Analyse von Datentrends im digitalen Journalismus: Erkenntnisse aus der Vorlesung von David Kriesel

David Kriesel, ein Datenwissenschaftler, erlangte durch seinen Vortrag über den Xerox-Ganningbug auf dem 31C3-Event Berühmtheit.

David Kriesel, ein Informatiker aus Bonn, hat sich auf Datenwissenschaft und maschinelles Lernen spezialisiert. Seit 2014 hat er fast 100.000 Artikel von SPIEGEL ONLINE im Rahmen seiner Arbeit gespeichert.

Die während einer Zeit des Medienumbruchs gesammelten Daten geben Einblicke in die Meinungen und Stimmungen der Öffentlichkeit. Die Analyse zielt darauf ab, Trends aus dem Datensatz aufzudecken und Licht auf die Auswirkungen der Datensammlungspraktiken auf die Gesellschaft zu werfen.

Spiegelmining beinhaltet das automatische Herunterladen und Speichern neuer Artikel von Spiegel Online alle paar Minuten. Dieser Prozess ermöglicht den sofortigen Zugriff auf Artikel in ihrem Originalzustand und bietet unverfälschte Einblicke für die Analyse.

Merkmale, die aus den heruntergeladenen Artikeln extrahiert wurden, umfassen Veröffentlichungszeitstempel und Artikelkategorien. Diese Merkmale werden für die Analyse verwendet, wobei interessante Ergebnisse durch Blogartikel geteilt werden, um den Lesern Einblicke in Spiegel Online und Datenwissenschaft zu bieten.

Spiegel Online wird von Artikeln über Politik dominiert, gefolgt von Panorama und Sport. Diese drei Kategorien machen die Hälfte aller Artikel auf der Plattform aus.

Die Veröffentlichungsfrequenz von Spiegel Online variiert erheblich, wobei an Wochenenden ein deutlicher Rückgang zu verzeichnen ist. Im Durchschnitt veröffentlicht die Plattform etwa 700 Artikel pro Woche, was ungefähr 100 Artikel pro Tag entspricht.

Es ist ratsam, ein Warnsystem einzurichten, um zu alarmieren, wenn die Datensammlung stoppt, wie es bei einem Vorfall im März 2015 der Fall war, als Daten aufgrund eines Versehens während eines Monats mit einem 'E' fehlten.

Beim Kombinieren von Veröffentlichungszeit und Kategorie wird festgestellt, dass die Output-Stabilität je nach Kategorie unterschiedlich ist. Während Politik und Panorama stabil bleiben, zeigen Kategorien wie Wissenschaft und UniSPIEGEL signifikante Reduzierungen im Output.

Spiegel Online-Artikel variieren je nach Kategorie in der Länge, wobei kulturelle Artikel fast dreimal so lang sind wie Sportartikel und doppelt so lang wie politische Artikel. Trotz kürzerer Artikel bleiben Politik, Panorama und Sport dominierende Kategorien, was auf einen Fokus auf Reichweite statt Tiefe hinweist.

Das Experimentieren mit Features ist entscheidend in der Datenwissenschaft. Zum Beispiel zeigt ein Diagramm, das das Veröffentlichungsvolumen pro Wochentag und Stunde zeigt, Muster, bei denen größere Blöcke auf mehr veröffentlichte Artikel hinweisen. Diese Experimente helfen beim Verständnis von Datenwissenschaftsprozessen.

In der Datenwissenschaft werden häufig bestätigte Muster entdeckt, die frühere Annahmen bestätigen. Die Analyse von Veröffentlichungstrends zeigt, dass weniger Inhalte zu unkonventionellen Zeiten veröffentlicht werden, wie spät in der Nacht. Diese Erkenntnis hilft bei der Überprüfung von Messmethoden.

Data Science deckt unerwartete Muster auf, wenn Merkmale kombiniert werden. Zum Beispiel zeigt die Farbcodierung von Blöcken basierend auf der Textlänge eine klare Korrelation zwischen Tageszeit und Artikellänge auf. Diese unerwartete Entdeckung stellt vorgefasste Vorstellungen in Frage und vertieft das Verständnis.

Die typische Länge der veröffentlichten Artikel variiert im Laufe der Woche, wobei längere Artikel früh am Morgen veröffentlicht werden. Dieser Trend gilt auch am Wochenende, was auf eine Beziehung zwischen Tageszeit und Artikel Länge hinweist.

