Wie analysiert man Tweets auf X? Eine Schritt-für-Schritt-Anleitung

Einleitung

Die Analyse von Twitter-Daten ist ein nützlicher Bereich qualitative Forschung, wenn es um Untersuchungen in den Bereichen Kommunikation, Kultur, Marketing und vielen anderen Bereichen geht. Wie sollten Sie also an die Twitter-Analyse herangehen? In diesem Artikel schauen wir uns an, wie Social Media-Daten analysiert werden können und wie ATLAS.ti zur Analyse von Social Media eingesetzt werden kann.

Warum sind X (Twitter)-Daten nützlich?

Eine Zeit lang schien es, als hätte jeder auf der Welt ein Twitter-Konto. Eine Reihe von Social Media Plattformen haben die Diskussion über die Jahre hinweg dominiert, aber Twitter (jetzt offiziell X genannt) ist wohl die allgegenwärtige Lösung für Nutzer sozialer Medien an vielen Orten der Welt.

Die Reichweite von Twitter macht es zu einer reichhaltigen Quelle für qualitative Datenerhebung und Analyse. Verschiedene Aspekte von Beiträgen auf Twitter können uns viel darüber verraten, wie und warum Menschen miteinander kommunizieren. Die Analyse sozialer Medien ist zwar relativ neu in der qualitative Forschung, aber sie ist ein wachsender und zunehmend wichtiger Ansatz zum Verständnis der digitalen sozialen Welt.

Durch die Analyse von Daten aus sozialen Netzwerken können verschiedene Themen erforscht werden:

• Welcher Zusammenhang besteht zwischen der Anzahl der Follower von Politikerkonten in sozialen Netzwerken und der öffentlichen Meinung?
• Wie beeinflussen nonverbale Sprache und visuelle Kommunikation unter jungen Menschen auf Twitter die Sprache im Alltag?
• Wie interpretieren Influencer in sozialen Netzwerken die Gesamtbeteiligung an ihren Beiträgen, wenn sie entscheiden, wie sie mit ihren Followern interagieren wollen?

Letztlich hat sich das Potenzial für Forschungsuntersuchungen dank der Verbreitung sozialer Netzwerke wie Twitter erheblich vergrößert, was eine sorgfältige Prüfung der besten Strategien für die Analyse sozialer Medien erfordert.

Was ist der Sinn einer X (Twitter) Analyse?

Bei der Interpretation von Daten aus Tweets kann die Analyse anders aussehen als bei Daten aus traditionelleren Methoden wie Interviews oder Beobachtungen. Bei der Analyse von Gesprächen oder Diskursen sind zum Beispiel nonverbale Hinweise wie Gestik oder Mimik oder andere nonverbale Äußerungen wie gedachte Worte oder Wiederholungen zu berücksichtigen.

Twitter-Daten enthalten zwar einige visuelle und akustische Elemente, sind aber in erster Linie textueller Natur. Sogar die visuellen Elemente in Tweets unterscheiden sich von visuellen Elementen in der Kommunikation von Angesicht zu Angesicht, insbesondere wenn Memes und Emojis an die Stelle von Gesichtsausdrücken und Körperhaltung treten.

Darüber hinaus umfassen Twitter-Analysen Likes, Retweets, Tweet-Impressionen, Follower-Wachstum und andere Metriken, die sowohl von Forschern als auch von Laien verwendet werden, um zu interpretieren, wie Menschen Twitter zur Kommunikation nutzen. Um diese Kriterien zu berücksichtigen, müssen die Forscher die Daten sowohl qualitativ als auch quantitativ analysieren.

Welches ist das Werkzeug zum Sammeln von Daten von X (Twitter)?

Social Media Research ist viel mehr als nur das Importieren von Twitter-Daten in Ihr Forschungsprojekt. Wie bei jeder qualitativen Forschung verfügt die beste qualitative Datenanalysesoftware über die Werkzeuge, um Ihre Daten zu strukturieren und die Identifizierung und Ausarbeitung der wichtigsten Forschungsergebnisse zu erleichtern.

