Skip to main content
SpringerLink
Log in

Computational Methods und Tools für die Erhebung und Auswertung von Social-Media-Daten

  • Living reference work entry
  • First Online:
Handbuch Digitale Medien und Methoden

Zusammenfassung

Daten von Sozialen Medien wie Facebook, Instagram oder WhatsApp spielen in der Kommunikations- und Medienwissenschaft eine immer bedeutendere Rolle. Aber was ist unter ‚Social-Media-Daten‘ eigentlich zu verstehen? Wie erhalten Forschende Zugriff auf diese Daten? Und welche Herausforderungen gehen mit dieser jüngeren Art der Datenerhebung einher? Der vorliegende Beitrag gibt einen Überblick über verschiedene Arten von und Zugänge zu Social-Media-Daten, insbesondere der Datensammlung über APIs, Tracking und Datenspenden. Für alle drei Zugangswege werden zentrale Charakteristika und Herausforderungen vorgestellt. Anschließend werden konkrete Methoden zur Sammlung und Analyse von Social-Media-Daten sowie zugehörige forschungspraktische, rechtliche, ethische und methodische Herausforderungen diskutiert und anhand eines konkreten Beispiels (YouTube) illustriert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Institutional subscriptions

Literatur

  • Araujo, Theo, Jef Ausloos, Wouter van Atteveldt, Felicia Loecherbach, Judith Moeller, Jakob Ohme, Damian Trilling, Bob van de Velde, Claes de Vreese, und Kasper Welbers. 2022. OSD2F: An open-source data donation framework. Computational Communication Research 4(2): 372–387.

    Article  Google Scholar 

  • Atteveldt, Wouter van, und Tai-Quan Peng. 2018. When communication meets computation: Opportunities, challenges, and pitfalls in computational communication science. Communication Methods and Measures 12(2–3): 81–92.

    Google Scholar 

  • Balluff, Paul, Fabienne Lind, Hajo G. Boomgaarden, und Annie Waldherr. 2022. Mapping the European media landscape – Meteor, a curated and community-coded inventory of news sources. European Journal of Communication. https://doi.org/10.1177/02673231221112006.

  • Barrie, Christopher, und Justin Ho. 2021. AcademictwitteR: an R package to access the Twitter Academic Research Product Track v2 API endpoint. Journal of Open Source Software 6(62): 3272.

    Article  Google Scholar 

  • Bauer, Paul C., Camille Landesvatter, und Lion Behrens. 2022. APIs for social scientists: A collaborative review V1.0. https://doi.org/10.5281/ZENODO.6798690. Zugegriffen am 09.03.2023.

  • Breuer, Johannes, Zoltán Kmetty, Mario Haim, und Sebastian Stier. 2022a. User-centric approaches for collecting Facebook data in the ‚post-API age‘: Experiences from two studies and recommendations for future research. Information, Communication & Society. https://doi.org/10.1080/1369118X.2022.2097015.

  • Breuer, Johannes, Julian Kohne, und M. Rohangis Mohseni. 2022b. Workshop „automatic sampling and analysis of YouTube comments“, GESIS 2022. https://github.com/jobreu/youtube-workshop-gesis-2022. Zugegriffen am 09.03.2023.

  • Bruns, Axel. 2019. After the ‚APIcalypse‘: Social media platforms and their fight against critical scholarly research. Information, Communication & Society 22(11): 1544–1566.

    Article  Google Scholar 

  • Choi, Sujin. 2020. When digital trace data meet traditional communication theory: Theoretical/methodological directions. Social Science Computer Review 38(1): 91–107.

    Article  Google Scholar 

  • Christner, Clara, Aleksandra Urman, Silke Adam, und Michaela Maier. 2022. Automated tracking approaches for studying online media use: A critical review and recommendations. Communication Methods and Measures 16(2): 79–95.

