1.
Einleitung ^
2.
Forschungsliteratur zu Twitter ^
3.
Corpusaufbau und Datenaufbereitung ^
Um von konkreten Einzelentwicklungen abstrahieren zu können, haben wir uns für das Hashtag #Justiz als relativ allgemeines und neutrales Selektionskriterium entschieden. Mit Hilfe der Twitter-Suchfunktion wurden alle mit diesem Tag versehene Tweets des Jahres 2014 ausgewählt (insgesamt 1804 Tweets). Für die Kategorisierung und quantitative Auswertung wurden die Rohdaten (HTML-Abzug aus Twitter.com) zunächst bereinigt (data cleansing), d.h. Sonderzeichen und HTML-Code sowie inhaltlich nicht relevante Teile der Webseite wie Navigationshinweise und -links wurden entfernt. Zum Teil mussten auch Umformatierungen zur besseren automatischen Analyse vorgenommen werden (Entfernen von Stoppwörtern und Links). Für die quantitative Analyse und Visualisierung wurden die Voyant Tools (http://voyant-tools.org) herangezogen (vgl. Mielke & Wolff 2013, 378, 382).
4.
Entwicklung eines Kategorisierungsschemas ^
4.1.
Kategorien ^
Schließlich erfolgt eine Kennzeichnung danach, ob es sich um ein allgemeines Thema handelt oder auf ein bestimmtes Verfahren Bezug genommen wird (T für allgemeines Thema und V für Verfahren) und ob es um ein deutsches (D), österreichisches (AUT), schweizerisches (CH) oder sonstiges internationales (Int) Thema oder Verfahren geht.
Bereich | Ausprägungen |
Formale und mediale Struktur | Aussage (A) / Referenz (R) bzw. zusätzlich (Red) / Zitat (Z) |
Inhalt | Bezug konkretes Verfahren (V) / allgemeiner Bezug (T) |
Wertung | ohne Wertung (oW) / positiv (p) / negativ (n) |
Ausprägung der Wertung | sachlich (s) / unsachlich (us) |
Regionalität | Deutsch (D) / Österreich (AUT) / Schweiz (CH) / andere Länder bzw. International (Int) |
Tabelle 1: Übersicht Kodierungsschema
4.2.
Beispiele zur Tweet-Kategorisierung ^
#Justiz Höchste Richter sollen im Krabbenbrötchen-Fall urteilen Bundesarbeitsgericht (BAG) entscheidet http://mobil.abendblatt.de/ab/hamburg/article132082231/Hoechste-Richter-sollen-im-Krabbenbroetchen-Fall-urteilen.html?config=mobile… http://t.co/yHa6AWFhwH
Wie Richter und Staatsanwälte alljährlich Millionen fast ohne Kontrolle verteilen #Memnon #Justiz http://spendengerichte.correctiv.org/http://t.co/NWLNgn2BZV
Causa #Wulff : Staatsanwaltschaft sucht nach Maulwurf: Ermittlungen auf Justizministerium ausgeweitet: http://www.noz.de/deutschland-welt/niedersachsen/artikel/507729/causa-wulff-maulwurf-suche-auch-im-ministerium … http://t.co/wyB9rTxUf6
Ein Land, in dem wir Nazis aus #Justiz u #CSU Menschen vernichten dürfen:
http://www.br.de/fernsehen/bayerisches-
fernsehen/sendungen/kontrovers/kindeswohl-sorgerecht-entzug-100.html …
http://t.co/bmw2Fp1TuE @BVerfG @bundesgericht
Nirgendwo können wir Richter unsere Asozialität so schön zur Schau stellen, wie
im Gerichtssaal: http://www.tagesspiegel.de/politik/nsu-prozess-das-duenne-fell-
junger-woelfe-/8224130-2.html … http://t.co/MSvRhhpvKH #Mollath #Justiz
.@ArneFellner Die #Justiz ist ein rechtsfreier Raum. Auch Anwaltsrecht ist
Nazirecht! @BVerfG @bundesgericht #mollath
Geschehen noch Zeichen & Wunder? Anklage gegen #Grasser rückt angeblich!