Data Science fordert Stereotypen heraus, indem es zeigt, dass kulturelle Abteilungsautoren später am Tag veröffentlichen. Diese Erkenntnis widerspricht der Annahme, dass sie später mit der Arbeit beginnen. Durch die Analyse von Daten können Vorurteile angegangen und korrigiert werden.

Es ist wichtig, Vorsicht bei der Datenanalyse walten zu lassen, um Stereotypen zu vermeiden. Bei der Analyse von Veröffentlichungsmustern ist es entscheidend, Faktoren wie vorgeplante Artikel zu berücksichtigen. Dies dient als Erinnerung, Ergebnisse kritisch zu bewerten und Bestätigungsfehler zu vermeiden.

Die Extraktion von Autoreninformationen aus Artikeln ermöglicht eine tiefere Analyse. Durch die Untersuchung von Autorenmustern können interne Strukturen von SPIEGEL ONLINE abgeleitet werden. Dieser Ansatz liefert Einblicke in die Veröffentlichungsdynamik und Autorenschaft innerhalb der Organisation.

Durch die Analyse von Autorenkollaborationen ist es möglich, eine Autorenkarte zu erstellen, die die Bedeutung der Autoren füreinander auf der Grundlage ihrer Artikelkollaborationen zeigt. Diese Autorenkarte wurde für SPIEGEL ONLINE-Autoren der letzten zwei Jahre erstellt, wobei jeder Autor als Blase dargestellt wird. Autoren, die selten zusammenarbeiten, werden herausgefiltert, was deutliche Cluster von Autoren zeigt, die eng zusammenarbeiten.

Autoren wurden basierend auf ihren jeweiligen Fachgebieten farblich kodiert, die aus dem SPIEGEL ONLINE Impressum stammen. Diese Farbkodierung zeigte, dass Autoren mit ähnlichen Ressourcen dazu neigen, auf der Autorenkarte zusammenzufallen. Zum Beispiel repräsentieren Autoren in Pink Sport, Wissenschaft und Gesundheit, während andere Farben verschiedene Bereiche wie Politik und Reisen kennzeichnen.

Unterschiedliche Autorenteams können auf der Autorenkarte anhand ihrer Clusterungsmuster identifiziert werden. Graue Blasen repräsentieren Autoren, denen keine Ressource aus dem SPIEGEL ONLINE Impressum zugeordnet werden konnte, was möglicherweise auf ehemalige Kollegen hinweist. Trotzdem ermöglicht ihre Nähe zu farbigen Gruppen das Gruppieren dieser Autoren in Teams und zeigt die Kraft der externen Analyse bei der Erfassung interner Teamstrukturen.

Jede Linie im Diagramm stellt einen Autor dar, wobei farbige Linien veröffentlichte Artikel im Laufe der Zeit anzeigen. Durch die Verfolgung der Veröffentlichungsmuster von Autoren, wie regelmäßige Kolumnen oder Berichterstattung über aktuelle Ereignisse, wird es möglich, Details wie Urlaubszeiten basierend auf Veröffentlichungslücken zu erschließen. Diese zeitliche Analyse liefert Einblicke in das Verhalten und die Zeitpläne der Autoren.

Die Identifizierung von sich überschneidenden Urlaubszeiten unter Autoren kann Muster der Zusammenarbeit und Beziehungen innerhalb des Teams aufzeigen. Durch die Erkennung, wann bestimmte Autoren dazu neigen, gleichzeitig Urlaub zu nehmen, beispielsweise während der Feiertage, wird es einfacher, potenzielle Partnerschaften und Interaktionen abzuleiten. Diese Daten können wertvolle Einblicke in die Autorendynamik und Arbeitsbeziehungen bieten.

Die Analyse anonymisierter Autorendaten kann wertvolle Einblicke in Autoreninteraktionen und -kollaborationen liefern. Auch wenn die Ergebnisse nicht alle Partnerschaften endgültig bestätigen, dienen sie als starke Indikatoren für weitere Untersuchungen. Unternehmen nutzen oft solche Datenanalysen für strategische Entscheidungsfindung und das Verständnis interner Dynamiken, was die praktischen Anwendungen datengetriebener Erkenntnisse zeigt.

Der Sprecher betont die Bedeutung von Datenschutz und Sicherheit und betont, dass bei der Veröffentlichung von Daten nicht der Veröffentlicher entscheidet, was offenbart wird, sondern potenzielle Gegner. Durch die Analyse von Metadaten wie Zeiten und Autoren können sensible persönliche Informationen abgeleitet werden, einschließlich Details über Beziehungen, Gesundheit, Überzeugungen und finanziellen Status.