    Article  Google Scholar 

  • Domahidi, Emese, Jung Hwan Yang, Julia Niemann-Lenz, und Leonard Reinecke. 2019. Outlining the way ahead in computational communication science: An introduction to the IJoC special section on „computational methods for communication science: Toward a strategic roadmap“. International Journal of Communication 13:3876–3884.

    Google Scholar 

  • Dommett, Katharine, und Rebekah Tromble. 2022. Advocating for platform data access: Challenges and opportunities for academics seeking policy change. Politics and Governance 10(1): 220–229.

    Article  Google Scholar 

  • Driel, Irene I. van, Anastasia Giachanou, J. Loes Pouwels, Laura Boeschoten, Ine Beyens, und Patti M. Valkenburg. 2022. Promises and pitfalls of social media data donations. Communication Methods and Measures. https://doi.org/10.1080/19312458.2022.2109608.

  • Exo, L. 2020. Telethon: Full-featured Telegram client library for Python 3 (1.11.2). https://github.com/LonamiWebs/Telethon. Zugegriffen am 09.03.2023.

  • Freelon, Deen. 2018. Computational research in the post-API age. Political Communication 35(4): 665–668.

    Article  Google Scholar 

  • Giannopoulou, Alexandra, Jef Ausloos, Sylvie Delacroix, und Heleen Janssen. 2022. Intermediating data rights exercises: The role of legal mandates. International Data Privacy Law 12(4): 316–331.

    Article  Google Scholar 

  • Haim, Mario. 2021. Gütekriterien und Handlungsempfehlungen für die Entwicklung von Forschungssoftware in der Kommunikations- und Medienwissenschaft. Medien & Kommunikationswissenschaft 69(1): 65–79.

    Article  Google Scholar 

  • Haim, Mario, und Angela Nienierza. 2019. Computational observation: Challenges and opportunities of automated observation within algorithmically curated media environments using a browser plug-in. Computational Communication Research 1(1): 79–102.

    Article  Google Scholar 

  • Haim, Mario, Anna Sophie Kümpel, und Hans-Bernd Brosius. 2018. Popularity cues in online media: A review of conceptualizations, operationalizations, and general effects. Studies in Communication and Media 7(2): 186–207.

    Article  Google Scholar 

  • Haim, Mario, Dominik J. Leiner, und Valerie Hase. 2022. Zur Integration von Datenspenden in Online-Befragungen mit OSD2F und SoSci-Survey. Arbeitspapier an der LMU München.

    Google Scholar 

  • Hargittai, Eszter. 2020. Potential biases in big data: Omitted voices on social media. Social Science Computer Review 38(1): 10–24.

    Article  Google Scholar 

  • Hase, Valerie, Karin Boczek, und Michael Scharkow. 2022a. Adapting to affordances and audiences? A cross-platform, multi-modal analysis of the platformization of news on Facebook, Instagram, TikTok, and Twitter. Digital Journalism. https://doi.org/10.1080/21670811.2022.2128389.

  • Hase, Valerie, Daniela Mahl, und Mike S. Schäfer. 2022b. Der „Computational Turn“: Ein „interdisziplinärer Turn“? Ein systematischer Überblick zur Nutzung der automatisierten Inhaltsanalyse in der Journalismusforschung. Medien & Kommunikationswissenschaft 70(1–2): 60–78.

    Article  Google Scholar 

  • Hermida, Alfred, Fred Fletcher, Darryl Korell, und Donna Logan. 2012. SHARE, LIKE, RECOMMEND: Decoding the social media news consumer. Journalism Studies 13(5–6): 815–824.

    Article  Google Scholar 

  • Hilbert, Martin, George Barnett, Joshua Blumenstock, Noshir Contractor, Jana Diesner, Seth Frey, Sandra González-Bailón, et al. 2019. Computational communication science: A methodological catalyzer for a maturing discipline. International Journal of Communication 13:3912–3934.

    Google Scholar 

  • Ho, Justin Chun-Ting. 2020. How biased is the sample? Reverse engineering the ranking algorithm of Facebook’s graph application programming interface. Big Data & Society 7(1): 205395172090587.

