Abstract

Nachdem es viele Jahre vergleichsweise wenig Entwicklung auf dem Gebiet automatischer Inhaltsanalysen gegeben hat, erleben diese Verfahren in jüngster Zeit geradezu einen Boom in Wissenschaft und Marktforschung. Angesichts des Umfangs an leicht verfügbaren digitalen Dokumenten, sowohl aus (halb-)öffentlicher interpersonaler Kommunikation als auch aus Medienangeboten, scheinen automatische Analyseverfahren nicht nur sehr attraktiv, sondern geradezu alternativlos. In diesem Beitrag werden traditionelle und neuere Ansätze automatischer Inhaltsanalyse vorgestellt sowie deren Vor- und Nachteile gegenüber der manuellen Codierung diskutiert. Dabei zeigt sich, dass man sich als Forschende keineswegs für einen Weg entscheiden muss, sondern sich in vielen Fällen manuelle und automatische Verfahren kombinieren lassen. Allerdings gibt es für viele neuere Ansätze weiterhin kaum fertige Lösungen für die angewandte Forschung.

Schlagwörter

computerunterstützte Inhaltsanalyse (CUI) Computerlinguistik maschinelles Lernen Co-Occurrence-Analyse 

Literaturtipps

  1. Manning, Christopher D. &, Hinrich (1999). Foundations of Statistical Natural Language Processing. Cambridge: MIT Press.Google Scholar
  2. Popping, Roel (2000). Computer-Assisted Text Analysis. London: Sage.Google Scholar
  3. Scharkow, Michael (2012). Automatische Inhaltsanalyse und maschinelles Lernen. Berlin: epubli.Google Scholar