Die Diskussion geht auf die Auswirkungen der Metadatenanalyse ein und zieht Parallelen zum Konzept der Massendatenspeicherung. Der Sprecher verdeutlicht, wie die Metadatenanalyse intime Details über Einzelpersonen offenlegen kann, wie ihre sozialen Verbindungen, Gesundheitszustand und politischen Überzeugungen, und hebt die tiefgreifenden Datenschutzrisiken hervor, die mit solchen Praktiken verbunden sind.

Der Sprecher warnt vor dem Aufbau einer Überwachungsinfrastruktur durch die Sammlung von Metadaten und vergleicht sie mit George Orwells 'Big Brother'. Diese Infrastruktur, die möglicherweise mit guten Absichten errichtet wurde, könnte von zukünftigen bösartigen Regierungen ausgenutzt werden und stellt eine erhebliche Bedrohung für die Privatsphäre und Bürgerrechte dar.

Der Sprecher äußert Bedenken über den möglichen Missbrauch der Überwachungsinfrastruktur durch zukünftige Regierungen und hebt die Risiken hervor, die mit der Gewährung von zu viel Kontrolle an die Behörden verbunden sind. Die Diskussion unterstreicht die Notwendigkeit von Schutzmaßnahmen, um autoritäre Missbräuche zu verhindern und individuelle Freiheiten zu schützen.

Der Sprecher diskutiert Herausforderungen im Zusammenhang mit der Autorenzuweisung in Online-Artikeln und weist auf Diskrepanzen hin, wie Autoren an verschiedenen Stellen im Text präsentiert werden. Die Komplexität der Autorennamen, unterschiedliche Formate und Platzierungsinkonsistenzen stellen technische und Benutzerfreundlichkeitsherausforderungen dar, die die Feinheiten der Datenwissenschaft und Informationsgewinnung widerspiegeln.

Artikel mit Autoren am Ende sind in der Regel etwa 300 Wörter lang, während diejenigen mit Autoren am Anfang über zweieinhalb Mal länger sind und durchschnittlich etwa 750 Wörter umfassen. Dies deutet auf einen signifikanten Unterschied in der Artikel-Länge basierend auf der Position des Autors hin.

Nur etwa 2% der langen Artikel stammen von Nachrichtenagenturen, während fast 80% der kurzen Artikel von Nachrichtenagenturen stammen. Dies verdeutlicht eine Diskrepanz in der Herkunft von Artikeln basierend auf ihrer Länge.

Längere Artikel erscheinen hauptsächlich am Anfang des Tages, mit einem höheren Prozentsatz an selbstgeschriebenen Artikeln. Dieses Muster verschiebt sich im Laufe des Tages, was auf eine Schwankung der Artikel-Länge basierend auf der Veröffentlichungszeit hinweist.

Artikel auf SPIEGEL ONLINE sind mit Schlüsselwörtern versehen, die eine Kategorisierung nach Themen ermöglichen. Über 65.000 verschiedene Schlüsselwörter wurden identifiziert, und die Analyse ihres gemeinsamen Auftretens liefert Einblicke in verwandte Themen innerhalb der Artikel.

Schlüsselwörter werden auf ihre Beziehungen analysiert, wobei eng verwandte Schlüsselwörter als verbundene Knoten in einer thematischen Karte dargestellt werden. Dieser Ansatz schafft eine visuelle Darstellung der miteinander verbundenen Themen, die von SPIEGEL ONLINE in den letzten zwei Jahren behandelt wurden.

Der Volkswagen-Abgasskandal wird durch eine Visualisierung dargestellt, die Schlüsselwörter unterschiedlicher Größe zeigt. Die Größe jedes Schlüsselworts repräsentiert die Anzahl der damit verbundenen Artikel. Die Farbe zeigt die vorherrschende Kategorie in allen Artikeln an, die das Schlüsselwort enthalten. Gelb steht beispielsweise für die Kategorie 'Wirtschaft'.

Verschiedene Luftfahrtvorfälle werden in der Visualisierung dargestellt, wobei das Thema zwischen 'Panorama' (grün) und 'Politik' (rot) liegt. Die politischen Aspekte beziehen sich auf Vorfälle wie das Flugzeug, das über der ukrainisch-russischen Grenze abgeschossen wurde.

