|
|
Bei Amazon kaufen|
Umschlagtext
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. Rezension
Ein absolut notwendiges, längst überfälliges Arbeitsbuch für Dozierende, Studierende und Forschende in der qualitativen Forschung. Es bietet sich gleichfalls für digital Ungeübte und Kenner als Einführung in Grundkenntnisse aber auch für die kreative Verknüpfung und Entwicklung eigener Forschungsansätze an.
Nach der Einführung folgen neun aufeinander aufbauende Kapitel. Jedes Kapitel ist allerdings auch als solches nutzbar. Jeweils zu Beginn des Kapitels informiert eine knappe Übersicht über den zu erwartenden Inhalt. Ebenso schließt es mit Übungsaufgaben, die das Beschriebene festigen helfen. Ein umfangreiches Literaturverzeichnis und ein die jeweiligen Kapitel unterstützender Glossar runden die Nutzung des Buches ab. Die Sprache ist präzis, klar strukturiert. Die digitalen Fachbegriffe werden kurz erläutert und ermöglichen Neulingen das selbständige Einarbeiten in die digitale Welt. In der Einleitung (Kapitel 1) werden die Ziele der Autorin dargelegt: Sie „stellt qualitative Perspektiven auf digitale Daten und Methoden vor, [und] systematisiert sie. [Die Autorin behält] dabei sowohl die technische als auch die ethische und die epistemologische Perspektive im Blick.“ S.11 Ihr geht es „darum, computationelle Verfahren zu verwenden, um gesellschaftliche, soziale und kulturelle Phänomene zu analysieren“ S.11 [DH, CSS] Es ist wohltuend, dass zwar Fachtermini verwandt, sie jedoch sofort knapp erklärt und nicht übermäßig gebraucht werden. So können Beginnende dennoch dem vermittelten Stoff gut folgen. Mit dem Kapitel 2 beginnt der systematische Aufbau. Die Übungen am Ende sollten unbedingt getätigt werden. Ohne ihre Durchführung, ist es besonders für selbständig Übende schwer, dem weiteren Verlauf zu folgen und ihn mit Gewinn zu verinnerlichen. Hierfür bietet es sich dringend an, den Glossar zu verwenden. Er ist den Kapiteln nicht zugeordnet. So stellt das Suchen nach den passenden Programmen usw. bereits den ersten Teil der Übung dar. Ein Lösungsschlüssel wurde nicht beigefügt. Das bedeutet, dass der Lesende durch Versuch und Irrtum lernt. Sicher ist ein Üben in der Gruppe hierfür ein leichterer Umgang mit dem Inhalt. Dennoch ist das Buch eine grundlegende Hilfe sich dem sehr wichtigen Kapitel des digitalen Sammelns, Archivierend und Analysierens zu nähern. Claudia-Maria Maruschke (für die Lehrerbibliothek, lbib.de) Inhaltsverzeichnis
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 Programmcode 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 Interface und deren Nutzung mit Software 112 4.3 Datenbanken I: Archivalien und kulturelles Erbe 118 4.4 Datenbanken II: Forschungsdaten 121 4.5 Normdaten und Vokabulare, Standards und Metadaten 123 4.6 Aufbereiten von digitalen Daten für die eigene Analyse 129 5. 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 Netzwerkanalyse 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 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 Weitere Titel aus der Reihe UTB |