näher #Justiz #Buwog
http://www.salzburg.com/nachrichten/oesterreich/wirtschaft/sn/artikel/anklage-
gegen-grasser-rueckt-angeblich-naeher-123151/ … http://t.co/Y30hGy3Vuc
pic.twitter.com/c1WaEjKVDM http://t.co/c1WaEjKVDM
Liechtensteiner müssen sich in der Schweiz nicht an Verkehrsregeln halten:
http://www.vaterland.li/liechtenstein/politik/Fuehrerausweise-zu-Unrecht-
entzogen;art169,65361 … http://t.co/l5h12zQWtH #Liechtenstein #Schweiz
#Verkehr #Justiz
Umfrage: Mehrheit vertraut der #Justiz http://kurier.at/politik/inland/umfrage-
mehrheit-vertraut-der-justiz/97.582.353 … http://t.co/nrkKBpM7e3
5.
Auswertung ^
5.1.
Quantitative Auswertungsergebnisse ^
5.1.1.
Die Nutzer ^
Account | Anzahl Tweets im Corpus | Anteil in % an den Tweets im Corpus | Rang | Anzahl Tweets insgesamt | Anzahl Follower | Follower pro Tweet insgesamt | Anteil #Justiz in % an allen Tweets des Autors |
@muschelschloss | 139 | 7,71% | 1 | 208000 | 5007 | 0,02 | 0,07 |
@giselamueller42 | 121 | 6,71% | 2 | 1356 | 129 | 0,10 | 8,92 |
@sozialebewegung | 91 | 5,04% | 3 | 26500 | 3820 | 0,14 | 0,34 |
@brixnershirn | 83 | 4,60% | 4 | 6374 | 158 | 0,02 | 1,30 |
@piratenflotte | 68 | 3,77% | 5 | 11500 | 857 | 0,07 | 0,59 |
@netzgegennazis | 46 | 2,55% | 6 | 17800 | 13100 | 0,73 | 0,26 |
@ein5er | 34 | 1,88% | 7 | 105000 | 12200 | 0,11 | 0,03 |
@nordpirat | 34 | 1,88% | 8 | 14500 | 2502 | 0,17 | 0,23 |
@kurtykowa | 31 | 1,72% | 9 | 1470 | 105 | 0,07 | 2,10 |
@dirkfisser | 30 | 1,66% | 10 | 3523 | 772 | 0,22 | 0,85 |
Tabelle 2: Die am häufigsten vertretenen Twitter-Accounts im Corpus
#Amigos in #Bayern (#Politik #Justiz #CSU ) wurde soeben publiziert!
http://paper.li/Muschelschloss/1402560255 … http://t.co/wOWS4wTGvt
Bei dem Account @GiselaMueller42 geht es vor allem um den Aufruf, eine Petition zu unterschreiben, die zum Ziel hat, «die Strafbarkeit der Richter wegen Rechtsbeugung wiederherzustellen und in den Rechtsmittelinstanzen reine Bürgergerichte (Geschworenengerichte) als unabhängige und wirksame Kontrolle der Berufsrichter einzuführen» (Quelle: http://chn.ge/16IbpaQ). Der Link auf diese Online-Petition findet sich im Corpus 40-mal.
Wir Richter/Staatsanwälte sind zwar ekelerregend, aber WIR HABEN RECHT! […]
#Merkel ist wie wir Richter: hinter Rücken der Bürger kann man Amt besser
zu Straftaten mißbrauchen […]
5.1.2.
Die enthaltenen Links ^
In den Tweets erfolgten 1669 Links auf Domains, wobei es sich um 421 unterschiedliche Domains handelt (es wurde jeweils nur der Domainanteil der URLs berücksichtigt). Einen Überblick zu den in den Tweets am häufigsten enthaltenen Links (nur Domains) gibt die folgende Tabelle, wobei hier allerdings sowohl vollständige als auch durch URL shortener gekürzte Links enthalten sind. Auf den ersten beiden Plätzen finden sich ein generischer und ein auf Facebook bezogener URL shortener:
Domain | Anzahl |
bit.ly | 129 |
on.fb.me | 73 |
mobil.kostenlose-urteile.de | 48 |
www.netz-gegen-nazis.de | 46 |
www.sueddeutsche.de | 46 |
paper.li | 41 |
chn.ge | 40 |
ow.ly | 38 |
www.welt.de | 38 |
goo.gl | 37 |
Tabelle 3: Häufigste Domains der Links in den Tweets mit Frequenzen und Wortwolke
Bei den ungekürzten Domains handelt es sich häufig um Zusammenstellungen von Urteilen wie in mobil.kostenlose-urteile.de oder um politische Initiativen wie www.netz-gegen-nazis.de, aber auch um Websites der Online-Ausgaben überregional bekannter Publikumsmedien wie sueddeutsche.de und welt.de sowie auch regionaler Zeitungen wie der Neuen Osnabrücker Zeitung (www.noz.de).