Die griechische Finanzkrise wird als Thema zwischen 'Politik' und 'Wirtschaft' (rot und gelb) hervorgehoben. Wolfgang Schäuble wird als verantwortlich für dieses Thema genannt, dargestellt in Grau aufgrund des Mangels an einer dominanten Kategorie in der Schlüsselwortlandschaft.

Die US-Präsidentschaftswahl des Jahres wird präsentiert, mit Hillary Clinton und Donald Trump in einem politischen Kontext (rot). Das Schlüsselwort 'Emails' wird innerhalb dieses Themas besonders hervorgehoben.

Herauszoomen offenbart die weitläufige politische Landschaft, die Ereignisse wie den syrischen Bürgerkrieg, den Islamischen Staat, islamistischen Terrorismus und den Konflikt in der Ukraine umfasst. Auch verschiedene aktuelle Themen in der Türkei, Russland, Israel und dem Nahen Osten werden dargestellt.

Die gesamte politische Landschaft wird präsentiert, mit klaren Abschnitten für die US-Wahl, die Außenpolitik und die Inlandsangelegenheiten. Ein besonderer Schwerpunkt liegt auf der Flüchtlingskrise, die nun als wichtige Kategorie etabliert ist, die ausländische und inländische Anliegen verbindet.

Die Visualisierung zoomt heraus, bis einzelne Details nicht mehr erkennbar sind, und zeigt eine komplexe Vielfalt von farbigen Landschaften. Die politischen, panoramischen und wirtschaftlichen Abschnitte werden hervorgehoben, wobei die Flüchtlingskrise als ein bedeutendes zentrales Thema hervortritt.

Der Sprecher stellt die Weltkarte vor und erwähnt verschiedene Abschnitte wie den Hauptkontinent, die Blaue Netz Welt im Osten, den Kulturbereich und mehr. Die Weite der Karte wird hervorgehoben, mit Bereichen, die nahtlos ineinander übergehen.

Der Sprecher diskutiert die Weite der Weltkarte und erwähnt, dass der Wissenschaftsbereich vom Hauptkontinent entfernt ist und der Sportbereich weit entfernt ist. Das Publikum wird ermutigt, die interaktive Karte auf der Website des Sprechers zu erkunden, um ein ansprechenderes Erlebnis zu haben.

Der Sprecher spricht über die Kommentarfunktion bei Spiegel Online-Artikeln und hebt die Möglichkeit hervor, dass Leser ihre Meinungen äußern können. Es gibt jedoch einen Trend zu abnehmenden kommentierbaren Artikeln, insbesondere nach dem signifikanten Anstieg der Berichterstattung über Flüchtlinge im Sommer 2015.

Seit dem Höhepunkt der Berichterstattung über Flüchtlinge im Jahr 2015 gab es einen kontinuierlichen Rückgang der Anzahl von kommentierbaren Artikeln auf Spiegel Online. Derzeit erlauben die meisten Artikel keine Kommentare, was auf eine Veränderung im Ansatz der Plattform zur Nutzerbindung hinweist.

Der Sprecher spekuliert über die Gründe für den Rückgang kommentierbarer Artikel und deutet an, dass dies auf einen Anstieg von Online-Hassrede oder Spiegel Online's Zurückhaltung gegenüber negativen Kommentaren zurückzuführen sein könnte. Die genaue Ursache bleibt jedoch unklar und offen für individuelle Interpretationen.

Während der Berichterstattung über Flüchtlinge führte Spiegel Online Entschuldigungstexte für Artikel ein, bei denen aufgrund sensibler Themen keine Kommentare möglich waren. Dieser Schritt spiegelte das Unbehagen der Plattform über den starken Anstieg der Kommentarbeschränkungen wider. Trotz anfänglicher Umsetzung wurden die Entschuldigungstexte schließlich eingestellt.

Der Sprecher analysiert die Kommentiertrends, indem er Schlüsselwörter auf einer Karte farblich kennzeichnet, basierend auf ihrer Kommentierbarkeit. Rot zeigt eine unterdurchschnittliche Kommentierbarkeit an, Blau bedeutet eine überdurchschnittliche Kommentierbarkeit und Grau steht für den Durchschnitt. Diese visuelle Darstellung zeigt die sich entwickelnde Landschaft des Nutzerengagements auf Spiegel Online.

Der Sprecher führt das Konzept des Keyword-Mappings ein und erwähnt, dass ein Schlüsselwort entweder am Anfang oder am Ende der Skala hervorsticht. Sie deuten auch darauf hin, eine Karte auf ihrer Website für interaktive Erkundungen hinzuzufügen.

