Zum Inhalt springen

Abstract

Umfassende Analysen divergierender Muster in der journalistischen Berichterstattung zu wichtigen kontroversen Themen sind häufig durch die Menge an Inhalten begrenzt, die solche Analysen realistisch verarbeiten können. Detaillierte Forschung baut in der Regel auf die manuelle Kodierung von Inhalten für eine Vielzahl von Aspekten – zum Beispiel, welche Interessengruppen in der Berichterstattung vertreten sind, wie Probleme formuliert und Lösungen präsentiert werden, welche Begriffe und Sprache zur Beschreibung des Problems verwendet werden. Die manuelle Kodierung ist jedoch arbeits- und ressourcenintensiv und lässt sich daher nicht gut skalieren. Groß angelegte und längerfristige Analysen von Nachrichteninhalten sind daher selten, und beschränken sich oft auf eine kleinere Anzahl zu kodierender Aspekte. In dieser Präsentation werden mögliche Ansätze für den Einsatz von Large Language Models (LLMs) zur Ergänzung und Erweiterung dieser Arbeit vorgestellt, wobei ein besonderer Schwerpunkt auf der Verwendung solcher Ansätze zur Erkennung von Polarisierungsmustern in den Nachrichtenmedien liegt. Diese Ansätze nutzen neu verfügbare LLMs in der Rolle menschlicher Kodierer, trainieren und testen sie anhand einer manuell kodierten Teilmenge der Daten und untersuchen die Zuverlässigkeit, Reproduzierbarkeit, und Limitationen solcher Ansätze. Obwohl dieser Arbeit immer noch einige Hindernisse im Weg stehen, hat eine erfolgreiche Implementierung das Potenzial, die Analyse großer Nachrichtenkorpora erheblich zu verbessern und zu erweitern.

Bio

Axel Bruns ist Laureate Fellow und Professor am Digital Media Research Centre der Queensland University of Technology in Brisbane, Australien sowie Chief Investigator des ARC Centre of Excellence for Automated Decision-Making and Society. Zu seinen Büchern zählen Are Filter Bubbles Real? (2019) und Gatewatching and News Curation: Journalism, Social Media, and the Public Sphere (2018), sowie die Sammelbände Digitizing Democracy (2019), The Routledge Companion to Social Media and Politics (2016) und Twitter and Society (2014).
Seine aktuelle Forschung befasst sich mit der Untersuchung der öffentlichen Kommunikation in digitalen und sozialen Medienumgebungen, mit besonderem Augenmerk auf die Dynamik von Polarisierung, Parteilichkeit und problematischen Informationen und deren Auswirkungen auf unser Verständnis der zeitgenössischen öffentlichen Sphäre. Seine Arbeit stützt sich insbesondere auf innovative neue Methoden zur Analyse von „Big Social Data“. In den Jahren 2017-19 war er Präsident der Association of Internet Researchers.