Element 68Element 45Element 44Element 63Element 64Element 43Element 41Element 46Element 47Element 69Element 76Element 62Element 61Element 81Element 82Element 50Element 52Element 79Element 79Element 7Element 8Element 73Element 74Element 17Element 16Element 75Element 13Element 12Element 14Element 15Element 31Element 32Element 59Element 58Element 71Element 70Element 88Element 88Element 56Element 57Element 54Element 55Element 18Element 20Element 23Element 65Element 21Element 22iconsiconsElement 83iconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsiconsElement 84iconsiconsElement 36Element 35Element 1Element 27Element 28Element 30Element 29Element 24Element 25Element 2Element 1Element 66
SCAN – Systematische Inhaltsanalyse von Nutzerkommentaren für Journalisten

SCAN – Systematische Inhaltsanalyse von Nutzerkommentaren für Journalisten

Journalistische Redaktionen sind mit einer zunehmenden Menge von Publikumsfeedback, beispielsweise in Foren, Kommentarbereichen und Social Media konfrontiert. Allein die Menge an Kommentaren und anderen Rückmeldungen aus dem Publikum stellt Redaktionen vor enorme Herausforderungen. Ein Großteil der Anstrengungen konzentriert sich bisher auf die Schattenseiten dieser Entwicklung: das Herausfiltern von Spam, Hate Speech oder propagandaverdächtigen Inhalten. Das SCAN-Projekt in Zusammenarbeit mit Prof. Dr. Walid Maalej und seinem Team von der Informatik der Universität Hamburg verfolgt demgegenüber einen konstruktiven Ansatz und will Journalistinnen dabei unterstützen, „journalistischen Sinn“ aus Nutzerkommentaren zu ziehen – für die eigene Arbeit, aber auch für das Publikum selbst. So sollen z. B. hilfreiche Kommentare schneller aufzufinden oder auch unterschiedliche Meinungen zu einem Thema zu identifizieren sein. Dr. Wiebke Loosen und Lisa Merten stellen die interdisziplinäre Kooperation im 15. Bredowcast vor.
 
mehr anzeigen

Projektbeschreibung

Im Zuge der Transformation der öffentlichen Kommunikation im digitalen Zeitalter sind Journalisten mit einer zunehmenden Menge von Publikumsfeedback, beispielsweise in Foren, Kommentarbereichen und Social Media konfrontiert. In vordigitalen Zeiten blieb diese Anschlusskommunikation des Publikums über massenmediale Inhalte jenseits des Leserbriefes größtenteils unsichtbar. Heute sind die Äußerungen der „people, formerly known as the audience“ (Jay Rosen) für Journalisten aber auch andere Nutzer sichtbarer, was die Wahrnehmung und Verarbeitung des Feedbacks durch Journalisten und ihr Publikum grundlegend ändert. Für die meisten (Online-)Nachrichtenredaktionen sind Kommentarbereiche oder andere Feedbackmöglichkeiten obligatorisch. Allerdings variieren die Arten der Gestaltung dieser Resonanzräume, der Einbindung der Nutzer und auch der Verwendung des Feedbacks für die eigene journalistische Arbeit mitunter deutlich – nicht zuletzt, weil die manuelle Bearbeitung von Publikumsrückmeldungen durch Journalisten oder Social-Media-Redakteure sehr zeitintensiv, eine vollautomatische Analyse jedoch teuer und fehleranfällig ist. Im Rahmen des Projekts soll daher in Zusammenarbeit mit dem Fachbereich Informatik an der Universität Hamburg ein Softwaresystem entwickelt werden, das Journalisten beim Analysieren, Filtern und Zusammenfassen von nutzergenerierten Inhalten unterstützt. Durch eine systematische, semi-automatisierte Analyse von Publikumsfeedback sollen die Stimme(n) der Nutzer besser abgebildet und Journalisten bei der Generierung von neuen Inhalten aus Publikumsbeiträgen unterstützt werden. Im Rahmen des zu entwickelnden Systems können Journalisten z. B. auch Stichproben aus Kommentaren ziehen, Fragen an dieses Material entwickeln und „menschliche Kodierer“ aus der Crowd mit deren Beantwortung beauftragen. Das Softwaresystem nutzt Techniken des maschinellen Lernens und der automatischen Sprachverarbeitung in Kombination mit manuellen Inhaltsanalysen (Peer Coding) und Crowdsourcing. Es wird Spam automatisch herausfiltern, zwischen Lob und Kritik unterscheiden sowie Kommentare in flexible Kategorien gruppieren können.Darüber hinaus soll es möglich sein, dass Journalisten spezielle Auswertungen von Kommentaren vornehmen, beispielsweise um abzubilden, wie viele Nutzer einer Position zustimmen bzw. diese ablehnen. Die Anforderungen an ein solches System werden im Verlauf des Projekts gemeinsam mit Journalist(inn)en weiter spezifiziert, und es wird im Rahmen eines konkreten Anwendungsfalls mit einer großen deutschen Nachrichtensite getestet. Bearbeiterinnen: W. Loosen, L. Merten, J. Reimer, L. von Roessel Kooperationspartner: Prof. Dr. Walid Maalej, Universität Hamburg Drittmittelgeber: Google Computational Journalism Research Programme Ein Outcome hätte ich auch schon anzubieten: Loosen, W. (2016): The paradoxical relationship between journalism and its audience – or: How to make sense of user-generated content? Eingeladener Vortrag am Institut für Wirtschaftsinformatik der WWU Münster am 3. Mai 2016. ********

