Baustein GL Meth API

Baustein: Grundlagen - Methoden - APIs

Quick Links: Home | Konzept Grundlagenveranstaltung | Bausteine

Bezeichnung:

APIs

Veranstaltung:

CCS-Grundlagen

Teilbereich:

Methoden

Bearbeitet von:

Julia Niemann-Lenz

Empfohlenes Studienniveau:

BA

Lernziele:

• Wissen & Verstehen: Begriffe kennen
• grundsätzliche Funktionsweise verstehen
• Optional anwenden

Voraussetzungen:

Grundlegendes Konzept von Datentypen & -strukturen, Forschungsprozess

Querverweise:

Anknüpfung an: Web scraping und Automatische Beobachtung und Sammlung personenbezogener Daten möglich.

Umsetzung: Anwendung: API verwenden

Inhalt:

• Grundlagen APIs (Beispiele, Logik, REST-APIs, Authentifizierung, API-Wrapper)
• XML, JSON
• Übersicht vorhandene APIs

Didaktik:

Es bietet sich die Illustration am konkreten Beispiel z.B. in Kooperation mit einem Praxispartner an. Ein anwendungsorientierter Zugang mit Übungen, beispielsweise das Ausprobieren einer Einfachen API ist wünschenswert. Achtung, praktische Zugänge können recht zeitaufwändig sein!

Zeitbedarf:

• 45-90 min

Lehrmaterialien:

• Kapitel APIs (Unkel 2020)
• Juypter Notebook Tutorial APIs (Niemann-Lenz 2021)
• Datacamp-Kurs Working with Web Data in R

Mögliche Übungen:

• Fragen zu Begriffen
• Eigenrecherche verschiedener APIs:
• Welche gibt es?
• Wie sind die Zugangsvoraussetzungen?
• An welche Daten kommt man?
• Welche kommunikationswissenschaftlichen Fragestellungen lassen sich damit beantworten?
• "Durchklicken” durch ein vorhandenes, dokumentiertes Script
• Durchführen kleiner API-Zugriffe
• Eigenes Daten-Projekt + Beschreibung ("Methodenteil”)

Mögliche Prüfungsleistung:

siehe Übungen

Literatur:

*Munzert, S., Ruoba, C., Meiboner, P., & Nyhuis, D. (2015). Automated data collection with R: A practical guide to Web scraping and text mining. John Wiley & Sons. (Kapitel 9 & 7) *Atteveldt, W., Trilling, D., & Arcila, C. (in Druck). Computational Analysis of Communication: A practical introduction to the analysis of texts, networks, and images with code examples in Python and R. Wiley Blackwell. http://cssbook.net (Kapitel 12)