Suizidhilfe ist in Deutschland erlaubt, urteilte das Bundesverfassungsgericht 2020 und forderte den Bundestag auf, eine gesetzliche Neuregelung zu finden. Daran scheiterte dieser 2023. Begleitet wurde diese bedeutsame gesellschaftliche Entwicklung von einem hitzigen öffentlichen Diskurs. Die vorliegende Studie untersucht verschiedene Perspektiven des Suizidhilfe-Diskurses in Bundestagsdebatten und in der Medienberichterstattung. Ziel der Studie ist es, den Fragen nachzugehen, wie die beiden zentralen öffentlichen Debattenforen den Suizidhilfe-Diskurs framen und inwiefern sich das strategische und mediale Framing unterscheiden. Zusätzlich wird gemäß eines dynamischen Frame-Verständnisses gefragt, wie häufig die Frames im Zeitverlauf vorkommen. Die Untersuchung basiert auf zwei quantitativen Inhaltsanalysen: je einer Frame-Analyse der Bundestagsreden und der Printberichterstattung. Insgesamt wurden sieben Frames identifiziert. Die drei Bundestags-Frames umfassen restriktive und liberale Befürwortung sowie Ablehnung der Suizidhilfe. Die vier Berichterstattungs-Frames sind gesellschaftliche Debatte zum Suizidhilfe-Urteil, sachliche Berichterstattung und politische Debatte zur Neuregelung der Suizidhilfe und kulturelle und journalistische Einordnung der Suizidhilfe. Der Vergleich der Frames deutet darauf hin, dass in den Medien vielfältigere Akteur:innen zu Wort kamen, während in den Reden eine breitere Vielfalt an Argumenten präsent war. In beiden Foren herrschte eine tendenziell befürwortende Einstellung. Die Analyse der Medien-Frames über die Jahre deutet darauf hin, dass zu Beginn die Aushandlung der gesellschaftlichen Akzeptanz der Suizidhilfe im Fokus stand und sich zunehmend auf die Aushandlung der politischen Neuregelung verlagerte.
Mit der steigenden Verfügbarkeit großer Textmengen und hoher Rechenleistung gewinnt die automatisierte Inhaltsanalyse in der Kommunikationswissenschaft zunehmend an Bedeutung. Bislang mangelt es jedoch an einfach zu bedienenden und leistungsfähigen Tools für die standardisierte automatisierte Inhaltsanalyse von Texten. Large Language Models (LLMs) und darauf aufbauende Modelle zur Textcodierung können dazu beitragen, diesen Mangel zu beheben. LLMs verfügen über ein tiefes „Sprachverständnis“ und ermöglichen somit eine besonders valide Textcodierung. Zudem sind gebrauchsfertige (off-the-shelf) LLMs auf der Plattform Hugging Face frei verfügbar (Open Source) und können mit nur wenigen Zeilen Python-Code für die Inhaltsanalyse verwendet werden. Der vorliegende Beitrag stellt diese gebrauchsfertigen LLMs auf Hugging Face als Forschungsinfrastruktur für die standardisierte Inhaltsanalyse von Texten vor. Nach einer Einführung in die Funktionsweise von LLMs werden drei Modelltypen für die Textcodierung dargestellt – (1) kategoriespezifische Encoder-Modelle, (2) aufgabenspezifische Encoder-Modelle und (3) universelle Decoder-Modelle – und ihre Potenziale und Grenzen gegenüber etablierten inhaltsanalytischen Methoden diskutiert. Anschließend charakterisieren wir Hugging Face als Forschungsinfrastruktur für die Bereitstellung und Nutzung von LLMs. Eine schematische Anleitung und ein ausführliches Online-Tutorial auf der Begleitwebsite dieses Beitrags ( http://www.llm-content-analysis.com ) erklären die Anwendung gebrauchsfertiger LLMs via Hugging Face für die standardisierte Inhaltsanalyse. Schließlich illustrieren wir in einer empirischen Beispielstudie den Einsatz und die Validierung von LLM-basierten Verfahren via Hugging Face am Beispiel der Codierung von Tonalität in Zeitungsartikeln und Social-Media-Posts. Insgesamt verdeutlicht der Beitrag das große Potenzial gebrauchsfertiger LLMs auf Hugging Face als Forschungsinfrastruktur für die Inhaltsanalyse von Texten.
