{"id":62330,"date":"2021-04-15T11:06:55","date_gmt":"2021-04-15T10:06:55","guid":{"rendered":"https:\/\/www.maxqda.de\/blogpost\/\/"},"modified":"2023-06-21T08:14:02","modified_gmt":"2023-06-21T07:14:02","slug":"sentimentanalyse-covid-19-impfstoffen","status":"publish","type":"post","link":"https:\/\/www.maxqda.com\/de\/blogpost\/sentimentanalyse-covid-19-impfstoffen","title":{"rendered":"Stimmungsbilder zu COVID-19 Impfstoffen – mit MAXQDA\u2019s Sentiment Analyse Twitterdaten evaluieren"},"content":{"rendered":"
WICHTIG: Aufgrund von \u00c4nderungen, die Twitter in diesem Jahr an der Twitter API vorgenommen hat, wird MAXQDA die Funktion \u201eTwitter-Import\u201c ab dem 29. April 2023 nicht mehr unterst\u00fctzen.<\/b> Bereits in ein MAXQDA Projekt importierte Tweets k\u00f6nnen jedoch weiterhin \u00fcber den Arbeitsbereich \u201eTweets analysieren\u201c analysiert werden.\r\n<\/div>\r\n

Mit MAXQDA\u2019s neuem Sentiment Analyse Feature k\u00f6nnen nun die Emotionen von Twitter-Usern in Bezug auf bestimmte Themen untersucht werden. Hierf\u00fcr nutzt unsere Sentiment Analyse ein speziell angepasstes Polarit\u00e4tslexikon in Kombination mit einem eigens kreierten Regelwerk, um die Stimmung eines Tweets zu identifizieren. Diese neue Funktion ist besonders geeignet f\u00fcr Forschungsarbeiten mit gro\u00dfen Datens\u00e4tzen, da diese nun automatisch in Stimmungskategorien aufgeteilt und somit \u00fcbersichtlicher werden. Die Sentiment Analyse f\u00fcr Twitterdaten ist seit dem MAXQDA 2020.4 Update<\/a> f\u00fcr die englische Sprache verf\u00fcgbar.<\/p>\r\n\r\n

Im Folgenden erl\u00e4utern wir anhand eines kurzen Beispiels zu den unterschiedlichen Meinungen im Hinblick auf die verschiedenen COVID-19 Impfstoffe, wie eine Sentiment Analyse in ein Forschungsprojekt integriert werden k\u00f6nnte. Die nachfolgenden Punkte geben einen \u00dcberblick \u00fcber die m\u00f6glichen Arbeitsschritte:<\/p>\r\n\r\n

    \r\n\t
  1. Erstellen des Twitter Datensatzes<\/li>\r\n\t
  2. Durchf\u00fchrung Sentiment Analyse<\/li>\r\n\t
  3. Pr\u00fcfen der Statistiken<\/li>\r\n\t
  4. Autocodierung der Sentiment Label<\/li>\r\n\t
  5. Korrektur der Sentiment Label<\/li>\r\n\t
  6. Auswertung der Ergebnisse<\/li>\r\n<\/ol>\r\n\r\n

    Erstellung des Twitter Datensatzes<\/h2>\r\n

    Zun\u00e4chst erstellen wir mithilfe von MAXQDA\u2019s Twitter-Import Funktion einen Datensatz f\u00fcr unser Projekt. Hierzu m\u00fcssen erst einmal Hashtags und wichtige Begriffe identifiziert werden, die in den Tweets, die wir n\u00e4her untersuchen m\u00f6chten, vorkommen sollten.<\/p>\r\n\r\n

    F\u00fcr unser Beispielprojekt zu den Impfstoffen haben wir Datens\u00e4tze mit Tweets f\u00fcr einige der COVID-19 Impfstoffe erstellt. Um sicherzugehen, dass die Tweets den jeweiligen Impfstoff repr\u00e4sentieren, haben wir festgelegt, dass bestimmte Begriffe wie beispielsweise der Name des Impfstoffes und W\u00f6rter wie \u201evaccine\u201c enthalten sein sollten.<\/p>\r\n\r\n\r\n

