Im Rahmen dieser Forschungsarbeit wird der Frage nachgegangen, wie sich die Berichterstattung der deutschen Leitmedien im Zuge der Coronapandemie entwickelt hat. Es wird untersucht, ob eine Veränderung in der Berichterstattung identifiziert werden kann, die als Begründung für einen zunehmenden Unmut gegenüber Medienhäusern verstanden werden kann. Hierfür wird eine Methodik aus dem Bereich des Natural Language Processing (NLP) verwendet, mit der Onlinezeitungsartikel ausgewählter Anbieter maschinell verarbeitet und untersucht werden. Der Fokus hierbei liegt auf der Neutralität der Berichterstattung; diese wird über einen Zeitraum von 5 ½ Jahren betrachtet.
Die Masterarbeit ist in drei Bereiche gegliedert. Zunächst wird im ersten Kapitel das theoretische Konstrukt der Masterarbeit eröffnet, das an das Medienverständnis von Luhmann angelehnt ist. Es wird erklärt, wie Medien in der Gesellschaft funktionieren, und soll die Wichtigkeit des Medienapparats untermauern. Danach wird das methodische Vorgehen vorgestellt und genauer auf den Prozess des ‚Webscrapings‘ der Artikel eingegangen, das die Grundlage der Datenerhebung darstellt. Im darauffolgenden Kapitel zur Analyse wird auf verschiedene Möglichkeiten zur algorithmischen Auswertung Bezug genommen und anhand etablierter Ansätze und Benchmarks die Auswahl begründet. Im Anschluss werden statistische Kennzahlen und Grafiken erstellt, die die Basis zur Evaluierung liefern. Im abschließenden Teil der Arbeit werden die Ergebnisse zusammengefasst und ein Ausblick auf mögliche Anschlussforschung gegeben.
Inhaltsverzeichnis
1 Einleitung
2 Medien
2.1 Eingrenzung des Medienbegriffes
2.2 Das Konzept der Medienwirkung
2.2.1 Wirkfunktionen auf der Mikroebene
2.2.2 Wirkfunktionen auf der Meso- und der Makroebene
2.3 Viralität von Kommunikation
2.4 Medienkrise in Deutschland
2.4.1 Vertrauensverlust in die Medien
2.4.2 Medienkonsum im Wandel
2.4.3 Sinkende Qualität
2.4.4 Missmanagement der Verlage
2.5 Konsequenzen der Medienkrise
3 Zwischenfazit
4 Methodisches Vorgehen
4.1 Eingrenzung der Untersuchungsgegenstände
4.2 Eingrenzung des Zeitraums
4.3 Eingrenzung der Indikatoren
4.4 Evaluierung der Ergebnisse
5 Rechtliche Aspekte
5.1 Urheberrechtsgesetz
5.2 Verwertungsrechte
5.3 Schranken
5.3.1 § 44a Vorübergehende Vervielfältigungshandlungen und § 44b Text und Data Mining
5.3.2 § 60d Text und Data-Mining als Forschungsvorhaben
5.4 Zwischenfazit
6 Webscraping
6.1 Zugang zu den Archiven
6.2 Zugriff auf die Artikel
6.3 Extrahieren des Inhalts
6.4 Zusammenfassung des Workflows
6.5 Sonderstellung der ‚Bild‘
6.6 Anmerkung zur Dauer und der Time-out-Funktion
6.7 Probleme
6.8 Ergebnisse
7 Sentiment-Analyse
7.1 Ansätze zur Sentiment-Analyse
7.1.1 Lexikonbasierter Ansatz
7.1.2 Machine Learning
7.1.3 Evaluierung der Performance
7.1.4 Eingrenzung der Methodik
7.2 Übersicht lexikonbasierte Ansätze
7.3 Benchmarks für semantische Klassifizierung und semantische Intensität
7.3.1 Semantische Klassifizierung mit LIWC
7.3.2 Semantische Intensität mit ANEW
7.4 Vader
7.5 Performance von Vader
7.6 GerVader
7.7 Durchführung der Sentiment-Analyse
7.8 Beispiele der Sentiment-Analyse
8 Visualisierung der Daten
8.1 Visualisierung des Sentiments
8.2 Visualisierung der Kategorisierung
8.3 Visualisierung von Wordclouds
9 Ergebnisse
9.1 Bild
9.2 FAZ
9.3 Spiegel
9.4 Süddeutsche Zeitung
9.5 Wordclouds
9.5.1 Wordclouds für Überschriften
9.5.2 Wordclouds für Artikelinhalt
9.6 Statistische Kennzahlen
9.7 Verifizierung der Hypothesen
10 Fazit
Zielsetzung & Themen
Die Arbeit untersucht, wie sich die Berichterstattung deutscher Leitmedien während der Corona-Pandemie verändert hat und ob diese Veränderungen als Ursache für den gesellschaftlichen Unmut gegenüber den Medienhäusern dienen können. Dabei wird eine methodische Analyse mittels Natural Language Processing (NLP) auf Basis von Online-Zeitungsartikeln durchgeführt.
