologie erlaubt es, dabei sowohl synchrone Kontexte und Strukturen von Angstreferenzen sichtbar zu machen als auch deren diachrone Entwicklungen nachzuzeichnen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
In R stehen zur Verarbeitung von Textdaten verschiedene Text-Mining-Pakete zur Verfügung, die im Wesentlichen dieselben Standardfunktionen aufweisen. Weit verbreitete Pakete sind z. B. „tm“, „tidytext“, „quanteda“, „text2vec“ oder „SnowballC“.
- 2.
Alle gängigen Text-Mining-Pakete bieten zumindest für weit verbreitete Sprachen eine entsprechende Liste typischer „Stopwords“. Alternativ lassen sich Stopword-Kandidaten auch durch eine statistische Analyse ermitteln oder manuell ergänzen (Vijayarani et al. 2015). Im vorliegenden Fall wurden etwa zusätzlich Eigennamen, persönliche Anreden oder Amtsbezeichnungen entfernt.
- 3.
Aussagen der Moderator*innen wurden nicht berücksichtigt.
- 4.
Eine „rein“ explorative, induktive Analyse von (textuellen) Daten stellt bereits insofern einen Grenzfall empirischen Arbeitens dar, auch wenn sie gegenwärtig im Feld der Sozialwissenschaften noch überwiegt.
- 5.
Namentlich genannte Politiker*innen wurden durch Umcodierungen ebenfalls ihren Parteien zugeordnet und insofern unter diesen Begriffen subsumiert.
- 6.
Die Konnotation von concern als etwas „betreffend“ (so in „concerning“) wurde zuvor auf Grundlage einer Inspektion aller infrage kommenden Statements ausgeschlossen, sodass concern hier tatsächlich im Sinne von „Sorge“ verwendet wird.
- 7.
Bemerkenswert mag erscheinen, dass die Wahlen in allen vier Fällen, in denen die Angststatements in Tendenz und Häufigkeit so weit auseinanderklafften, durch den mit weniger Angstaussagen operierenden Kandidaten gewonnen wurden.
- 8.
Entsprechende Skalierungs- und Klassifizierungsverfahren werden auch unter dem Begriff des „unsupervised machine learning“ (Welbers et al. 2017) erfasst, wobei aber lediglich die Optimierung angesprochen wird.
- 9.
Naheliegend wäre dann die Frage, ob es Sinn ergeben könnte, auch eine traditionale Angst zu konzipieren (und diese durch Erweiterung des semantischen Begriffsfeldes in unsere Analyse einzubeziehen). Dabei ließe sich eine traditionale Angst etwa auf der Ebene von Subjekten (Ängstlichkeit als Persönlichkeitsmerkmal), auf der Ebene von Situationen (Atmosphäre der Unsicherheit), auf der Ebene von Gesellschaften (institutionalisierte Verunsicherung oder securitization) sowie auf der Ebene von Kulturen (vorherrschende Ressentiments) denken.
- 10.
Man denke an das geflügelte Wort „unsere Jungs“ im Irak.
- 11.
Es wird spannend zu beobachten, wie es die über lange Jahre hegemoniale Form der quantitativen Sozialwissenschaft, die sich jüngst unter dem Label „Analytische Soziologie“ reorganisiert hat, schafft, ihre wohlbegründete Kritik an einer Variablensoziologie angesichts der so attraktiven Möglichkeiten von Big Data aufrechtzuerhalten.
Literatur
Altheide, D. L., & Michalowski, R. S. (1999). Fear in the news. The Sociological Quarterly, 40(3), 475–503.
Bauman, Z. (2006). Liquid fear. Cambridge: Polity Press.
Benoit, W. L., & Hansen, G. J. (2004). Presidential debate watching, issue knowledge, character evaluation, and vote choice. Human Communication Research, 30(1), 121–144.
Benoit, W. L., & Wells, W. T. (1996). Candidates in conflict: Persuasive attack and defense in the 1992 presidential debates. Tuscaloosa: University of Alabama Press.
Benzécri, J.-P. (1963/1964). Cours de linguistique mathématique. 3eme et 4eme lecon. Rennes 1963–64. Mimeographed notes available from I.S.U.P. Paris.