Im Zuge der Transformation der öffentlichen Kommunikation im digitalen Zeitalter sind Journalisten mit einer zunehmenden Menge von Publikumsfeedback, beispielsweise in Foren, Kommentarbereichen und Social Media konfrontiert. In vordigitalen Zeiten blieb diese Anschlusskommunikation des Publikums über massenmediale Inhalte jenseits des Leserbriefes größtenteils unsichtbar. Heute sind die Äußerungen der „people, formerly known as the audience“ (Jay Rosen) für Journalisten aber auch andere Nutzer sichtbarer, was die Wahrnehmung und Verarbeitung des Feedbacks durch Journalisten und ihr Publikum grundlegend ändert.

Für die meisten (Online-)Nachrichtenredaktionen sind Kommentarbereiche oder andere Feedbackmöglichkeiten obligatorisch. Allerdings variieren die Arten der Gestaltung dieser Resonanzräume, der Einbindung der Nutzer und auch der Verwendung des Feedbacks für die eigene journalistische Arbeit mitunter deutlich – nicht zuletzt, weil die manuelle Bearbeitung von Publikumsrückmeldungen durch Journalisten oder Social-Media-Redakteure sehr zeitintensiv, eine vollautomatische Analyse jedoch teuer und fehleranfällig ist.

Im Rahmen des Projekts soll daher ein Softwaresystem entwickelt werden, das Journalisten beim Analysieren, Filtern und Zusammenfassen von nutzergenerierten Inhalten unterstützt. Durch eine systematische, semi-automatisierte Analyse von Publikumsfeedback sollen die Stimme(n) der Nutzer besser abgebildet und Journalisten bei der Generierung von neuen Inhalten aus Publikumsbeiträgen unterstützt werden. Im Rahmen des zu entwickelnden Systems können Journalisten Stichproben aus Kommentaren ziehen, Fragen an dieses Material entwickeln und „menschliche Kodierer“ aus der Crowd mit deren Beantwortung beauftragen.

Das Softwaresystem nutzt Techniken des maschinellen Lernens und der automatischen Sprachverarbeitung in Kombination mit manuellen Inhaltsanalysen (Peer Coding) und Crowdsourcing. Es wird Spam automatisch herausfiltern, zwischen Lob und Kritik unterscheiden sowie Kommentare in flexible Kategorien gruppieren können.

Darüber hinaus können Journalisten Zusammenfassungen der Kommentare erstellen, beispielsweise um abzubilden, wie viele Nutzer einer Position zustimmen bzw. diese ablehnen. Die Anforderungen an ein solches System werden im Verlauf des Projekts gemeinsam mit Journalisten weiter spezifiziert, und es wird im Rahmen eines konkreten Anwendungsfalls mit einer großen deutschen Nachrichtensite getestet.

Infos zum Projekt

Überblick

Laufzeit: 2015-2016

Forschungsprogramm:
FP1 - Transformation öffentlicher Kommunikation

Drittmittelgeber

Google Computational Journalism Research Programme

Ansprechpartner

Prof. Dr. Wiebke Loosen
Senior Researcher Journalismusforschung

Prof. Dr. Wiebke Loosen

Leibniz-Institut für Medienforschung | Hans-Bredow-Institut (HBI)
Rothenbaumchaussee 36
20148 Hamburg

Tel. +49 (0)40 45 02 17 - 91
Fax +49 (0)40 45 02 17 - 77

E-Mail senden

VIELLEICHT INTERESSIEREN SIE AUCH FOLGENDE THEMEN?

Newsletter

Infos über aktuelle Projekte, Veranstaltungen und Publikationen des Instituts.

NEWSLETTER ABONNIEREN!