1. Quantität vor Qualität?
Big Data im Kontext von Social Media Daten
Wiesbaden, 12. November 2013
Sitzung von ADM, ASI, Statistisches Bundesamt
Dr. Katrin Weller
(Kontakt: katrin.weller@gesis.org, @kwelle)

2. Besondere
Eigenschaften von
Social Media
Hintergrund und
Forschungsstand
Herausforderungen
im Umgang mit
Social Media Daten

3. Social Media Daten?
https://www.facebook.com/note.php?note_id=469716398919
http://www.ccs.neu.edu/home/amislove/t
wittermood/
http://www.cci.edu.au/node/1362;
http://livehoods.org/maps/montreal
http://chronicle.com/blogs/wiredcampus/this-is-what-ahttp://www.scimaps.org/maps/map/history_flow_visuali_56/detail/
sabbatical-at-twitter-looks-like/31498

4. Social Media Daten - Vorteile
• Nutzer sprechen über Themen, die sie bewegen
• Zusammenhänge lassen sich über Links gut nachvollziehen
• Meist einheitliche Struktur mit Metadaten

5. Forschungsstand? Twitter vs. Facebook
Scopus (TITLE-ABS-KEY(Twitter) AND PUBYEAR > 2006)
(TITLE-ABS-KEY(Facebook) AND PUBYEAR > 2006)

6. Was wird erforscht?

7. Was wird erforscht?
•
•
•
•
•
•
Reichweiten
Informationsfluss
Einfluss
Meinungen, Stimmungen
Netzwerke
Ereignisse

8. Big Data?
Am Beispiel Twitter
• 309740 Twitter users (with followers and tweets)
• 17,803 tweets from 8,616 users + 1st degree network (3,048,360 directed edges,
631,416 unique followers, and 715,198 unique friends)
• 1.3 million Twitter conversations, with each conversation containing between 2 and 243
posts
• 20,000 tweets
• 21,623,947 geo-tagged tweets
• 99,832 tweets
Aber auch:
• One person’s Twitter network (652 followers, 114 followings).
• Experiment with 125 students.
• 1,827 annotated tweets
• Experiment with 1677 participants
• Survey with 505 young American adults
• none

9. Methoden?
Verschiedene Ansätze, darunter:
•
•
•
•
•
Interviews mit Nutzern
Experimente
Quantitative Analysen von Beiträgen und deren Eigenschaften
Netzwerkananlysen
Linguistische Analysen, z.B. word clustering, event detection, sentiment
analysis
• Inhaltsanalysen
 Selten mehrere in Kombination
 In der Forschung: viele Case Studies, wenig methodische Standards

10. Top 10
Herausforderungen im
Umgang mit Social
Media Daten
10

11. 0. Universität vs. Unternehmen
• Verschiedene Herangehensweisen, wenig Austausch
• Klout & Co. – großer Wettbewerb

12. 1. Datenzugang
Via API
• Nicht explizit für Wissenschaftler entwickelt
• Ggf. nicht vollständig (z.B. Twitter)
 Änderungen möglich

13. 2. Datenzugang
Über Drittanbieter
• Black Box – fehlende Transparenz
• Änderungen möglich
• Z.T. kostenintensiv
• Auch hier sind Änderungen möglich
• Zusätzliche Ebene der Vertragsbindung (ggf. eingeschränkte
Publikationsmöglichkeiten)

14. 3. Rechtlicher Rahmen
Nutzungsbedingungen
Datenschutzbestimmungen

15. 4. Forschungsethik
• Anonymisierung/Pseudonymisierung möglich bzw. nötig?
• Richtlinien für den Umgang mit Personendaten?
• Kontakt zu Social Media Nutzern aufnehmen?

16. 5. Verlässlichkeit
• Verifizierte Accounts?
• Verifizierte Inhalte?
• (Datenausfälle)
16

17. 6. Vergleichbarkeit?
Bislang wenig einheitliche Standards für Methoden, z.B.
• Erhebung
• Datenbereinigung / -manipulation
• Auswertung
• Definitionen / Theorie
17

18. 7. Reproduzierbarkeit
•
•
Die gleichen Daten zweimal erheben?
Mit bestehenden Datensätzen arbeiten?
18

19. 8. Repräsentativität
•
•
•
•
Nutzerzahlen
Zeitpunkt/Dauer der Datenerhebung
Datenauswahl
Sampling (Größe der Datensätze, Zufallsstichproben, Bias)
19

20. 9. Fehlender Kontext
• Informationen über Nutzer (z.B. Geo-Informationen)
• Informationen über Nutzung
• Messung von Exposure

22. Vielen Dank für die Aufmerksamkeit!
Weller, K., Bruns, A., Burgess, J., Mahrt, M.
& Puschmann, C. (Eds.) (2013): Twitter and
Society. New York et al.: Peter Lang.
486 Seiten
Ab. 15.11.2013
ISBN-10: 1433121697 | ISBN-13: 978-1433121692
katrin.weller@gesis.org
@kwelle