Verschiedene Themen werden zur Kommentierung diskutiert, wie Sport, Wissenschaft und Wirtschaft, wobei spezifische Farbcodes unterschiedliche Artikelformate kennzeichnen. Der Sprecher erwähnt, dass bestimmte Themen wie Justiz und der NSU-Prozess nur begrenzte Leserkommentare haben, während Themen im Zusammenhang mit Flüchtlingen und Rechtsextremismus noch weniger Kommentare zulassen.

Artikel zum Thema Justiz, einschließlich Berichte über Verbrechen, Morde und Angriffe, haben nur begrenzte Leserkommentare, wobei nur etwa 30% der Artikel für Kommentare geöffnet sind. Der NSU-Prozess wird als ein stark diskutiertes Thema mit eingeschränkten Kommentaren hervorgehoben.

Themen im Zusammenhang mit Flüchtlingen, Asylrechten und verwandten Themen haben die strengsten Kommentierungsbeschränkungen, wobei nur etwa 18% der Artikel für Kommentare geöffnet sind. Der Sprecher betont die visuelle Darstellung dieser Beschränkungen auf einer Karte, die die systematische Schließung von Kommentarbereichen nach Thema zeigt.

Der Sprecher betont die Bedeutung der visuellen Darstellung von Daten in der Datenwissenschaft und erklärt, dass es entscheidend ist, komplexe Informationen leicht verständlich zu machen. Sie erwähnen, dass Visualisierungen Individuen helfen, nicht nur Programmierer, komplexe Verbindungen zu erfassen, da die Augen die einzige Breitbandverbindung zum Gehirn darstellen.

Artikel zum Israel-Konflikt haben strenge Kommentarbeschränkungen, wobei Leser darauf hingewiesen werden, sich bei fast allen Artikeln zurückzuhalten. Der Sprecher wechselt zum Thema des Ukraine-Konflikts und weist auf ähnliche Kommentarbeschränkungen hin.

Der Sprecher zeigt eine Visualisierung von westlichen Filterblasen, die unterschiedliche Ebenen der Kommentarfreiheit in verschiedenen Ländern und Regionen zeigen. Sie heben den Kontrast zwischen Regionen wie dem Iran, Großbritannien, der Türkei und Frankreich hervor, wo die Kommentarbeschränkungen je nach Diskussionsthema unterschiedlich sind.

Eine detaillierte Analyse der Kommentartrends in Frankreich wird präsentiert, die eine Verschiebung von überwiegend kommentierbaren Artikeln zu eingeschränktem Kommentieren zeigt, insbesondere nach einer Serie von terroristischen Angriffen. Der Sprecher veranschaulicht diese Verschiebung anhand visueller Daten von 2000 bis 2015 und zeigt eine signifikante Veränderung in den Kommentarmustern.

Im November 2015 gab es eine signifikante Zunahme der Berichterstattung über die Anschläge in Paris, mit einem Anstieg von Artikeln über Frankreich. Die meisten dieser Artikel waren nicht für Kommentare zu den Anschlägen geöffnet, was zu einem Rückgang der Gesamtkommentierbarkeit seit den terroristischen Vorfällen führte.

Die Reaktion von Spiegel Online auf die Angriffe bestand darin, die Kommentierung zu bestimmten Themen einzuschränken, was auf einen Trend hindeutet, bei dem bestimmte Themen aufgrund vergangener Erfahrungen von Benutzerkommentaren blockiert werden. Es liegt im Ermessen von Spiegel Online, zu entscheiden, welche Themen auf ihrer Plattform zur Diskussion offen stehen.

Spiegel Online scheint das Kommentieren von Themen zu verbieten, bei denen die Meinungen der Leser politisch nicht übereinstimmen könnten, was möglicherweise eine selektive Herangehensweise darstellt, um die Benutzerbeteiligung auf ihrer Plattform zu ermöglichen.

Die Präsentation unterteilte die Artikelkollektion in zwei Hauptkategorisierungsmethoden: zunächst in wenige Kategorien und später in mehrere Kategorien, was es ermöglichte, Artikel basierend auf Schlüsselwörtern unter verschiedenen Themen zu klassifizieren und somit ein komplexeres, aber leistungsstärkeres Kategorisierungssystem zu schaffen.