- Analyse der Medienkrise in Deutschland und des Vertrauensverlusts
- Einsatz von sentiment-basierten Methoden zur Bestimmung des Polarisierungsgrades
- Untersuchung von Webscraping-Prozessen zur Datengewinnung aus Medienarchiven
- Statistische Auswertung und Visualisierung zur Neutralitätsprüfung
- Vergleich der Berichterstattung zwischen Vor-Pandemie und Pandemie-Zeitraum
Auszug aus dem Buch
2.4.1 Vertrauensverlust in die Medien
Eine PwC-Studie aus Deutschland kam zu dem Ergebnis, dass 53 % der Befragten Tages- oder Wochenzeitungen als Informationskanäle für Ereignisse aus Politik, Wirtschaft und Gesellschaft benutzten. Gleichzeitig zeigte die Studie auf, dass das Vertrauen der Deutschen gegenüber den Medien in den letzten Jahren zunehmend gesunken war.
Als Ursache hierfür wurde unter anderem der Zweifel an einer neutralen Berichterstattung der deutschen Leitmedien aufgeführt, wonach 71 % der Befragten überzeugt waren, dass Zeitungen und Magazine nicht objektiv berichten.
Zu einem ähnlichen Ergebnis kam auch die Gesellschaft für Trend- und Wahlforschung, aus deren Umfrage hervorging, dass ein immer größer werdender Teil der Bevölkerung Zweifel an der Glaubwürdigkeit der deutschen Medien hegte. Demnach gingen 42 % der Befragten davon aus, dass die Berichterstattung der deutschen Medien auf einem ‚Agenda-Setting‘ beruht, wodurch bewusst Themen ausgelassen werden, was sich negativ auf die Glaubwürdigkeit auswirkt. Die Umfrage kam zu dem Ergebnis, dass rund jeder dritte Bundesbürger (37 %) ein mangelndes Vertrauen in die Medien entwickelt hatte.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung erläutert die Relevanz der Medien für die Demokratie und stellt die Forschungsfrage zur Entwicklung der Berichterstattung deutscher Leitmedien während der Corona-Krise.
2 Medien: Dieses Kapitel fundiert die Arbeit theoretisch, indem es den Medienbegriff definiert, Wirkmechanismen erläutert und die aktuelle Medienkrise sowie ihre Ursachen in Deutschland analysiert.
3 Zwischenfazit: Das Zwischenfazit fasst die theoretischen Erkenntnisse zusammen und formuliert daraus die in der Arbeit zu überprüfenden Hypothesen.
4 Methodisches Vorgehen: Hier wird der Untersuchungszeitraum eingegrenzt, die Auswahl der untersuchten Leitmedien begründet und der methodische Ansatz mit statistischen Indikatoren dargelegt.
