Presentation Open Access

Von Themen zu Topics: über die Einsatzmöglichkeiten von Topic Modeling für quantitativ gestützte Inhaltsanalysen in den Geisteswissenschaften.

Henny, Ulrike


Dublin Core Export

<?xml version='1.0' encoding='utf-8'?>
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
  <dc:creator>Henny, Ulrike</dc:creator>
  <dc:date>2017-02-13</dc:date>
  <dc:description>Topic Modeling ist eine Methode der quantitativen Textanalyse, die ursprünglich
entwickelt wurde, um die Abfrage und Suche von Informationen in großen Doku-
ment-Sammlungen zu erleichtern. Inzwischen wird sie auch in den Geisteswissen-
schaften eingesetzt, um thematische Strukturen und die Verteilung von Themen in
Textsammlungen aufzudecken. Mit dem Vortrag werden Beispiele von Topic-Mo-
del-Analysen aus verschiedenen Fachbereichen und basierend auf Sammlungen
unterschiedlicher Textsorten vorgestellt, um die Möglichkeiten des Einsatzes der
Methode zu demonstrieren. Zugleich soll das Verhältnis der Methode zu klassi-
schen Verfahren inhaltlicher Textanalyse diskutiert werden. Welche Konzepte und
Begriffe liegen „Topic Modeling“ zugrunde, wie unterscheiden sich diese von Be-
griffen z.B. aus der Literatur- und Sprachwissenschaft? Wo werden Grenzen der
Anwendbarkeit des Verfahrens für geisteswissenschaftliche Fragestellungen und
der Interpretierbarkeit der Ergebnisse sichtbar?</dc:description>
  <dc:identifier>https://zenodo.org/record/291374</dc:identifier>
  <dc:identifier>10.5281/zenodo.291374</dc:identifier>
  <dc:identifier>oai:zenodo.org:291374</dc:identifier>
  <dc:rights>info:eu-repo/semantics/openAccess</dc:rights>
  <dc:rights>https://creativecommons.org/licenses/by/4.0/</dc:rights>
  <dc:subject>Topic Modeling</dc:subject>
  <dc:title>Von Themen zu Topics: über die Einsatzmöglichkeiten von Topic Modeling für quantitativ gestützte Inhaltsanalysen in den Geisteswissenschaften.</dc:title>
  <dc:type>info:eu-repo/semantics/lecture</dc:type>
  <dc:type>presentation</dc:type>
</oai_dc:dc>

Share

Cite as