Politische Kampagnen verwenden Wählerzielstrategien, die ähnlich sind wie die Kategorisierung von Artikeln, bei der Wähler basierend auf demografischen Merkmalen wie Geschlecht, Rasse, Alter und Einkommen segmentiert werden. Dieser Ansatz ermöglicht maßgeschneiderte Kampagnenbotschaften an spezifische Wählergruppen für eine effektive Kommunikation.

Ein Artikel hob die Fähigkeit eines Datenanalyseunternehmens hervor, Wähler fein zu segmentieren, ähnlich einer ausgefeilten thematischen Karte. Die detaillierte Wählersegmentierung des Unternehmens soll angeblich die Ergebnisse bei der US-Präsidentschaftswahl und dem Brexit-Referendum beeinflusst haben und deutet auf ein nuanciertes Verständnis des Wählerverhaltens hin.

Ein Datenanalyseunternehmen behauptete, eine so präzise Wählersegmentierung zu haben, dass sie individualisierte Wahlkampfbotschaften für jeden Wähler maßschneidern könnten, sogar den Ton der Kommunikation genau abgestimmt. Diese Präzision bei der Wähleransprache hat Bedenken hinsichtlich der Auswirkungen auf Wahlergebnisse und der Manipulation der öffentlichen Meinung aufgeworfen.

Der Sprecher hinterfragt die Wirksamkeit der Kampagne des Unternehmens in den beiden Wahlkämpfen und deutet darauf hin, dass die Informationen hauptsächlich vom Unternehmen selbst stammten. Sie glauben, dass das Unternehmen einen ausgezeichneten Verkäufer geschickt hat, der eine brillante Präsentation vor der Presse hielt, was dazu führte, dass die Presse die Botschaft der Kampagne übernahm.

Der Sprecher diskutiert die Auswirkungen von zielgerichteter Werbung und betont, dass Einzelpersonen jetzt maßgeschneiderte Anzeigen erhalten, die sie effizient dazu bringen, Entscheidungen zu treffen. Sie erwähnen das Beispiel von Viagra-Spam und geben an, dass nur diejenigen, die das Produkt wirklich benötigen, solche zielgerichteten Anzeigen erhalten.

Der Sprecher betont, dass Individuen letztendlich ihre eigenen Entscheidungen treffen, wenn es um das Wählen und Kaufen geht, und sagt, dass Big Data die Menschen nicht kontrolliert. Sie schlagen vor, dass diejenigen, die Angst vor zielgerichteter Werbung haben, stattdessen ihr eigenes Urteilsvermögen hinterfragen sollten.

Der Sprecher beschreibt, wie Wahlen funktionieren, und stellt fest, dass Wähler dazu neigen, den Kandidaten zu wählen, der kurz vor der Wahl emotional mit ihnen in Resonanz steht. Sie betonen die Effizienz personalisierter Werbung bei der Beeinflussung des Wählerverhaltens.

Der Sprecher behauptet, dass Techniken der Datenwissenschaft tatsächlich Wahlergebnisse beeinflussen können, indem er die Effizienz von hochpersonalisierter Werbung hervorhebt, um Wählerentscheidungen zu beeinflussen. Sie verknüpfen dies mit der Verwendung von Facebook-Likes als Daten, um Wähler präzise zu messen und zu zielen.

Der Sprecher betont die Bedeutung, kritisch gegenüber staatlicher Überwachung zu sein, während man auch auf die persönlichen Daten achten sollte, die online geteilt werden. Sie warnen davor, zu kritisch gegenüber externer Überwachung zu sein, während man sorglos mit persönlichen Informationen auf Plattformen wie Facebook umgeht, und betonen die Notwendigkeit von Selbstbewusstsein und Verantwortung.

Der Sprecher enthüllt, dass sie über 700.000 Artikel von SPIEGEL ONLINE heruntergeladen haben, um Änderungen in Artikeln im Laufe der Zeit zu verfolgen. Sie erwähnen die Fähigkeit, Veränderungen im Artikelinhalt zu messen und kündigen eine Demonstration ihrer Analyse an.

Aufgrund von Zeitbeschränkungen kann der Sprecher keine umfangreiche Analyse der gesammelten Daten liefern, bietet jedoch eine Demo an. Sie erwähnen das Überprüfen von Änderungen in Artikelüberschriften und HTML-Titeln und zeigen die Fähigkeit, Modifikationen im Artikelinhalt im Laufe der Zeit zu verfolgen.