In der Regel geht es dabei um die Kodierung von Daten, um größere Bedeutungsmengen in kurzen, aber beschreibenden Bezeichnungen zusammenzufassen. Bei einer großen Anzahl von Tweets, die Sie möglicherweise in Ihre Forschung einbeziehen müssen, sollte ein robustes Softwarepaket auch dabei helfen, riesige Datenmengen schnell und effizient zu verarbeiten, indem es den Kodierungsprozess so weit wie möglich automatisiert und dem Forscher dennoch eine gründliche und transparente Überprüfung der Datenstruktur ermöglicht.

Wie analysiert man Daten von X (Twitter)?

Forscher können Twitter-Daten auf verschiedene Weise analysieren, je nach Forschungsfrage und den verfügbaren Daten.

Thematische Analyse

Eine der einfacheren Formen der qualitativen Datenanalyse, die thematische Analyse sucht nach wiederkehrenden Mustern in einem Datensatz. Wenn Daten nicht quantifiziert werden können, kann ein thematischer Ansatz die qualitativen Merkmale eines bestimmten Diskurses in sozialen Medien identifizieren.

Bei der thematischen Analyse können verschiedene Merkmale untersucht werden, die für Twitter und andere Plattformen spezifisch sind. Welche Hashtags werden häufig in Verbindung mit einem bestimmten Thema verwendet? Gibt es bestimmte Emojis oder Abkürzungen, die in Tweets über eine Person oder einen Ort verwendet werden? Welche Bedeutungen lassen sich im Allgemeinen aus der Verwendung bestimmter Meme ableiten?

Inhaltsanalyse

Die Feststellung, welche Inhalte innerhalb einer bestimmten Kultur oder Subkultur auf Twitter Resonanz finden, ist eine weitere nützliche Forschungsfrage für Social Media. Zu diesem Zweck ist die Kontent Analyse nützlich für die Erstellung von Statistiken über die in Twitter-Daten verwendete Sprache, um quantitative Interpretationen über die Muster innerhalb des Online-Diskurses vorzunehmen.

Eines der einzigartigen Merkmale von sozialen Netzwerken ist die Verwendung von Hashtags, um Informationen nach Themen zu ordnen. Die Inhaltsanalyse ist ein idealer Ansatz, um Statistiken zu erstellen, die darauf basieren, wie häufig bestimmte Hashtags im Vergleich zu anderen verwendet werden.

Stimmungsanalyse

Forscher führen eine Sentiment Analyse durch, wenn sie positive und negative Kommentare in sozialen Medien analysieren wollen. Wörter haben nicht nur eine Bedeutung, sondern auch eine Nuance und eine Emotion, die typischerweise mit ihnen verbunden ist (denken Sie daran, dass "glücklich" normalerweise mit positiven Dingen assoziiert wird, obwohl es in bestimmten Kontexten andere Konnotationen wie Sarkasmus haben kann). Forscher können Tweets filtern, um Unterschiede in der Art und Weise festzustellen, wie Menschen je nach ihren Gefühlen kommunizieren.

Diskursanalyse

Wenn man sich nur Tweets ansieht, kann man einen Eindruck davon bekommen, wie Twitter-Nutzer sprechen und miteinander kommunizieren. Diskursanalyse blickt hinter die Bedeutung von Wörtern, um Forschern die Möglichkeit zu geben, die Absichten und Auswirkungen von Tweets und Engagements zu interpretieren.

Twitter-Analyse

Über den Inhalt von Tweets hinaus kann ein analytischer Ansatz zur Interpretation von Twitter-Daten nützlich sein, um weitere Erkenntnisse über das Publikum zu gewinnen. Denken Sie über die folgenden Fragen nach und wie sie für das Verständnis der Social-Media-Kultur nützlich sein könnten:

• Wie viele Tweets werden innerhalb einer bestimmten Community retweetet?
• Wie sieht die Publikumsdemografie für einen bestimmten Hashtag aus?
• Wie viele Tweet-Impressionen werden als viral angesehen?