    Article  Google Scholar 

  • Jünger, Jakob. 2021. A brief history of APIs. In Handbook of computational social science, Hrsg. Uwe Engel, Anabel Quan-Haase, Sunny Xun Liu, und Lars Lyberg, 17–32. London: Routledge.

    Google Scholar 

  • Jünger, Jakob, und Till Keyling. 2019. Facepager. An application for automated data retrieval on the web. https://github.com/strohne/Facepager. Zugegriffen am 09.03.2023.

  • Jünger, Jakob, Stephanie Geise, und Maria Hänelt. 2022. Unboxing computational social media research from a datahermeneutical perspective: How do scholars address the tension between automation and interpretation? International Journal of Communication 16:1482–1505.

    Google Scholar 

  • Kearney, Michael. 2019. Rtweet: Collecting and analyzing Twitter data. Journal of Open Source Software 4(42): 1829.

    Article  Google Scholar 

  • Kleppe, Martijn, und Marco Otte. 2017. Analysing and understanding news consumption patterns by tracking online user behaviour with a multimodal research design. Digital Scholarship in the Humanities 32:ii158–ii170.

    Article  Google Scholar 

  • Lazer, David, Eszter Hargittai, Deen Freelon, Sandra Gonzalez-Bailon, Kevin Munger, Katherine Ognyanova, und Jason Radford. 2021. Meaningful measures of human society in the twenty-first century. Nature 595(7866): 189–196.

    Article  Google Scholar 

  • Leiner, Dominik J. 2016. Our research’s breadth lives on convenience samples: A case study of the online respondent pool „sosci panel“. Studies in Communication|Media 5(4): 367–396.

    Google Scholar 

  • Menchen-Trevino, Ericka, und Chris Karr. 2012. Researching real-world web use with roxy: Collecting observational web data with informed consent. Journal of Information Technology & Politics 9(3): 254–268.

    Article  Google Scholar 

  • Newman, Nic, Richard Fletcher, Craig T. Robertson, Kirsten Eddy, und Rasmus Kleis Nielsen. 2022. Reuters Institute Digital News Report 2022. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2022-06/Digital_News-Report_2022.pdf. Zugegriffen am 09.03.2023.

  • Ohme, Jakob, Theo Araujo, Claes H. de Vreese, und Jessica Taylor Piotrowski. 2021. Mobile data donations: Assessing self-report accuracy and sample biases with the IOS screen time function. Mobile Media & Communication 9(2): 293–313.

    Article  Google Scholar 

  • Omena, Janna, und Morgan Currie. 2022. Collecting data using APIs part 1: How to understand APIs and navigating API documentation. https://doi.org/10.4135/9781529611441. Zugegriffen am 09.03.2023.

  • Peeters, Stijn, und Sal Hagen. 2022. The 4CAT capture and analysis toolkit: A modular tool for transparent and traceable social media research. Computational Communication Research 4(2): 571–589.

    Article  Google Scholar 

  • Pfiffner, Nico, und Thomas Friemel. 2022. DDM Documentation. www.github.com/uzh/ddm. Zugegriffen am 09.03.2023.

  • Puschmann, Cornelius. 2020. RCrowdTangle. https://github.com/cbpuschmann/RCrowdTangle. Zugegriffen am 09.03.2023.

  • Rieder, B. (o.J.). Software. https://labs.polsys.net. Zugegriffen am 09.03.2023.

  • Rothenberger, Liane, und Valerie Hase. 2023. Content analysis in the research field of terrorism coverage. In Standardisierte Inhaltsanalyse in der Kommunikationswissenschaft – Standardized Content Analysis in Communication Research, Hrsg. Franziska Oehmer-Pedrazzi, Sabrina Heike Kessler, Edda Humprecht, Katharina Sommer, und Laia Castro, 137–146. Wiesbaden: Springer Fachmedien Wiesbaden.

