Supervised Machine Learning: Zwischenrufe im Bundestag (Teil 1) - Einzelansicht

Das Lehrforschungsprojekt beschäftigt sich mit der Analyse der Zwischenrufe im deutschen Bundestag. Zwischenrufe sind Unterbrechungen von Bundestagsreden aus den Reihen der gerade nicht-sprechenden Abgeordneten. Funktional dienen Zwischenrufe häufig zur Äußerung von Kritik an dem Redeninhalt der SprecherIn. Die leitende Forschungsfrage des Projekts ist, ob sich die Qualität der Negativität in den Zwischenrufen mit dem Einzug der AfD in den Bundestag verändert hat. Sind diese bspw. aggressiver und/oder provokativer geworden? Bestehen Unterschiede zwischen den Fraktionen? Wie reagieren die etablierten Parteien in ihren Zwischenrufen auf die AfD? Wie tritt die AfD selbst in ihren Zwischenrufen auf?

Um diese und weitere Fragen beantworten zu können, benötigen wir einen Datensatz der Zwischenrufe des 18. (vor dem AfD Einzug) und 19. (nach dem AfD Einzug) Bundestags. Dieser wurde für dieses LFP bereits vorbereitet und steht allen TeilnehmerInnen zur Verfügung. Zur Beantwortung der Forschungsfrage(n) fehlen aber noch die Informationen zur Qualität der Zwischenrufe. Ist ein Zwischenruf bspw. "aggressiv", "provokant", "sachlich" oder auch "positiv"?

Ziel des Projekts ist es, im ersten Semester ein Kodierschema zur Kategorisierung der Qualität der Zwischenrufe zu entwickeln. Die Kategorien werden wir auf Basis der Forschungsfrage und bestehender Literatur gemeinsam forumlieren. Den Abschluss des ersten Semesters bildet die Anwendung des Kodierschemas auf eine Stichprobe der Zwischenrufe durch die TeilnehmerInnen.

Im zweiten Semester soll auf Basis der kodierten Stichprobe ein Machine Learning Algorithmus trainiert werden. Dieser kann potentiell genutzt werden um die restlichen unkodierten Zwischenrufe automatisiert für uns zu kodieren.
Dabei ist wichtig: Wir wissen im Vorfeld nicht, ob die Qualität des Modells ausreichend sein wird um zuverlässig Zwischenrufe für uns zu kodieren. Es ist Teil des Risikos bei der Anwendung innovativer Methoden auf eine neue Fragestellung, dass wir damit auch scheitern können. Dies bedeutet aber auch, dass dieses LFP nahe an der Forschungsrealität operiert. Da wir im ersten Semester eine Stichprobe aus Zwischenrufen händisch kodiert haben, steht uns im Worst Case Scenario mindestens ein kodierter Teildatensatz zur Verfügung, welcher bereits zur Analyse und zur Beantwortung der Forschungsfragen genutzt werden kann.

Inhalte des LFP:

 1. Semester:

• Einführung in R und RStudio
• Grundlagen der quantitativen Textanalyse mit R
• Deskriptive Beschreibung der Zwischenrufe im Bundestag
• Theoretische Auseinandersetzung mit: Bundestagsdebatten, Zwischenrufen und AfD/Rechtspopulismus
• Entwicklung eines Kodierschemas für Zwischenrufe
• Händische Kodierung einer Stichprobe aus Zwischenrufen

2. Semester:

• Bewertung der Reliabilität der kodierten Zwischenrufe
• Erste deskriptive Analysen mit der kodierten Stichprobe
• Einführung in das Supervised Machine Learning
• Training eines Modells zur automatisierten Kodierung der Zwischenrufe
• Offene Bewertung des Erfolgs

Technische Voraussetzungen:
Das Projekt findet in Präsenz in einem PC Pool statt. Es stehen Rechner mit der benötigten Software zur Verfügung, Sie können aber auch eigene Laptops mitbringen. Die genutzte Software ist frei zugänglich und für alle gängigen Betriebssysteme verfügbar. Anleitungen und Hilfestellungen zur Installation auf Ihren eigenen Rechnern werden im Seminar gegeben.

Inhaltliche Voraussetzungen:
Es wird kein Vorwissen in R vorausgesetzt. Alle Techniken die wir für das Projekt benötigen, werden gemeinsam im Seminar erarbeitet. Die Einführung in R und RStudio im Rahmen dieses Seminars erfolgt dabei "problemorientiert" und kann/soll eine umfassende Einführung nicht ersetzen.

