#3 KoPo im Netz

Heyoh,

Und weiter geht es mit dem Scavanger Hunt #3. Heute aus dem Bereich Data Mining – Mapping – Network Analysis. Klingt kompliziert, ist es auch. Aber nach diesem Blog-Eintrag dann hoffentlich nicht mehr. Um was geht es da genau: Stell dir vor, du hast riesen Datenmengen und keine Lust, Zeit usw. sie alle durchzulesen bzw. genau zu bearbeiten. Also wirklich viele Daten. Dann hast du die Möglichkeit dir dieses Daten-Set durch ein Computer-Programm „berechnen“ zu lassen. Deine Daten – in einer Datenbank gesammelt – können so zum Beispiel einfach veranschaulicht werden. Eine Möglichkeit riesen Datenmengen so zu veranschaulichen, dass jeder auf einen Blick so grob erkennt, um was es geht, sind Network Analysis, also Netzwerkanalysen. Die waren ab den 90er-Jahren vor allem bei Sozialwissenschaftlern beliebt, fanden dann aber auch Eingang in die Geschichtswissenschaften. Was sind (historische) Netzwerkanalysen genau: Ziel ist es ein Netzwerk aus verschiedenen Akteuren genauer zu beleuchten. Die einfachste Form ist dabei ein Netzwerk, das aus drei Akteuren besteht. Zum Beispiel: Ich, du als LeserIn des Blocks und eine dritte Person, der du vom Blog erzählst. Entscheidend ist jetzt die Interaktion zwischen den einzelnen Akteuren. Also in welcher Form bzw. über was kommunizieren wir miteinander und wer mit wem usw. Die Akteure sind dabei Knoten und die Verbindung zwischen ihnen sind Kanten. Jetzt kann man aber ein Netzwerk auch außerhalb eines sozialen Gefüges sehen, also auch wenn die Akteure nicht zwingend Menschen sind. Um dir das genauer zu zeigen, stelle ich heute eine Seminar-Arbeit von mir vor, in der ich eine historische Netzwerk Analyse verwendet habe. Das Thema waren sogenannte „GastarbeiterInnen“ in Österreich 1973. Ich wollte mir genau ansehen, wie diese Personen und das Thema „ausländische“ Arbeitskräfte in österreichischen Zeitungen, genauer in der Presse, im Kurier und in der Arbeiter-Zeitung dargestellt wurden. Glücklicherweise hatte ich schon allen Artikeln aus diesen Zeitungen über „GastarbeiterInnen“ gesammelt. Das waren 1973 199 Artikel. Die alle in eine Diskurs-Analyse mit aufzunehmen wäre schwierig gewesen, daher habe ich mich für die Netzwerk Analyse entschieden. Im Folgenden habe ich eine Tabelle erstellt und alle Artikel aufgelistet + das Monat, in dem sie erschienen, die Zeitung in der sie erschienen und welches Thema sie genau behandeln.

Excel-Tabelle Artikel-Themen

Damit nicht Hunderttausend verschiedene Themen vorkommen, habe ich mir 12 Themenblocks überlegt, in die ich alle Artikel einordnen kann: Also zum Beispiel ein Artikel, in dem Berichtet wird wie „schmutzig“ „GastarbeiterInnen“ sind, kam in den Themenblock „Diskriminierung/Fremdenfeindlichkeit“, ein Artikel über die Wohnsituation kam in die Rubrik „GA-Quartiere“ usw.   Neben dieser Form der Artikeleinteilung versuchte ich auch „tatsächliche“ Akteure zu identifizieren. Ich sah mir also die Artikel erneut durch und identifizierte Akteure und deren Einstellung gegenüber der Thematik „GastarbeiterInnen.“ Beispielsweise sprach sich die SPÖ (Akteur) für das Wahlrecht der „GastarbeiterInnen“ (bei Arbeiterkammerwahlen) aus (also Thema). Oder die Industriellenvereinigung (Akteur) sprach sich für die Weiterbeschäftigung (Thema) jener ArbeitnehmerInnen aus. So konnte ich eine zweite Excel-Liste erstellen.

Excel-Tabelle Thema-Akteure (Meinung von)

Diese Listen sind zwar durchaus spannend, beinhalten sie doch schon alle gesammelten Informationen, doch anschaulich sind sie es definitiv nicht. Will man seine Ergebnisse außenstehenden (zum Beispiel euch) präsentieren, können sie nicht in langen Excel-Tabellen bleiben, sondern müssen visualisiert werden. Um dies zu bewerkstelligen, habe ich ein Open-Source Tool Namens Palladio benutzt (https://hdlab.stanford.edu/palladio/). Entwickelt wurde es in der Stanford University und ist kostenlos, ohne Anmeldung benutzbar. Mithilfe dieses Programmes lassen sich die Excel-Tabellen – soweit sie richtig formatiert sind – in graphische Darstellungen umwandeln.