Benzécri, J.-P. (1969). Statistical analysis as a tool to make patterns emerge from data. In S. Watanabe (Hrsg.), Methodologies of pattern recognition (S. 35–74). New York: Academic Press.
Benzécri, J.-P. (1979). Pratique de l’analyse des données. Vol 3: Linguistique & lexicologie. Paris: Dunod.
Blei, D. M., Ng, A. Y., & Jordan, M. L. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022.
Bourdieu, P. (1991). Language and symbolic power. Cambridge: Harvard University Press.
Bude, H. (2014). Gesellschaft der Angst. Hamburg: Hamburger Edition.
Dean, D. (2005). Fear, negative campaigning and loathing. The case of the UK election campaign. Journal of Marketing Management, 21(9–10), 1067–1078.
Diaz-Bone, R. (2006). Zur Methodologisierung der Foucaultschen Diskursanalyse. Historical Social Research, 32(2), 243–274.
DiMaggio, P., Nag, M., & Blei, D. (2013). Exploiting affinities between topic modeling and the sociological perspective on culture. Application to newspaper coverage of US government arts funding. Poetics, 41(6), 570–606.
Eckert, J. (2019). Gesellschaft in Angst? Zur theoretisch-empirischen Kritik einer populären Zeitdiagnose. Bielefeld: transcript.
Furedi, F. (2006). Culture of fear revisited. Risk-taking and the morality of low expectation. London: Continuum.
Genet, J. P. (1977). Ordinateur, lexique, contexte. Publications de l’École Française de Rome, 31(1), 297–317.
Guérin-Pace, F. (1998). Textual statistics. An exploratory tool for the social sciences. Population. An English Selection, 10(1), 73–95.
Habermas, J. (1981). Theorie des kommunikativen Handelns. Frankfurt a. M.: Suhrkamp.
Horneber, J. (2016). Die Struktur gesellschaftlicher Konfliktlinien. Eine empirische Analyse des deutschen Parteiensystems (Unveröffentlichte Masterarbeit, Universität Bonn).
Jacobs, T., & Tschötschel, R. (2019). Topic models meet discourse analysis. A quantitative tool for a qualitative approach. International Journal of Social Research Methodology, 22, 469–485.
Laver, M., Benoit, K., & Garry, J. (2003). Extracting policy positions from political texts using words as data. American Political Science Review, 97(2), 311–331.
Luhmann, N. (1993). Soziologische Aufklärung 5. Konstruktivistische Perspektiven (2. Aufl.). Opladen: Westdeutscher Verlag.
Maeße, J. (2013). Das Feld und der Diskurs der Ökonomie. In J. Maeße (Hrsg.), Ökonomie, Diskurs, Regierung. Interdisziplinäre Perspektiven (S. 241–275). Wiesbaden: Springer VS.
Pêcheux, M. (1969). Analyse automatique du discours. Paris: Dunod.
Pêcheux, M. (1995). Automatic discourse analysis. Leiden: Brill.
Phan, X. H., Nguyen, L. M., & Horiguchi, S. (2008). Learning to classify short and sparse text & web with hidden topics from large-scale data collections. Proceedings of the 17th international conference on World Wide Web (S. 91–100). https://doi.org/10.1145/1367497.1367510.
Rabe-Hesketh, S., & Skrondal, A. (2004). Generalized latent variable modeling: Multilevel, longitudinal, and structural equation models. Boca Raton: Chapman and Hall.
Riebling, J. R. (2018). The medium data problem in social science. In C. M. Stuetzer, M. Welker & M. Egger (Hrsg.), Computational social science in the age of big data. Concepts, methodologies, tools, and applications (S. 77–103). Köln: Herbert von Halem.
Schmidt-Wellenburg, C. (2012). Diskursiver Wandel im Fadenkreuz von Wissenssoziologischer Diskursanalyse und Feldanalyse. Der Aufstieg der Managementberatung. In R. Keller & I. Truschkat (Hrsg.), Methodologie und Praxis der Wissenssoziologischen Diskursanalyse. Bd. 1: Interdisziplinäre Perspektiven (S. 451–480). Wiesbaden: Springer VS.