    Twitterdaten importieren im MAXQDA Manual<\/a><\/p>\r\n\r\n

    Durchf\u00fchrung der Sentiment Analyse<\/h2>\r\n

    Die Sentiment Analyse kann unter Analyse -> Tweets Analysieren <\/em>durchgef\u00fchrt werden. Hierf\u00fcr w\u00e4hlen wir den zuvor erstellten Datensatz aus und es \u00f6ffnet sich ein neues Fenster f\u00fcr die Twitter Analyse. In diesem Fenster w\u00e4hlen wir nun \u00fcber Button Sentiment-Analyse<\/em> die Einstellungen aus, die f\u00fcr unser Projekt relevant sind. Abh\u00e4ngig vom Untersuchungsgegenstand kann es notwendig sein, Hashtags oder bestimmte Begriffe zu ignorieren, da diese sonst die Ergebnisse der Sentiment Analyse beeintr\u00e4chtigen k\u00f6nnten.<\/p>\r\n\r\n

    In unserem Beispiel gehen wir davon aus, dass W\u00f6rter wie \u201evaccine\u201c, \u201evaccinated\u201c und \u201eshot\u201c selbst bereits negativ oder positiv konnotiert sein k\u00f6nnten und damit unsere Stimmungsanalyse in die eine oder andere Richtung verf\u00e4lschen k\u00f6nnten. Aus diesem Grund wenden wir innerhalb der Sentiment Analyse eine Stopp-Liste an, die ebendiese Begriffe enth\u00e4lt. Diese werden dann bei der Analyse nicht ber\u00fccksichtigt und ihr Einfluss auf unsere Ergebnisse ist somit begrenzt.<\/p>\r\n

    \"Die<\/a>Die Anwendung von Stopp-Listen f\u00fcr die Sentiment Analyse.<\/em><\/p>\r\n\r\n

    Die Ergebnisse der Sentiment Analyse erscheinen auf der rechten Seite der Tabelle in Form von vier neuen Spalten. Zus\u00e4tzlich wird auf der linken Seite des Fensters ein neuer Filtertyp erzeugt. Somit k\u00f6nnen die angezeigten Tweets nach Sentiment gefiltert, oder aber durch Klicken auf die jeweilige Spalte sortiert werden.<\/p>\r\n

    \"Das<\/a>Das Twitter-Analyse Fenster mit den neuen Sentiment Funktionen.<\/em><\/p>\r\n\r\n

    Pr\u00fcfen der Sentiment Statistiken<\/h2>\r\n

    Bevor wir die Sentiment Label autocodieren, k\u00f6nnen wir durch Klicken auf Statistiken<\/em> die Sentiment Statistiken zu unserem Datensatz abrufen. Diese k\u00f6nnen wir durch Ausw\u00e4hlen der Variable Sentiment<\/em> einsehen und individuell anpassen. Die Ergebnisse k\u00f6nnen hier nun auch direkt exportiert oder in die Zwischenablage kopiert werden.<\/p>\r\n\r\n

    In unserem Beispiel konnten wir einige Sentiment Label ausfindig machen, die eine inkorrekte Vorhersage vermuten lassen. Wie wir diese Codierungen ab\u00e4ndern, zeigen wir in den kommenden Schritten.<\/p>\r\n\r\n

    Sentiment Label autocodieren<\/h2>\r\n

    Nachdem wir die Sentiment Analyse durchgef\u00fchrt haben, k\u00f6nnen wir durch Klicken auf Tweets mit Sentiment autocodieren<\/em> die Sentiment Label als Code zum Codesystem unseres Projektes hinzuf\u00fcgen. Die automatisch erzeugten Sentiment Codes erscheinen nun im Hauptfenster von MAXQDA in der Liste der Codes unter dem neuen Obercode Tweet Sentiment<\/em>.<\/p>\r\n\r\n