Der Artikel wurde am 20. Januar 2015 veröffentlicht, und am nächsten Tag wurde der HTML-Titel in 'SAP wächst 2014 langsamer als geplant' geändert. Zunächst hieß es im Titel, dass der SAP-CEO langsamer wächst als geplant, was bei Spiegel Online als menschliche Note angesehen wurde. Anschließend wurde der Titel in 'SAP kann Wachstums- und Gewinnziele nicht erfüllen' geändert. Dies zeigt die Bedeutung von mehreren Versionen von Artikeln für eine eingehendere Analyse.

Verschiedene Funktionen wie Kategorien, Zeiten, Kommentierbarkeit, Autoren und mehr wurden in den Artikeln erkundet. Es wurde vorgeschlagen, Links aus Artikeln zu extrahieren, um zu analysieren, ob bestimmte Autoren häufig auf bestimmte Personen verlinken. Die Möglichkeiten für Analysen sind vielfältig und ermutigen zu kreativer Exploration und Feature-Erfindung für die Datenbewertung.

Der Sprecher betonte die Bedeutung der Beibehaltung von Rohdaten und erklärte, dass der Zugriff auf vollständige Rohdaten umfangreiche retrospektive Analysen und die Entwicklung neuer Funktionen ermöglicht. Mit über 60 Gigabyte an verfügbaren HTML-Daten ist das Potenzial für die Ableitung neuer Erkenntnisse nach der Analyse signifikant und fordert Einzelpersonen auf, ihre Kreativität bei der Erstellung und Analyse von Funktionen zu entfesseln.

Das Publikum wurde ermutigt, ihre kreativsten Ideen für die Analyse von Datensätzen per E-Mail einzureichen. Der Sprecher äußerte die Bereitschaft, die Vorschläge zu erkunden, und erkannte an, dass sofortige Antworten aufgrund beruflicher Verpflichtungen möglicherweise nicht möglich seien. Es würden jedoch Anstrengungen unternommen, um innovative Analysevorschläge zu berücksichtigen und umzusetzen.

Der Sprecher drückte seine Dankbarkeit für die Zeit und das Engagement des Publikums aus und bedankte sich dafür, dass sie die Sitzung gemeinsam verbracht haben. Links wurden geteilt und ein letzter Applaus wurde gegeben, bevor die Präsentation beendet wurde.

Die Fragerunde begann, was den Teilnehmern ermöglichte, Fragen zu stellen oder Erkenntnisse zu teilen. Der Sprecher erkannte die faszinierende Natur der Datenanalyse an und ermutigte zur aktiven Teilnahme, indem er Einzelpersonen einlud, an die Mikrofone zu treten, um Fragen zu stellen.

Der Sprecher fand die Präsentation interessant und erkundigte sich, ob Split-Tests durchgeführt und Artikelüberschriften basierend auf Klickraten geändert wurden. Sie erwähnten, dass die Messung der Anzahl verschiedener Titel pro Artikel und die Beobachtung eines Anstiegs der durchschnittlichen Anzahl von Titeln pro Artikel auf solche Tests hinweisen könnten. Der Sprecher interpretierte, dass die Tests sporadisch und möglicherweise von SPIEGEL ONLINE durchgeführt wurden, basierend auf ihrer Datenanalyse.

Der Sprecher bestätigte, dass sie Spiegel Plus-Artikel in ihre Analyse einbezogen haben und erwähnte, dass sie ein Plus-Konto haben, das den Inhalt automatisch entschlüsselt. Sie äußerten anfängliche Frustration, als die Plus-Artikel eingeführt wurden, teilten jedoch später einen Blogbeitrag über die Entschlüsselung von ihnen und betonten, dass Spiegel Plus-Artikel in der Regel aus 1100 Wörtern bestehen und somit einen Mehrwert für das Geld bieten.

Der Sprecher wurde gefragt, ob sie den Inhalt auf Schlüsselwortfrequenz und Übereinstimmung mit Tags oder Kategorien analysierten, um die Genauigkeit der Markierung zu bestimmen. Sie gaben zu, eine solche Analyse noch nicht durchgeführt zu haben, erwähnten jedoch die Möglichkeit, relevante Wörter in Artikeln für einen raffinierteren Markierungsansatz in der Zukunft zu verwenden.

Der Sprecher gab bekannt, dass er den Python P-Datenstapel für die Datenanalyse verwendet, wobei eine benutzerdefinierte Software für die Datenabfrage auf einem Server läuft. Sie nutzten Pandas für die Analyse und Machine-Learning-Tools wie scikit-learn. Darüber hinaus wurde Tableau für die Visualisierung, die effiziente Handhabung großer Datensätze und Geffi für die Graphvisualisierung verwendet.