Schmitz, A. (2019). Angstverhältnisse – Angstfunktionen. Angst im Kontext symbolischer Herrschaft und symbolischer Ordnung. In C. Lübke & J. Delhey (Hrsg.), Diagnose Angstgesellschaft? Was wir wirklich über die Gefühlslage der Menschen wissen (S. 77–104). Bielefeld: transcript.
Schmitz, A., & Gengnagel, V. (2018). Zur gesellschaftlichen Positioniertheit und Legimität der Angst. In S. Betzelt & I. Bode (Hrsg.), Angst im neuen Wohlfahrtsstaat. Kritische Blicke auf ein diffuses Phänomen (S. 55–75). Baden-Baden: Nomos.
Schmitz, A., Flemmen, M., & Rosenlund, L. (2018). Social class, symbolic domination, and angst. The example of the Norwegian social space. The Sociological Review, 66(3), 623–644.
Silge, J., & Robinson, D. (2017). Text mining with R: A tidy approach. Sebastopol: O’Reilly.
Slapin, J. B., & Proksch, S. O. (2008). A scaling model for estimating time-series party positions from texts. American Journal of Political Science, 52(3), 705–722.
Towers S., Afzal S., Bernal G., Bliss N., Brown S., Espinoza B., et al. (2015). Mass media and the contagion of fear: The case of Ebola in America. PLoS ONE, 10(6). https://doi.org/10.1371/journal.pone.0129179.
Trilling, D. (2018). Doing computational social science with python: An introduction. Social science research network (SSRN). https://ssrn.com/abstract=2737682. Zugegriffen: 13. März 2020.
Trübner, M., & Mühlichen, A. (2018). Big Data. In J. Blasius & N. Baur (Hrsg.), Handbuch Methoden der empirischen Sozialforschung (S. 143–159). Wiesbaden: Springer VS.
Vijayarani, S., Ilamathi, M. J., & Nithya, M. (2015). Preprocessing techniques for text mining – an overview. International Journal of Computer Science & Communication Networks, 5(1), 7–16.
Weber, M. (1984). Soziologische Grundbegriffe. Tübingen: Mohr Siebeck (Erstveröffentlichung 1921/1922).
Welbers, K., Van Atteveldt, W., & Benoit, K. (2017). Text analysis in R. Communication Methods and Measures, 11(4), 245–265.
Witte, D. (2019). Der Staat und die gelehrigen Körper. Zur politischen Transformation von Subjektivierungsweisen bei Michel Foucault, Norbert Elias und Pierre Bourdieu. In O. Marchart & R. Martinsen (Hrsg.), Foucault und das Politische. Transdisziplinäre Impulse für die politische Theorie der Gegenwart (S. 211–233). Wiesbaden: Springer VS.
Witte, D., & Schmitz, A. (i. V.). Zur Pluralisierung der Feldanalyse. Das Feld der Macht als Feld der Felder. In C. Schneickert, A. Schmitz, & D. Witte (Hrsg.), Das Feld der Macht. Differenzierung – Eliten – Globalisierung. Wiesbaden: Springer VS.
Witte, D., Schmitz, A., & Schmidt-Wellenburg, C. (2018). Geordnete Verhältnisse? Zur Vielfalt und Einheit relationalen Denkens in der Soziologie. Berliner Journal für Soziologie, 27(3–4), 347–376.
Young, J. R. (2003). The role of fear in agenda setting by television news. American Behavioral Scientist, 46(12), 1673–1695.
Yule, G.-U. (1944). The statistical study of literary vocabulary. Cambridge: Cambridge University Press.
Zipf, G.-K. (1935). The psycho-biology of language. An introduction to dynamic philology. Boston: Houghton-Mifflin.
Zou, S. (2018). Emotional news, emotional counterpublic. Unraveling the construction of fear in Chinese diasporic community online. Digital Journalism, 8(2), 1–20.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schmitz, A., Horneber, J. (2020). Die quantitative Analyse textueller Daten. In: Martin, S., Linpinsel, T. (eds) Angst in Kultur und Politik der Gegenwart. Kulturelle Figurationen: Artefakte, Praktiken, Fiktionen. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-30431-7_11
Download citation
DOI: https://doi.org/10.1007/978-3-658-30431-7_11
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-30430-0
Online ISBN: 978-3-658-30431-7
eBook Packages: Social Science and Law (German Language)