KoPoCoV: Konsens und Polarisierung während der COVID-19-Pandemie. Eine automatisierte Analyse der Meinungsdynamiken auf Twitter
Johannes Gutenberg-Universität Mainz, Institut für Publizistik; TU Darmstadt, Ubiquitous Knowledge Processing Lab, Computer Science Department
Im Verbundprojekt werden Konsens und Polarisierung in den Positionen unterschiedlicher gesellschaftlicher Gruppen (Wissenschaft, Politik, Medien, Bevölkerung) zu den Maßnahmen zur Bekämpfung der COVID-19-Pandemie im sozialen Netzwerk Twitter gemessen. Dabei sollen mithilfe innovativer Methoden aus dem Bereich des Natural Language Processing (NLP) Meinungsäußerungen automatisiert erfasst und Meinungsdynamiken mithilfe zeitreihenanalytischer Verfahren statistisch modelliert werden, um Ursachen und Entwicklungen gesellschaftlicher Spaltungsprozesse zu erkennen.
- Disziplin: Sozial, Weitere
- Forschungsmethode: Quantitativ
- Forschungsdesign: Primärerhebung, Repräsentativ angelegte Befragung, Weitere Daten (z. B. Einzelinterview, Web Scraping, Laborwerte etc.)
- Erhebungsstatus: Laufende Erhebung, Daten zugänglich
Ziele der Studie
Konkret werden mit dem Projekt u.a. folgende Fragen beantwortet: Wie haben verschiedene gesellschaftliche Gruppen (z.B. die Politik oder die Medien) und Subgruppen (z.B. unterschiedliche Parteien und Medien mit unterschiedlichen redaktionellen Linien) die Corona-Maßnahmen bewertet, wie hat sich dies im Zeitverlauf verändert und wie haben sich die Positionen der unterschiedlichen Gruppen wechselseitig beeinflusst?
Aus wissenschaftlicher Sicht ermöglichen die inhaltlichen Ergebnisse des Projekts Erkenntnisse darüber, wie im Zusammenspiel von Wissenschaft, Politik, Medien und Bevölkerung Konsens und Polarisierung in den Meinungen über Maßnahmen zur Bekämpfung von gesellschaftlichen Krisen entstehen. In methodischer Hinsicht können die Ergebnisse erstens einen Beitrag zur Diskussion um die Nutzung von Twitter als Indikator für die öffentliche Meinung leisten, wenn man diese mit Befragungsdaten kalibriert. Zweitens liefert das Projekt auch für die Weiterentwicklung der automatisierten Sprachverarbeitung wertvolle Erkenntnisse, insbesondere für die Anwendbarkeit auf sozialwissenschaftliche Fragestellungen. Darüber hinaus bieten die im Projekt entwickelten Analyseverfahren eine Grundlage für die Entwicklung eines gesellschaftlichen Frühwarnsystems, das aufkommende Polarisierungstendenzen erkennen kann und gesellschaftlichen Gruppen ermöglicht, durch kommunikative Maßnahmen gegenzusteuern. So soll gegen Ende der Projektlaufzeit ein Dashboard entwickelt werden, das Meinungsverteilungen auf Twitter tagesaktuell aufzeigt.
Studiendesign/Umsetzung
Alle deutschsprachigen Tweets zu Coronamaßnahmen aus dem Zeitraum 01.01.2020 bis 31.12.2021 und deren Accounts werden erfasst. Zunächst wird ein (halb-)automatisiertes Verfahren entwickelt, um die Twitter-Accounts den Gruppen Medien, Politik, Wissenschaft und Bürgern sowie entsprechenden Subgruppen (z.B. einzelne Medien, Parteien) zuzuordnen. Dann werden die Tweets mit Methoden aus dem Bereich des Natural Language Processing (NLP) analysiert, um Zustimmung, Ambivalenz und Ablehnung zu den Corona-Maßnahmen automatisiert im Zeitverlauf zu erfassen. Letztlich werden die auf Twitter identifizierten Meinungsverteilungen in der Gruppe der Bürger und ihre Veränderungen über die Zeit mit den entsprechenden Verteilungen und Veränderungen in repräsentativen Bevölkerungsbefragungen verglichen, um Aussagen über die Repräsentativität der Meinungsäußerungen auf Twitter treffen zu können.
Datenverfügbarkeit
Die Projektdaten werden über das Repositorium TUdatalib der TU Darmstadt und GESIS zur Verfügung gestellt.