Der Sprecher klärte auf, dass die Daten in Echtzeit gesammelt, aber retrospektiv analysiert wurden. Sie erwähnten, dass die Daten zunächst roh gesammelt wurden, dann Merkmale extrahiert wurden und die Analyse auf einem Teil der Daten durchgeführt wurde, der in den RAM passte, was auf einen sequenziellen Prozess der Datenverarbeitung hinweist.

Der Sprecher diskutiert die Fähigkeit, Funktionen in drei Ebenen für die Datenanalyse zu erstellen. Während der Präsentation wurde die Daten zehn Mal heruntergeladen, was auf gleichzeitiges Herunterladen während der Diskussion hinweist.

Ein Vorschlag wird gemacht, spezifische Wortgruppen in Artikeln zu analysieren, um wiederkehrende Phrasen zu identifizieren. Die Idee, Artikel zu bewerten, um den Prozentsatz neuer Inhalte zu bestimmen, der durchschnittlich bei 73% liegt, wird hervorgehoben.

Der Sprecher hinterfragt, ob die Unfähigkeit, Kommentare zu Artikeln über Israel abzugeben, auf Ressourcenbeschränkungen zurückzuführen sein könnte, die möglicherweise zu rechtlicher Zensur führen. Es wird auf rechtliche Beschränkungen im deutschen Recht hingewiesen, die redaktionelle Entscheidungen beeinflussen können.

Der Sprecher erwähnt die Einfachheit, die Software als Open Source anzubieten, um sie an andere Quellen wie die Tagesschau anzupassen. Obwohl nicht speziell erwähnt, merkt der Sprecher an, dass das Erstellen eines Skripts zum regelmäßigen Herunterladen und Speichern von Artikeln keine komplexe Aufgabe ist.

Der Sprecher erklärt den Prozess, mehrere Dimensionen auf zwei Dimensionen zu reduzieren, um Daten visualisieren zu können. Techniken wie Force Atlas 2 werden verwendet, um Knoten effektiv zu positionieren, relevante Verbindungen sicherzustellen und theoretische Grenzen zu berücksichtigen.

Der Sprecher erinnert sich an eine positive und interessierte Aufnahme seitens Spiegel bezüglich der präsentierten Analysen. Die Erfahrung wurde als informativ und ansprechend empfunden, im Gegensatz zu Erfahrungen bei anderen Organisationen.

Die Diskussion befasst sich mit der Erforschung mathematischer Ansätze in der Forschung. Es wird vorgeschlagen, die Singulärwertzerlegung der Adjazenzmatrix von Tags in Betracht zu ziehen, ähnlich der Methode von Google. Der Sprecher fragt sich, ob dieser Ansatz einen visuell ansprechenden Graphen liefern würde, und bemerkt, dass die Werte der Kanten letztendlich äquivalent sein können, wenn genügend Dimensionen verwendet werden.

Das Gespräch dreht sich um Monte-Carlo-Methoden, die zur Positionierung von Federn in Karten verwendet werden. Die Stabilität dieser Methoden wird in Frage gestellt, da die Stabilität theoretisch nicht nachgewiesen werden kann. Sie werden jedoch als etabliert für große Graphen anerkannt, bei denen die Planarisierung keine Rolle spielt und Iterationen verwendet werden, bis zufriedenstellende Ergebnisse erzielt werden.

Die Idee, Markov-Analyse zur Erzeugung von Spiegelartikeln anzuwenden, wird vorgeschlagen. Der Sprecher bekundet Interesse daran, eine E-Mail mit weiteren Details zu diesem Thema zu erhalten, und signalisiert die Bereitschaft, diesen Ansatz zur Generierung von Inhalten zu erkunden. Darüber hinaus wird das Potenzial zur Generierung von Kommentaren zu spezifischen Themen erwähnt, was den Umfang der automatisierten Inhalteerzeugung erweitert.

Als die Diskussion ihrem Ende entgegengeht, erkennen die Teilnehmer das Ende ihrer gemeinsamen Zeit an. Der Sprecher erwähnt humorvoll, dass es nun zum nächsten Bierlokal geht, was eine lockere und fröhliche Atmosphäre unterstreicht. Mit Dankbarkeit für die geteilten Erkenntnisse endet das Gespräch mit einer Wertschätzung für die Erkundung von Mathematik und Datenbewusstsein.