| Literatur |
Eder, Andreas, und Tobias Brosch. 2017. „Emotion“. In Allgemeine Psychologie, hrsg. Jochen Müsseler und Martina Rieger. Berlin, Heidelberg: Springer Berlin Heidelberg, 185–222. doi:10.1007/978-3-642-53898-8_7.
Grimmer, J., Roberts, M. E., & Stewart, B. M. (2022). Text as data : a new framework for machine learning and the social sciences. Princeton University Press.
Redlawsk, David P., und Kyle Mattes. 2022. „Emotions and Politics“. In The Cambridge Handbook of Political Psychology, Cambridge Handbooks in Psychology, hrsg. Danny Osborne und Chris G. Sibley. Cambridge: Cambridge University Press, 139–58. doi:10.1017/9781108779104.010 |
| Bemerkung |
Liebe Studierende,
Haben Sie sich auch schonmal gefragt, warum manche Diskurse so emotional geführt werden? Warum Menschen sich anschreien, welche Rolle Hoffnung in sozialen Bewegungen spielt, warum es Homo"phobie" heißt und warum online manchmal alle Grenzen fallen?
In diesem Seminar werden wir solchen Fragestellungen nachgehen und untersuchen, welche Rolle Emotionen in der Bewertung politischer Inhalte spielen und wie sich diese in Online-Kommunikation zu politischen Themen ausdrücken. Wir werden dabei untersuchen, über welche Themen Menschen sprechen, wie sie sprechen welche Emotionen sie dabei ausdrücken.
Forschungsfragen die Sie am Ende dieses Methodenanwendungsseminares beantworten werden, könnten etwa "Wie unterscheidet sich die Reaktion von Nutzer*innen auf politische Inhalte zwischen alternativen und etablierten Medien?", "Welche Gründe für und gegen den US-Militäreinsatz im Iran diskutieren Zuschauer konservativer US-Medien?" oder "Welche Emotionen rufen Politiker*innen der Gegenseite bei US-Demokraten und Republikanern hervor?".
Wir werden diese und andere Fragen mithilfe quantitativer Textanalysemethoden in der Programmiersprache Python beantworten. Wir werden nutzergenerierte Textdaten / Kommentare der größten Videoplattform YouTube automatisiert erheben, aufbereiten und mit Techniken wie Sentimentanalyse, Topic-Modelling und Emotionsklassifikation durch moderne Machine Learning Algorithmen wie BERT / RoBERTa oder Large Language Models (LLMs) analyisieren.
Sie bennötigen keinerlei Vorkenntnisse im Programmieren, sollten aber lernbereit und interessiert sein! Sie ist ein erfolgreicher Abschluss von Conrad Zillers Vorlesungen hilfreich!
Hinweise:
Diese Veranstaltung findet in Präsenz und über zwei Semester statt. Bitte melden Sie sich nur an, wenn Sie auch wirklich teilnehmen wollen und die folgenden "Spielregeln" einhalten können. Ansonsten lassen Sie bitte Platz für ihre Komilliton*Innen. Das Seminar ist anspruchsvoll und erfordert aktive Teilnahme und regelmäßige Sitzungsvorbereitung. Es gillt dabei eine Anwesenheitspflicht. Wenn Sie eine Sitzung verpassen, muss eine Ersatzleistung eingereicht werden, damit sichergestellt werden kann, dass Sie dem Stoff weiterhin folgen können. Insbesondere im methodischen Teil ist es sonst kaum möglich, dem Seminar zu folgen. Zur Teilnahme bennötigen Sie einen eigenen Laptop (kein Tablet!) auf dem Python und die Anaconda-Umgebung lauffähig sind. Falls Sie keinen eigenen Laptop haben und dennoch teilnehmen wollen, können Sie sich bei der Universität ein Leihgerät besorgen. Bitte schreiben Sie mir unter paul.gies@uni-due.de spätestens zwei Wochen vor der ersten Sitzung eine Mail um den Ausleih rechtzeitig zu organisieren.
Lernziele:
Am Ende des zweisemestrigen Kurses können Sie...
- die psychologischen Grundlagen von Emotionen sicher wiedergeben.
- theoretisch darlegen, wie Emotionen politische Einstellungen beeinflussen.
- Forschungsergebnisse benennen, die Emotionen in aktuellen politischen Debatten unteresuchen.
- Ethische Probleme im Umgang mit digitalen Spurendaten verstehen und bewerten.
- eigene Programme in der Programmiersprache Python schreiben.
- Daten über die APIs (Application Programming Interfaces) von Plattformen downloaden und nutzbar machen.
- simple deskriptive Textanalysen mithilfe von Worthäufigkeiten durchführen.
- grafischen Textanalysen mittels Wortwolken erstellen.
- statistische Kennzahlen mithilfe von gängigen Visualisierungen darstellen (Boxplots, Histogramme, Balkendiagramme, Streudiagramme)
- mithilfe von Sentimentanalyse die Tonalität in großen Textkorpora automatisiert bewerten
- große Mengen Textdaten thematisch mittels Topic Modelling gruppieren.
- Textdaten auf ihre Emotionalität mittels Klassfikationsalgorithmen wie ROBERTa analyiseren.
- die Ergebnisse von ML-Algorithmen mittels Maßzahlen wie F1-Score bewerten.
- Mithilfe von LLMs eigene Klassifikationen vornehmen.
- ein eigenes Forschungsprojekt basierend auf der Analyse von nutzergenerierten Textdaten durchführen.
Sie sollten diesen Kurs wählen, wenn...
- sie interessiert an modernen Analyseverfahren in der Politikwissenschaft sind.
- arbeitsmarktrelevante Fähigkeiten wie den Umgang mit Python erlernen wollen.
- daran interessiert sind, unkonventionelle Datenquellen politikwissenschaftlich zu erschließen.
- Interesse am Thema Emotionen in der Politik haben.
Dieser Kurs wird mit 10 ECTS bepunktet. Um diese zu erreichen sind neben der aktiven Teilnahme und Vorbereitung der Sitzungen zwei Prüfungsleistungen zu erbringen:
- Ein (unbenoteter) wissenschaftlicher Podcast, den Sie zu zweit aufnehmen (erstes Semester).
- Eine benotete Abschlussarbeit (zweites Semester).
|
