Data Literacy ist ein Thema, das an deutschen Universitäten insbesondere in der Lehre stark diskutiert und auch in Zukunft weiterhin zunehmend an Bedeutung gewinnen wird. So befasst sich etwa das Projekt BiLinked an der Universität Bielefeld mit dieser Thematik und hat zum Austausch Dr. Martin Dröge zu einer gemeinsamen Sitzung eingeladen. In diesem Rahmen stellte dieser den Projektmitarbeiter:innen am Beispiel der Verwendung des Hashtags ‚Wutbürger‘ vor, wie mit Twitterdaten gearbeitet werden kann.
Dabei konnte er aufzeigen, dass der Gebrauch dieses Hashtags seit dem ersten Auftreten Ende 2010 bis heute einen kontextuellen Wandel durchlief. Das Vorgehen bei der explorativen Analyse der Twitterdaten gliederte er, angefangen vom Sammeln der Daten bis zu ihrer Visualisierung, in vier aufeinander aufbauende Schritte: Data Gathering, Data Wrangling, Data Exploration und Data Visualisation. Diese Schritte erfolgten durchgängig im Python-Ökosystem, sodass auch die Codeskripte, die für die Arbeit mit den Daten genutzt wurden, in den Fokus genommen werden konnten. Die Präsentation kann hier abgerufen werden.
In der Diskussion wurden die Unterschiede zwischen sowie die Vor- und Nachteile von R und Python angesprochen. Außerdem wurden verschiedene Einsatzszenarien von Twitterdaten in der Lehre diskutiert. Ausgehend von den Daten, die ein Tweet-Datenobjekt neben dem reinen Text umfasst, wurden gemeinsam in anregendem Austausch weitere Ideen generiert, auf welche Art und Weise Twitterdaten für die digitale Geschichtswissenschaft ausgewertet werden können – und ebenso, wie sich diese Ansätze in eine Lehre, die Data Literacy ernst nimmt, einbinden lassen.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Digital History Berlin (Redaktion) (7. Februar 2022). Austausch zum Thema Data Literacy: Twitterdaten in Forschung und Lehre. Digital History Berlin. Abgerufen am 7. Dezember 2024 von https://doi.org/10.58079/nl3c