Text und Data Mining umfasst die Entwicklung und Anwendung von Methoden, um für die Sozialwissenschaften relevantes Wissen aus unstrukturierten Texten und Datenströmen zu extrahieren.
Schwerpunkte der Forschung in diesem Bereich sind:
- Erkennung von statistischen Regelmäßigkeiten in Daten und Texten und deren Nutzung für unterschiedliche Anwendungsfälle, z.B. für die automatisierte Gruppierung von Texten oder Datenpunkten nach bestimmten Merkmalen (wie demographischen Merkmalen oder politischen Einstellungen)
- Verknüpfung von Umfragedaten mit digitalen Verhaltensdaten, um Modelle zur Erklärung des Verhaltens unterschiedlicher Benutzergruppen zu erstellen
- Semantische Anreicherung und Analyse von kollaborativ erstellten Dokumenten (z.B. von Wikipedia-Artikeln oder wissenschaftlichen Publikationen) und deren Verknüpfung mit Informationen zum Erstellungsprozess (z.B. demographische Attribute der Verfassenden, Konflikte, Produktivität)
- Statistische Modellierung von sequentiellem menschlichen Handeln (z.B. Navigationsentscheidungen im Web oder die individuelle Fortbewegung im städtischen Straßensystem)
- Erkennung, Disambiguierung und Verlinkung von sozialwissenschaftlich relevanten Entitäten in wissenschaftlichen Publikationen (wie insbesondere Referenzen auf Forschungsdaten)
- Extraktion von Schlüsselinformationen aus Texten (z.B. Keywords) und (Semi-)Automatisierung der Inhaltserschließung
- Dimitrov, Dimitar, Dennis Segeth, and Stefan Dietze. 2022. "Geotagging TweetsCOV19: Enriching a COVID-19 Twitter Discourse Knowledge Base with Geographic Information." In Companion Proceedings of WWW '22: The ACM Web Conference 2022 Virtual Event, Lyon France April 25 - 29, 2022, edited by Frédérique Laforest, Raphaël Troncy, Lionel Médini, and Ivan Herman, 438-442. New York: ACM. doi: https://doi.org/10.1145/3487553.3524623.
- Schoch, David, Franziska B Keller, Sebastian Stier, and JungHwan Yang. 2022. "Coordination patterns reveal online political astroturfing across the world." Scientific Reports 2022 (12): 4572. doi: https://doi.org/10.1038/s41598-022-08404-9.
- Jadidi, Mohsen, Haiko Lietz, Mattia Samory, and Claudia Wagner. 2022. "The Hipster Paradox in Electronic Dance Music: How musicians trade mainstream success off against alternative status." In Proceedings of the Sixteenth International AAAI Conference on Web and Social Media, edited by Ceren Budak, Meeyoung Cha, and Daniele Quercia, 16, 370-380. Association for the Advancement of Artificial Intelligence. doi: https://doi.org/10.1609/icwsm.v16i1.19299.
- Batzdorfer, Veronika, Holger Steinmetz, Marco Biella, and Meysam Alizadeh. 2022. "Conspiracy theories on Twitter: Emerging motifs and temporal dynamics during the COVID-19 pandemic." International Journal of Data Science and Analytics 13 315–333. doi: https://doi.org/10.1007/s41060-021-00298-6.
- Zagovora, Olga, Roberto Ulloa, Katrin Weller, and Fabian Flöck. 2022. "'I updated the ': The evolution of references in the English wikipedia and the implications for altmetrics." Quantitative Science Studies 3 (1): 147-173. doi: https://doi.org/10.1162/qss_a_00171.