Methodenbuch

Qualitative und quantitative Inhaltsanalyse: digital und automatisiert

Mit unserem Buch geben wir Ihnen eine Möglichkeit an die Hand unterschiedliche Verfahren der qualitativen und quantitativen Inhaltsanalyse einfach verständlich kennen zu lernen. Zudem erhalten Sie Fallbeispiele und detaillierte Anleitungen, wie Sie die Inhaltsanalyse digital und automatisiert durchführen können. Und es ist Open Access, Sie können es also kostenlos downloaden (https://content-select.com/de/portal/media/download_oa/9783779970378/?client_id=406)! Da sich Code und Software schnell ändert, bieten wir auf diesem Blog Zusatzmaterial und weitere Fallbeispiele an.

Wir möchten Sie gerne ermutigen, Ihre eigenen Anwendungsbeispiele, die durch Nutzung dieses Buches entstanden sind, auf dem Blog zu veröffentlichen.  Wir freuen uns auch über Weiterentwicklungen der Verfahren oder Code und sind sehr an einem Austausch mit Ihnen interessiert.

1. Was ist die geeignete Methode?

In der Einleitung geben wir Ihnen einen Überblick über den Inhalt des Buches. Zudem geben wir Ihnen eine Heuristik an die Hand, mit der Sie auswählen können, was die richtige Methode der Inhaltsanalyse für Sie sein könnte.

Quelle: Schneijderberg, C., Wieczorek, O. & Steinhardt, I. (2022). Qualitative und quantitative Inhaltsanalyse: Digital und automatisiert Eine anwendungsorientierte Einführung mit empirischen Beispielen und Softwareanwendungen. Weinheim: Beltz Juventa, S. 24.

2. Inhaltsanalyse von Kommunikation

In diesem Kapitel definieren wir, was wir unter Inhaltsanalyse verstehen, was Inhaltsanalyse mit Kommunikation zu tun hat, was manifeste und latente Inhalte sind und welche Varianten der Inhaltsanalyse in diesem Buch behandelt werden.

3. Spezifika von Daten

In Kapitel 3 werden die Spezifika von Daten und damit verbundene Möglichkeiten und Grenzen für sozialwissenschaftliche Inhaltsanalysen forschungspragmatisch und erkenntnisorientiert dargestellt.

Hier einige Links zu Blogbeiträgen in denen v.a. auf die Durchführung von Interviews eingegangen wir:

4. und 5. Induktiv-qualitative und deduktiv-qualitative Inhaltsanalyse

Die zwei Kapitel zur digital unterstützten  qualitativen Inhaltsanalyse präsentieren die grundlegenden Unterschiede zwischen induktiv-qualitativer Inhaltanalyse (Kapitel 4) und deduktiv-qualitativer Inhaltsanalyse (Kapitel 5) anhand desselben Beispiels. Bei der induktiv-qualitativen Inhaltsanalyse werden die Kodes (siehe Box 1.2) zur Datenanalyse aus dem jeweiligen Datenmaterial gewonnen. Im
Gegensatz dazu werden bei der deduktiven Auswertungstechnik die Kodes für die Datenanalyse vor der Datenauswertung festgelegt. Systematisch erfolgt die deduktive Erstellung der Kodes auf Basis von Theorie, konzeptionellen Überlegungen und/oder existierenden Erkenntnissen aus vorhergegangenen empirischen Untersuchungen.

6. Quantitative Inhaltsanalyse und Auswertungstechniken am Beispiel der Kombination von AntConc und MAXQDA

In Kapitel 6 wird eine Auswertungstechnik vorgestellt, mit der Sie 500 Seiten und mehr Text induktiv-quantitativ auswerten können. Diese Technik ist geeignet für größere Interviewstudien und Sekundärauswertungen von  prozessproduzierten Daten (z. B. Wahlprogramme oder Twitter). Am oben bereits beschrieben Beispiel der Autoethnographien wird die sequentielle Auswertung mithilfe der Software
AntConc (Freeware; Sozio-/Politolinguistik) und MAXQDA (Firmware; lexikalische Suche und Autocodierung) erklärt.

7. Deduktiv-quantitative Inhaltsanalyse – das Bibliometric Literature Review

In diesem Kapitel stellen wir Ihnen das  Bibliometric Literature Review vor. Dabei handelt es sich um ein Verfahren der deduktiv-quantitativen Inhaltsanalyse, mit deren Hilfe Sie einen systematischen Überblick zu Publikationen erhalten.

8. Automatisierte induktiv-quantitative Inhaltsanalyse: Datenerhebung und -vorbereitung

Dieses Kapitel stellt die verschiedenen Typen von online verfügbaren Daten und die Schritte zur Erhebung dieser Daten vor (Webscraping usw.). Darüber hinaus werden verschiedene Typen automatisierter quantitativer Inhaltsanalyse, Probleme und Lösungen für diese Probleme besprochen.

9. Quantitative Inhaltsanalyse mittels Korrespondenzanalyse

Das Kapitel soll Ihnen einen Überblick über die Korrespondenzanalyse und über die Schritte geben, die nötig sind, damit Sie dieses Verfahren in RStudio anwenden können.

10. Sentiment-Analyse als induktiv-quantitative Inhaltsanalyse

In diesem Kapitel bieten wir Ihnen eine  Einführung in die Sentiment-Analyse in R und Python. Hierfür gehen wir zunächst auf die  Grundlagen der Sentiment-
Analyse ein und bieten Ihnen einen historischen Abriss über deren Entwicklung. Danach zeigen wir Ihnen Aufbereitungsschritte und die  Durchführung in R und stellen dabei die benötigten Pakete vor. Danach fahren wir mit der Aufbereitung für und der Durchführung der Sentiment-Analyse in Python fort. Zuletzt zeigen
wir Ihnen, wie Sie die Sentiment-Werte für  unterschiedliche Gruppen vergleichen können.

11. Topic Modeling mittels Latent Dirichlet Allocation

Dieses Kapitel hat das Ziel, Ihnen eine Einführung in das Topic Modeling mit dem Python-Paket gensim zu geben. Wir fokussieren uns dabei auf die Latent Dirichlet Allocation (LDA) als eine Methode des Topic Modelings und zeigen
Ihnen am Beispiel eines Korpus aus Filmskripten, wie Sie die Daten aufbereiten müssen, wie eine LDA technisch umgesetzt wird, welche Kriterien Sie für die Modellauswahl anlegen, wie Sie die Themen interpretieren und wie Sie das Modell
visualisieren können.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search