Twitter-Netzwerkanalyse

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Diese Übung ist Teil des Kurses

<Kurs>Social-Media-Daten mit R analysieren</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.9+

Kurs kostenlos starten

Starte damit, die Möglichkeiten von Twitter-Daten zu verstehen und was du mit Social-Media-Analyse erreichen kannst. In diesem Kapitel extrahierst du deinen ersten Satz von Tweets mithilfe der Twitter API und Funktionen aus der leistungsstarken „rtweet“-Bibliothek. Anschließend erkundest du, wie du die Bestandteile deiner extrahierten Twitter-Daten nutzen kannst, um Erkenntnisse für die Social-Media-Analyse zu gewinnen.

Exercise 1: Twitter-Daten analysieren Exercise 2: Die Power von Twitter-Daten Exercise 3: Vor- und Nachteile von Twitter-Daten Exercise 4: Twitter-Daten extrahieren Exercise 5: Voraussetzungen zum Einrichten der R-Umgebung Exercise 6: Tweets suchen und extrahieren Exercise 7: Timelines suchen und extrahieren Exercise 8: Bestandteile von Twitter-Daten Exercise 9: Nutzerinteresse und Tweet-Anzahlen Exercise 10: Follower-Zahl vergleichen Exercise 11: Retweet-Zahlen

Jetzt geht’s in die Tiefe. Lerne, wie du Filter auf Tweets anwendest und Twitter-Nutzerdaten mithilfe des Goldenen Schnitts und der Twitter-Listen analysierst, denen sie folgen. Du lernst außerdem, wie du Trendthemen extrahierst und Twitter-Daten über die Zeit analysierst, um interessante Erkenntnisse zu identifizieren.

Exercise 1: Tweets filtern Exercise 2: Nach Original-Tweets filtern Exercise 3: Nach Tweet-Sprache filtern Exercise 4: Nach Beliebtheit von Tweets filtern Exercise 5: Analyse von Twitter-Nutzer:innen Exercise 6: Benutzerinformationen extrahieren Exercise 7: Untersuche Nutzer basierend auf dem Golden-Ratio-Verhältnis Exercise 8: Abonnenten von Twitter-Listen Exercise 9: Twitter-Trends Exercise 10: Verfügbare Trends Exercise 11: Trends nach Ländernamen Exercise 12: Trends nach Stadt und meistgetwitterte Trends Exercise 13: Twitter-Daten über die Zeit visualisieren Exercise 14: Häufigkeit von Tweets visualisieren Exercise 15: Zeitreihenobjekte erstellen Exercise 16: Vergleiche Tweet-Häufigkeiten für zwei Marken

Ein Bild sagt mehr als tausend Worte! In diesem Kapitel entdeckst du, wie du Text aus Tweets mit Balkendiagrammen und Wordclouds visualisierst. Du lernst, Tweet-Text zu verarbeiten und ein sauberes Textkorpus für die Analyse vorzubereiten. Stell dir vor, du kannst aus geteilten Tweets zentrale Diskussionsthemen und die Wahrnehmung zu einem Thema oder einer Marke herausziehen. Genau das wirst du mit Topic Modeling und Sentimentanalyse erreichen.

Exercise 1: Twitter-Text verarbeiten Exercise 2: URLs und Nicht-Buchstaben entfernen Exercise 3: Erstelle ein Korpus und wandle in Kleinbuchstaben um Exercise 4: Stoppwörter und zusätzliche Leerzeichen entfernen Exercise 5: Beliebte Begriffe visualisieren Exercise 6: Eigene Stoppwörter entfernen Exercise 7: Beliebte Begriffe mit Balkendiagrammen visualisieren Exercise 8: Wortwolken zur Visualisierung Exercise 9: Themenmodellierung von Tweets Exercise 10: Der LDA-Algorithmus Exercise 11: Erstelle eine Document-Term-Matrix Exercise 12: Erstelle ein Topic-Modell Exercise 13: Sentiment-Analyse auf Twitter Exercise 14: Sentiment-Scores extrahieren Exercise 15: Führe eine Sentiment-Analyse durch

Twitter-Nutzer tweeten, liken, folgen und retweeten – so entstehen komplexe Netzwerkstrukturen. In diesem letzten Kapitel lernst du, diese Netzwerkstrukturen zu analysieren und die Beziehungen zwischen einzelnen Personen als Retweet-Netzwerk zu visualisieren. Durch das Extrahieren von Geolokalisierungsdaten aus den Tweets entdeckst du außerdem, wie du Tweet-Standorte auf einer Karte darstellst und starke Fragen beantwortest – etwa: Welche Bundesstaaten oder Länder sprechen am meisten über deine Marke? Geografische Daten verleihen deiner Twitter-Datenanalyse eine neue Dimension.

Exercise 1: Twitter-Netzwerkanalyse

Aktuelle Übung

Exercise 2: Daten für ein Retweet-Netzwerk vorbereiten Exercise 3: Erstelle ein Retweet-Netzwerk Exercise 4: Kennzahlen der Netzwerkzentralität Exercise 5: Out-Degree-Werte berechnen Exercise 6: In-Degree-Werte berechnen Exercise 7: Betweenness-Werte berechnen Exercise 8: Twitter-Netzwerke visualisieren Exercise 9: Erstelle ein Netzwerkdiagramm mit Attributen Exercise 10: Netzwerk-Plot basierend auf Zentralitätsmaß Exercise 11: Follower-Zahl zur Verbesserung des Netzwerk-Plots Exercise 12: Twitter-Daten auf die Karte bringen Exercise 13: Geokoordinaten extrahieren Exercise 14: Twitter-Daten auf der Karte Exercise 15: Kursabschluss