Literatur

  1. Carstensen, Kai-Uwe, Ebert, Christian, Ebert, Cornelia, Jekat, Susanne, Langer, Hagen & Kla- bunde, Ralf (2009). Computerlinguistik und Sprachtechnologie: Eine Einführung. Heidelberg: Springer.Google Scholar
  2. Cutler, Ross, & Davis, Larry (2002). Look who’s talking: Speaker detection using video and audio correlation. Proceedings of the 2000 IEEE International Conference on Multimedia, vol. 3 (S. 1589 - 1592). IEEE.Google Scholar
  3. Deacon, David (2007). Yesterday’s Papers and Today’s Technology: Digital Newspaper Archives and, Push Button’ Content Analysis. European Journal of Communication, 22(1), 5–25.CrossRefGoogle Scholar
  4. DeWeese, L. Carroll (1977). Computer Content Analysis of „Day-Old“ Newspapers: A Feasi- bility Study. Public Opinion Quarterly, 41(1), 91–94.CrossRefGoogle Scholar
  5. Früh, Werner (2007). Inhaltsanalyse: Theorie und Praxis. Konstanz: UVK.Google Scholar
  6. Galliker, Mark, & Herman, Jan (2003). Inhaltsanalyse elektronisch gespeicherter Massendaten der internationalen Presse. Zeitschrift für Medienpsychologie, 15(3), 98–105.CrossRefGoogle Scholar
  7. Grieve, Jack (2007). Quantitative Authorship Attribution: An Evaluation of Techniques. Literary and Linguistic Computing, 22(3), 251–270.CrossRefGoogle Scholar
  8. Grimmer, Justin, & King, Garry (2011). General Purpose Computer-assisted Clustering and Conceptualization. Proceedings of the National Academy of Sciences, 108(7), 2643–2650.Google Scholar
  9. Grimmer, Justin, & Stewart, Brandon (2012). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. http://www.stanford.edu/~jgrimmer/tad2.pdf
  10. Hillard, Dustin, Purpura, Stephen, & Wilkerson, John (2007). Computer-Assisted Topic Classification for Mixed-Methods Social Science Research. Journal of Information Technology & Politics, 4(4), 31–46.CrossRefGoogle Scholar
  11. Holmes, David (1998). The Evolution of Stylometry in Humanities Scholarship. Literary and Linguistic Computing, 13(3), 111–117.Google Scholar
  12. Hotho, Andreas, Nürnberger, Andreas, & Paaß, Gerhard (2005). A Brief Survey of Text Mining. LDV Forum - GLDV Journal for Computational Linguistics and Language Technology, 20(1), 19–62.Google Scholar
  13. Kercher, Jan (2010). Zur Messung der Verstandlichkeit deutscher Spitzenpolitiker anhand quantitativer Textmerkmale. In Thorsten Faas, Kai Arzheimer & Sigrid Rosteutscher (Hrsg.), Information – Wahrnehmung – Emotion: Politische Psychologie in der Wahl- und Einstellungsforschung (S. 97–121). Wiesbaden: VS.CrossRefGoogle Scholar
  14. Landmann, Juliane, & Züll, Cornelia (2004). Computerunterstützte Inhaltsanalyse ohne Dik- tionär? Ein Praxistest. ZUMA-Nachrichten, 54, 117–140.Google Scholar
  15. Landmann, Juliane, & Züll, Cornelia (2008). Identifying Events Using Computer-Assisted Text Analysis. Social Science Computer Review, 26(4), 483–497.Google Scholar
  16. Monroe, Burd L. & Schrodt, Philip A. (2008). Introduction to the Special Issue: The Statistical Analysis of Political Text. Political Analysis, 16(4), 351–355.Google Scholar
  17. Osgood, Charles (1959). The representational model and relevant research methods. In Iithiel de Sola Pool (Hrsg.) Trends in content analysis (S. 33–88). Urbana: University of Illinois Press.Google Scholar
  18. Pang, Bo, & Lee, Lilian (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1–135.CrossRefGoogle Scholar
  19. Quinn, Kevin M., Monroe, Burd L., Colaresi, Michael, Crespin, Michael H. &, Drago- mir R. (2010). How to Analyze Political Attention with Minimal Assumptions and Costs. American Journal of Political Science, 54(1), 209–228.Google Scholar
  20. Raupp, Juliana, & Vogelgesang, Jens (2009). Medienresonanzanalyse: Eine Einführung in Theorie und Praxis. Wiesbaden: VS.Google Scholar
  21. Roberts, Carl W. (2000). A Conceptual Framework for Quantitative Text Analysis. Quality and Quantity, 34(3), 259–274.CrossRefGoogle Scholar
  22. Rossler, Patrick (2010). Das Medium ist nicht die Botschaft. In Martin Welker & Carsten WuÌnsch (Hrsg.), Die Online-Inhaltsanalyse (S. 31–43). Köln: von Halem.Google Scholar
  23. Rössler, Patrick & Wirth, Werner (2001). Inhaltsanalysen im World Wide Web. In Werner Wirth & Edmund Lauf (Hrsg.), Inhaltsanalyse. Perspektiven, Probleme, Potentiale (S. 280 - 302). Köln: von Halem.Google Scholar
  24. Scharkow, Michael (2010). Lesen und lesen lassen. Zum State of the Art automatischer Textanalyse. In Martin Welker & Carsten WuÌnsch (Hrsg.), Die Online-Inhaltsanalyse (S. 340–364). Köln: von Halem.Google Scholar
  25. Scharkow, Michael (2012). Automatische Inhaltsanalyse und maschinelles Lernen. Berlin: epubli.Google Scholar
  26. Schrodt, Philip (2011). Automated high-volume production of near-real time event data. Paper presented at the New Methodologies Conference, Princeton University, February 2011.Google Scholar
  27. De Sola Pool, Iithiel (1959). Trends in content analysis: Papers of the Work Conference on Content Analysis of the Committee on Linguistics and Psychology. Urbana: University of Illinois Press.Google Scholar
  28. Stone, Philip (1997). Thematic text analysis: New agendas for analyzing text content. In Carl W. Roberts (Hrsg.), Text analysis for the social sciences: Methods for drawing statistical inferences from texts and transcripts (S. 35–54). Mahwah: Lawrence Erlbaum Associates.Google Scholar
  29. Stone, Philip, Dunphy, Dexter, Smith, Marshall & Ogilvie, Daniel (1966). The general inquirer: A computer approach to content analysis. Cambridge: The MIT Press.Google Scholar
  30. van Atteveldt, Wouter (2008). Semantic network analysis: Techniques for extracting, representing, and querying media content. Charleston: BookSurge Publishers.Google Scholar
  31. van Cuilenburg, Jan J., Kleinnijenhuis, Jan & de Ridder, Jan A. (1988). Artificial Intelligence and Content Analysis. Quality and Quantity, 22(1), 65–97.Google Scholar
  32. West, Mark (2001). The future of computer content analysis: trends, unexplored lands, and speculations. In Mark West (Hrsg.), Theory, method, and practice in computer content analysis, vol. 16, (S. 159–75). Westport: Greenwood.Google Scholar
  33. Wirth, Werner (2001). Der Codierprozeß als gelenkte Rezeption. Bausteine für eine Theorie des Codierens. In Werner Wirth & Edmund Lauf (Hrsg.), Inhaltsanalyse: Perspektiven, Probleme, Potentiale (S. 157- 182). Köln: von Halem.Google Scholar
  34. Xu, Min, Maddage, Kankanhalli, Mohan, & Tian, Qi (2003). Creating audio keywords for event detection in soccer video. Proceedings of the 2003 International Conference on Multimedia, vol. 2. IEEE.Google Scholar
  35. Züll, Cornelia & Alexa, Melina (2001). Automatisches Codieren von Textdaten. Ein Überblick über neue Entwicklungen. In Werner Wirth & Edmund Lauf (Hrsg.), Inhaltsanalyse - Perspektiven, Probleme, Potenziale (S. 303-317). Köln: von Halem.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2013

Authors and Affiliations

  • Michael Scharkow

There are no affiliations available

Personalised recommendations