Graphik aus Palladio: Zeitungen – Themen

In der ersten Visualisierung sehen wir, welche Themen in welchen Zeitungen vorkamen. Klar erkennbar ist, dass die meisten Themen in allen drei Zeitungen behandelt wurden, einige jedoch nur in bestimmten Zeitungen. Hier könnte man durchaus noch argumentieren, dass die Aussagekraft eher gering ist. Komplexer wird es bei der zweiten Visualisierung:

Graphik aus Palladio: Themen – Akteure

Auf den ersten Blick sieht das ganze sehr diffus aus. Doch betrachtet man die Abbildung näher, lassen sich einige interessante Dinge herauslesen. Einige Themenbereiche, zum Beispiel „Unterstützung“ (rechts unten in der Graphik), werden von einigen ganz bestimmten Akteuren umringt und bilden beinahe ein eigenständiges Netzwerk. Wiederum gibt es Akteure, die sowohl mit Themenbereichen wie „Für Weiterbeschäftigung“, aber auch in Themenbereichen wie „Gastarbeiterreduzierung“ in Verbindung stehen. Zu sehen ist dies vor allem bei Akteuren wie der SPÖ oder dem damaligen Bundeskanzler Bruno Kreisky. Daraus lässt sich schlussfolgern, dass deren Haltung gegenüber „GastarbeiterInnen“ sehr variabel ist, sich also oft ändert.

Aus Netzwerk Analysen können also Aussagen über relativ große Datenmengen getroffen und visualisiert werden. Also alles super? Nicht ganz. Ein paar Einschränkungen müssen bei der Netzwerk Analyse immer mit bedacht werden: Um Daten mittels einer Netzwerk Analyse analysieren und visualisieren zu können, müssen sie einheitlich gestalten werden. In meinen Fall mussten aus unterschiedlichsten Artikeln Themenblöcke werden. Bei vielen historischen Arbeiten müssen darüber hinaus ganz unterschiedliche Quellen (zum Beispiel Bücher, Briefe, Zeitungs-Artikel usw.) herangezogen werden und für die Analyse vereinheitlicht werden. Dies ist einerseits ein recht aufwendiger und schwieriger Prozess und andererseits interpretiert dieser Schritt bereits die Quellen. Die Daten sind nicht mehr die ursprüngliche Quelle, sondern eine bereits interpretierte Vereinfachung. An meinem Beispiel: Durch das einteilen der Zeitungsartikel in Themenblöcke habe ich bereits völlig unterschiedliche Artikel zu jeweils ein bis zwei Wörtern zusammengefasst. Dies war eine individuelle, persönliche Interpretation dessen, was in den Artikeln steht. Durchaus hätte eine andere Historikerin oder Historiker die Themenblöcke anders gewählt und die Artikel anders zugeteilt. Welche Schlussfolgerung können wir aus dieser Erkenntnis nun ziehen? Auch wenn die Netzwerk Analyse, die ja auf Algorithmen fußt, sehr mathematisch und naturwissenschaftlich wirkt, bleibt sie dennoch eine – in unserem Fall -geisteswissenschaftliche Analyse. Das Ergebnis ist keinesfalls die Einzige Antwort. In der Geschichtswissenschaft gibt es keine Naturgesetzte wie 1+1=2, dies gilt auch für die Netzwerk Analyse. Daher müssen diese Ergebnisse immer auch kritisch hinterfragt werden. Und damit auch die RezipientInnen (also LeserInnen) die Netzwerk Analyse kritisch hinterfragen und verstehen können, ist es extrem wichtig offen zu legen, was und wie man etwas genau gemacht hat. Ich könnte also nicht einfach sagen, ich habe die Zeitungsartikel mittels Netzwerk Analyse bearbeitet und das ist mein Ergebnis. Nein, ich muss auch sagen wie ich vorgegangen bin, also welche Themenblöcke ich zum Beispiel gewählt habe und nach welchen Kriterien ich Artikel in die Themenblöcke zugeordnet habe. Erst dadurch können auch andere nachvollziehen, was genau passiert ist und wie die Ergebnisse zu verstehen sind.

Die Netzwerk Analyse sieht anfangs mal cool und fancy aus. Es wirkt so als würde der Computer alles für einen berechnen und am Ende bekommt man schnittige Visualisierungen heraus, die einem alles sagen, was man wissen muss. Wichtig ist jedoch vor allem zu begreifen, dass der Computer uns zwar die Daten berechnet, die entscheidenden Schritte dennoch von Menschen getätigt werden. Sowohl das Einteilen der Ursprungsquellen in standardisierte Daten, als auch die Interpretation der Ergebnisse ist Aufgabe der Forscherin oder des Forschers. 

Natürlich gibt es über Netzwerk Analysen noch viel mehr zu sagen. Es gibt Millionen von Anwendungsmöglichkeiten und unterschiedlichste Programme. Wenn du dich mehr für das Thema interessierst, besuche am besten die Website von Marten Düring (http://martenduering.com/). Er ist eine Koryphäe im Gebiet Netzwerk Analyse im deutschsprachigen Raum und bietet auf seiner Website neben Erklärungen auch Beispiele zum selbst ausprobieren.   

KoPo out

#HistorikerimNetz


Das könnte dich auch interessieren …

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