Web Scraping und Text Mining Workshop - FAU Erlangen-Nürnberg (2019/09/28)
Abstract
If programming is magic, then web scraping is wizardry (Mitchell 2015: vii)
Der Workshop führt die TeilnehmerInnen in die Techniken des Web Scraping und Text Mining ein. Digitale Daten bieten der (sozial-)wissenschaftlichen Forschung eine ungeahnte Fülle an Informationen über menschliches Handeln. Dennoch sind die notwendigen Methoden der "computational social sciences" (CSS) und "digital humanities" (DH), die es erlauben das Potential digitaler Daten zu nutzen, in einschlägigen Curricula bisher kaum integriert. Der Workshop nutzt die Programmiersprache R, um den TeilnehmerInnen anhand von "hands-on"-Beispielen das Feld der CSS/DH zu eröffnen. Dabei wird zunächst anhand von einschlägigen Studien das Potential digitaler Daten demonstriert. Im Anschluss gibt es eine Einführung in die grundlegenden Technologien des WWW, welche wir benötigen, um erste eigene "Web Scraper" zu programmieren. Darauffolgend bauen wir diese Skripte aus, um komplexere Datenabfragen zu durchzuführen. Zuletzt werden neuere Methoden vorgestellt, die "text as data" (Grimmer & Stewart, 2013) behandeln und es erlauben große Textkorpora zu bearbeiten. Während des Workshops soll die Möglichkeit bestehen eigene Projekte zu diskutieren, sodass das gewonnene Wissen in den Projekten eingesetzt werden kann.
Organisation: BMBF-Förderschwerpunkt "Forschung zur Digitalisierung in der Kulturellen Bildung" (DiKuBi)
Ort/Zeit der Veranstaltung: Samstag, 28. September 2019, 9:15-13:15 Uhr, Kulturwerkstatt Auf AEG Nürnberg
Dozent: Dr. Fabian Gülzau, HU Berlin (Website, Twitter)
Folien: Web Scraping mit R
Voraussetzungen: Die Kursvoraussetzungen werden mit den TeilnehmerInnen noch weiter abgestimmt. Wünschenswert sind Grundkenntnisse der Programmiersprache R. Gute Einführungen in R sind kostenlos verfügbar:
- R for Data Science (Wickham & Grolemund, 2017) [Kap. 1 & 4-6]
- Primers in der RStudio Cloud: Working with data
- swirl: Learn R, in R.
Für die praktischen Beispiele ist ein Rechner mit den aktuellen Versionen von R und RStudio notwendig. Zudem sollten einige Pakete vorab installiert werden:
install.packages(pacman) # Installation nur einmal notwendig
library(pacman)
p_load(tidyverse, httr, robotstxt, qdap, janitor,
devtools, lubridate, rzeit2)