Hallo

Methoden der empirischen Kommunikations- und Medienforschung

Marko Bachl

Freie Universität Berlin

13. 10. 2025

Agenda

  1. Hallo
  2. Tell me why
  3. Vorkenntnisse
  4. Aufbau der Vorlesung
  5. Hausaufgabe

Aufzeichnung?

Hallo

Hallo

Arbeitsstelle Digitale Forschungsmethoden

CV

  • Seit Mai 2023 Juniorprofessor für Digitale Forschungsmethoden an der FU Berlin

  • Davor: Universität Hohenheim (PhD, Postdoc), Hochschule für Musik, Theater und Medien Hannover (Master, Gastprofessor), Universität Augsburg (Bachelor)

  • Ich mag empirische Forschungsmethoden 🤓

Tell me why

Tell me why

giphy.com

Tell me why

Wissenschaftliche Lektürekompetenz: Wenn man aktuelle Forschung lesen möchte (oder muss), führt kein Weg an etwas komplexeren Analysen vorbei.

The thematic analysis of the disinformation narratives was structured by using the three-step coding framework of the grounded theory approach (e.g., Charmaz, 2006). Specifically, initial unstructured open coding was followed up by focused and axial coding to map variety on the themes resulting from the data.

(Hameleers, 2025)

Tell me why

Wissenschaftliche Lektürekompetenz: Wenn man aktuelle Forschung lesen möchte (oder muss), führt kein Weg an etwas komplexeren Analysen vorbei.

The meta-analyses were conducted in the R (version 4.3.1) statistical platform using the metaSEM package (Cheung, 2023). […] We used a random-effects model instead of a fixed-effects model as we did not assume that the included studies could represent the entire population of interest (Hunter & Schmidt, 2000).

(Ng et al., 2025)

Tell me why

Wissenschaftliche Lektürekompetenz: Wenn man aktuelle Forschung lesen möchte (oder muss), führt kein Weg an etwas komplexeren Analysen vorbei.

Multi-level logistic regression analysis was employed to test the hypotheses, because of the dependent variables’ dichotomous nature and nested structure of the data.

(Boukes, 2025)

Tell me why

Wissenschaftliche Lektürekompetenz: Wenn man aktuelle Forschung lesen möchte (oder muss), führt kein Weg an etwas komplexeren Analysen vorbei.

The methods of textual analysis and grounded theory were used to explore social practices, representations, assumptions, and stories. The process was cyclical and interactive between researcher and data (Corbin, 2016), from an initial stage during which texts were read for familiarity, to deeper levels of analysis of linguistic and grammatical structures […], to the emergence and consolidation of common stories and themes.

(Schneeweis, 2025)

Tell me why

Wissenschaftliche Lektürekompetenz: Wenn man aktuelle Forschung lesen möchte (oder muss), führt kein Weg an etwas komplexeren Analysen vorbei.

Due to overdispersion in retweet counts, we used negative binomial regression with weekly aggregated data to test if discourse types, network structures, and dynamics predicted issue-related retweets (H1 and H2).

(Chen et al., 2025)

Tell me why

(Einstieg in die) Anwendungskompetenz: Wer Analysen praktisch nachvollzogen hat, kann in Seminar- und Abschlussarbeiten darauf aufbauen.

library(tidyverse)
d <- haven::read_sav(here::here("data/Voegele_Bachl_2017.sav")) |> # Daten lesen
  mutate( # Daten aufbereiten
    schwab = as_factor(c_0001), # Treatment
    gesamt = v_126 # Gesamtbewertung des Politikers
  )
m <- lm(gesamt ~ schwab, data = d) # Regressionsmodell schätzen

Tell me why

(Einstieg in die) Anwendungskompetenz: Wer Analysen praktisch nachvollzogen hat, kann in Seminar- und Abschlussarbeiten darauf aufbauen.

report::report_table(m, metrics = "R2_adj", include_effectsize = FALSE)
Parameter Coefficient CI CI_low CI_high t df_error p Fit
(Intercept) 3.809816 0.95 3.6749134 3.9447185 55.538030 361 0.0000000 NA
schwab [schwäbisch] -0.204816 0.95 -0.3865592 -0.0230727 -2.216215 361 0.0272998 NA
NA NA NA NA NA NA NA NA NA
R2 (adj.) NA NA NA NA NA NA NA 0.01069

Tell me why

(Einstieg in die) Anwendungskompetenz: Wer Analysen praktisch nachvollzogen hat, kann in Seminar- und Abschlussarbeiten darauf aufbauen.

marginaleffects::plot_predictions(m, by = "schwab") + theme_minimal()

Tell me why

Alltagswissen: Fähigkeiten für gesellschaftliches Leben und den Arbeitsmarkt

https://xkcd.com/2494

Tell me why

Warum überhaupt eine Programmiersprache?

  • Code literacy als wissenschaftliche Kompetenz und Alltagsompetenz in moderner Gesellschaft

Warum R?

