Skip to main content

Analyse qualitativer Daten mit dem „Leipzig Corpus Miner“

Zusammenfassung

Der Leipzig Corpus Miner (LCM) ist eine Webanwendung, die verschiedene Text Mining-Verfahren für die Analyse großer Mengen qualitativer Daten bündelt. Durch eine einfach zu bedienende Benutzeroberfläche ermöglicht der LCM Volltextzugriff auf 3,5 Millionen Zeitungstexte, die nach Suchbegriffen und Metadaten zu Subkollektionen gefiltert werden können. Auf dem Gesamtdatenbestand sowie auf den Subkollektionen können verschiedene computergestützte Auswertungsverfahren angewendet und zu Analyseworkflows kombiniert werden. Damit ermöglicht der LCM die empirische Analyse sozialwissenschaftlicher Fragestellungen auf Basis großer Dokumentkollektionen, wobei qualitative und quantitative Analyseschritte miteinander verschränkt werden können. Dieser Artikel gibt einen Überblick über die Analysekapazitäten und mögliche Workflows zur Anwendung des LCM.

Abstract

The Leipzig Corpus Miner (LCM) is a text mining infrastructure which integrates a wide range of computer-assisted text analysis technologies. Via a user-friendly web interface the LCM provides full text access to more than 3.5 million German newspaper documents which can be retrieved by key terms or filtered by meta-data to generate thematically coherent sub-collections. On such sub-collections, a variety of analysis algorithms can be applied – either as single process or integrated into a more complex workflow of multiple analysis steps. In providing such workflows the LCM enables qualitatively oriented social scientists to approach their research questions by analysis of text in new ways. The application of corpus linguistic, lexicometric measures and machine learning algorithms on large document sets enables them to combine qualitative and quantitative perspectives on their data. The article provides an overview of linguistic preprocessing, text analysis capabilities and possible workflows of the LCM.

This is a preview of subscription content, access via your institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-658-07224-7_3
  • Chapter length: 26 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   49.99
Price excludes VAT (USA)
  • ISBN: 978-3-658-07224-7
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Softcover Book
USD   64.99
Price excludes VAT (USA)

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  • Bordag, Stefan, 2008: A Comparison of Co-Occurrence and Similarity Measures as Simulations of Context. In: Alexander Gelbukh (Hg.), Computational Linguistics and Intelligent Text Processing, Bd. 4919, Berlin, 52–63; http://dx.doi.org/10.1007/978-3-540-78135-6_5, 09.04.2015.

  • Blei, David M., 2012: Probabilistic topic models. In: Communications of the ACM 55, 77–84.

    CrossRef  Google Scholar 

  • Burzan, Nicole, 2015: Rezension: Udo Kuckartz (2014). Mixed Methods. Methodologie, Forschungsdesigns und Analyseverfahren. In: Forum Qualitative Sozialforschung / Forum:Qualitative Social Research 16; http://nbn-resolving.de/urn:nbn:de:0114-fqs1501160, 03.02.2015.

  • Heyer, Gerhard / Quasthoff, Uwe / Wittig, Thomas, 2006: Text Mining: Wissensrohstoff Text – Konzepte, Algorithmen, Ergebnisse, Bochum.

    Google Scholar 

  • Hopkins, Daniel J. / King, Gary, 2010: A Method of Automated Nonparametric Content Analysis for Social Science. In: American Journal for Political Science 54, 229–247.

    CrossRef  Google Scholar 

  • Joachims, Thorsten, 1998: Text Categorization with Support Vector Machines: Learning with Many Relevant Features; http://www.cs.cornell.edu/people/tj/publications/joachims_98a.pdf, 20.01.2015.

  • Kuckartz, Udo, 2014 (Hg.): Mixed Methods. Methodologie Forschungsdesigns und Analyseverfahren. Wiesbaden.

    Google Scholar 

  • Lazer, David / Pentland, Alex / Adamic, Lada / Aral, Sinan / Barabási, Albert-László / Brewer, Devon / Christakis, Nicholas / Contractor, Noshir / Fowler James / Gutman, Myron / Jebara, Tony / King, Gary / Macy, Michael / Roy, Deb / Van Alstyne, Marshall, 2009: Computational Social Science. In: Science 323, 721–723; DOI: 10.1126/science. 1167742, 09.04.2015.

    CrossRef  Google Scholar 

  • Lemke, Matthias / Niekler, Andreas / Schaal, Gary S. / Wiedemann, Gregor, 2015: Content Analysis between Quality and Quantity. Fulfilling Blended-Reading Requirements for the Social Sciences with a Scalable Text Mining Infrastructure. In: Datenbank Spektrum; DOI: 10.1007/s13222-014-0174-x, 09.04.2015

    Google Scholar 

  • Lemke, Matthias / Stulpe, Alexander, 2015: Text und soziale Wirklichkeit. Theoretische Grundlagen und empirische Anwendung durch Text Mining Verfahren am Beispiel des Bigrams ‚soziale Marktwirtschaft‘. In: Zeitschrift für Germanistische Linguistik 43, 52–83.

    Google Scholar 

  • Niekler, Andreas / Wiedemann, Gregor / Heyer, Gerhard, 2014: Leipzig Corpus Miner – A Text Mining Infrastructure for Qualitative Data Analysis. In: Terminology and Knowledge Engineering 2014.

    Google Scholar 

  • Settles, Burr, 2010: Active Learning Literature Survey; http://burrsettles.com/pub/settles.activelearning.pdf, 28.01.2015.

  • Turney, Peter D. / Pantel, Patrick, 2010: From Frequency to Meaning: Vector Space Models of Semantics. In: Journal of Artificial Intelligence Research 37, 141–188; http://www.jair.org/media/2934/live-2934-4846-jair.pdf, 17.05.2014.

    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; http://nbn-resolving.de/urn:nbn:de:0114-fqs1302231, 09.04.2015.

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Gregor Wiedemann .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and Permissions

Copyright information

© 2016 Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Wiedemann, G., Niekler, A. (2016). Analyse qualitativer Daten mit dem „Leipzig Corpus Miner“. In: Lemke, M., Wiedemann, G. (eds) Text Mining in den Sozialwissenschaften. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-07224-7_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-07224-7_3

  • 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)