Skip to content

Baustein NW Erhebung Quellen

Jump to bottom
Martin Wettstein edited this page Aug 17, 2021 · 1 revision

Baustein: Netzwerkanalyse - 3A: Datenquellen und Implementation

Quick Links: Home | Konzept Netzwerkanalyse | Bausteine

Bezeichnung:

Datenquellen und Implementation

Veranstaltung:

Netzwerkanalyse

Teilbereich:

Grundbegriffe und Graph Theory

Bearbeitet von:

Empfohlenes Studienniveau:

Lernziele:

  • Studierende wissen, wie Netzwerkdaten aus Inhalten und über Befragungen gewonnen werden. Sie kennen Methoden und Tools zur Erhebung von Netzwerkdaten.
  • Studierende entwickeln ein Bewusstsein für Vorteile (z.B. technisch niedrige Voraussetzungen, Verfügbarkeit nicht beobachtbarer Daten) und Nachteile (z.B. Probleme beim Recall, soziale Erwünschtheit, Kosten) von Befragungen zur Erhebung von Netzwerken, können Ideen entwickeln und Befragungen konzipieren (z.B. mit Hilfe von Netzwerk- und Namensgeneratoren).
  • Die Studierenden erkennen das Potenzial und die Gefahren der Erfassung von in-Person Netzwerken für Forschung mit Medienbezug. Sie sind in der Lage Forschungsideen mithilfe von Orts-/Nähe-Sensoren mit Medien- und Kommunikationsbezug herstellen. Sie können Theorien entwickeln, wie mit sog. Big Data scheinbar verborgene Interessen aus Bewegungs und Begegnungsdaten abgeleitet werden können.
  • In diesem Modul sollen die Studierenden anhand der Dokumentation von gängigen Programmierschnittstellen, abhängig vom technischen Kompetenzlevel, mindestens ein Gefühl für die Möglichkeiten, präzises Wissen einzelner Endpunkte einer Plattform-API, oder sogar die Fähigkeit eine odere mehrere dieser APIs zur Erhebung von Netzwerkdaten zu nutzen, erwerben. Gleichzeitig soll ein Bewusstsein für die Daten-Verknappung, die Datenschutz- und Privatsphäreimplikationen und die Verwertung dieser Zugänge durch Plattformen geschaffen werden.

Für fortgeschrittene Studierende:

  • Die Studierenden haben ein Verständnis für Vorteile (z.B. Flexibilität, Zugänglichkeit) sowie Nachteile und Probleme (z.B. rechtliche Fragen, Zugangsbeschränkungen, ethische Probleme, Instabilität der Datengrundlage, technischer Aufwand). In besonders fortgeschrittenen Kursen erlangen sie die Fähigkeit, unstrukturierte Netzwerkdaten zu erheben und in strukturierte Formate zu überführen.
  • Die Studierenden kennen eine oder mehrere Datenbanken für Netzwerkdaten und erlangen die Fähigkeit, für sie relevante Daten auszuwählen und mittels explorativer Datenanalyse auf ihre Eignung und Qualität zu prüfen.

Voraussetzungen:

Querverweise:

Inhalt:

Dieser Teil bietet sich, je nach Kursgröße, zur individuellen Selbsterarbeitung, oder zur Erarbeitung in Projektgruppen an. Die Arbeit sollte über einige Lesevorschläge in einer eigenen Literaturrecherche und Projektentwürfen münden. Steht besonders viel Zeit zur Verfügung, oder sind die Studierenden besonders kompetent, kann auch die Machbarkeit des Sampling-Vorhabens mit Proof-of-Concept-Experimenten geprüft werden. Die Studierenden können ihre Ergebnisse, je nach Kursform, als Präsentation oder schriftliche Arbeit festhalten.

  • Befragungen: Eine der ältesten Methoden, die immer noch Anwendung finden in der Netzwerkforschung, sind Befragungen. Diese können aggregierte Netzwerkdaten erheben (z.B. “Wie viele Menschen mit Migrationshintergrund haben Sie in ihrem Freundeskreis?”) oder detaillierte Netzwerkdaten erheben (z.B. “Nennen Sie die drei Arbeitskollegen mit denen sie in der letzten Woche am meisten telefoniert haben.”). Diese können für die Medienforschung immer noch von großer Relevanz sein, speziell in der Untersuchung von sogenannten Dark Social Media (z.B. private Messenger).
  • Automatische Erfassung von In-Person-Netzwerken: Früher exotischer, ist die Sensor- und/oder Metadaten-gestützte Erfassung von in-Person-Netzwerken 2020/21 jedem bekannt geworden durch das Tracking von Begegnung durch die Corona-App, Luca und weitere Kontakt-Tracking-Apps. Doch ist sie längst Teil des Alltags vieler Menschen, etwa am Arbeitsplatz, und es kann auch ein Medienbezug hergestellt werden, z.B. durch die Auswertung von GPS Bewegungs-Daten, etwa zum Tracking von Werbeeindrücken durch Außenwerbung oder die Abschätzung von Mund-zu-Mund Verbreitung von Medieninhalten durch Verknüpfung von GPS oder Veranstaltungs-Daten mit Anfragen bei Suchmaschinen.
  • API: APIs von sozialen Onlinenetzwerken, Wissens-, Medien- und Personenplattformen sind heutzutage oft die naheliegendste Idee zur Erhebung von Netzwerkdaten. Nichtsdestotrotz können viele nicht genau benennen, was diese Programmierschnittstellen sind und wer sie wie und in welchem Umfang nutzen kann.

Für Fortgeschrittene Studierende:

  • Web-Scraping: Dieses Modul macht wohl meist nur Sinn, wenn bei den Studierenden bereits Programmierkenntnisse vorausgesetzt werden können. Web-Scraping und Crawling wird oft mit der Erhebung von Daten via APIs in einen Topf geworfen, hat allerdings ganz eigene Probleme und Vorteile.
  • Datenbanken: Gerade in den Netzwerkwissenschaften spielt die Sekundärnutzung von Daten eine maßgebliche Rolle, auch da große, valide und/oder repräsentative Daten so schwer zu erheben sind. Auch diese Einheit bietet sich v.a. für Studierende mit bestehenden Programmierkenntnissen an.

Didaktik:

Zeitbedarf:

Lehrmaterialien:

Beispieltexte:

Mögliche Übungen:

Mögliche Prüfungsleistung:

Literatur:

Diese Wiki und die enthaltenen Bausteine für Vorlesungsinhalte wurden für und von Dozierenden der Methoden in der Kommunikationswissenschaft zusammengestellt. Für aktuelle Ergänzungen, insbesondere in den Bereichen Literatur und Lehrmaterialien sind wir jederzeit dankbar.

Clone this wiki locally