5 Rechtliche Aspekte: Dieser Bereich beleuchtet die urheberrechtlichen Rahmenbedingungen, insbesondere in Bezug auf automatisiertes Text- und Data-Mining für wissenschaftliche Zwecke.
6 Webscraping: Dieses Kapitel erläutert den technischen Prozess des Webscrapings zur Erfassung großer Artikelmengen aus den Archiven der gewählten Leitmedien.
7 Sentiment-Analyse: Hier werden die algorithmischen Grundlagen der Sentiment-Analyse, Lexika-Auswahl wie GerVader und die Durchführung der Analyse detailliert beschrieben.
8 Visualisierung der Daten: Beschreibt die methodische Vorgehensweise bei der Erstellung von Graphen, Plots und Wordclouds zur Sichtbarmachung der Analyseergebnisse.
9 Ergebnisse: Präsentation und Diskussion der erhobenen Daten für die einzelnen Medienhäuser inklusive statistischer Kennzahlen und Überprüfung der zentralen Hypothesen.
10 Fazit: Die Arbeit schließt mit einer zusammenfassenden Antwort auf die Forschungsfrage und einem Ausblick auf mögliche zukünftige Forschungsansätze.
Schlüsselwörter
Medienkrise, Berichterstattung, Corona-Pandemie, Leitmedien, Sentiment-Analyse, Polarisierung, Webscraping, GerVader, Medienwirkung, NLP, Vertrauensverlust, Journalismusqualität, Datenvisualisierung, Digitalisierung, Inhaltsanalyse.
Häufig gestellte Fragen
Worum geht es in dieser Masterarbeit?
Die Arbeit untersucht die Entwicklung der journalistischen Berichterstattung in deutschen Leitmedien während der Corona-Pandemie, um festzustellen, ob ein Anstieg der Polarisierung messbar ist.
Welche Themenfelder stehen im Mittelpunkt?
Zentrale Themen sind die Medienkrise in Deutschland, das Konzept der Medienwirkung, webbasierte Datenerfassung (Webscraping), qualitative Inhaltsbewertung durch Sentiment-Analyse und die Visualisierung dieser Ergebnisse.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Hauptziel ist es zu ergründen, ob eine Veränderung in der neutralen Berichterstattung der Leitmedien während der Pandemie identifiziert werden kann, die den Unmut gegenüber den Medienhäusern erklären könnte.
Welche wissenschaftliche Methode wird verwendet?
Es werden methodische Ansätze aus dem Bereich Natural Language Processing (NLP) genutzt, insbesondere die automatisierte Sentiment-Analyse mittels des Modells 'GerVader', um die Tonalität zehntausender Artikel auszuwerten.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen, technische Implementierung des Webscrapings, rechtliche Einordnung von Data-Mining, Durchführung der Sentiment-Analyse sowie die detaillierte Ergebnisdarstellung und statistische Verifizierung von Hypothesen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind unter anderem Sentiment-Analyse, Polarisierung, Webscraping, Leitmedien, Corona-Krise und Medienwirkungsforschung.
Wie wurde mit den rechtlichen Anforderungen für das Webscraping umgegangen?
Die Arbeit geht explizit auf die Schranken des Urheberrechts ein, insbesondere auf die Paragrafen zum Text- und Data-Mining für wissenschaftliche Zwecke, um die automatisierte Verarbeitung der Artikel rechtlich zu legitimieren.
Warum wurde 'GerVader' als Analyseinstrument gewählt?
Da 'Vader' für die englische Sprache optimiert ist, wurde 'GerVader' verwendet, eine deutschsprachige Abwandlung, welche das SentiWS-Lexikon integriert und somit besser auf die deutsche Berichterstattung anwendbar ist.
- Quote paper
- Aleksej Woratsch (Author), 2023, Medienlandschaft in Deutschland. Wie hat sich die Berichterstattung der deutschen Leitmedien in der Corona-Krise verändert?, Munich, GRIN Verlag, https://www.grin.com/document/1335040
