Dieses Projekt ist im Rahmen einer politikwissenschaftlichen Hausarbeit entstanden und untersucht einen Trend zu Verkürzung und Emotionalisierung in Reden des deutschen Bundestags.
Das Hauptziel dieser Arbeit ist es, zu analysieren, wie sich die Rhetorik nach Rolle (Opposition und Regierung) und Fraktion über Legislaturperioden hinweg in den Parlamentsdebatten verändert haben. Dabei werden Methoden der quantitativen Textanalyse und des Natural Language Processing (NLP) angewendet.
Die Datenbasis bilden öffentlich zugängliche Reden des deutschen Bundestags. Die Daten wurden aus [opendiscourse.de/plenarsitzungen] bezogen und für die Analyse aufbereitet.
Das Projekt verwendet verschiedene Analyseschritte:
Datenbereinigung und Vorverarbeitung: Die gesammelten Reden wurden bereinigt, tokenisiert, lemmatisiert und von Stoppwörtern befreit.
Sentiment-Analyse: Es wurde mithilfe des ed8 Sentimentslexikon untersucht, wie die Stimmungslage (8 Grundemotionen) der Reden je nach Zeitraum und Fraktion variiert.
Visualisierung: Die Ergebnisse der Analyse werden in Form von Zeitgraphen visualisiert, um die Trends und Muster verständlich darzustellen.
- Python
- Pandas
- Numpy
- scikit-learn
- NLTK
- Matplotlib
- Seaborn