5.1.3.
Die verwendeten Hashtags ^
Tag | Anzahl |
#mollath | 154 |
#bayern | 143 |
#recht | 91 |
#csu | 90 |
#rechtsstaat | 80 |
#s21 | 80 |
#polizei | 78 |
#politik | 75 |
#rechtsbeugung | 50 |
#richter | 47 |
Tabelle 4: Häufigste Hashtags mit Frequenzen und Wortwolke
5.1.4.
Die häufigsten inhaltstragenden Begriffe (ohne Hashtags) ^
Begriff | Anzahl |
richter | 81 |
justizopfer | 74 |
gericht | 46 |
deutsche | 38 |
kontrolle | 28 |
skandal | 27 |
deutschland | 26 |
petition | 25 |
prozess | 24 |
strafbarkeit | 24 |
Tabelle 5: Häufigste Begriffe in den Tweets (ohne Links und Hashtags) mit Frequenzen und Wortwolke
5.2.
Ergebnisse der qualitativen Inhaltsanalyse ^
Eine weitere Auswertung zeigt, ob die Nachrichten neutral gehalten sind, dem Nachrichtengegenstand eher negativ oder positiv gegenüberstehen, und ob die Wertung eher sachlich oder eher unsachlich ausfällt. Dabei ergibt sich folgende Verteilung: Knapp die Hälfte der Nachrichten, nämlich 277 Tweets (entspricht fast 45%), können als eher neutral formuliert bezeichnet werden, die etwas größere Hälfte der ausgewerteten Nachrichten beinhaltet eine negative Wertung (331 Tweets, was einem Anteil von knapp 54% entspricht), wobei sich darunter die eher sachlichen (136 Tweets) und die eher unsachlichen (167 Tweets) in etwa die Waage halten mit einem Verhältnis von knapp 22% zu etwas über 27% (jeweils bezogen auf alle). Abschließend zeigt Tabelle 6 alle verwendeten Codes wie oben eingeführt, ihre absoluten Häufigkeiten sowie den prozentualen Anteil an allen bewerteten Tweets.
Kategorie | Anzahl | % | Kategorie | Anzahl | % |
(Red) | 285 | 46,27% | AUT | 27 | 4,38% |
A | 49 | 7,95% | CH | 13 | 2,11% |
AmR | 225 | 36,53% | D | 509 | 82,63% |
AR | 227 | 36,85% | Int | 60 | 9,74% |
Z bzw. ZR | 103 | 16,72% | oZ | 3 | 0,49% |
n | 331 | 53,73% | unklar | 3 | 0,49% |
n s | 136 | 22,08% | 615 | 99,84% | |
n us | 167 | 27,11% | |||
oW | 277 | 44,97% | T | 344 | 55,84% |
p | 11 | 1,79% | V | 277 | 44,97% |
Tabelle 6: Häufigkeiten der Codes der qualitativen Inhaltsanalyse
6.
Zusammenfassung ^
7.
Literatur ^
Burghardt, Manuel / Karsten, Heike / Pflamminger, Melanie / Wolff, Christian, Twitter als interaktive Erweiterung des Mediums Fernsehen: Inhaltliche Analyse von Tatort-Tweets. In: Beißwenger, Michael / Lüdeling, Anke / Storrer, Angelika (Hrsg.), Verarbeitung und Annotation von Sprachdaten aus Genres internetbasierter Kommunikation. Workshop im Rahmen der GSCL-Tagung 2013 in Darmstadt (23. September 2013), GSCL, Darmstadt (2013).
Glücker, Hartmut / Burghardt, Manuel / Wolff, Christian, Sentilyzer – A Mashup Application for the Sentiment Analysis of Facebook Pages. In: Ruppenhofer, Josef / Faaß, Gertrud (Hrsg.), Workshop proceedings of the 12th edition of the KONVENS conference, S. 58–61 (2014).