    Chapter  Google Scholar 

  • Ruths, Derek, und Jürgen Pfeffer. 2014. Social media for large studies of behavior. Science 346(6213): 1063–1064.

    Article  Google Scholar 

  • Salganik, Matthew J. 2018. Bit by bit: Social research in the digital age. Princeton: Princeton University Press.

    Google Scholar 

  • Scharkow, Michael, Frank Mangold, Sebastian Stier, und Johannes Breuer. 2020. How social network sites and other online intermediaries increase exposure to news. Proceedings of the National Academy of Sciences 117(6): 2761–2763.

    Article  Google Scholar 

  • Schatto-Eckrodt, Tim. 2022. Hidden biases – The effects of unavailable content on Twitter on sampling quality. In Grenzen, Probleme und Lösungen bei der Stichprobenziehung, Hrsg. Jakob Jünger, Ulrike Gochermann, Christina Peter, und Marko Bachl, 178–195. Köln: Halem.

    Google Scholar 

  • Schlütz, Daniela, und Wiebke Möhring. 2016. Kommunikationswissenschaftliche Forschungsethik – Sonntagsworte, Selbstzweck, Notwendigkeit? Medien & Kommunikationswissenschaft 64(4): 483–496.

    Article  Google Scholar 

  • Sood, Gaurav, Kate Lyons, und John Muschelli. 2020. tuber: Client for the YouTube API. https://cran.r-project.org/web/packages/tuber/index.html. Zugegriffen am 09.03.2023.

  • Taddicken, Monika, und Jan-Hinrik Schmidt. 2016. Entwicklung und Verbreitung sozialer Medien. In Handbuch Soziale Medien, Hrsg. Jan-Hinrik Schmidt und Monika Taddicken, 1–20. Wiesbaden: Springer Fachmedien Wiesbaden.

    Google Scholar 

  • Tromble, Rebekah. 2021. Where have all the data gone? A critical reflection on academic digital research in the post-API age. Social Media + Society 7(1): 1–8.

    Article  Google Scholar 

  • Unkel, Julian. 2020. Computational Methods in der politischen Kommunikationsforschung. Methodische Vertiefung: Computational Methods mit R und RStudio. https://bookdown.org/joone/ComputationalMethods. Zugegriffen am 09.03.2023.

  • Vázquez-Herrero, Jorge, María-Cruz Negreira-Rey, und José Sixto-García. 2022. Mind the gap! Journalism on social media and news consumption among young audiences. International Journal of Communication 16:3822–3842.

    Google Scholar 

  • Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy McGowan, Romain François, Garrett Grolemund, et al. 2019. Welcome to the tidyverse. Journal of Open Source Software 4(43): 1686.

    Article  Google Scholar 

  • Yu, Jingyuan, und Juan Muñoz-Justicia. 2022. Free and low-cost Twitter research software tools for social science. Social Science Computer Review 40(1): 124–149.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Institut für Kommunikationswissenschaft und Medienforschung, Ludwig-Maximilians-Universität München, München, Deutschland

    Mario Haim & Valerie Hase

Authors
  1. Mario Haim
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Valerie Hase
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Mario Haim .

Editor information

Editors and Affiliations

  1. Universität Leipzig, Leipzig, Deutschland

    Sven Stollfuß

  2. Universität Regensburg, Regensburg, Deutschland

    Laura Niebling

  3. Universität Bayreuth, Bayreuth, Deutschland

    Felix Raczkowski

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Haim, M., Hase, V. (2023). Computational Methods und Tools für die Erhebung und Auswertung von Social-Media-Daten. In: Stollfuß, S., Niebling, L., Raczkowski, F. (eds) Handbuch Digitale Medien und Methoden. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-36629-2_41-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-36629-2_41-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-36629-2

  • Online ISBN: 978-3-658-36629-2

  • eBook Packages: Springer Referenz Sozialwissenschaften und Recht

Publish with us

Policies and ethics

Search

Navigation