@phdthesis{Scharkow2012,
  author    = {Scharkow, Michael},
  title     = {Automatische Inhaltsanalyse und maschinelles Lernen},
  isbn      = {978-3-8442-1670-7},
  url       = {https://nbn-resolving.org/urn:nbn:de:kobv:b170-opus-405},
  institution = {Institut f{\"u}r Theorie und Praxis der Kommunikation},
  school    = {Universit{\"a}t der K{\"u}nste Berlin},
  year      = {2012},
  abstract  = {Bereits seit einigen Jahren werden verschiedene Verfahren des maschinellen Lernens f{\"u}r die Auswertung von digitalen Medieninhalten eingesetzt - unter anderem bei Suchmaschinen oder automatischen {\"U}bersetzungen. Was leisten diese Verfahren jedoch f{\"u}r die quantitative Inhaltsanalyse, wie sie in den Sozialwissenschaften angewandt wird? In diesem Buch werden die methodologischen und forschungspraktischen Besonderheiten der automatischen Inhaltsanalyse denen der klassischen manuellen Codierung gegen{\"u}bergestellt. Anschließend werden die Vor- und Nachteile des maschinellen Lernens im Vergleich zu anderen computergest{\"u}tzten Verfahren der Textanalyse diskutiert. Praktisch wird das Potential dieses Ansatzes anhand einer umfangreichen Analyse von Online-Nachrichten evaluiert. In einer experimentellen Untersuchung stehen dabei einerseits die Klassifikationsqualit{\"a}t, andererseits die Effektivit{\"a}t des maschinellen Lernprozesses auf dem Pr{\"u}fstand. Die Ergebnisse der Studie zeigen erstens, dass die Qualit{\"a}t der automatischen Codierung vor allem von den verwendeten Kategorien abh{\"a}ngt, jedoch weitgehend unabh{\"a}ngig vom Textmaterial und etwaigen Bereinigungsschritten. Zweitens belegt die Evaluationsstudie, dass sich der maschinelle Lernprozess durch gezielte statt zuf{\"a}llige Auswahl von Beispieltexten deutlich beschleunigen l{\"a}sst.},
  subject      = {Automatische Inhaltsanalyse},
  language  = {de}
}