Im Zentrum des Beitrags steht die Pluralisierung der Öffentlichkeit in Deutschland, verstanden als Ergebnis struktureller Differenzierungsprozesse aus postmigrantischer Perspektive. Ausgangspunkt ist die Annahme, dass Transnationalisierung nicht nur grenzüberschreitend, sondern auch als innere gesellschaftliche Dynamik wirkt. Der Beitrag untersucht kommunikative Praktiken, organisationale Strukturen und individuelle Ausdrucksformen, die jenseits klassischer Medienöffentlichkeit neue Arenen schaffen und marginalisierte Perspektiven sichtbar machen. Diese Prozesse zeigen Aushandlungen von Zugehörigkeit und Teilhabe und werden zugleich durch hegemoniale Vermittlungen beeinflusst, die gezielt in pluralisierte Öffentlichkeiten hineinwirken. Trotz ihrer Relevanz bleiben diese Dynamiken in der Forschung weitgehend unterbelichtet. Der Beitrag zeigt, dass sie ein zentraler Teil einer sich wandelnden Öffentlichkeit sind. Analytisch werden vier idealtypische Vermittlungsformen beschrieben: Exil, Diaspora, subaltern und hegemonial. Dazu kommen drei intermediäre Akteure: Journalistische Medien, Organisationen sowie Individuen. Unter dem Begriff pluraler Öffentlichkeiten wird die Koexistenz verschiedener und hybrider Kommunikationsräume theoretisch gefasst.
Die Beurteilung der Qualität von Forschungsdaten ist eine wissenschaftliche Praxis, die entscheidend für die Validität und Integrität von Forschungsergebnissen ist. Nur wenn Daten akkurat, konsistent und vollständig sind, können korrekte Rückschlüsse über den Forschungsgegenstand gezogen werden. Trotz der großen Bedeutung der Datenqualität fehlt es allerdings an einer einheitlichen Plattform für die Sozialwissenschaften, welche systematisch Tools sammelt, aufbereitet und anhand von Anwendungsfällen demonstriert. Zu diesem Zweck werden im Rahmen des Kompetenzzentrums Datenqualität für die Sozialwissenschaften (KODAQS), Tools entwickelt, um die Qualität von Forschungsdaten besser beurteilen zu können. In diesem Artikel werden die KODAQS-Tools vorgestellt und konzeptuell erklärt. Ein Fokus liegt dabei auf Tools, deren Anwendungsfälle besonders für die Kommunikations- und Medienwissenschaft relevant sind. Diese stellen eine zentrale Ressource dar, welche Kommunikations- und Sozialwissenschaftler:innen dabei unterstützt, die Qualität ihrer Forschungsdaten zu bewerten und zu verbessern. Dabei werden Tools für drei Datentypen, und zwar digitale Verhaltensdaten, Umfragedaten und verknüpfte Daten vorgestellt. Diese reichen vom Text-Preprocessing von Social Media-Daten, über die Antwortqualitäten von Multi-Item-Skalen in standardisierten Befragungen bis hin zum Vergleich verschiedener Matching-Verfahren von Befragungs- und georeferenzierten Daten. Alles in allem soll der Artikel nicht nur als reine Vorstellung der Tools, sondern auch als Anstoß für mehr Austausch von Tools und Workflows für die Sicherstellung qualitativ hochwertiger Forschungsdaten verstanden werden.
This study examines how the use of different media types and platforms is associated with emotional responses toward immigrants. Using cross-sectional survey data from Germany (n = 1511), linear regression models were estimated to explore correlations between media use and both overall emotional valence (negative, positive, mixed) and a broad set of discrete emotions. The results show that social media use and use of alternative media is positively associated with stronger negative, positive, and mixed emotions toward immigrants, while use of traditional newspapers show no notable associations. Television and radio use, in contrast, are linked to more positive and fewer negative emotions. Platform-level analyses reveal distinct emotional profiles: Facebook use correlates with contempt, and disgust; YouTube with anger, contempt, disgust, joy and awe; Twitter/X—and to a even larger degree—TikTok, with a wide range of positive, negative, and mixed emotions; and Instagram with grief only. Overall, the findings highlight substantial variation across media environments in their correlational relationship with emotional responses toward immigrants. These results provide descriptive evidence that can guide future causal, experimental, or longitudinal research on mediated emotions and intergroup attitudes.