Han, Byung-Chul, Digitale Rationalität und das Ende des kommunikativen Handelns, Matthes & Seitz, Berlin (2013).
Humphreys, Lee / Gill, Phillipa / Krishnamurthy, Balachander, Twitter: a content analysis of personal information. In: Information Communication & Society 17, S. 843–857 (2014).
Jacob, Daniel / Thomas, Manuel, Das Internet als Heilsbringer, In: Aus Politik und Zeitgeschehen, 20. Mai 2014, online: http://www.bpb.de/apuz/184700/das-internet-als-heilsbringer-der-demokratie?p=all, Bundeszentrale für politische Bildung, Berlin, S. 1–4 (2014).
Kwak, Haewoon / Lee, Changhyun / Park, Hosung / Moon, Sue, What is Twitter, a social network or a news media? In: Proceedings of the 19th international conference on World wide web, ACM, Raleigh, North Carolina, USA, S. 591–600 (2010).
Maireder, Axel / Schlögl, Stephan, 24 hours of an #outcry: The networked publics of a socio-political debate. In: European Journal of Communication, Vol. 29, S. 687–702 (2014).
Mayring, Philipp, Qualitative Inhaltsanalyse. Grundlagen und Techniken, 11. aktualisierte und überarb. Aufl., Beltz, Weinheim (2010).
Mielke, Bettina / Wolff, Christian, Text Mining-Verfahren für die Erschließung juristischer Fachtexte. In: Schweighofer, Erich / Liebwald, Doris / Kreuzbauer, Günther / Menzel, Thomas (Hrsg.), Informationstechnik in der juristischen Realität, Aktuelle Fragen der Rechtsinformatik 2004, Verlag Österreich, Wien, S. 269–279 (2004).
Mielke, Bettina / Wolff, Christian, Österreichisch-Deutsche Rechtssprache kontrastiv. Eine corpuslinguistische Analyse. In: Schweighofer, Erich / Kummer, Franz / Hötzendorfer, Walter (Hrsg.), Abstraktion und Applikation, Tagungsband des 16. Internationalen Rechtsinformatik Symposions IRIS 2013, Österreichische Computer Gesellschaft, Wien, S. 377–384 (2013).
Mielke, Bettina / Wolff, Christian, Gerichtsverfahren und der Strukturwandel der Öffentlichkeit durch digitale Medien. In: Schweighofer, Erich / Kummer, Franz / Hötzendorfer, Walter (Hrsg.), Transparenz, Tagungsband des 17. Internationalen Rechtsinformatik Symposions IRIS 2014, Österreichische Computer Gesellschaft & Erich Schweighofer, Wien, S. 273–282 (2014).
Pang, Bo / Lee, Lillian, Opinion Mining and Sentiment Analysis. In: Foundations and Trends in Information Retrieval 2, S. 1–135 (2008).
Pariser, Eli, The filter bubble: What the Internet is hiding from you, Penguin Press, New York (2011).
Pentzold, Christian / Katzenbach, Christian / Fraas, Claudia, Digitale Plattformen und Öffentlichkeiten mediatisierter politischer Kommunikation. In: Aus Politik und Zeitgeschehen, 20. Mai 2014, online: http://www.bpb.de/apuz/184696/digitale-plattformen-und-oeffentlichkeiten-mediatisierter-politischer-kommunikation?p=all, Bundeszentrale für politische Bildung, Berlin, S. 1–5 (2014).
Williams, Shirley A. / Terras, Melissa M. / Warwick, Claire, What do people study when they study Twitter? Classifying Twitter related academic papers. In: Journal of Documentation 69, S. 384–410 (2013).
Bettina Mielke, Vorsitzende Richterin am Landgericht Regensburg, Lehrbeauftragte an der Universität Regensburg, Kumpfmühler Straße 4, 93047 Regensburg, DE, bettina.mielke@lg-r.bayern.de
Christian Wolff, Professor, Institut für Information und Medien, Sprache und Kultur, Lehrstuhl für Medieninformatik, Universität Regensburg, 93040 Regensburg, DE, christian.wolff@ur.de, http://mi.ur.de