    Hinweis: Wenn Sie vorhaben, eine Sentiment Analyse innerhalb einer Projektdatei an mehreren Datens\u00e4tzen durchzuf\u00fchren, ist es hilfreich, den Obercode Tweet Sentiment<\/em> umzubenennen. Andernfalls werden neue Sentiment Autocodierungen automatisch in den bisher bestehenden Autocode integriert.<\/p>\r\n\r\n

    Optional: Sentiment Label korrigieren<\/h2>\r\n

    Da die Sentiment Analyse in ihren M\u00f6glichkeiten der Analyse von Sarkasmus oder Schreibfehlern beschr\u00e4nkt ist, werden wir nun ein paar der Sentiment Codes, die nicht mit unserem pers\u00f6nlichen Eindruck \u00fcbereinstimmen, ab\u00e4ndern. Dies kann beispielsweise mithilfe des Smart-Coding-Tools<\/em> im Hauptfenster von MAXQDA erfolgen. Innerhalb des Smart-Coding-Tools<\/em> k\u00f6nnen Tweets per drag-and-drop dem gew\u00fcnschten Code zugeordnet und per Rechtsklick vom aktuellen Code entfernt werden.<\/p>\r\n

    \"Die<\/a>Die \u00dcberarbeitung bestehender Codes mit dem Smart-Coding-Tool.<\/em><\/p>\r\n\r\n

    Auswertung der Ergebnisse<\/h2>\r\n

    F\u00fcr die Auswertung der Sentiment Analyse k\u00f6nnen die Statistiken des Datensatzes durch \u00d6ffnen der Statistik f\u00fcr Subcodes<\/em> und Ausw\u00e4hlen der Codierten Segmente <\/em>als Einheit der Analyse zu Rate gezogen werden. Eine weitere Option zur Ausgabe der Sentiment Statistiken findet man direkt innerhalb des Tweets analysieren<\/em> Fensters unter Statistiken<\/em> -> Sentiment<\/em>.<\/p>\r\n\r\n

    Unser Beispielprojekt zeigt, dass die Stimmung im Hinblick auf die verschiedenen Impfstoffe merklich variiert. Das Moderna Vakzin beispielsweise scheint im Vergleich zu anderen Impfstoffen vorrangig positive Stimmungen zu erzeugen: Die Statistik zeigt uns ca. 52% positiv getaggte Tweets und nur 11% negativ codierte Segmente. In Kontrast dazu stehen die Ergebnisse des AstraZeneca Datensatzes. Hier k\u00f6nnen wir ca. 30% positive Meinungs\u00e4u\u00dferungen und 22% negativ getaggte Tweets erkennen. \u00a0<\/p>\r\n\r\n

    \"Verteilung<\/a>Verteilung der Sentiment Label f\u00fcr den AstraZeneca Datensatz.<\/em><\/p>\r\n\r\n

    \"Verteilung<\/a>Verteilung der Sentiment Label f\u00fcr den Moderna Datensatz<\/em><\/p>\r\n\r\n

    Da wir nun anhand eines Beispiels gezeigt haben wie ein eigener Twitter Datensatz erstellt und mit Hinblick auf die Stimmung analysiert werden kann, m\u00f6chten wir Sie herzlich dazu einladen, Ihren eigenen Datensatz \u00fcber die Twitter-Import Funktion zu erstellen und MAXQDA\u2019s neue Sentiment Analyse Features auszuprobieren.<\/p>\r\n\r\n

    F\u00fcr weitere Informationen und den theoretischen Hintergrund von MAXQDA\u2019s Sentiment Analyse, k\u00f6nnen finden Sie hier die zugeh\u00f6rige Seite in unserem Manual:<\/p>\r\n\r\n

    Sentiments von Tweets analysieren im MAXQDA Manual<\/a><\/p>\r\n\r\n

    Sentiment Analysis in MAXQDA (English):<\/p>\r\n