D. Förderung des wissenschaftlichen Nachwuchses
In den Sozialwissenschaften hat die Forschung in den letzten Jahrzehnten
umfassende Modelle zur Beschreibung von verzerrter Medienberichterstattung
entwickelt und effektive, aber häufig manuelle oder aufwändige und damit nicht
skalierbare Analysemethoden erforscht. Im Gegensatz dazu gibt es in der Informa-
tik schnelle, automatisierte und skalierbare Methoden, beispielsweise zur Textana-
lyse. Diese können aber nur wenige der in der sozialwissenschaftlichen Forschung
identifizierten Konzepte erfassen. In diesem Projekt sollen daher beide Bereiche,
Informatik und Sozialwissenschaft, enger verknüpft werden, um die Vorteile der
jeweiligen Methoden miteinander kombinieren zu können.
Die Art und Weise, auf die Medien über öffentliche Themen berichten,
hat grundlegenden Einfluss auf individuelle wie kollektive Entscheidungsfin-
dungsprozesse. Wie genau verzerrte Darstellungen in Nachrichten sich konkret
darstellen, ist dabei sehr unterschiedlich. Dieses Projekt konzentriert sich daher
insbesondere auf Verzerrung durch Wortwahl. Beispielsweise können Autoren
verschieden konnotierte Wörter verwenden, um dasselbe semantische Konzept
zu referenzieren (Verzerrung durch Wortwahl) — ein prominentes Beispiel wäh-
rend der Flüchtlingskrise ist folgende Wortwahl: „Flüchtling“, „Geflüchteter“ oder
„Wirtschaftsasylant“. Weitere häufig vorkommende Arten absichtlich verzerrter
Berichterstattung sind die Hervorhebung oder Auslassung bzw. Fehldarstellung
bestimmter Details. Um eine weitestgehend faktenbasierte Entscheidungsfindung
zu ermöglichen, ist es von zentraler Bedeutung, Leser auf verzerrende Darstellun-
gen innerhalb von Nachrichtenartikeln hinzuweisen. Die bisherige Forschung hat
ganz klar gezeigt, dass diese sonst oft unbemerkt bleiben und damit die Wahrneh-
mung von wichtigen Themen verzerren können.
Das Projekt besteht aus zwei Teilprojekten entsprechend der beiden zuvor
genannten Wissenschaftsbereiche. Das erste Teilprojekt erforscht Methoden in
der Informatik und verwandten Wissenschaften wie der Computer-Linguistik,
die es ermöglichen sollen, Verzerrung durch Wortwahl automatisiert zu finden.
Dabei konzentrieren wir uns zunächst auf englisch-sprachige Nachrichtenarti-
kel, da die für das Englische verfügbaren Methoden bereits weiter fortgeschritten
sind. Der zweite, sozialwissenschaftlichen Teil untersucht systematisch, wie ten-
denzielle Darstellung in den Medien am besten kommuniziert werden kann, um
sie dem Endnutzer verständlich zu machen. Im ersten Projektjahr haben wir den
Schwerpunkt auf die Entwicklung der Methoden zur automatisierten Erkennung
von verzerrter Berichterstattung gelegt. Für das zweite Teilprojekt haben wir auch
bereits eine Vorstudie durchgeführt, um die Wirksamkeit verschiedener Visuali-
sierungen für die Darstellung von verzerrter Darstellung besser einschätzen zu
können.
Das erste Teilprojekt wird vom Team von Prof Bela Gipp durchgeführt und
dort verantwortlich von unserem Projektmitarbeiter Felix Hamborg geleitet.
Bisher wurden in diesem Projektteil drei Zwischenziele erreicht. Erstens wurde
394
In den Sozialwissenschaften hat die Forschung in den letzten Jahrzehnten
umfassende Modelle zur Beschreibung von verzerrter Medienberichterstattung
entwickelt und effektive, aber häufig manuelle oder aufwändige und damit nicht
skalierbare Analysemethoden erforscht. Im Gegensatz dazu gibt es in der Informa-
tik schnelle, automatisierte und skalierbare Methoden, beispielsweise zur Textana-
lyse. Diese können aber nur wenige der in der sozialwissenschaftlichen Forschung
identifizierten Konzepte erfassen. In diesem Projekt sollen daher beide Bereiche,
Informatik und Sozialwissenschaft, enger verknüpft werden, um die Vorteile der
jeweiligen Methoden miteinander kombinieren zu können.
Die Art und Weise, auf die Medien über öffentliche Themen berichten,
hat grundlegenden Einfluss auf individuelle wie kollektive Entscheidungsfin-
dungsprozesse. Wie genau verzerrte Darstellungen in Nachrichten sich konkret
darstellen, ist dabei sehr unterschiedlich. Dieses Projekt konzentriert sich daher
insbesondere auf Verzerrung durch Wortwahl. Beispielsweise können Autoren
verschieden konnotierte Wörter verwenden, um dasselbe semantische Konzept
zu referenzieren (Verzerrung durch Wortwahl) — ein prominentes Beispiel wäh-
rend der Flüchtlingskrise ist folgende Wortwahl: „Flüchtling“, „Geflüchteter“ oder
„Wirtschaftsasylant“. Weitere häufig vorkommende Arten absichtlich verzerrter
Berichterstattung sind die Hervorhebung oder Auslassung bzw. Fehldarstellung
bestimmter Details. Um eine weitestgehend faktenbasierte Entscheidungsfindung
zu ermöglichen, ist es von zentraler Bedeutung, Leser auf verzerrende Darstellun-
gen innerhalb von Nachrichtenartikeln hinzuweisen. Die bisherige Forschung hat
ganz klar gezeigt, dass diese sonst oft unbemerkt bleiben und damit die Wahrneh-
mung von wichtigen Themen verzerren können.
Das Projekt besteht aus zwei Teilprojekten entsprechend der beiden zuvor
genannten Wissenschaftsbereiche. Das erste Teilprojekt erforscht Methoden in
der Informatik und verwandten Wissenschaften wie der Computer-Linguistik,
die es ermöglichen sollen, Verzerrung durch Wortwahl automatisiert zu finden.
Dabei konzentrieren wir uns zunächst auf englisch-sprachige Nachrichtenarti-
kel, da die für das Englische verfügbaren Methoden bereits weiter fortgeschritten
sind. Der zweite, sozialwissenschaftlichen Teil untersucht systematisch, wie ten-
denzielle Darstellung in den Medien am besten kommuniziert werden kann, um
sie dem Endnutzer verständlich zu machen. Im ersten Projektjahr haben wir den
Schwerpunkt auf die Entwicklung der Methoden zur automatisierten Erkennung
von verzerrter Berichterstattung gelegt. Für das zweite Teilprojekt haben wir auch
bereits eine Vorstudie durchgeführt, um die Wirksamkeit verschiedener Visuali-
sierungen für die Darstellung von verzerrter Darstellung besser einschätzen zu
können.
Das erste Teilprojekt wird vom Team von Prof Bela Gipp durchgeführt und
dort verantwortlich von unserem Projektmitarbeiter Felix Hamborg geleitet.
Bisher wurden in diesem Projektteil drei Zwischenziele erreicht. Erstens wurde
394