ATLAS.ti zur Analyse von X (Twitter)-Daten verwenden

Qualitative Datenanalyse-Software wie ATLAS.ti macht es einfach, jede Form von Daten zu analysieren, einschließlich Daten aus Social Media. In diesem Abschnitt werden wir uns ansehen, wie ATLAS.ti für die Analyse von Twitter-Daten eingesetzt werden kann.

Importieren von Twitter-Daten

Der einfachste Weg, Tweets in Ihr Projekt einzubinden, ist das Kopieren und Einfügen des Textes von Tweets in ein Dokument in einem ATLAS.ti-Projekt. ATLAS.ti erlaubt es Ihnen, Ihre Daten nach Bedarf zu editieren, so dass Sie Ihren Kodierungs- oder Datenorganisationsprozess nie unterbrechen müssen.

Es gibt jedoch Websites, die Ihnen bei der Aggregation von Twitter-Daten und dem einfachen Import von Daten in Ihr Projekt helfen können. Der von exportcomments.com angebotene Dienst organisiert Tweets in einer Tabelle, die den Text jedes Tweets sowie andere wichtige Metriken wie Likes, Retweets und den Standort des Tweet-Autors enthält.

Das resultierende Spreadsheet kann mit Hilfe der Social Network Comments-Funktion in ATLAS.ti importiert werden.

Von dort aus übernimmt ATLAS.ti den Rest der Arbeit, indem es das Spreadsheet in ein Projektdokument rendert. Der Text jedes Kommentars wird automatisch nach seinem Autor kodiert, so dass Sie analysieren können, was gesagt wurde und wer es gesagt hat. Statistiken für Likes und Retweets sind ebenfalls im Text des Dokuments enthalten, um eine umfassendere Analyse zu ermöglichen.

Kodierung der Daten

Da Sie nun die Twitter-Daten in Ihrem Projekt haben, besteht der nächste Schritt darin, die Struktur für die Analyse durch Kodierung bereitzustellen. Die Codes, die die Autoren der Beiträge repräsentieren, werden bereits durch das Tool "Kommentare zu sozialen Netzwerken" bereitgestellt, aber die Aufgabe besteht nun darin, die Tweets mit Codes zusammenzufassen, die andere relevante Aspekte der Daten erfassen, wie z. B. gemeinsame Themen oder aufkommende Themen.

Zusätzlich zur manuellen Kodierung von Daten gibt es in ATLAS.ti verschiedene Tools wie AI Coding und AI Suggested Codes erleichtern das Kodieren, indem sie fortschrittliche Sprachmodelle nutzen, um automatisch beschreibende Codes anzuwenden und Codes vorzuschlagen, die Sie für jedes ausgewählte Textsegment verwenden können. So können Sie potenziell eine große Anzahl von Tweets mit Hilfe von künstlicher Intelligenz codieren, um Trends und Muster in sozialen Medien in großem Umfang zu verstehen.

Analysieren von Daten

Die Bedeutung von Codes zu erkennen, ist in ATLAS.ti mit Features wie dem Code Manager und Code Co-Occurrence Analysis. Der Code Manager zeigt alle Ihre Codes und die am häufigsten vorkommenden an (als Liste, Wolke, Balkendiagramm und TreeMap), und Sie können Ihre Codes in übergeordnete Kategorien und Themen einordnen. Die Code-Koinzidenz-Analyse bietet einen nützlichen Überblick darüber, wie die verschiedenen interpretativen Codes, die auf Ihre Tweets angewandt werden, miteinander in Beziehung stehen (als Tabelle, Balkendiagramm, Sankey-Diagramm oder kräftegeleitete Grafikanzeige).