  • Eine der beiden großen Sprachen für Arbeit mit Daten (neben Python)
  • Freie Software: Free as in freedom
  • Relativ einfach zu lesen, vielfältig einsetzbar (z.B. alle Kursmaterialien inklusive dieser Folien und der Website)

(Sam Williams)

Tell me why

  • Wissenschaftliche Lektürekompetenz
  • (Einstieg in die) Anwendungskompetenz
  • Alltagswissen
  • Pragmatisch: Prüfungsrelevant

Tell me why

Was haben die Backstreet Boys und Lineare Regression gemeinsam?

giphy.com

Vorkenntnisse

Vorkenntnisse

https://votingo.cedis.fu-berlin.de/VE685T

Aufbau des Moduls und der Vorlesung

Aufbau des Moduls in der SPO

Modulbeschreibung in der Studien- und Prüfungsordnung

Modul im Vorlesungsverzeichnis

Modulangebote im Vorlesungsverzeichnis

Die Herausforderung

Einerseits

Lineare Regression wurde als Bachelor Level vorausgesetzt. Lineare Regression wurde aber nicht im Bachelor behandelt.

Langsamer erklären und sprechen und weniger Stoff

Andererseits

ich finde es schade, dass wir wirklich SO unterschiedliche Niveaus an Statistikkenntnissen vorweisen, für mich war er daher ein wenig zu langsam und ich hätte gerne noch mehr gelernt, auch das erste Semester war fast nur Wiederholung.

Neu gestaltete Vorlesungen

  • Bringen Sie sich ein:
    • Fragen stellen
    • Feedback: Inhalte, Präsentationsformen, didaktische Elemente, …
    • Ich spreche (zu) schnell — bitte melden.

Syllabus

Lernziele

  • Lektürekompetenz: Empirische Studien verstehen
  • Kritikkompetenz: Empirische Studien beurteilen
  • (Einstieg in die) Anwendungskompetenz: Empirische Studien durchführen

Voraussetzungen

  • Kenntnisse der grundlegenden Verfahren der Datenerhebung: Wo kommen Daten her?
  • Kenntnisse der uni- und bivariaten Datenanalyse (besonders lineare Regression), grundsätzliches Verständnis der frequentistischen Inferenzstatistik
  • Bereitschaft, sich eigenständig mit R zu beschäftigen:
    • Verstehen, Bearbeiten und Ausführen einfacher Befehle zur Datenanalyse
    • Interpretation der Ausgaben.
    • Nicht Datenmanagement und Durchführen vollständiger Analysen

Leistungen

  • Vorlesung: Keine Anwesenheitspflicht für Studierende, aber auch keine Nachhilfepflicht für Lehrende
  • Aktive Teilnahme: Übungsaufgaben (Vertrauensbasis, klausurrelevant); Selbstauskunft in Blackboard
  • Klausur (Gesamtmodulprüfung, 120 Minuten, E-Examination) nach Vorlesung II im Sommersemester

Praktische Übungen

  • Immer wieder praktische Übungen, meist auf Basis einer publizierten Studie
  • Kurze Besprechung in der Vorlesung, meist mit einer exemplarischen Analyse
  • R-Code zum Replizieren der Analysen zu Hause oder während der Vorlesung
  • Lösungen werden veröffentlicht
  • Einstieg in die Anwendungskompetenz: Anpassung von bestehendem Code

Material

Material der Vorlesung

  • Work in Progress, wird laufend aktualisiert
  • Das meiste Material findet sich auf der Kurs-Website (Folien, Code, Output)
  • Weiteres Material in Blackboard🔒: u.a. nicht öffentlich teilbare Daten

Material im Syllabus

Vorlesungsplan

Vorlesungsplan im Syllabus; Comic: https://phdcomics.com/comics.php?f=1583

Rahmenbedingungen

Rahmenbedingungen im Syllabus; Comic: https://phdcomics.com/comics.php?f=1583

Hausaufgabe

Nächste Sitzung

Wiederholung: Univariate & bivariate Beschreibung von Daten & R Intro

Fragen?

Danke — bis zur nächsten Sitzung.

Marko Bachl

Literatur

Boukes, M. (2025). Deliberation in online political talk: exploring interactivity, diversity, rationality, and incivility in the public spheres surrounding news vs. satire. Journal of Communication, 75(2), 125–136. https://doi.org/g8rfp4
Chen, Y., Tsai, J.-Y., & Yuan, S. (2025). Networked corporate advocacy in a polarized public arena: analyzing discourse networks of U.S. Fortune 500 companies on controversial issues. Journal of Communication, 75(2), 148–160. https://doi.org/g859xb
Hameleers, M. (2025). The visual nature of information warfare: the construction of partisan claims on truth and evidence in the context of wars in Ukraine and Israel/Palestine. Journal of Communication, 75(2), 90–100. https://doi.org/g9dxgm
Ng, W. J. R., See, Y. H. M., & Cheung, M. W.-L. (2025). The Influence of affective and cognitive appeals on persuasion outcomes: a cross-cultural meta-analysis. Journal of Communication, 75(2), 101–111. https://doi.org/g88n5v
Schneeweis, A. (2025). Translated knowledge: the production of marginalization of the Roma during the COVID-19 pandemic. Journal of Communication, 75(2), 137–147. https://doi.org/g9dxgv
Vögele, C., & Bachl, M. (2017). Der Einfluss des Dialekts auf die Bewertung von Politikern. SCM Studies in Communication and Media, 6(2), 196–215. https://doi.org/ghhzhd