Digitale Methoden für qualitative Forschung

Text Mining und Topic Modeling, Netzwerkanalyse, Sentiment Analyse, Visualisierungen oder digitales Annotieren: Computationelle Methoden sind auch in der qualitativen Forschung angekommen. Sie können Forschungsprozesse unterstützen und erweitern. Der Band zeigt in verständlicher Form mit konkreten Lösungen auf, welche Verfahren für welche Analyseschritte geeignet sind. Dafür werden auch Möglichkeiten der digitalen Datenerhebung sowie Grundkenntnisse der Digital Literacy vermittelt. In einem Glossar sind hilfreiche (open source) Software, Online-Portale und Datenrepositorien gebündelt. Übungsaufgaben ermöglichen die praktische Anwendung des Grundlagenwissens. Studierende und Forschende können auf Basis des Bandes selbstständig digitale Daten und Verfahren zielgenau verstehen, anwenden und hinterfragen.

Dr. phil. Lina Franken ist Professorin für Digital Humanities in den Kulturwissenschaften an der Universität Vechta. Zuvor vertrat sie die Professur für Soziologie mit dem Schwerpunkt Computational Social an der LMU München. Sie koordinierte das Digital-Humanities-Projekt "Automatisierte Modellierung hermeneutischer Prozesse" an der Universität Regensburg und promovierte 2017 in der Vergleichenden Kulturwissenschaft in Regensburg zu Unterrichten als Beruf. Akteure, Praxen und Ordnungen in Schulbildung".

1. Einleitung: Digitale Methoden in der qualitativen Forschung 9 2. Grundlagen und Entwicklungslinien 19 2 1 Digital Humanities und Computational Social Sciences als Querschnittsaufgaben 19 2 2 Digitale Grundkenntnisse: Datenethik und Datenschutz 29 2 3 Computationelles Denken und Modellieren in den Geistes-, Sozial- und Kulturwissenschaften 38 2 4 Der Forschungsprozess und seine Erweiterungen mit digitalen Methoden 48 2 5 Die Relevanz von digitalen Daten, Software und Programmiercode für qualitative Forschung 58 3. Digitale Datentypen 62 3 1 Erzeugte und vorgefundene Daten im Vergleich 66 3 2 Textdaten 71 3 3 Bild- und audiovisuelle Daten 77 3 4 Social-Media-Daten 84 3 5 Trace Data 96 4. Digitale Daten finden und speichern 101 4 1 Webcrawling und Scraping 108 4 2 Application Programming Interfaces und deren Nutzung mit Software 112 4 3 Datenbanken I: Archivdaten und kulturelles Erbe 118 4 4 Datenbanken II: Forschungsdaten 121 4 5 Normdaten und Vokabulare, Standards und Metadaten 123 4 6 Aufbereitung von digitalen Daten für die eigene Analyse 129 5. Digitale Analyseverfahren 142 5 1 Überblick 145 5 2 Natural Language Processing 152 5 3 Text-Mining-Verfahren 158 5 4 Topic Modeling 166 5 5 Annotieren 172 5 6 Netzwerkanalysen 176 5 7 Sentimentanalyse 182 5 8 Visualisierungen und Aufbereitungen 185 5 9 Digitale Ethnografie als Alternative oder Ergänzung 196 6. Den Forschungsprozess digital unterstützen 201 6 1 Kollaboratives Forschen 202 6 2 Literatur verwalten 204 6 3 Organisationsprozesse strukturieren und begleiten, Ergebnisse präsentieren 207 7. Programmieren lernen? 211 8. Grenzen digitaler Daten und Verfahren 216 9. Zusammenfassung und Ausblick 225 10. Literatur 230 11. Glossar: Software und Repositorien 247 11 1 Repositorien mit nachnutzbaren Datensätzen 248 11 2 Finden und Aufbereiten digitaler Daten 254 11 3 Digitale Analysetools 262 11 4 Tools für Text Mining 264 11 5 Visualisierungstools 268 11 6 Unterstützungstools im Forschungsprozess 270 11 7 Andere Zusammenstellungen von Tools und Verfahren 275 11 8 Lernressourcen für Programmiersprachen 278