Es bestehen keine formalen Zulassungsvoraussetzungen. Vorwissen in R und/oder anderer Statistiksoftware wie Stata ist hilfreich, wird aber nicht vorausgesetzt.


Ablauf des Seminars:

Zur Vorbereitung der Sitzungen zu lesende Literatur wird über Moodle bekanntgegeben.

Die Arbeit mit R und die Anwendung der besprochenen Methoden lässt sich nur durch selbstständiges Schreiben von Code erlernen. Dazu werden Ihnen Übungsaufgaben über Moodle zur Verfügung gestellt.

Als Modulprüfung ist nach dem zweiten Semester ein Forschungsbericht zu einer selbst entwickelten Fragestellung, welche sich mit den im LFP genutzten Daten beantworten lässt, zu verfassen. Gruppenarbeiten sind möglich. Die Planung der Forschungsbereichte beginnt bereits im ersten Semester.

Die Prüfungsnebenleistung im ersten Semester besteht aus zwei Teilen:
1. ist zur Mitte des ersten Semesters ein Expose zu der selbst entwickelten Fragestellung zu verfassen und einzureichen.
2. ist zum Ende des ersten Semesters sowie in den Semesterferien eine noch festzulegende Anzahl von Zwischenrufen zu kodieren.

Die Prüfungsnebenleistung im zweiten Semester wird daraus bestehen, die Planung des abschließenden Forschungsberichts weiterzuführen und Fragestellung, Theorie und Vorgehen im Plenum vorzustellen.



Nach der Zulassung über PULS, erhalten Sie von mir eine E-Mail mit Link und Passwort zu dem Moodle-Kurs.

Prüfungsnebenleistungen im ersten Semester: 1. Expose zu selbst entwickelter Fragestellung. 2. Kodierung von Zwischenrufen.

Prüfungsnebenleistungen im zweiten Semester: Vorstellung von Fragestellung, Theorie und geplantem Vorgehen im Plenum.

Modulprüfung: Forschungsbericht zu einer selbst entwickelten Fragestellung. Ca. 35 Seiten. Gruppenarbeit möglich. Ende des 2. Semesters.

Anmelde- und Rücktrittsfrist in PULS für die Modulabschlussprüfung: wird zu Beginn des WS 22/23 bekannt gegeben

Im SS 2022 ist keine Anmeldung möglich, da die Modulabschlussprüfung erst im 2. Teil des Kurses im WS 22/23 erfolgt.

Das Modul vermittelt fundierte Kenntnisse in forschungspraktischer Perspektive. Im Zentrum steht die Wissensvermittlung über soziologische Gegenstandsbereiche und spezifische Forschungsfelder der Soziologie sowie der Kompetenzerwerb im Hinblick auf komplexe forschungspraktische Fragen und Probleme, die fundierte Kenntnis wissenschaftlicher Forschungsmethoden und Arbeitstechniken im Zusammenhang mit konkreten forschungspraktischen Fragen sowie ein geschärftes methodologisches Verständnis am Beispiel konkreter Forschungsprojekte. 

Die Studierenden

- erwerben analytische und forschungspraktische Fertigkeiten mit berufs- perspektivischer Relevanz,

- gewinnen ein forschungsbezogenes Verständnis von komplexen Ar- beitsabläufen und Arbeitstechniken in der wissenschaftlichen Praxis,

- sind in der Lage, interessierende Sachverhalte in konkrete Problemstel- lungen und Forschungsfragen zu übersetzen, diese kritisch zu reflektieren und planvoll in ein Forschungsprogramm zu kanalisieren,

- sind in der Lage, interessierende Sachverhalte in konkrete Problemstellungen und Forschungsfragen zu übersetzen, diese kritisch zu reflektieren und planvoll in ein Forschungsprogramm zu kanalisieren,

- können ihre quantitativen und qualitativen methodischen Kenntnisse projektbezogen in allen Phasen sozialwissenschaftlicher Forschungsprozesse (Konzeption von Forschungsdesigns, Datenerhebung, Datenanalyse, Abschlussbericht) umsetzen,

- sind in der Lage, ihre Forschungsergebnisse in angemessener Form intersubjektiv nachvollziehbar und theoretisch reflektiert darzustellen,

- sind in der Lage, auf dieser Grundlage den gesamten Forschungsprozess systematisch anzugehen, sie können das komplexe Verhältnis von soziologischer Theorie und empirischer Forschung kritisch  reflektieren und so zu generalisierenden Aussagen gelangen und die Forschungsergebnisse begründen und verteidigen.