Studierende nehmen Stimmungen bei Twitter unter die Lupe

Jonas Hungershausen ist selbst kein Twitternutzer, fragt sich aber, warum das soziale Netzwerk für die Öffentlichkeit so relevant ist. Also hat der Student der Wirtschaftsinformatik an der Hochschule Flensburg seine Semesterarbeit im Kurs „Text Mining“ eine Stimmungsanalyse durchgeführt.

„Beim Text Mining geht es, vereinfacht gesagt, darum mittels Algorithmen Bedeutungsstrukturen in Textdaten zu analysieren und darzustellen“, erklärt Prof. Dr. Jan Gerken, Professor für Datenbanken und Data Science an der Hochschule Flensburg. Jonas Hungershausen hat ein Tool programmiert, das Texte auf Stimmungen untersucht. Mittels neuronaler Netze, kann sogar die Bedeutung und deren positive oder negative Konnotation erfasst werden. Die Arbeit seines Studenten findet Gerken einen interessanten Brückenschlag, der nicht nur die technischen Möglichkeiten im Bereich Business Analytics/KI nutzt, sondern auch versucht, gesellschaftlich relevanten Themen abzubilden.

Das war auch die Intention bei Francesco Johannsen. Der Wirtschaftsinformatikstudent hat im Rahmen seiner Semesterarbeit die Stimmung bei Twitter in Bezug auf Spitzenpolitiker*innen untersucht. Er hat ein Tool entwickelt, das die Tweets, in denen Merkel und Co. vorkommen, auf einer Skala positiv oder negativ einordnet. Das daraus ermittelte Ergebnis: Alexander Dobrint ist der beliebteste Politiker. „Allerdings“, rückt Johannsen zurecht, „war meine Stichprobe zu klein. Ich habe außerdem in zwei Monate nur die Daten im deutschsprachigen Raum erheben können.“ Eine wasserfeste Auswertung war aber auch nicht die Erwartungshaltung seines Professors. „Das können unsere Studierenden in so kurzer Zeit nicht leisten“, sagt Gerken. Noch nicht. „Die Richtung stimmt aber. Das Vorgehen ist sehr praxisorientiert und kann später im Job hilfreich sein.“